Assimetria da política monetária no

retorno de ações: uma análise para a

economia brasileira
Raphael Ornellas∗
PPGE - UFRGS

Setembro de 2010

Resumo
O trabalho analisa se o retorno das ações possui processos gera-
dores de dados distintos, dependentes do estado em que o mercado se
encontra, e verifica se a política monetária possui efeitos assimétricos
em relação aos estados, utilizando dados da economia brasileira. Para
tanto, utilizou-se modelos auto-regressivos com mudança markoviana
como desenvolvido por Hamilton [6]. Constatou-se regimes distin-
tos para o retorno das ações, evidenciando que a política monetária
consegue explicar o retorno das ações apenas no estado bear market,
cujo retorno é baixo e a volatilidade é alta, se comparado ao estado
bull market.

Palavras-chave: mudança markoviana, política monetária, retorno

de ações.

JEL: E52, E32, G10.

1 Introdução
O interesse a respeito se a política monetária afeta o mercado de ações é
de longa data. O mecanismo de transmissão pode atuar de diversas formas,
∗
Aluno de mestrado do Programa de Pós-Graduação em Economia da Universidade
Federal do Rio Grande do Sul. E-mail: ornellas.r@gmail.com

1
 1 INTRODUÇÃO

mas, principalmente, passa pela formação de expectativas. Alterações na

política monetária podem sinalizar perspectivas sobre a situação econômica,
bem como alterar agregados reais da economia no curto prazo.
Geralmente, os estudos já realizados se concentram na economia ameri-
cana e, primeiramente, utilizaram dados sobre oferta monetária como ins-
trumentos de política monetária. Keran [9] analisa o impacto na formação
de expectativas sobre o preço das ações. Neste caso, a política monetária in-
fluenciaria de forma indireta o mercado acionário, já que as expectativas, no
estudo, são formadas pelo produto nacional bruto, pelo nível de preços e pelo
produto real, e estes três últimos sofrem influência da política monetária.
Utilizando dados da economia canadense, além da americana, Homa e
Jaffee [8] avaliam as previsões do mercado de ações usando um modelo de
valor presente. Os autores constatam não ser possível ajustar os dados ao
modelo estrutural, o que os levam a indicar que mudanças na oferta mo-
netária têm impacto sobre o mercado acionário. A partir de um modelo que
combina a teoria quantitativa da moeda e a teoria dos mercados eficientes,
Cooper [4] sugere que a oferta monetária pode ser um fator importante na
previsão da taxa de retorno do mercado. Por outro lado, os trabalhos de
Pesando [16] e Rozeff [17] indicam que a oferta monetária não tem poder
explicativo sobre os preços das ações.
Com o trabalho Bernanke e Blinder [1], ficou-se evidenciado que a taxa
de juros de curto prazo da economia americana poderia ser utilizada como
medida de política monetária, uma vez que é sensível a choques nas reservas
dos bancos. Desta forma, a partir deste trabalho, a literatura financeira pas-
sou a utilizar a taxa de juros como política monetária. Dois dos primeiros
trabalhos utilizando este novo instrumento, devem-se a Thorbecke [18] e Pa-
telis [14]. O primeiro mostra que políticas monetárias expansionistas podem
levar ao aumento no retorno das ações, além do mais, a simples indicação de
uma expansão monetária leva a um aumento do preços das ações ex-ante.
O segundo trabalho, se utilizando de vetores autorregressivos, conclui que
política monetária tem poder de previsão sobre o retorno das ações.
Entretanto, os trabalho citados não levaram em consideração variações
cíclicas no mercado acionário, particularmente períodos bull market, quando
o mercado apresenta baixa volatilidade e elevado retorno em relação ao bear
market, período de alta volatilidade e baixo retorno. Neste sentido, Maheu
e McCurdy [12] usam um modelo com mudança markoviana para capturar
uma estrutura não-linear na média e variância condicionais do retorno das
ações e, então, identificam um estado estável com alto retorno (bull market)
e um estado instável com baixo retorno (bear market). Já Pagan e Sossounov

2
 1 INTRODUÇÃO

[13] utilizam métodos de simulação para diversos modelos e concluem que

um modelo de passeio aleatório é suficiente para explicar bull e bear markets,
em detrimento de modelos mais sofisticados.
Em relação aos efeitos da política monetária em um modelo com estru-
tura markoviana, pode-se citar os trabalhos Perez-Quiros e Timmermann
[15], Garcia e Schaller [5] e Chen [3]. O primeiro analisa os impactos as-
simétricos sobre os riscos de pequenas e grandes empresas de acordo com
os ciclos econômicos e o estado do mercado de crédito e conclui que firmas
pequenas possuem alto grau de assimetria no risco de suas operações, o que
reflete em comportamento distinto no preço de suas ações dependendo do
estado do mercado de crédito. O segundo estuda se a política monetária
possui o mesmo efeito sobre as flutuações econômicas independentemente se
a economia se encontra em recessão ou expansão, sintetizando que a taxa de
juros tem maior efeito sobre a economia em períodos de recessão. Por fim,
o terceiro trabalho investiga se a política monetária tem efeito assimétrico
sobre o retorno das ações e se afeta a probabilidade de transição entre os es-
tados, concluindo que a política monetária tem maior efeito sobre o retorno
das ações quando o mercado está em bear market e que política monetária
contracionista aumenta a probabilidade de mudança para o estado de bear
market.
Este trabalho identifica os períodos de bear market e bull market do mer-
cado acionário brasileiro utilizando um modelo com estrutura de mudança
markoviana. Posteriormente, analisa-se se a política monetária brasileira
possui impactos dependentes do estado sobre o retorno das ações, utilizando
a taxa de efetiva Selic como política monetária, e o retorno do índice Ibo-
vespa como retorno das ações. Para tal, o trabalho é estruturado de forma
que a Seção 1 é esta introdução, que apresentou uma breve revisão de li-
teratura. A Seção 2 apresenta um modelo de mudança markoviana para o
retorno das ações, utilizando tanto erros gaussianos quanto erros com distri-
buição t de Student, de forma a capturar características da distribuição de
variáveis financeiras que apresentam caldas mais grossas. A Seção 3 expande
o modelo da Seção 2 para incorporar a política monetária como possível va-
riável explicativa do retorno das ações. Para finalizar, a Seção 4 apresenta
as conclusões do trabalho.

3
 2 MODELO PARA O RETORNO DAS AÇÕES

2 Modelo para o retorno das ações

O mercado acionário brasileiro demonstra seguir padrões distintos de acordo
com o estado em que se encontra a economia. Visualizam-se períodos onde
os retornos das ações, em média, são positivos, com baixa volatilidade, e
períodos onde o retorno das ações, em média, são menores, com alta vo-
latilidade. O primeiro período geralmente é denominado de bull market,
enquanto o segundo período é denominado de bear market.
Pode-se relacionar os dois distintos períodos do mercado como estados
em que estão inseridas grandezas econômicas que interferem nos preços das
ações das empresas. Desta forma, tem-se que o processo representado pela
trajetória do preço da ações depende do estado em que se encontra o mer-
cado. Todavia, o interesse não está apenas nos parâmetros que guiam os
processos, mas também em uma lei de probabilidade que interliga estes pro-
cessos.
A fim de modelar como os retornos das ações de empresas brasileiras
se comportam nos diferentes estados, utiliza-se o modelo proposto por Ha-
milton [6]. O modelo propõe uma metodologia tratável de modelagem de
mudanças de regime, ao manejar os parâmetros de uma autorregressão como
resultado de um processo markoviano1 .
Assim, considere o seguinte modelo de mudança markoviana:
 
φ (L) Rt = µSt + εt , εt ∼ i.i.d.N 0, σS2 t , (2.1)
onde Rt é o retorno das ações, φ (L) = 1 − L − L2 − · · · − Lk e L é o operador
de defasagem. Desta forma, o termo µSt representa a média do retorno
condicional ao estado, e σS2 t representa a variância do retorno condicional ao
estado .
A variável de estado não-observada St é uma variável dummy que assume
valores 1 ou 2, indicando bull market e bear market, respectivamente. Desta
forma, quando o processo {Rt } está no regime St = 1, tem-se que o retorno
observado é extraído de uma distribuição2 N (µ1 , σ12 ), enquanto o processo
{Rt } é extraído de uma distribuição N (µ2 , σ22 ) se inserido no regime St = 2.
Espera-se que µ1 > µ2 e σ12 < σ22 .
Portanto, a densidade do retorno Rt condicionada ao estado é dada por
1
Para detalhes concisos sobre a metodologia, ver Hamilton [7, cap. 22].
2
Isso ocorre se k = 0, o que de fato é observado seguindo o critério de informação
bayesiano exposto na Tabela 1. Desta forma, o resto da seção considera a equação (2.1)
com k = 0.

4
 2 MODELO PARA O RETORNO DAS AÇÕES

− (Rt − µj )2
( )
1
f (Rt |St = j; θ) = √ exp , para j = 1, 2, (2.2)
2πσj 2σj2
h i
onde θ = µ1 µ2 σ12 σ22 p q .
O estado não-observado {St } é assumido seguir um processo markoviano
com matriz de transição de probabilidade P fixa, tal que,
" #
p 1−q
P = , (2.3)
1−p q
onde

p = P (St = 1|St−1 = 1) ,
q = P (St = 2|St−1 = 2) .
Assim, temos que as funções de transição de probabilidades são especifi-
cadas de forma que

exp {p0 }
p = ,
1 + exp {p0 }
exp {q0 }
q = .
1 + exp {q0 }
A montagem da função de verossimilhança passa pela iteração de duas
equações. Entretanto, primeiramente, deve-se definir algumas variáveis. Se-
jam ηt um vetor que representa as densidades condicionais ao estado, ξˆt|t um
vetor que representa a probabilidade condicional que a t-ésima observação
fora gerada pelos regimes em t e ξˆt|t−1 um vetor que representa a probabi-
lidade condicional que a t-ésima observação fora gerada pelos regimes em
t − 1, ou seja

−(Rt −µ1 )2
 n o 
√ 1 exp 2
ηt = 
 2πσ1 n 2σ1 2 o ,

(2.4)
−(Rt −µ2 )
√1 exp 2σ22
2πσj
" #
P (St = 1|Ωt ; θ)
ξˆt|t = ,
P (St = 2|Ωt ; θ)
" #
P (St = 1|Ωt−1 ; θ)
ξˆt|t−1 = ,
P (St = 2|Ωt−1 ; θ)

5
 2 MODELO PARA O RETORNO DAS AÇÕES

onde Ωt é o conjunto informacional em t. Então, inferência e previsão dentro

da amostra pode ser obtida iterando as seguintes equações3 :

 
ξˆt|t−1 ηt
J
ξˆt|t =  J , (2.5)
l · ξˆt|t−1 ηt
ξˆt+1|t = P · ξˆt|t , (2.6)
h i
onde l = 1 1 .
Seguindo Hamilton [7], a função de log-verossimilhança pode ser expressa
como:
T h  i
log l0 · ξˆt|t−1
X K
L (θ) = ηt . (2.7)
t=1

Assim, θ = arg max L (θ) é o vetor de parâmetros estimados de interesse.

Os dados utilizados na estimação estão em freqüência mensal, compreen-
dendo os meses de janeiro de 2000 a julho de 2010. O retorno
h real do índice i
1+(ln Pt −ln Pt−1 )
Ibovespa foi usado como retorno das ações, onde Rt = 100 1+πt
−1 ,
com Pt sendo os pontos do índice Ibovespa e πt sendo o Índice de Preços ao
Consumidor Amplo (IPCA).

k LogV eros. BIC

0 −423.3789 885.3201
1 −424.3959 896.9946
2 −421.4297 900.7027
3 −414.3886 896.2611

Tabela 1: Critério de informação bayesiana

3
Ver Hamilton [7, cap. 22] para exposição detalhada do algoritmo.

6
 2 MODELO PARA O RETORNO DAS AÇÕES

θi E (θi )
N ormal t − Student

k 0 0
µ1 2.7363 (0.7228) 2.7443 (0.7209)
µ2 −2.1957 (1.3320) −2.3041 (1.3719)
σ12 36.9780 (6.2000) 37.5445 (6.1569)
σ22 89.1161 (19.5713) 90.6934 (19.8050)
p 0.9742 (0.07) 0.9787 (0.07)
q 0.9385 (inf) 0.9621 (inf)
1−p 0.0258 (0.02) 0.0213 (0.03)
1−q 0.9615 (0.07) 0.0379 (0.05)
LogV eros. −423.3789 −423.7267

Tabela 2: Modelo de mudança markoviana

A Tabela 2 relata as estatística do modelo relatado pela Equação 2.1. Os

valores em parênteses denotam os erros-padrões das estimativas. Estimou-se,
também, assumindo que os erros possuíssem uma distribuição t de Student
a fim de testar robustez do modelo, uma vez que séries financeiras parecem
seguir uma distribuição com caldas mais grossas que a Normal.
Como esperado, o retorno das ações brasileiras parece se comportar de
forma diferente, condicional ao estado em que se encontram. Foi possível
indicar um estado com maior retorno esperado e baixa volatilidade se compa-
rado ao retorno esperado no outro estado. Desta forma, pode-se denominar
o estado St = 1 como período em que as ações estão em bull market, e o
estado St = 2, como período em que as ações estão em bear market. Além
do mais, o estado bull market persiste, em média, por 1/1−p = 38.76 meses,
e o índice Ibovespa possui um retorno, em média, de 2.74% ao mês neste
estado. Já o estado bear market, persiste por 1/1−q = 16.26 meses, com o
índice Ibovespa apresentando um retorno médio de −2.20% no estado.

7
 2 MODELO PARA O RETORNO DAS AÇÕES

9.5

8.5

7.5

6.5

6
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Volatilidade condicional

0.75

0.5

0.25

0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Probabilidade de Bull Market

Figura 2.1: Probabilidade dos Estados e Volatilidade Condicional

A Figura 2.1 demonstra a volatilidade condicional do retorno do Ibovespa

e a probabilidade suavizada4 de ocorrência dos estados. Na Tabela 3, estão
expostos os períodos estimados nos quais ocorreram os estados5 . O modelo
consegue captar o impacto das crises internacionais no mercado brasileiro:
a das “PontoCom”, em 2000; a do ataque ao World Trade Center em 2001;
e a do mercado imobiliário americano em 2007-2008.

Período Estado

jan/2000 - nov/2002 Bear Market

dezt/2002 - fev/2008 Bull Market
mar/2008 - out/2008 Bear Market
nov/2008 - jul/2010 Bull Market

Tabela 3: Período dos estados

4
O algoritmo para inferência da probabilidade suavizada é proposto por Kim [10].
Para uma exposição concisa do algoritmo, ver Hamilton [7, cap. 22].
5
Se P (St = 1) ≥ 0.5, então é mais provável que o estado verificado seja o bull market.

8
 3 POLÍTICA MONETÁRIA E RETORNO DAS AÇÕES

3 Política monetária e retorno das ações

A fim de verificar se a política monetária possui efeitos assimétricos no re-
torno das ações para o caso brasileiro, usaremos um modelo empírico modi-
ficado de Markov-Switching em relação a equação (2.1), como proposto por
Chen [3]. Desta forma, estima-se a seguinte equação:
q  
εt ∼ i.i.d.N 0, σS2 t ,
X
Rt = µSt + βSt ,j Xt−j + εt , (3.1)
j=1

onde Xt é a política monetária em t.

Assim, a equação (3.1) permite captar o efeitos da política monetária
sobre o retorno das ações de forma direta, cuja matriz de transição de pro-
babilidade é fixa durante o tempo. Entretanto, o modelo não é capaz de
captar alterações na probabilidade de mudanças de regime como conseqüên-
cia da política monetária.
Como medida de política monetária, utiliza-se a taxa de juros real básica
da economia (SELIC real) para o período já citado, tendo como suporte o
trabalho de Bernanke e Blinder [1], que argumentam que taxa de juros de
curto prazo é sensível a choques na oferta das reservas dos bancos, o que
indica uma ação de política econômica.
Novamente, utiliza-se o critério de informação bayesiana para determinar
o valor q = 2, como pode ser visualizado na Tabela 4. Na Tabela 5, estão
expostas as estatísticas do modelo com política monetária, com os valores
em parênteses representando seus erros-padrões6 . Além do mais, estimou-
se também assumindo uma distribuição t de Student para os erros, com
finalidade de robustez.

q LogV eros. BIC

1 −437.5312 923.5044
2 −430.7040 919.5309
3 −430.3532 928.5251

Tabela 4: Critério de informação com política monetária

6
A estimação é feita utilizando o algoritmo representado pelas equações (2.5) e (2.6).
−(Rt −µ1 −β1,1 Xt−1 −β1,2 Xt−2 )2
 n o 
√ 1 exp 2
2πσ1 2σ 1
Entretanto, a variável ηt passa a ser ηt =  n
Xt−1 −β2,2 Xt−2 )2
o ,
√ 1 exp −(Rt −µ2 −β2,12σ 2
2πσj 2
para q = 2.

9
 3 POLÍTICA MONETÁRIA E RETORNO DAS AÇÕES

A Tabela 5 contém as informações de interesse no trabalho. Com a

inserção da política monetária, o modelo consegue captar o aumento da
volatilidade no mercado quando este está em bear market, ou seja, σ12 <
σ22 , de forma estatisticamente significante. O modelo também capta um
maior retorno médio em bull market, µ1 > µ2 , entretanto, com erros-padrões
elevados para estas estatísticas. Na Figura 3.1, estão expostas a volatilidade
condicional do retorno do Ibovespa e a probabilidade suavizada de ocorrência
dos estados com o modelo que leva em consideração a política monetária.
Para o caso dos efeitos da política econômica sobre o retorno das ações,
alguns pontos devem ser levantados. Esperava-se que variações na política
monetária acarretassem em variações contrárias no retorno das ações, ou
seja, um acréscimo (decréscimo) da taxa de juros levaria a um decréscimo
(acréscimo) no retorno das ações. Todavia, estes fatos não são observados.

θi E (θi )
N ormal t − Student

q 2 2
µ1 0.5118 (1.2976) 0.5100 (1.3100)
µ2 −4.9725 (3.1825) −4.9861 (3.2038)
β1,1 1.5336 (2.3087) 1.5073 (2.3169)
β1,2 1.6527 (2.2373) 1.6882 (2.2508)
β2,1 −4.1508 (3.8046) −4.1338 (3.7997)
β2,2 7.5728 (3.9615) 7.5586 (3.9783)
σ12 36.1551 (5.7270) 35.6713 (5.7270)
σ22 83.7662 (18.6719) 82.4236 (18.6719)
p 0.9778 (0.05) 0.9777 (0.05)
q 0.9405 (inf) 0.9404 (inf)
1−p 0.0222 (0.02) 0.0223 (0.02)
1−q 0.0595 (0.04) 0.0596 (0.04)
LogV eros. −430.7004 −430.8646

Tabela 5: Modelo de mudança markoviana com política monetária

10
 3 POLÍTICA MONETÁRIA E RETORNO DAS AÇÕES

Assim, tem-se β1,1 , β1,2 > 0, indicando que, em bull market, um aumento
em 1% da taxa básica de juros em t − 1 eleva o índice Ibovespa em 1.53%; já
um aumento de 1% em t − 2 da taxa básica de juros eleva o índice Ibovespa
em 1.65%. Entretanto, deve-se salientar que os elevados erros-padrões destas
estatísticas indicam insignificância estatística para a política monetária.
Em bear market, um aumento em 1% da taxa básica de juros em t −
1 reduz o índice Ibovespa em 4.15%, um resultado esperado pela teoria
econômica. Em t − 2, um aumento da taxa básica de juros em 1% eleva o
índice Ibovespa em 7.57%. Novamente, para o primeiro caso, a estimativa
não parece ser estatisticamente significante. Todavia, para o segundo caso,
a estimativa possui um p-value p = 0.06, relatando significância estatística.

8.5

7.5

6.5

6
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Volatilidade Condicional

0.75

0.5

0.25

0
2000 2008 2001 2002 2003 2004 2005 2006 2007 2009 2010
Probabilidade de Bull Market

Figura 3.1: Probabilidade dos Estados e Volatilidade Condicional c/ pol.

monetária

Os elevados erros-padrões condizem para insignificância estatística da

política monetária na explicação do retorno das ações, com exceção da apli-
cada em t − 2 quando o mercado se encontra em bear market. Isto por si
já indica assimetria na política monetária, evidenciando que o retorno das
ações em t sofre impactos da política monetária em t − 2 quando o mercado
está no estado de bear market.

11
 REFERÊNCIAS

4 Conclusão
Neste artigo, identificou-se os períodos de bear market e bull market do
mercado acionário brasileiro e analisou se a política monetária possui efeitos
assimétricos sobre o retorno das ações de empresas na economia brasileira,
utilizando dados mensais entre Janeiro de 2000 e Julho de 2010. Para a
política monetária, utilizou-se a taxa de juros efetiva Selic, e para o retorno
das ações, utilizou-se o retorno do índice Ibovespa.
Foi-se possível relacionar os períodos de bear market identificados com os
períodos de crise econômica internacional. Além do mais, constatou-se que,
para o caso brasileiro, a política monetária é estatisticamente insignificante
para explicar o retorno das ações quando o mercado acionário está em bull
market. Por outro lado, a política monetária se apresenta estatisticamente
significante na explicação do retorno das ações no período bear market.
Assim sendo, identificou-se a existência de efeitos assimétricos da política
monetária sobre o retorno das ações. Corroborando com Bernanke e Gertler
[2] e Kiyotaki e Moore [11], mostrou-se que a política monetária tem maiores
efeitos quando o mercado está em bear market. Para maior completude, fica a
sugestão para trabalhos futuros de verificar se a política monetária brasileira
é capaz de interferir na probabilidade de transição dos estados, utilizando um
modelo markoviano com uma matriz de transição de probabilidade tempo-
variante.

Referências
[1] B. Bernanke and A. Blinder. The federal funds rate and the channels
of monetary transmission. The American Economic Review, pages 901–
921, 1992.

[2] B. Bernanke and M. Gertler. Agency costs, net worth, and business
fluctuations. The American Economic Review, 79(1):14–31, 1989.

[3] S. Chen. Does Monetary Policy Have Asymmetric Effects on Stock

Returns? Journal of Money, Credit and Banking, 39(2-3):667–688,
2007.

[4] R. Cooper. Efficient capital markets and the quantity theory of money.
Journal of Finance, 29(3):887–908, 1974.

12
REFERÊNCIAS REFERÊNCIAS

[5] R. Garcia and H. Schaller. Are the effects of monetary policy asymme-
tric? Economic Inquiry, 40(1):102–119, 2002.
[6] J. Hamilton. A new approach to the economic analysis of nonstatio-
nary time series and the business cycle. Econometrica: Journal of the
Econometric Society, 57(2):357–384, 1989.
[7] J. Hamilton. Time series analysis. Princeton Univ Pr, 1994.
[8] K. Homa and D. Jaffee. The supply of money and common stock prices.
Journal of Finance, 26(5):1045–1066, 1971.
[9] M. Keran. Expectations, money, and the stock market. Federal Reserve
Bank of St. Louis Review, 53(1):16–31, 1971.
[10] C. Kim. Dynamic linear models with Markov-switching. Journal of
Econometrics, 60(1-2):1–22, 1994.
[11] N. Kiyotaki and J. Moore. Credit cycles. Journal of political economy,
105(2):211–248, 1997.
[12] J. Maheu and T. McCurdy. Identifying bull and bear markets in stock
returns. Journal of Business & Economic Statistics, pages 100–112,
2000.
[13] A. Pagan and K. Sossounov. A simple framework for analysing bull and
bear markets. Journal of Applied Econometrics, 18(1):23–46, 2003.
[14] A. Patelis. Stock return predictability and the role of monetary policy.
Journal of Finance, 52(5):1951–1972, 1997.
[15] G. Perez-Quiros and A. Timmermann. Firm size and cyclical variations
in stock returns. The Journal of Finance, 55(3):1229–1262, 2000.
[16] J. Pesando. The supply of money and common stock prices: further ob-
servations on the econometric evidence. Journal of Finance, 29(3):909–
921, 1974.
[17] M. Rozeff. Money and stock prices: Market efficiency and the lag in
effect of monetary policy. Journal of Financial Economics, 1(3):245–
302, 1974.
[18] W. Thorbecke. On stock market returns and monetary policy. Journal
of Finance, 52(2):635–654, 1997.

13