Os day traders aprendem racionalmente sobre sua capacidade?

Brad M. Barber
Graduate School of Management
University of California, Davis

Yi-Tsung Lee
Escola de Administração Guanghua
Universidade de Pequim

Yu-Jane Liu
Escola de Administração Guanghua
Universidade de Pequim

Terrance Odean
Haas School of Business
Universidade da California, Berkeley

Ke Zhang
Haas School of Business
Universidade da California, Berkeley

Outubro de 2017

_________________________________
Agradecemos à Bolsa de Valores de Taiwan por fornecer os dados usados neste estudo. Barber
agradece ao Conselho Nacional de Ciência de Taiwan por subscrever uma visita a Taipei, onde
Timothy Lin (Yuanta Core Pacific Securities) e Keh Hsiao Lin (Taiwan Securities) organizaram
excelentes visões gerais de suas operações comerciais. Temos nos beneficiado dos comentários
dos participantes do seminário da University of Southern California, da University of Oregon, da
University of Utah, da University of Virginia, da Santa Clara University, da University of Texas,
Texas A&M, da Washington University, da Peking University e HKUST.
 Faça Day Traders Racionalmente Aprenda sobre suas Habilidades

Abstrato

Analisamos o desempenho e o aprendizado de investidores individuais que realizam day trading

em Taiwan de 1992 a 2006 e testamos a proposição de que investidores individuais especulam

racionalmente como day traders para saber se possuem capacidade superior de negociação.

Consistente com os modelos de aprendizagem racional e tendenciosa, documentamos que os

day traders não lucrativos são mais propensos a desistir do que os lucrativos. Inconsistentes com

os modelos de especulação e aprendizagem racionais, documentamos que o desempenho

agregado dos day traders é negativo, que a grande maioria dos day traders não é lucrativa e

muitos persistem apesar de uma vasta experiência de perdas.

 Artigos (Mahani e Bernhardt (2007) e Linnainmaa (2010)) desenvolvem modelos em que um

investidor individual racionalmente escolhe negociar especulativamente - sabendo que a maioria dos outros

indivíduos perdem dinheiro com a especulação - a fim de saber se ela tem ou não a capacidade de fazer

lucro através da especulação. Nesses modelos, os investidores inicialmente não conhecem suas próprias

habilidades e as inferem racionalmente observando seu desempenho de negociação. Gervais e Odean

(2001) apresentam um modelo no qual a aprendizagem enviesada leva os investidores de sucesso a se

tornarem excessivamente confiantes. Nesse modelo, também, os investidores inicialmente não conhecem

suas próprias habilidades e devem inferi-las a partir do desempenho. No entanto, quando são

bem-sucedidos, esses investidores atribuem irracionalmente o sucesso de forma desproporcional à sua

capacidade, e não à sorte, levando os investidores a superestimar suas próprias habilidades e a negociar de

forma muito agressiva; mesmo os investidores com mais fracassos passados do que sucessos podem se

tornar excessivamente confiantes ao avaliarem seus sucessos.

Testamos as previsões dos modelos de aprendizagem Bayesianos racionais, analisando o desempenho dos day traders

em Taiwan. Nós nos concentramos nos day traders, aqueles que compram e vendem as mesmas ações em um dia, já que esses

traders são quase certamente especuladores. Usando os dados completos das transações do Mercado de Ações de Taiwan ao

longo de 15 anos (1992 a 2006), encontramos evidências de aprendizado entre os day traders. A maioria dos day traders desiste de

forma relativamente rápida (mais de 75% de todos os day traders desistem em dois anos), e os de baixo desempenho têm maior

probabilidade de desistir. Esses resultados são consistentes com os modelos de aprendizagem racional e tendenciosa. Nesse

sentido, nosso artigo complementa a evidência emergente de que o aprendizado é um fator importante no comportamento dos

investidores individuais. Usando dados finlandeses, Seru, Shumway, e Stoffman (2010) documentam os investidores não apenas

aprendem sobre sua capacidade de negociação, mas também melhoram com a experiência. Linnainmaa (2010) calibra um modelo

estrutural no qual os investidores aprendem racionalmente sobre sua capacidade por meio de negociação usando registros de

negociação de investidores finlandeses individuais ativos. Consistente com a previsão de seu modelo, os investidores são mais

propensos a aumentar o tamanho da negociação após negociações bem-sucedidas e mais propensos a diminuir o tamanho da

negociação ou abandonar a negociação após negociações malsucedidas. Além disso, o tamanho e os efeitos de desistência são

mais fortes no início da carreira de um investidor, quando suas crenças anteriores sobre capacidade são mais difusas. Usando

dados de corretores dos EUA, Nicolosi, Peng e Zhu (2009) mostram que a intensidade do comércio aumenta seguindo sinais de

forte Linnainmaa (2010) calibra um modelo estrutural no qual os investidores aprendem racionalmente sobre sua capacidade por

meio de negociação usando registros de negociação de investidores finlandeses individuais ativos. Consistente com a previsão de

seu modelo, os investidores são mais propensos a aumentar o tamanho da negociação após negociações bem-sucedidas e mais propensos a diminuir o taman

1
atuação. Analisando dados da Bolsa de Valores Nacional da Índia, De et. al. (2010) documentam que os

investidores aumentam as negociações em resposta aos lucros recentes e que o sinal dos lucros é

mais importante do que sua magnitude.

Testes anteriores de modelos de aprendizagem racional de negociação focaram principalmente na

confirmação de evidências, por exemplo, os investidores aumentam (diminuem) as negociações em

resposta a negociações bem-sucedidas (malsucedidas)? Para testar adequadamente esses modelos, no

entanto, é tão ou mais importante também procurar evidências negativas. Embora também encontremos

evidências claras de aprendizagem, também documentamos comportamentos que não são consistentes

com a aprendizagem Bayesiana racional, conforme modelado por Mahani e Bernhard (2007) e Linnainmaa

(2010) por duas razões:

Em primeiro lugar, se a entrada (e saída) de novos especuladores que estão testando sua perspicácia

comercial for estável ao longo do tempo, então o sinal dos lucros esperados para toda a vida dos novos

especuladores é o mesmo dos lucros agregados do especulador. Portanto, os especuladores potenciais avessos ao

risco ou neutros ao risco, sem nenhum conhecimento prévio especial de suas habilidades, devem apenas "negociar

para aprender" se os lucros agregados do especulador forem positivos. Na verdade, usando dados completos para

o mercado de Taiwan, o desempenho agregado dos day traders, líquido de taxas, é negativo em cada um dos 15

anos que estudamos. Um investidor bayesiano avesso ao risco (ou neutro ao risco) que maximiza o lucro não

entraria no mercado se seus lucros esperados para toda a vida fossem negativos.

Em segundo lugar, embora o desempenho afete a sobrevivência do day trader, muitos traders de

baixo desempenho persistem. A cada mês, de 1993 a 2005, classificamos os negociantes com base no

número de dias em que estiveram envolvidos na negociação diária no final do mês anterior e na

lucratividade anterior de suas negociações intradiários. Para ter uma medida precisa da experiência de day

trading, excluímos os traders que fizeram day trading em 1992. Os traders anteriormente não lucrativos

com 50 ou mais dias de experiência de day trading têm 95,3% de probabilidade de voltar a negociar nos

próximos 12 meses, embora anteriormente lucrativos os comerciantes com 50 ou mais dias de experiência

de negociação no dia anterior têm 96,4% de probabilidade de fazê-lo. Então, não só faça

2
Os day traders experientes com histórico de perdas persistem no day trading; eles o fazem quase às

mesmas taxas dos day traders que têm sido lucrativos.

O restante deste trabalho está organizado da seguinte forma. Depois de revisar as pesquisas

relacionadas (seção I), discutiremos as regras, dados e métodos do mercado de Taiwan (seção II). Na seção

III, apresentamos o desempenho dos day traders classificados de forma agregada e particionados por

desempenho anterior e atividade de negociação. Na seção IV, exploramos a fonte de lucros para day traders

lucrativos. Na seção V, testamos explicitamente os modelos de aprendizagem. Depois de discutir nossos

resultados (seção VI), fazemos algumas observações finais (seção VII).

I. Aprendizagem por especuladores

A sugestão de que os investidores aprendam com a experiência não é nova nem controversa. 1

Aprender é uma característica onipresente da experiência humana. De uma perspectiva de bem-estar

e política, a questão não é se os investidores aprendem, mas quão bem eles aprendem. Nesta seção,

desenvolvemos previsões testáveis que emanam de um modelo racional de aprendizagem e

destacamos as previsões que discriminariam entre modelos racionais e tendenciosos de

aprendizagem.

Mahani e Bernhardt (2007) argumentam que a aprendizagem racional Bayesiana pode explicar

várias regularidades empíricas: transversalmente, a maioria dos especuladores perde dinheiro; grandes

especuladores superam pequenos especuladores; o desempenho passado afeta positivamente a

intensidade comercial subsequente; a maioria dos novos operadores perde dinheiro e cessa a especulação;

e o desempenho mostra persistência. Semelhante a Mahani e Bernhardt (2007), Linnainmaa (2010)

desenvolve um modelo estrutural de aprendizagem racional. Usando dados de negociação da Finlândia, ele

descobriu que os investidores com baixo desempenho tendem a desistir e a intensidade da negociação

aumenta após um bom desempenho.

1 Vários documentos documentam a aprendizagem do investidor de várias formas, incluindo Feng e

Seasholes (2005), Seru, Shumway e Stoffman (2007), Nicolosi, Peng e Zhu (2009), Chiang, Hirshleifer, Qian
e Shreman (2010), Choi, Laibson, Madrian e Metrick (2010), De, Gondhi e Pochiraju (2010) e Odean,
Strahilesvitz e Barber (2010).

3
 Em Mahani e Bernhardt (2007), especuladores novatos perdem enquanto experimentam lucro, mas

o desempenho agregado deve ser positivo e representar um limite superior no retorno ao day trading. Para

ver a lógica por trás dessa afirmação, considere o seguinte exemplo simples e concreto. Suponha que 21

novos especuladores tentem negociar a cada ano. Apenas um deles tem habilidade; 20 não são qualificados.

Especuladores não qualificados negociam por um ano, perdem US $ 1 e desistem. Especuladores

experientes negociam por 10 anos, ganham $ 1 por ano e desistem. Assim, os lucros agregados do

especulador a cada ano são - $ 10. Como os especuladores qualificados permanecem no mercado por mais

tempo, eles respondem por uma fração maior de especuladores ativos (ou seja, 10/30) do que de novos

especuladores (ou seja, 1/21). Lucro vitalício esperado para um novo especulador

estão ( 1/21) $ 10 + (20/21) ( - $ 1) = - $ 0,476. Observe que os lucros anuais agregados divididos por

o número de novos especuladores a cada ano é igual aos lucros esperados para toda a vida (ou seja, $ 10/21

= - $ 0,476) e que os lucros anuais agregados divididos pelo número de todos os especuladores negociando
€
em um ano (por exemplo, -10/30 = - $ 0,333) são do mesmo sinal, mas de magnitude inferior aos lucros

esperados para a vida toda. Assim, quando os lucros agregados são negativos, eles fornecem um limite

superior para os lucros incondicionais esperados durante a vida de um especulador. Se os traders têm

crenças prévias racionais sobre os lucros incondicionais esperados para toda a vida de se envolver em

especulações, então o desempenho agregado dos especuladores deve ser positivo. Isso leva à nossa

primeira hipótese nula:

H1: O desempenho líquido agregado dos day traders é positivo (não negativo).

A alternativa é que o desempenho líquido agregado dos day traders seja negativo. Isso é

consistente com os comerciantes que mantêm crenças prévias tendenciosas sobre os lucros

esperados para toda a vida incondicional de tentar day trading.

Nos modelos de aprendizagem racional, os negociantes malsucedidos param de negociar depois

que o acúmulo de sinais negativos supera suas crenças prévias iniciais positivas sobre sua capacidade.

Gervais e Odean (2001) desenvolvem um modelo no qual os investidores levam muito crédito por seu

sucesso e, portanto, em relação a um Bayesiano, sucessos com excesso de peso ao aprender sobre suas

habilidades. Em seu modelo, também, os investidores bem-sucedidos têm mais habilidade do que os

malsucedidos e os investidores respondem ao bom desempenho negociando de forma mais agressiva. Em

contraste com o modelo Baysiano racional, seu modelo também pode explicar a negociação persistente por

comerciantes anteriormente malsucedidos; esses comerciantes colocam muito peso nos sucessos e muito

pouco nas falhas ao atualizar as crenças sobre suas habilidades

4
 Negociação persistente em face de perdas não é consistente com os modelos de

aprendizagem racional. No entanto, é difícil distinguir se um day trader não lucrativo está persistindo

por causa de um aprendizado tendencioso ou de crenças anteriores tendenciosas. Sem um modelo

claro e preciso de rapidez, os traders devem aprender com as perdas combinadas com estimativas de

crenças anteriores, não se pode dizer com precisão com que rapidez os traders racionais

malsucedidos devem sair. Apresentamos evidências de notável persistência de negociação em face de

perdas, por exemplo, quase 3/4 do volume de day-trading é gerado por day-traders malsucedidos

com pelo menos 10 dias de experiência de day-trading. O leitor deve avaliar por si mesmo se essa

persistência perversa se deve a crenças anteriores tendenciosas, aprendizado tendencioso ou ambos.

Os modelos de aprendizagem racional prevêem que os especuladores malsucedidos desistirão, enquanto os

especuladores bem-sucedidos provavelmente persistirão. Assim, independentemente de crenças anteriores, os modelos

de aprendizagem racional predizem nossa segunda hipótese nula:

H2: Os day traders experientes com perdas líquidas anteriores não continuarão a negociar. De

acordo com o modelo de aprendizado tendencioso de Gervais e Odean, é possível que traders

malsucedidos se tornem excessivamente confiantes e mais ativos, se seu viés de aprendizado for

suficiente. Assim, continuar a negociar com day-traders não lucrativos é contrário aos modelos de

aprendizagem racionais, mas é consistente com a aprendizagem tendenciosa.

II. Dados e Métodos

II.A. Comerciantes Diurnos e Negociação Especulativa

Os testes empíricos dos modelos de aprendizagem devem identificar os comerciantes que

negociam especulativamente. Os investidores podem negociar para economizar (ou consumir), para

reequilibrar suas carteiras ou para reduzir suas obrigações fiscais. Assim, uma característica importante de

nossa estratégia empírica é identificar uma amostra limpa de especuladores. Fazemos isso

concentrando-nos no day trading na Bolsa de Valores de Taiwan. Day trading é a compra e venda das

mesmas ações por investidores em um dia. Argumentamos que essas negociações intradiários são quase

certamente especulativas. Além disso, a troca do dia é comum e prevalente em Taiwan.

5
 Não somos os primeiros a estudar day trading, embora a amostra de day traders que

estudamos seja muito maior e as séries temporais muito mais longas do que em estudos anteriores. 2 A

única exceção a essa generalização é Barber, Lee, Liu e Odean (2010), que identificam um pequeno

subconjunto de day traders (menos de 1% da população do day trading) que obtém lucros previsíveis.

Nenhum desses estudos anteriores usou o cenário empírico para testar modelos racionais e

tendenciosos de aprendizagem, o foco de nossa investigação.

II.B. Regras do mercado de Taiwan

Antes de prosseguir, é útil descrever a Bolsa de Valores de Taiwan (TSE). O TSE opera em um

ambiente de livro de pedidos com limite consolidado, onde apenas os pedidos com limite são aceitos.

Durante a sessão de negociação normal, das 9h ao meio-dia durante a maior parte do nosso período de

amostra, as ordens de compra e venda podem interagir para determinar o preço executado, sujeito às

regras de automatching aplicáveis. 3 Os tamanhos mínimos de ticks são definidos pelo TSE e variam de

acordo com o preço do título. Geralmente, as ordens são compensadas usando regras de automação uma a

duas vezes a cada 90 segundos durante o dia de negociação. Os pedidos são executados em estrita

prioridade de preço e tempo. Um pedido inserido no sistema em um momento anterior deve ser executado

na íntegra antes que um pedido com o mesmo preço inserido posteriormente seja executado. Embora as

ordens de mercado não sejam permitidas, os traders podem enviar ordens agressivas com limite de preço

para obter a prioridade correspondente. Durante nosso período de estudo, há um limite de preço diário de

7% em cada direção e um limite de preço intradiário de negociação a negociação de dois ticks em relação ao

preço de negociação anterior.

Como nossa análise se concentra no day trading, uma consideração importante são os custos

de transação. O TSE limita as comissões a 0,1425% do valor de uma transação. Alguns corretores

oferecem comissões mais baixas para operadores de alto volume. Funcionários de corretoras e do TSE

nos indicaram que o maior desconto de comissão oferecido é de 50% (ou seja, uma comissão de

aproximadamente 7 pontos base); esses mesmos funcionários estimaram a ponderação comercial

2 Harris e Schultz (1998) estudam bandidos SOES em duas corretoras. Garvy e Murphy (2002, 2005) analisam 15 e 1.386 day
traders em uma corretora dos Estados Unidos. Seasholes e Wu (2004) analisam as negociações de 10 corretores ativos na Bolsa
de Valores de Xangai. Linnainmaa (2003) analisa 7.686 comerciantes de dia finlandeses.
3 A negociação também ocorreu aos sábados durante a maior parte do nosso período de amostra. Antes de dezembro de 1997,

as negociações de sábado ocorriam das 9h às 11h. De janeiro a março de 1998, as ações foram negociadas apenas no segundo e
no quarto sábado de cada mês. De abril de 1998 a dezembro de 2000, as negociações aos sábados ocorreram das 9h ao
meio-dia. A partir de 2001, não houve negociação no sábado.

6
a comissão paga pelos participantes do mercado é de cerca de 10 pontos base. Usamos os 10 pontos

básicos ao calcular os retornos líquidos de taxas. Taiwan também impõe um imposto de transação sobre as

vendas de ações de 0,3%.

II.C. Dados de negócios e estatísticas descritivas

Usamos um conjunto de dados único e extraordinariamente completo, que contém todos os

dados da transação, dados subjacentes do pedido e a identidade de cada negociante na Bolsa de

Valores de Taiwan (TSE). Com esses dados, fornecemos uma contabilidade abrangente da

lucratividade dos day traders durante o período de 1992 a 2006.

Os dados da transação incluem a data e hora da transação, um identificador de ações, tipo de

pedido (compra ou venda - dinheiro ou margem), preço da transação, número de ações, um código de

corretor e a identidade do negociante. No total, o conjunto de dados contém 3,7 bilhões de transações

de compra (ou venda) com um valor de US $ NT 310 trilhões (aproximadamente US $ 10 trilhões). 4 O

código do negociante nos permite categorizar amplamente os negociantes como indivíduos,

corporações, negociantes, investidores estrangeiros e fundos mútuos. A maioria dos investidores (por

valor e número) são investidores pessoas físicas. As corporações incluem empresas taiwanesas e

empresas estatais (por exemplo, em dezembro de 2000, os serviços públicos de correios, bancos e

seguros detinham mais de $ NT 213 bilhões em ações taiwanesas). 5 Os revendedores incluem

instituições financeiras taiwanesas, como Fubon Securities, Pacific Securities e Grand Cathay

Securities. Estrangeiro investidores estão principalmente bancos estrangeiros, seguro

empresas, corretoras de valores e fundos mútuos. Durante nosso período de amostra, os

maiores investidores estrangeiros são Fidelity Investments, Scudder Kemper e Schroder

Investment Management. Os fundos mútuos são fundos mútuos domésticos, o maior dos quais

é o ABNAMRO Asset Management, com US $ NT 82 bilhões investidos em ações de Taiwan em

dezembro de 2000.

4A taxa de câmbio média TWD / USD de 1992 a 2006 foi de 30,54 com um mínimo de 24,65 e um máximo de

35.01.
5 Muitas corporações são pequenas empresas que são majoritariamente ou totalmente controladas por um indivíduo. Assim, a
categoria corporativa de trader também inclui milhares de investidores individuais que negociam sob o rótulo de corporação.

7
 Definimos day trading como a compra e venda, em qualquer ordem, da mesma ação no

mesmo dia por um investidor. Especificamente, se um investidor compra e vende as mesmas

ações no mesmo dia, calculamos o número de ações compradas ( S b), o número de ações vendidas

( S s), o preço médio de compra ( P b), e o preço médio de venda ( P s). O valor do day trading é definido

como metade do valor total das vendas e compras ( ½ * P b * min (S b, S s) +

½ * P s * min (S b, S s)). Durante o nosso período de amostra, a negociação agregada do dia representa mais de 19% do

valor total em dólares do volume total de negociação. Negociação na maior parte do dia (cerca de 2/3 rds)

envolve a compra e venda do mesmo número de ações em uma ação ao longo de um dia (ou seja, a maioria das

negociações do dia não rendem nenhuma mudança líquida na propriedade no fechamento do dia).

Praticamente todo o dia de negociação pode ser rastreado para investidores individuais. Na média

do mês, os investidores individuais representam mais de 99% de todos os day traders (e 95% do volume de

day trading). Pessoas físicas e jurídicas podem vender a descoberto, embora negociantes, fundos mútuos e

estrangeiros sejam proibidos de fazê-lo no TSE. Essas restrições à venda a descoberto podem explicar

parcialmente a tendência de concentração do day trading entre investidores individuais. Em contraste com

os mercados dos EUA, os revendedores não são provedores ativos de liquidez. As regras do TSE estabelecem

que os concessionários são obrigados a "ajustar de forma eficiente a demanda e a oferta no mercado,

dependendo da situação do mercado, e garantir que a formação de um preço justo e sua operação sólida

não sejam prejudicados", mas os concessionários não enfrentam penalidades específicas por não

cumprirem atender a este requisito. As negociações do revendedor emanam de sua atividade de negociação

proprietária. Com base em nossas discussões com distribuidores no TSE, a maior parte dessa negociação

por conta própria não tem necessariamente o objetivo de fornecer liquidez. Chae e Wang (2003) também

relatam que os revendedores TSE não são provedores líquidos de liquidez. No restante do artigo, nos

concentramos nos investidores individuais.

Na Figura 1, representamos o day trading como uma porcentagem do volume total de trading

e o número de indivíduos que negociam diariamente por mês. Embora o day trading tenha sido um

pouco menos prevalente na parte inicial de nosso período de amostra, a parcela do volume rastreada

até o day trading foi consistentemente em torno de 20% do volume total de trading de 1995 a 2006.

No mês médio, quase 140.000 indivíduos day trade. Com uma população adulta de cerca de 16

milhões (população total de cerca de 22 milhões), isso significa apenas 1% da população adulta

8
dia da população comércios no mês médio. Em termos de porcentagem do volume total de

negociações e do número de negociadores, a negociação do dia é uma característica de equilíbrio da

bolsa de valores de Taiwan, sem tendência aparente de 1997 a 2006.

II.D. Medição de desempenho

Nossa medição de desempenho primária concentra-se nos lucros intradiários de todas as negociações

feitas por day traders e nos retornos intradiários ponderados pelas negociações. Em uma análise subsequente,

também analisamos a lucratividade das compras e vendas no tempo do evento para garantir que as inferências

que extraímos da análise dos lucros intradiários sejam precisas.

Primeiro calculamos os retornos intradiários para a negociação diária. Para isso, identificamos todas as

negociações realizadas por day traders. Calculamos os lucros nas negociações do dia de ida e volta e outras

negociações de abertura de posição que permanecem abertas no fechamento do dia de negociação. As outras

negociações são compras para abrir uma posição longa ou vendas que abrem uma posição curta. Os lucros para

negociações que levam a uma posição aberta são calculados em relação aos preços de fechamento na data da

negociação (ou seja, marcação a mercado no preço de fechamento do dia). Para calcular o retorno diário ganho

por um day trader, somamos os rendimentos das ações vendidas para fechar posições longas e compradas para

fechar posições curtas (ou seu equivalente na marcação a mercado no fechamento do dia de negociação) e

dividimos pelo custo de iniciar a posição (ou seja, o valor das ações compradas ou vendidas a descoberto no

momento da compra ou venda). Referimo-nos a esse retorno como o retorno intradiário bruto do day trading. Para

calcular o retorno líquido intradiário para o day trading, assumimos uma comissão de 5 pontos base (bps) nas

compras, uma comissão de 5 bps nas vendas e um imposto de transação de 30 bps nas vendas. (Veja o apêndice

para detalhes.)

É importante incluir negociações de ida e volta e unilaterais para medir o desempenho do day

trading. Focar apenas em negociações de ida e volta produziria uma medida tendenciosa de desempenho se

os investidores vendessem os vencedores e mantivessem os perdedores (ou seja, exibissem o efeito de

disposição). Por exemplo, suponha que alguns day traders compram e vendem aleatoriamente (traders

aleatórios), enquanto outros fecham apenas investimentos vencedores enquanto montam perdedores

(negociadores de disposição). Se analisássemos apenas os lucros das negociações de ida e volta, é claro que

os negociantes com disposição teriam melhores retornos de ida e volta do que os negociantes aleatórios

meramente porque eles têm uma regra a respeito de quando fechar uma posição. Desde a disposição

9
efeito é predominante entre os investidores taiwaneses e entre os day traders em outros lugares, 6 é

importante incluir viagens de ida e volta e outras negociações ao analisar o desempenho.

Na Figura 2, apresentamos um exemplo de quatro negociações por um day trader. As linhas

vermelhas representam posições curtas, enquanto as linhas pretas representam posições longas. As

linhas sólidas são a parte dos retornos incluída em nossos lucros de day trading, enquanto as linhas

tracejadas são incluídas na análise de retornos de longo prazo. É claro neste gráfico que, combinando

as duas análises, capturamos a experiência completa de um trader.

III. Modelos de Aprendizagem Racional e Comportamental:

Confirmando as Evidências
Começamos estimando a taxa de sobrevivência dos day traders. Nossos dados comerciais começam em

1992. Para garantir razoavelmente que estamos analisando novos day traders, restringimos nossa análise

àqueles que começaram a day trading após 1992. Nossos dados terminam em 2006 e, portanto, são

censurados à direita. Consideramos que um negociante desistiu de day trading se não observarmos day

trading por 12 meses consecutivos. Como resultado desse requisito, não analisamos os day traders que

iniciaram o day trading em 2006, uma vez que não podemos observar com segurança se eles desistiram.

Na Figura 3, apresentamos uma função de sobrevida Kaplan-Meier de cinco anos.

Consideramos a sobrevivência dos day traders que negociaram no dia por pelo menos 10 dias - e

designamos o primeiro mês quando atingiram o limite mínimo de 10 dias como mês de entrada.

Para muitos desses traders, o day trading é uma atividade persistente. Apenas 2,5% desistem

em um mês, enquanto as taxas de sobrevivência em um, dois e três anos são de 44%, 24% e 15%,

respectivamente.

Para testar se a magnitude da lucratividade passada afeta a decisão de encerrar

o day trading, estimamos o seguinte modelo de taxa de risco proporcional de Cox,

h (t, x) = h 0 ( t) e { XB} , Onde X é uma matriz de variáveis independentes, B é um vetor de

6 Barber, Lee, Liu e Odean (2007) e Linnainmaa (2005) documentam, respectivamente, que investidores

individuais taiwaneses e day traders finlandeses exibem o efeito de disposição.

10
estimativas de coeficiente, h 0 ( t) é a taxa de risco de linha de base (ou seja, a taxa de risco quando todas as

covariáveis são iguais a zero), e h (t, x) é a taxa de risco condicional a um conjunto de covariáveis ( x) no

tempo t. Em nosso aplicativo, um trader corre o risco de desistir, uma vez que ele

começa a negociação do dia.

Mais uma vez, restringimos nossa análise aos day traders que realizaram day trading por no

mínimo 10 dias. Para avaliar o impacto do desempenho anterior sobre o abandono, usamos os

retornos intradiários líquidos. Para estimar o impacto dos retornos anteriores sobre a propensão para

encerrar o day trading, construímos uma série de 26 variáveis dummy correspondentes aos

seguintes intervalos em pontos base: (- ∞, -90], (-90, -85], ..., (25, 30], (30, ∞). Ao estimar o modelo de

taxa de risco proporcional de Cox, definimos o intervalo (0, 5 bps] como a categoria padr ão e

incluímos as 25 variáveis fictícias restantes como covariáveis em nossa estimativa. Como controle

variáveis, incluímos medidas da atividade de negociação do dia anterior: o registro do número de dias

com atividade de negociação do dia, o registro do número de dias desde o primeiro dia de negociação

de um trader e o registro do volume total de negociação do dia. análise de história,

Os resultados desta análise são apresentados na Figura 4. O eixo horizontal da figura

representa as categorias de retorno intradiário líquido, enquanto o eixo vertical representa a

taxa de risco em relação à categoria de lucro omitida (retorno intradiário líquido no intervalo (0,

0,05]). Conforme previsto pelos modelos de aprendizagem, o retorno intradiário líquido está negativamente relacionado à

taxa de risco. Os day traders mais lucrativos têm menos probabilidade de desistir. 7

No entanto, o efeito não é linear. A propensão para sair é relativamente insensível às diferenças

após os retornos intradiários líquidos na faixa de -30 bps a 30 bps. Os comerciantes com retornos

intradiários líquidos anteriores na faixa (30 bps, infinito) são mais propensos a desistir do que aqueles com

7A relação entre os lucros e a propensão a parar é semelhante, independentemente de incluirmos variáveis de controle. No entanto, as
variáveis de controle estão todas relacionadas de forma confiável às razões de risco ao nível de significância de 1%. Os traders com mais
dias de experiência em day trading têm menos probabilidade de desistir; um aumento de um desvio padrão no log do número de dias de
negociação do dia anterior reduz a taxa de risco do caso base para 0,43. Os day traders que negociam há mais tempo têm maior
probabilidade de desistir; um desvio padrão de um no log do número de dias desde o primeiro dia de negociação de um trader aumenta a
taxa de risco para 1,24. Os comerciantes de dias pesados têm maior probabilidade de desistir; um aumento de um desvio padrão no log do
volume de negociação do dia anterior aumenta a taxa de risco para 1,11.

11
retornos na faixa de -30 bps a 30 bps, embora não tão prováveis quanto os traders com retornos mais

negativos.

No domínio dos retornos negativos, a propensão a parar é bastante sensível às

magnitudes. Por exemplo, considere o impacto nas taxas de risco de se mover entre quatro

categorias de lucro equidistantes: (0, 0,05], (-0,30, -0,25], (-0,60, -0,55] e (-0,90, -0,85]. o

primeiro movimento, de apenas lucrativo para a faixa baixa de perdas, aumenta a taxa de

risco em seis pontos percentuais (de 1,00 a 1,06); o segundo movimento, da faixa baixa de

perdas para perdas médias, aumenta a taxa de risco em 30% adicionais pontos (de

1,06 para 1,36), o terceiro movimento, da faixa média de perdas para uma faixa alta, aumenta a

taxa de risco em 36 pontos percentuais adicionais (de 1,36 para 1,72).

Em resumo, essas análises fornecem fortes evidências de que os traders aprendem sobre sua própria

habilidade negociando. Aqueles que lucram têm menos probabilidade de desistir, embora o efeito seja mais

pronunciado para aqueles com perdas acentuadas.

III.A. Modelos Racionais de Aprendizagem: Evidências Desconfirmadas

Até aqui, encontramos suporte para os modelos de aprendizagem racional e comportamental do

comportamento do investidor. Pessoas com baixo desempenho são mais propensas a abandonar o day trading. As

evidências indicam que o aprendizado é uma característica importante dos mercados financeiros. Nesta seção,

argumentamos que o aprendizado racional não explica o comportamento da grande população de investidores

especulativos por três razões: o desempenho agregado é negativo, os especuladores experientes perdem dinheiro

e os especuladores não lucrativos persistem.

A. 1. O desempenho agregado é negativo

Para avaliar o desempenho dos day traders em relação ao seu custo de oportunidade de

manter o portfólio de mercado, estimamos retornos anormais regredindo o excesso de retorno do

portfólio (retorno do portfólio menos taxa livre de risco) sobre o excesso de retorno de um índice de

mercado avaliado por valor. Construímos nosso próprio índice de mercado usando a capitalização de

mercado do Taiwan Economic Journal (TEJ) e os retornos de ações individuais calculados a partir dos

dados do TSE. A interceptação dessa regressão é nossa medida de retornos anormais.

12
 Na Tabela 1, apresentamos o desempenho bruto e líquido de todos os day traders. Embora

nossa análise de desempenho pondere os investidores pelos investimentos que eles fazem, não

distinguimos day traders ocasionais de day traders ativos nesta análise preliminar. Analisamos as

negociações do dia e outras negociações desses investidores nos meses em que eles negociam.

Há duas razões pelas quais a inclusão de todas as negociações no mês do dia pode influenciar

positivamente nossa análise de desempenho. Primeiro, devido ao efeito de disposição, os day traders

são mais propensos a fechar posições lucrativas. Assim, os meses em que observamos day trading

têm maior probabilidade de serem meses lucrativos. Em segundo lugar, é possível que o bom

desempenho do investimento leve ao day trading (ou seja, causalidade reversa). (Em análises

subsequentes, identificamos day traders ex-ante para evitar esses problemas.) Não estamos

preocupados com esses vieses nesta análise preliminar, uma vez que documentamos um fraco

desempenho no agregado.

Na segunda coluna da Tabela 1, apresentamos os retornos intradiários anormais brutos dos day

traders. Em média, os day traders perdem 7 pontos-base em seu day trading antes dos custos ( t = - 10.2). Na

quarta coluna, vemos que os custos de negociação mais do que o triplo das perdas, para 23,9 pontos base

por dia. Além disso, observamos um desempenho bruto e líquido confiavelmente negativo em todos os

anos, exceto em 1992.

No total, day trading é uma proposta perdedora; A day trading é uma indústria que perde dinheiro de forma

consistente e confiável. Do ponto de vista da organização industrial, é difícil entender como tal indústria sobrevive. Para

que as pessoas possam negociar no dia com conhecimento de causa, a maioria deve estar excessivamente confiante sobre

suas perspectivas de sucesso ou derivar utilidade não financeira da atividade e, conscientemente, sofrer perdas como

resultado. Finalmente, o fraco desempenho agregado do day trading não é consistente com o modelo de aprendizagem de

Mahani e Bernhardt (2007). Em seu modelo, especuladores novatos perdem enquanto experimentam lucro, mas o

desempenho agregado deve ser positivo e representar o retorno de equilíbrio

13
para o dia de negociação. Discutimos essa questão em detalhes e testamos explicitamente os modelos de aprendizado

racional depois de apresentar os resultados da variação transversal do desempenho.

A. 2. Comerciantes Diurnos Experientes continuam a perder dinheiro

Uma característica central do modelo de aprendizagem é a observação de que os maus traders desistem. Isso

levanta duas questões naturais. Em primeiro lugar, os traders com um longo histórico de perdas continuam a operar? Em

segundo lugar, que fração do dia de negociação podemos rastrear até os traders com histórico de perdas?

Os traders com um longo histórico de perdas continuam a operar? Para investigar a

relação entre experiência, desempenho passado e negociação contínua, categorizamos os day

traders em grupos com base na experiência de negociação do dia anterior e se eles foram

lucrativos ou não. Cada mês de 1993-2005, classificamos os traders com base no número de dias

que eles se envolveram em day trading e na lucratividade cumulativa de suas últimas

negociações intradiárias no final do mês anterior. Para ter uma medida precisa da experiência de

day trading, excluímos os traders que fizeram day trading em 1992. Excluímos os traders com

menos de 10 dias de experiência de day trading classificando os demais traders entre aqueles

com 10 a 49 dias, 50 a 99 dias, 100 a 199 dias, 200 a 399 dias e 400 ou mais dias de experiência

de day trading. Além disso, dividimos esses grupos de experiência entre aqueles com lucros

intradiários passados cumulativos positivos e aqueles com lucros intradiários passados

cumulativos negativos ou zero. Em seguida, medimos a propensão dos traders em cada grupo

de experiência / lucratividade para interromper a negociação do dia por um mês ou por doze

meses consecutivos.

A Tabela 2 O Painel A relata a taxa na qual os comerciantes param de negociar no dia por pelo

menos um mês. Não é de surpreender que os traders com menos experiência tenham maior probabilidade

de parar. Por exemplo, 41,98% dos negociantes lucrativos e 43,19% dos negociantes não lucrativos com 10 a

49 dias de experiência param de negociar por pelo menos um mês, enquanto apenas 7,58% dos negociantes

lucrativos e 9,30% dos negociantes não lucrativos com 400 ou mais dias de experiência o fazem. O que é

mais surpreendente é que as taxas pelas quais os traders param de negociar são quase as mesmas, quer

tenham sido lucrativos ou não.

14
 A Tabela 2, Painel B, relata as taxas nas quais os negociantes param de negociar no dia por pelo

menos doze meses consecutivos. Naturalmente, essas taxas são mais baixas do que aquelas para parar por

um mês, mas um padrão semelhante emerge como no Painel A. 5,43% dos comerciantes lucrativos e

6,55% dos negociantes não lucrativos com 10 a 49 dias de experiência param de negociar por pelo menos 12

meses. Dos negociantes que negociam dia 400 ou mais dias, os negociantes lucrativos têm uma

probabilidade de 1,58% de desistir por doze ou mais meses e os negociantes não lucrativos têm uma

2,05% de probabilidade de desistência. Usando as colunas 2 - 5 e as últimas quatro linhas do Painel B, pode-se

calcular que todos os negociantes anteriormente não lucrativos com 50 ou mais dias de experiência de negociação

no dia anterior têm 95,3% de probabilidade de negociar novamente nos próximos 12 meses, enquanto os

negociantes anteriormente lucrativos com experiência semelhante tem 96,4% de probabilidade de fazê-lo. Os

comerciantes são sensíveis a perdas, mas não muito sensíveis.

Que fração do dia de negociação podemos rastrear até os traders com histórico de perdas?

Para responder a essa pergunta, a cada mês classificamos os traders que negociam day trade naquele

mês em três grupos: day traders ocasionais - negociadores com 1 a 9 dias de experiência em day

trading; day traders não lucrativos - negociadores com 10 ou mais dias de experiência em day trading

e lucros intradiários líquidos negativos (ou zero) (antes do mês de classificação); day traders lucrativos

- traders com 10 ou mais dias de experiência de day trading e lucros intradiários líquidos positivos

(antes do mês de classificação. Na Figura 5, representamos graficamente os tamanhos relativos

desses três grupos de 1995 a 2006, quando medidos pelo número de traders (Figura 5a) e volume de

negociação em dólares (Figura 5b). Ao longo desse período de doze anos, a fração de day traders

lucrativos é consistentemente de cerca de 5%. A fração de traders não lucrativos cresce para mais de

2/3 à medida que mais e mais day traders são reclassificados como lucrativos ou não lucrativos. Como

seria de se esperar, os day traders lucrativos e não lucrativos são responsáveis por

proporcionalmente mais volume de negociação do que os day traders ocasionais. No total, durante o

período da amostra, os negociantes não lucrativos respondem por 72% do volume de negócios e, nos

últimos anos da amostra, eles consistentemente respondem por cerca de 80% do volume de negócios.

15
 Assim, a maioria dos day traders não é lucrativa, a maioria das day trading é gerada por

traders anteriormente não lucrativos e day traders não lucrativos com experiência considerável

persistem na day trading quase à mesma alta taxa de day traders experientes e lucrativos. Essas

observações não são consistentes com modelos de aprendizagem racional.

A. 3. Análise de Tempo de Evento e Persistência de Desempenho

Até agora, consideramos apenas os retornos intradiários. Isso é apropriado devido ao nosso foco

na troca do dia. No entanto, nem todas as posições iniciadas por day traders são fechadas no dia em que

são abertos. Os day traders ganham lucros nas posições que mantêm após o fechamento da negociação?

Abordamos essa questão com uma análise de tempo de evento de devoluções subsequentes a compras e

vendas.

A cada dia, classificamos os traders de acordo com a lucratividade e a experiência nos últimos

365 dias corridos (366 para anos bissextos). Lucrativos (não lucrativos) são os lucros líquidos

intradiários acumulados no ano anterior que são positivos (negativos ou zero). As caixas de

experiência são baseadas no número de dias de troca do dia durante os 365 dias anteriores com:

Experiência baixa (0-5), Exp. 2 (6-10), Exp 3 (11-20), Exp 4 (21-40), Exp 5 (41-80), Exp. Hi (> 80).

Agregamos todas as compras por day traders em cada grupo por estoque e dia em que o dia da

transação é o dia do evento 1. Em seguida, calculamos o retorno anormal ajustado ao mercado médio

no dia do evento τ ( MA τ) ( ponderado pelo valor das ações compradas) usando a compra

preços e preços de fechamento para calcular os retornos ajustados do mercado do dia 1 do evento e ignorando os

custos de negociação. Existe um cálculo semelhante para as vendas de cada grupo. Finalmente, calculamos o

retorno anormal cumulativo (ajustado ao mercado) sobre as ações compradas menos o retorno anormal

cumulativo (ajustado ao mercado) sobre as ações vendidas como:

T
CARRO T = ∑( MA τComprar - MA τ vender ) .
(2)
τ=1

Os resultados para um horizonte de evento de 10 dias de negociação são exibidos na Figura 7. Os

resultados mais surpreendentes no gráfico são: 1) independentemente da experiência, os comerciantes com lucros

anteriores superam aqueles com perdas anteriores e 2) para os comerciantes com lucros anteriores positivos,

cumulativos retornos anormais aumentam com a experiência e 3) traders lucrativos com mais de 40

16
dias de experiência de day trading no ano passado ganham mais do que o suficiente para cobrir 40

pontos básicos dos custos de transação de ida e volta. A maior parte desse lucro é obtida no dia da

transação.

Vemos a persistência da lucratividade de outro ângulo calculando, como na Tabela 1, os

retornos intradiários brutos e líquidos anormais. Dividimos os day traders diariamente usando os

mesmos critérios da Figura 6. Os resultados são relatados na Tabela 3. 1) Independentemente da

experiência, os traders com lucros anteriores superam aqueles com perdas anteriores, 2) para traders

com lucros passados positivos, retornos anormais cumulativos aumentam com experiência e 3)

traders lucrativos com mais de 40 dias de experiência em day trading no último ano ganham mais do

que o suficiente para cobrir seus custos de transação.

Esses resultados confirmam que um extenso histórico de lucratividade é um forte indicador

de lucratividade futura. No entanto, poucos comerciantes são previsivelmente lucrativos. Na última

coluna da Tabela 3, vemos que apenas 9,81% (3,20% + 6,61%) do volume de day trading é gerado por

day traders previsivelmente lucrativos. A partir da coluna 8, podemos calcular que esses traders

previsivelmente lucrativos constituem menos de 3% de todos os day traders em um dia médio.

4. Discussão
Nossos dados são extremamente adequados para testar modelos de aprendizagem racional,

como o de Mahani e Bernhard. Mahani e Bernhard escrevem que seu “especulador novato prototípico

é o cabeleireiro japonês Kiyoshi Wakino”, que troca dias entre cortes de cabelo (p. 1317). Observamos

o day trading de centenas de milhares de investidores em um período de dezessete anos. E embora

nossos day traders sejam taiwaneses e certamente não todos cabeleireiros, é provável que - como

Kiyoshi Wakino - muitos de nossos day traders novatos busquem o comércio além de, se não durante,

um emprego regular. Apesar do tamanho e adequação de nossos dados, nossos resultados

simplesmente não suportam os modelos de aprendizagem racional. No modelo de Mahani e

Bernhard, o day trading é, no agregado, lucrativo porque os day traders qualificados são capazes de

tirar vantagem da insensibilidade dos traders de liquidez a preços e da disposição dos market makers

competitivos de abrir mão do lucro. Em Taiwan, dia

17
os comerciantes, em conjunto, perdem dinheiro. Portanto, não é racional para um investidor avesso ao

risco, sem nenhuma reivindicação especial de capacidade superior, de realizar day trading na esperança de

descobrir que está entre os poucos escolhidos. Além disso, não é racional para os day traders que

incorreram em perdas persistentes continuarem a day trading com o propósito de aprender sobre sua

habilidade.

Então, por que os investidores iniciam o day trading e por que tantos persistem diante das perdas?

Consideramos três respostas amplamente definidas para essa pergunta.

Em primeiro lugar, pode ser que os day traders não tenham preferências avessas ao risco

padrão; eles podem estar em busca de risco ou atraídos por investimentos com investimentos

altamente distorcidos, como loterias, que têm retornos esperados negativos, mas uma pequena

probabilidade de um grande retorno, conforme sugerido por Kumar (2009). No entanto, os lucros do

day trading que documentamos são semelhantes em magnitude e muito menos predominantes do

que as perdas. Ao contrário dos vencedores da loteria, os day traders devem ter sucesso em apostas

repetidas para alcançar o sucesso geral. Essas apostas repetidas não tendem a gerar distribuições

altamente distorcidas. Além disso, os retornos diários de negociação têm uma média negativa e, ainda

assim, menor variação e menos assimetria à direita do que a média das ações taiwanesas. Defina o

retorno anual do day trading como a soma dos retornos ganhos em cada dia do day trading. Para

traders com um mínimo de dez dias de day trading, a distorção do retorno anual é de -0,22 (isto é,

uma distorção negativa modesta). Em contraste, quando calculamos a assimetria dos retornos anuais

em ações individuais listadas no TSE de 1981 a 2009, o coeficiente de assimetria é positivo em todos os

anos, exceto em um ano e tem média de 2,36. Assim, um candidato a risco ou à loteria poderia

maximizar melhor sua utilidade, com muito menos esforço, simplesmente comprando e mantendo

uma única ação volátil.

Em segundo lugar, os day traders podem ser excessivamente confiantes em suas crenças anteriores sobre suas

habilidades e tendenciosos na forma como aprendem. Vários artigos (por exemplo, Odean (1998, 1999), Barber e Odean

(2000, 2001)) argumentam que o excesso de confiança faz com que os investidores negociem mais do que é para seus

próprios interesses. Os day traders excessivamente confiantes podem simplesmente estar arcando com perdas que não

previram. Embora os comerciantes de dia novatos, sem dúvida, percebam que outro dia

18
traders perdem dinheiro, histórias de day traders bem-sucedidos podem circular em proporções não

representativas, dando assim a impressão de que o sucesso é mais frequente do que realmente é. Uma vez que os

investidores realizam day trading, seu excesso de confiança anterior pode ser reforçado por meio de um

aprendizado tendencioso, como em Gervais e Odean (2001). Além disso, os grandes day traders, que ganham lucro

bruto, mas perdas líquidas, podem não considerar totalmente os custos de negociação ao avaliar sua própria

capacidade.

Terceiro, os day traders podem negociar por motivações não financeiras, incluindo

entretenimento, gosto pelo jogo e o desejo de impressionar os outros (ver, por exemplo, Grinblatt e

Keloharju (2009)). Alguns investidores podem gostar tanto do processo de day trading que estão

dispostos a persistir em face de perdas regulares. Alguns investidores podem ser atraídos para o

cassino como qualidades de day trading com suas apostas, ganhos e perdas frequentes. 8 Alguns

investidores podem optar por operar na esperança de impressionar os outros. 9

Não podemos testar explicitamente se os day traders são motivados pelo excesso de

confiança em vez do desejo de entretenimento, jogos de azar ou para impressionar os outros.

Também não há razão para acreditar que o excesso de confiança e as motivações não financeiras

sejam mutuamente exclusivas. Muito pelo contrário, entretenimento, jogos de azar e o desejo de

impressionar os outros provavelmente serão motivos mais atraentes para negociar, se a pessoa tiver

muita confiança em sua probabilidade de sucesso.

No modelo de Mahani e Bernhard, “ tudo especuladores ficam piores se alguns

especuladores são um pouco excesso de confiança ”(p. 1315). Nossos resultados são consistentes com

esta previsão. Se os grandes day traders persistirem em negociar devido ao excesso de confiança,

esse excesso de confiança estará prejudicando seu próprio bem-estar e o de outros especuladores. O

bem-estar dos próprios negociantes pesados é diminuído porque, em média, eles ganham perdas

líquidas; o bem-estar de outros especuladores é diminuído porque, em média, comerciantes pesados

8 Kumar (2009) mostra uma correlação entre a propensão a jogar e os tipos de decisões de investimento que os investidores
norte-americanos tomam. Barber, Lee, Liu e Odean (2008) documentam que a introdução de uma Loteria Nacional em Taiwan
coincidiu com uma queda significativa no volume de negócios na Bolsa de Valores de Taiwan. Grinblatt e Keloharju (2009)
documentam que os investidores tendem a sensações que buscam o comércio com mais frequência.

9 Vários artigos argumentam que as decisões de investimento são influenciadas por questões sociais, por exemplo,

Barber, Heath, Odean (2003), Statman (2004) e Hong e Kacperczyk (2009).

19
obter lucros brutos, reduzindo assim os retornos médios de outros investidores. Os beneficiários

desse excesso de confiança são as corretoras - por meio de comissões - e o governo - por meio

do imposto sobre transações.

V. conclusão
Testamos as previsões de modelos de aprendizagem de traders racionais e encontramos evidências

claras de que a decisão de continuar ou aumentar a negociação do dia é influenciada pelos retornos das

negociações do dia anterior. No entanto, os modelos racionais de aprendizagem não explicam todas ou mesmo a

maior parte das operações do dia. Os day traders mais experientes perdem dinheiro e quase 3/4 do day trading

pode ser rastreado até traders com histórico de perdas. A negociação persistente em face das perdas é

inconsistente com os modelos de aprendizagem racional. O mesmo ocorre com a decisão de tentar o day trading

quando os lucros ex-ante esperados para toda a vida são negativos. Para os futuros day traders, “negociar para

aprender” não é mais racional ou lucrativo do que jogar roleta para aprender.

20
 Referências

Barber, Brad M., Chip Heath e Terrance Odean, 2003, Good Rationales Sell: Reason-
Escolha baseada em grupos e investidores individuais no mercado de ações,
Ciência da Administração, 49, 1636-1652.

Barber, Brad M., Yi-Tsung Lee, Yu-Jane Liu e Terrance Odean, 2007, É o investidor agregado
Relutante em perceber perdas? Evidence from Taiwan, European Financial
Management, 2007, Vol. 13, 423-447.

Barber, Brad M., Yi-Tsung Lee, Yu-Jane Liu e Terrance Odean, 2008, Just How
O que os investidores individuais perdem ao negociar ?, Revisão de estudos financeiros,
próximo.

Barber, Brad M., Yi-Tsung Lee, Yu-Jane Liu e Terrance Odean, 2010, Do Some
Os investidores individuais têm habilidade: evidências do Day Trading, papel de trabalho.

Barber, Brad M. e Terrance Odean, 2000, Trading Is Hazardous to Your Wealth: The
Desempenho de investimento em ações ordinárias de investidores individuais, Journal of
Finance, 2000, Vol. 55, No. 2, p.773-806.

Barber, Brad M. e Terrance Odean, 2001, Boys will be Boys: Gender,

Excesso de confiança e investimento em ações ordinárias, Jornal Trimestral de
Economia, 116, 261-292.

Chae, Joon e Albert Wang, 2003, Who Makes Markets? Os revendedores fornecem ou recebem
Liquidez? documento de trabalho # 4434-03, MIT, Cambridge, MA.

De, Sankar, Gondhi, Naveen R. e Pochiraju, Bhimasankaram, 2010, Does Sign Matter
Mais do que tamanho? Uma investigação sobre a origem do excesso de confiança do investidor.
Disponível em SSRN: http://ssrn.com/abstract=1657926

Garvey, Ryan e Anthony Murphy, 2002, How Profitable Day Traders Trade: An
Exame de Lucros Comerciais, documento de trabalho, University College Dublin,
Dublin, Irlanda.

Gervais, Simon e Terrance Odean, 2001, Learning to be Overconfident, Revisão de

Estudos Financeiros, 14, 1-27.

Garvey, Ryan e Anthony Murphy, 2005, The Profitability of Active Stock Traders,
Journal of Applied Finance, 93-100.

Grinblatt, Mark e Matti Keloharju, 2000, The Investment Behavior and Performance
de vários tipos de investidores: um estudo do conjunto de dados exclusivo da Finlândia, Journal of
Financial Economics, 55, 43-67.

21
Grinblatt, Mark e Matti Keloharju, 2001, O que faz os investidores negociarem ?, Diário de
Finança, 56, 589-616.

Grinblatt, Mark e Matti Keloharju, 2009, Sensation Coming, Overconfidence, and

Atividade comercial, Journal of Finance, 64, 549-578.

Harris, Jeffrey H. e Paul H. Schultz, 1998, The Trading Profits of SOES Bandits,
Journal of Financial Economics, 50, 39-62.

Hong, Harrison e Marcin Kacperczyk, 2009, The Price of Sin: The Effects of Social
Normas nos mercados, Journal of Financial Economics, 93, 15-36.

Kumar, Alok, 2009, Who Gambles in the Stock Market, Journal of Finance, 64, 1889-
1933.

Linnainmaa, Juhani T., 2003, The Anatomy of Day Traders. AFA 2004 San Diego
Encontros. Disponível no SSRN: http://ssrn.com/abstract=472182 ou
doi: 10.2139 / ssrn.472182

Linnainmaa, Juhani T., 2005, The Individual Day Trader, 2005, documento de trabalho da UCLA.

Linnainmaa, Juhani T., 2010, Por que (algumas) famílias trocam tanto? AFA 2008
Novo Orleans Encontros Papel. Disponível no SSRN:
http://ssrn.com/abstract=972807

Mahani e Bernhardt, 2007, Financial Speculators 'Underperformance: Learning, Self-

Seleção e Liquidez Endógena, Journal of Finance, 62, 1313-1340.

Nicolosi, Gina, Peng, Liang e Ning Zhu, 2009, Do Individual Investors Learn from
Sua experiência de negociação ?, Journal of Financial Markets, 12, 317-336.

Odean, Terrance, 1998, Volume, Volatilidade, Preço e Lucro quando Todos os Traders São
acima da média, Journal of Finance, 53, 1887-1934.

Odean, Terrance, 1999, Do Investors Trade too Much ?, American Economic Review, 89,
1279-1298.

Seasholes, Mark e Guojun Wu, 2007, Predictable Behavior, Profits, and Attention,
Journal of Empirical Finance, 14, 590-610.

Seru, Amit, Shumway, Tyler e Noah Stoffman, 2010, Learning by Trading, Revisão de
Estudos Financeiros, 23, 705-739.

Statman, Meir, 2004, What Do Investors Want ?, Journal of Portfolio Management, 153-
161

22
 APÊNDICE: Detalhes de cálculos de retorno e lucro
Calculamos o retorno intradiário da negociação do dia no dia t para um determinado grupo (g) de

investidores ponderado pelo valor das negociações dos investidores:

∑ ∑ (S ijt− B
L L
ijt ) + (
S)
S Sijt − B ijt
j
r gt = i ,
∑ ∑ (B L ijt + S ijt
S)

i j (A1)
Onde B e S denotam o valor de compras e vendas (com sobrescritos L e S para transações longas e

curtas, respectivamente) no dia t em estoque eu pelo investidor j. Para posições longas, o

€
() L
Valor de venda S ijt é o valor baseado no preço real da transação ou no preço de fechamento se a

posição longa não for fechada antes do final da negociação. Para posições curtas, o

( )S
€ de compra B ijt é o valor baseado no preço real da transação ou no preço de fechamento se a
valor

posição curta não for fechada antes do final da negociação. O numerador na equação A1 é o

lucro bruto intradiário do trader eu Um dia t.

€

Considere um exemplo concreto em que um investidor compra uma ação por $ 100 e a vende no final do dia por $ 102.

No mesmo dia, o investidor vendeu uma ação (a mesma ação ou uma ação diferente) por $ 100 e, posteriormente, cobre a posição

vendida com uma compra a $ 97. O investidor obtém lucros de $ 5 = (102-100) + (100-97). Escalamos os lucros em dólares pelo valor

total das posições de abertura, $ 200 = $ 100 + $ 100. Assim, assumimos que o investidor colocou $ 200 de capital em risco e obteve

um retorno intradiário de $ 5 / $ 200 = 2,5%. Esta é uma representação precisa dos retornos se o investidor negociar em paralelo

(ou seja, ambas as posições estão abertas ao mesmo tempo). Para investidores que negociam sequencialmente, calculamos

corretamente os lucros em dólares de $ 5, mas o capital em risco seria de $ 100 em vez de $ 200, pois os $ 100 seriam implantados

sequencialmente. Desse modo, sempre estimamos o sinal correto de retorno, mas para day traders que negociam

sequencialmente, nossas estimativas de retorno tendem a zero. Além disso, não sabemos até que ponto os traders usam a

alavancagem, o que aumentaria a magnitude dos retornos para ganhos e perdas, mas novamente o sinal dos ganhos e perdas

seria o mesmo que em nossos cálculos. Em resumo, o sinal dos retornos de negociação do dia que calculamos é preciso, embora as

magnitudes possam diferir devido à negociação sequencial ou ao uso de alavancagem. mas novamente o sinal dos ganhos e

perdas seria o mesmo que aqueles em nossos cálculos. Em resumo, o sinal dos retornos de negociação do dia que calculamos é

preciso, embora as magnitudes possam diferir devido à negociação sequencial ou ao uso de alavancagem. mas novamente o sinal

dos ganhos e perdas seria o mesmo que aqueles em nossos cálculos. Em resumo, o sinal dos retornos de negociação do dia que

calculamos é preciso, embora as magnitudes possam diferir devido à negociação sequencial ou ao uso de alavancagem.

23
 When we calculate net returns and net profits, we deduct a 5 bps commission for all

trades (10 bps round-trip commission) and a 30 bps transaction tax for sales. Put

differently, buys cost 5 bps ( C b) and sells cost 35 bps ( C s). We also increase the capital

requirements to reflect the total cost of the opening positions:

c b * B ijt L + B ijt S ) − c
∑ ∑ (S ijt− B
L L
ijt ) + (
S
S ijt
− B ijt S ) −
( s (S L
ijt + S ijt
S)

j
r net =i
,
∑ ∑ (B ijt S c
gt
L+ ijt S ) + L S
b B ijt + c s S ijt
i j (A2)

Continuing our example from above, the net return for the trader would be:
€ ( 102 − 100) + (100 − 97) − 0.0005(100 + 97) − 0.0035(102 +100)
4.19
= 200.40 = 2.09%
(100 +100) + 0.0005*100 + 0.0035*100 .
Note the net return (2.09%) is roughly 40 bps (the total round-trip trading costs of 10bps in

commissions and 30 bps in transaction tax) less than the gross return (2.50%). The shortfall
€
is slightly greater than 40 bps because we also increase the capital required to open the

positions. The numerator in equation A2 is the intraday net profit of trader i on day t.

24
Table 1: Gross and Net Abnormal Returns from Day Trading: 1992 to 2006

This table presents the daily percentage alpha from aggregate day trading of day traders. Day trading is defined as round-trip trades by the same
stock/investor/day. Each day an investor’s trades are included in this analysis if the trader made at least one day trade in the
calendar month. The alphas are estimated using the following regression of daily returns: (R pt- R ft)= α p+ β p( R mt- R ft)+ ε pt, where R pt, R mt,
and R ft are the portfolio return, market return, and risk-free return (respectively). The gross day trading return is calculated from daily round-trip
trades plus the intraday returns on open trades; an open trade is a trade made during the day that results in an outstanding
position at the close of the day. The net day trading return assumes a 10 bps round-trip commission and a 30 bps transaction tax on sales.
The last column presents the percentage of all trades that are round-trip day trades.
Table 2: Changes in Day Trading Conditional on Experience and Past Profitability (1993-2005)

Day trading is defined as round-trip trades by the same stock/investor/day. In panel A, we present percentage of traders
who day trade in month t-1 but not in month t. In Panel B, we present percentage of traders who day trade in month t-1
but not in months t through t+11 We sort traders on experience (rows) and profitability (columns). Experience is the
number of previous days on which a trader has day traded through month t-1. Only traders with 10 or more days of day
trading experience are included. Profitable day traders are those with mean daily intra-day returns that are positive
through month t-1. The analyses begin in 1993 and exclude traders who day traded in 1992. N is the number of
trader/month observations.

26
Table 3: Performance of Day Traders based on Prior Year’s Day-Trading Experience and Profitability (1993-2006)

Day Traders are grouped based upon how many days they engaged in day trading and whether their intraday returns were profitbale
during the previous 365 days. The alphas are estimated using the following regression of intraday daily returns: (Rpt - Rft) = αp + βp(Rmt -
Rft) + εpt, where Rpt, Rmt, and Rft are the portfolio return, market return, and riskfree return (respectively). The gross day trading return is
calculated from daily round-trip trades plus the intraday returns on open trades; an open trade is a trade made during the day that results
in an outstanding position at the close of the day. The net day trading return assumes a 10 bps round-trip commission and a 30 bps
transaction tax on sales. "Day Trade / All Trade" is the fraction of the group’s trading that is round-trip day trades. The last two columns
present the share of total market day trading and all trading accounted for by each group.

27
Figure 1: Day Trading as a Percent of Total Volume and Number of Individual Day
Traders

The figure presents the 12-month moving average for (1) the number of individual
investors who engage in day trading and (2) day trading as a percent of total trading
volume.

28
 Monday Tuesday Wednesday

▬ Long ♦ Buy ▬ Day Trading (Intraday) Returns

▬ Short ●Sell - - - Long-Run (Interday) Return

Figure 2: Example of Trading Activity for a Day Trader

Figure 3: Day Trading Survival Function for Traders with 10 or more Days of Day
Trading Experience.
Observations are monthly. Traders are considered to have quit day trading in the first
month for which we observe no day trading in twelve consecutive months. The sample
consists of day traders with a minimum of 10 days of day trading. The entry month is the
first month when they exceed 9 days of day trading.

29
Figure 4: Hazard Ratio for Quitting Day Trading Conditional on Past Returns
1993-2005.
Observations are monthly and exclude traders who day traded in 1992. Traders are
considered to have quit day trading in the first month for which we observe no day
trading in twelve consecutive months. The figure reports the hazard ratio for quitting
and the 95% confidence interval (dashed lines) for different return categories relative to
the default category of (0, 5 bps] where the hazard ratio is equal to one by construction.
The sample consists of day traders with a minimum of 10 days of day trading. The entry
month is the first month when they exceed 9 days of day trading. Returns are the
average net daily intraday returns from the month of the 1 st day trade to the end of
prior month.

30
Figure 5: Day Trading by Occasional Traders, First Time Traders, Unprofitable
Traders, and Profitable Traders

Occasional day traders are those with 1 to 9 days of past day trading. Profitable
(unprofitable) traders are traders with 10 or more days of past day trading whose
cumulative intraday net profits are positive (negative or zero).

31
Figure 6: Cumulative (market-adjusted) abnormal returns (CARs) in event time for
stocks bought less stocks sold for day traders sorted by trading experience and
profitability during the previous year 1993-2005.
On event day 1, traders who day trade that day are sorted based on net profitability of
intraday trades and day trading experience over previous year. Profitable (unprofitable)
traders are those with cumulative intraday net profits over the previous 365 calendar days
that are positive (negative or zero). Experience bins are based on number of days of day
trading during the previous 365 days with: Low experience (0-5), Exp. 2 (6-10), Exp 3 (11-20),
Exp 4 (21-40), Exp 5 (41-80), Hi Exp ( > 80).

32