Insper Instituto de Ensino e Pesquisa

Programa de Mestrado Profissional em Economia

Bruno Russi

ANÁLISE DA ALOCAÇÃO ESTRATÉGICA DE LONGO

PRAZO EM ATIVOS BRASILEIROS

São Paulo
2010
 Bruno Russi

Análise da alocação estratégica de longo prazo em ativos

brasileiros

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.

Área de concentração: Finanças e Macroeconomia

Aplicada
Orientador: Prof. Ricardo Dias de Oliveira Brito – Insper

São Paulo
2010
Russi, Bruno
Análise da alocação estratégica de longo prazo em ativos
brasileiros / Bruno Russi; orientador Ricardo Dias de Oliveira
Brito – São Paulo: Insper, 2010.
38 f.

Dissertação (Mestrado – Programa de Mestrado Profissional

em Economia. Área de concentração: Finanças e Macroeconomia
Aplicadas) – Insper Instituto de Ensino e Pesquisa.

1. Alocação de ativos 2. Demanda por proteção

 FOLHA DE APROVAÇÃO

Bruno Russi
Análise da alocação estratégica de longo prazo em ativos brasileiros

Dissertação apresentada ao Programa de Mestrado

Profissional em Economia do Insper Instituto de Ensino e
Pesquisa, como requisito parcial para obtenção do título
de Mestre em Economia.

Área de concentração: Finanças e Macroeconomia

Aplicadas

Aprovado em: junho/2010

Banca Examinadora

Prof. Ricardo Dias de Oliveira Brito

Orientador

Instituição: Insper Assinatura: ____________________________

Prof. Marco Lyrio

Instituição: Insper Assinatura: ____________________________

Prof. Marco Antônio César Bonomo

Instituição: EPGE – FGV Assinatura: ____________________________
 DEDICATÓRIA

Dedico este trabalho a minha mãe Marta Maria Russi por sempre me incentivar a
buscar todos os sonhos e realizações acadêmicas, profissionais e pessoais.
 AGRADECIMENTOS

Ao orientador, Prof. Ricardo Dias de Oliveira Brito, pela paciência, incentivo e

sugestões na realização deste trabalho.

Aos professores do INSPER, pelos conhecimentos transmitidos que permitiram

construir e elaborar esta dissertação de mestrado.

Aos amigos do mestrado, pelo companheirismo demonstrado em todos os momentos

durante o curso.

Aos colegas de trabalho da Quest Investimentos pelas sugestões e apoio na elaboração

desta obra.

À minha namorada Andreini Emanueli Fonseca pela compreensão e dedicação durante

o período do mestrado.

A todos aqueles que, embora não citados, contribuíram direta ou indiretamente para a
execução deste trabalho.
 RESUMO

RUSSI, Bruno. Análise da alocação estratégica de longo prazo em ativos brasileiros.

2010. 38 f. Dissertação (Mestrado) – Insper Instituto de Ensino e Pesquisa, São Paulo, 2010.

Este trabalho consiste na aplicação de Campbell, Chan e Viceira (2003) [“A

multivariate model of strategic asset allocation”. Journal of Financial Economics 67, p. 41-80]
para a análise da alocação estratégica de longo prazo em ativos brasileiros, utilizando dados
mensais de 2002 a 2009. Os resultados encontrados diferem significativamente daqueles
obtidos para o caso americano. Condicionado ao padrão de retornos observado, os
investidores brasileiros deveriam concentrar seus recursos em renda fixa. Ademais, a taxa de
juros nominal de curto prazo e a razão preço/lucro do índice de ações IBX são variáveis
importantes na previsão de variações temporais das oportunidades de investimento e sua
consideração implica numa demanda adicional por renda fixa como forma de proteção
intertemporal. Uma análise posterior da composição das carteiras dos fundos de pensão
brasileiros indica que a gestão destas pode estar sendo feita de uma maneira “míope”. Ou seja,
a demanda por proteção intertemporal de ativos parece estar sendo ignorada pelos gestores
desses fundos.

Código JEL: C32, G11

Palavras-chave: Alocação de ativos; demanda por proteção; fundos de pensão

 ABSTRACT

RUSSI, Bruno. Strategic asset allocation on Brazilian assets. 2010. 38 f.. Dissertation
(Mastership) – Insper Instituto de Ensino e Pesquisa, São Paulo, 2010.

This paper applies Campbell, Chan e Viceira (2003) [“A multivariate model of
strategic asset allocation”. Journal of Financial Economics 67, p. 41-80] to analyze the long
term strategic asset allocation in Brazilian assets using monthly data from 2002 to 2009. The
results found differ significantly from the American ‘case. Given the pattern of returns
detected, Brazilian investors should allocate their wealth entirely in fixed income. Moreover,
the short-term nominal interest rate and the IBX equity index P/E ratio are important variables
in predicting investment opportunities shocks, making them relevant to increasing the mean
fixed income demand as a way to hedge wealth intertemporally. Further evidence on the
analysis of the breakdown of Brazilian pension funds portfolios suggests that these portfolios
may be managed using myopic allocation rules. Thus, the intertemporal hedging demand for
assets may have been ignored by these funds managers.

JEL classification: C32, G11

Keywords: asset allocation; hedging demand; pension funds

 SUMÁRIO

1. INTRODUÇÃO............................................................................................................ 1

2. REVISÃO BIBLIOGRÁFICA .................................................................................... 3

3. DEFINIÇÃO DO MODELO ....................................................................................... 7

3.1 Ativos .......................................................................................................... 7
3.2 Dinâmica das Variáveis de Estado................................................................ 7
3.3 Preferências.................................................................................................. 9

4. METODOLOGIA DE SOLUÇÃO.............................................................................. 11
4.1 Escolha do Portfólio Ótimo .......................................................................... 13
4.2 Consumo Ótimo ........................................................................................... 15

5. ANÁLISE EMPÍRICA................................................................................................. 16
5.1 Descrição dos Dados .................................................................................... 16
5.2 Estimação do VAR....................................................................................... 18
5.3 Alocação Estratégica de Ativos .................................................................... 24
5.4 Análise da Carteira Consolidada dos Fundos de Pensão................................ 31

6. CONCLUSÃO .............................................................................................................. 34

REFERÊNCIAS................................................................................................................. 36
 LISTA DE TABELAS

Tabela 1 – Estatísticas da Amostra ....................................................................................... 18

Tabela 2 – Testes de Raiz Unitária ....................................................................................... 21
Tabela 3 – VAR – Resultados da Estimação......................................................................... 22
Tabela 4 – Demanda Média dos Ativos ................................................................................ 25
Tabela 5 – Demandas Míopes .............................................................................................. 33
 LISTA DE FIGURAS

Figura 1 – Evolução dos Ativos ao Longo do Tempo ........................................................... 19

Figura 2 – Evolução da Taxa de Juros Nominal de Curto Prazo............................................ 20
Figura 3 – Evolução do P/E ao Longo do Tempo ................................................................. 20
Figura 4 – Evolução dos Retornos Logarítmicos Mensais do BRL ....................................... 21
Figura 5 – Alocação Ótima em Renda Fixa .......................................................................... 27
Figura 6 – Alocação Ótima em Ações .................................................................................. 29
Figura 7 – Carteira Consolidada por Tipo de Aplicação ....................................................... 32
1-) Introdução

A literatura sobre alocação de ativos de longo prazo indica que os investidores de

longo prazo deveriam alocar parte de sua riqueza em ativos com risco, como em ações. Ações
deveriam demandar um maior retorno de forma a compensar pelo seu maior risco. Assim,
combinando ativos com risco e sem risco, podem-se formar carteiras de investimento de
acordo com a aversão ao risco do investidor.
Paralelamente a isto, se as oportunidades de investimento variam com o tempo, os
investidores de longo prazo deveriam se preocupar tanto com choques em suas riquezas
quanto com choques nas oportunidades de investimento, fazendo surgir uma demanda por
proteção intertemporal de ativos financeiros. Esta demanda por proteção intertemporal de
ativos fez surgir o termo “alocação estratégica de ativos” (“strategic asset allocation 1”).
Este termo pode ser entendido como uma forma de incorporar as variações nas oportunidades
de investimento nas decisões de alocação dos investidores.
As alocações de longo prazo podem ser significativamente diferentes das alocações de
curto prazo, principalmente quando as oportunidades de investimento variam ao longo do
tempo. Esta questão foi muito bem discutida por Campbell e Viceira (2002) para o mercado
americano, onde os resultados obtidos indicam que os investidores de longo prazo daquele
país deveriam alocar grande parte de sua riqueza em ações. Contudo, muito pouco tem sido
feito e analisado para outros mercados, em especial, para o caso brasileiro.
O objetivo deste trabalho consiste em analisar a alocação estratégica de longo prazo
em ativos brasileiros utilizando o método proposto por Campbell et al. (2003). Este método se
baseia num modelo de vetores auto-regressivos (VAR), que descreve a dinâmica de “variáveis
de estado”, de forma a auxiliar na resolução do problema de alocação ótima de portfólio. A
partir dos resultados obtidos, conseguimos observar como deveria ser a alocação de longo
prazo para um investidor brasileiro, bem como as variáveis relevantes que influenciam esta
decisão, de forma a compará-la com o resultado obtido para o caso americano.
Curiosamente, os resultados indicam que a alocação em renda fixa é relevante e
predominante sobre ações no período analisado para o caso brasileiro. Estes resultados são
diametralmente opostos àqueles obtidos para o caso americano, onde a alocação em ações é
predominante. Pode-se observar ainda que a taxa de juros nominal de curto prazo e a razão
preço sobre lucro do índice de ações IBX (quando analisada conjuntamente com o ativo

1
Veja Brennan et al. (1997)

1
“ações”) são variáveis importantes na determinação da alocação média em renda fixa, pois
elas aumentam consideravelmente a demanda por proteção intertemporal por esse ativo.
Uma análise posterior da composição das carteiras dos fundos de pensão brasileiros
indica que a alocação dos ativos nessas carteiras pode estar sendo feita de uma maneira
“míope”, isto é, utilizando uma estratégia média-variância, cujo enfoque, por construção, é de
curto prazo. Além disso, o horizonte de investimento é de um único período. Comparando os
resultados obtidos do modelo proposto com a composição das carteiras desses fundos,
conclui-se que a demanda por proteção intertemporal de ativos parece estar sendo ignorada
pelos gestores desses fundos.
O presente trabalho está organizado em seis seções além desta introdução. A segunda
seção apresenta uma revisão da literatura sobre o tema. A terceira seção descreve o modelo
proposto por Campbell et al. (2003), a dinâmica das variáveis de estado e as preferências dos
investidores. A quarta seção apresenta a metodologia de solução resumida do modelo
apresentado na terceira seção. A quinta seção apresenta os resultados empíricos para o modelo
aplicado ao caso brasileiro. A sexta seção conclui e apresenta alguns comentários e
recomendações para trabalhos futuros.

2
2-) Revisão Bibliográfica

O problema da alocação ótima de ativos numa carteira de investimentos sempre foi um

tópico de extremo interesse por acadêmicos e profissionais que atuam na área de finanças.
Baseados no célebre trabalho de Markowitz (1952), os pesquisadores vêm desenvolvendo
modelos que buscam aprimorar as técnicas já comumente conhecidas. Entretanto, o modelo
de Markowitz (1952) é estático; isto é, ele assume que os investidores se preocupam apenas
com sua riqueza um período à frente, ou seja, eles possuem uma estratégia míope.
Merton (1969) mostrou que a solução de um problema de alocação de múltiplos
períodos pode ser bem diferente da solução de um problema de alocação estático.
Especificamente, Merton (1969) examinou o problema conjunto de alocação ótima de
portfólio e consumo de um indivíduo, onde sua renda provém do retorno de ativos. Dessa
forma, Merton (1969) derivou as equações ótimas para um problema de alocação em tempo
contínuo, quando os retornos dos ativos seguem um processo de Wiener (movimento
browniano). Samuelson (1969) desenvolveu um modelo similar em tempo discreto para
formas mais gerais de distribuições de probabilidades.
Infelizmente, o modelo intertemporal de Merton é difícil de resolver utilizando uma
solução analítica que não resulte numa solução estática. Muitos trabalhos desenvolveram
formas aproximadas do modelo de Merton através de uma discretização do modelo multi-
período (Lynch (2001)) ou para casos particulares de funções utilidade como em Campbell e
Viceira (1999). Contudo, esses trabalhos falham em resolver casos complexos do modelo de
Merton; ou seja, o investidor raramente pode investir num número variado de ativos ou os
algoritmos não convergem na presença de muitas “variáveis de estado”.
Campbell et al. (2003) procurou remediar este problema através de uma metodologia
aproximada para o caso multivariado, do método desenvolvido por Campbell e Viceira
(1999). Através de um modelo de vetores auto-regressivos (VAR), que descreve a dinâmica
de “variáveis de estado”, e considerando que não há restrições de empréstimo e vendas a
descoberto dos ativos, este trabalho desenvolve um método que trata os pesos do portfólio
ótimo como uma função linear e o consumo como uma função quadrática das variáveis de
estado. As variáveis de estado são divididas em ativos e variáveis preditoras.
Os ativos compreendem a taxa de juros real de curtíssimo prazo, o excesso de retorno
da ação em relação à taxa livre de risco e o excesso de retorno da renda fixa em relação à taxa
livre de risco. As variáveis preditoras englobam variáveis que foram identificadas pela

3
literatura como sendo capazes de prever os retornos dos ativos. Elas são: a taxa de juros
nominal de curto prazo, utilizada em trabalhos como Fama e Schwert (1977) e Campbell
(1987); a razão dividendo sobre preço da ação (dividend yield), como em Campbell e Shiller
(1988) e a inclinação da estrutura a termo da taxa de juros, utilizada em trabalhos como em
Campbell e Shiller (1991).
O modelo assume ainda que o investidor possui preferências definidas por uma função
utilidade de Epstein-Zin (1989) sobre uma série de consumo num período de tempo infinito.
Este método é resolvido de forma rápida utilizando métodos numéricos simples.
Já Hoevenaars et al. (2008) estudou a alocação estratégica de ativos considerando não
só o ativo, como também o passivo de um investidor. O passivo do investidor está sujeito não
só ao risco de inflação, como também ao risco da taxa de juros. Ademais, o modelo
incorporou a classe de investimentos alternativos (commodities, hedge funds entre outros) aos
ativos elegíveis para investimento. Os autores também adicionaram a variável “spread de
crédito” ao conjunto das variáveis preditoras utilizadas por Campbell et al. (2003) como uma
forma de prever mudanças nos ciclos de crescimento. Embora a metodologia de cálculo da
alocação ótima de portfólio utilizada por esses autores seja diferente daquela utilizada por
Campbell et al. (2003), os resultados deste trabalho mostram que a classe de investimentos
alternativos oferece valor para investidores de longo prazo e que os benefícios da alocação de
longo prazo são maiores quando se considera também o passivo do investidor.
No Brasil, a maioria dos trabalhos utiliza ou o enfoque estático ou a programação
estocástica na resolução de problemas de alocação de longo prazo. Tais abordagens são
também utilizadas quando se analisa a alocação das carteiras dos fundos de pensão.
Leal et al. (2002) desenvolveu um modelo de otimização média-variância de ativos de
forma a avaliar as alocações dos fundos de pensão brasileiros no período de 1996 a 2000,
levando em consideração as restrições legais sobre a composição das carteiras impostas pela
regulamentação do setor. O método utilizado visa reduzir o impacto dos erros de estimação
dos parâmetros de entrada (retornos esperados e matriz de covariância dos ativos) e estabilizar
a otimização. A metodologia consiste basicamente em uma simulação Monte Carlo de
fronteiras eficientes, de modo que cada fronteira simulada era estatisticamente equivalente à
fronteira eficiente original.
Jolig (2003) estuda a gestão de longo prazo dos recursos de um plano de previdência
complementar, do tipo contribuição definida, através de um modelo de múltiplos períodos de

4
otimização dinâmica, que maximizava a utilidade de um indivíduo obtida a partir do nível de
consumo ao longo de toda sua vida.
Gomides (2004) aplicou um modelo de ativo/passivo (Asset Liability Model) em um
fundo de pensão. O modelo de otimização estocástica visa encontrar uma carteira de
investimento que oferecesse a menor volatilidade do fator de solvência de um fundo de
pensão, definido como sendo igual à razão entre ativos e passivos do fundo, sujeito a restrição
de que o valor esperado deste fator de solvência fosse superior a uma constante pré-
determinada. Ao modelar não só o ativo, como também o passivo do investidor, como uma
variável estocástica, o modelo consegue selecionar carteiras mais adequadas aos objetivos de
longo prazo desses investidores.
O objetivo deste trabalho consiste em aplicar o trabalho desenvolvido por Campbell et
al. (2003) para o mercado brasileiro. Esta abordagem difere das anteriores na medida em que
ela fornece uma forma correta, por incorporar as variações nas oportunidades de investimento,
e mais simples de analisar as alocações de longo prazo, através da modelagem dada pelo
modelo VAR.
Dessa forma, o modelo VAR é desenvolvido utilizando variáveis de estado, que são
divididas em ativos e variáveis preditoras.
Os ativos compreendem a taxa de juros real de curtíssimo prazo, o excesso de retorno
da ação em relação à taxa livre de risco e o excesso de retorno da renda fixa em relação à taxa
livre de risco, como em Campbell et al. (2003).
Já as variáveis preditoras foram adequadas ao caso brasileiro, principalmente devido
ao fato de muitas vezes encontrarmos séries temporais curtas ou com enorme volatilidade
devido a períodos de crise. Elas são: i ) taxa de juros nominal de curto prazo, ii ) razão preço
sobre lucro (P/E) – utilizada como uma proxy para a razão dividendo sobre preço da ação
(dividend yield) por geralmente apresentar um poder de previsão similar ao dividend yield 2 e
iii ) retorno da taxa de câmbio entre o real e o dólar americano (USD/BRL). A variável
“inclinação da estrutura a termo da taxa de juros” também foi testada no modelo proposto
para o caso brasileiro. Entretanto, devido a problemas de convergência do método numérico
na resolução da alocação ótima do portfólio, optou-se por não incluir esta variável no trabalho
e utilizar o retorno do USD/BRL como sendo uma terceira variável preditora. A escolha desta
variável se deve à escassez de variáveis preditoras no mercado brasileiro com uma série
histórica relativamente longa.

2
Veja Hoevenaars et at. (2008)

5
 Um trabalho similar feito no Brasil é o de Maciel Júnior (2004). O autor aplicou o
método desenvolvido por Campbell et al. (2003) em ativos brasileiros utilizando dados
mensais de julho de 1998 a junho de 2004 com um enfoque diferente. Enquanto Campbell et
al. (2003) utilizaram as mesmas variáveis de estado no exercício empírico, Maciel Júnior
(2004) utilizou quatro combinações diferentes de variáveis de estado. Ademais, a análise da
relevância e do efeito incremental que a adição de uma variável ao modelo VAR possui nas
alocações médias, bem como o impacto que a variação da tolerância ao risco possui nas
demandas total e míope, não foram plenamente discutidas – Maciel Júnior (2004) se
concentrou mais na explicação dos resultados obtidos, utilizando combinações diferentes de
variáveis de estado, e na estimação das alocações ótimas fora da amostra. Este trabalho busca
preencher essas lacunas de forma que uma grande parte do trabalho de Campbell et al. (2003)
possa ser comparado com uma aplicação em ativos brasileiros. Dessa forma, buscou-se ao
máximo seguir os passos descritos no artigo original, modificando apenas a especificação das
variáveis de estado para se adequarem ao caso brasileiro.

6
3-) Definição do Modelo

O modelo é elaborado em tempo discreto. Além disso, o horizonte de investimento é

considerado infinito e assume-se que o investidor possui preferências recursivas do tipo
Epstein-Zin (1989) definidas sobre uma série de consumos futuros.

3.1 – Ativos

O investidor aloca a sua poupança em n ativos disponíveis para investimento. O

retorno real do portfólio do investidor R p ,t +1 é dado por:

n
R p ,t +1 = ∑ α i ,t (Ri ,t +1 − R1,t +1 ) + R1,t +1 (1)
i =2

onde α i,t é o peso do ativo i no portfólio. O primeiro ativo é a taxa de juros de curtíssimo

prazo, cujo retorno real é R1,t +1 . Embora o retorno nominal seja livre de risco, o retorno real

não é livre de risco devido ao fato deste estar sujeito a riscos inflacionários. Na análise
empírica deste trabalho, utilizaram-se dois outros ativos: ações e renda fixa. Desta forma,
temos que n = 3 .

3.2 – Dinâmica das Variáveis de Estado

A dinâmica das variáveis de estado é modelada através de um vetor auto-regressivo de

primeira ordem ou um VAR(1). Em princípio, o uso do VAR(1) não é restritivo dado que
qualquer vetor auto-regressivo pode ser reescrito como um VAR(1) através da expansão do
vetor de variáveis de estado. Definindo:

r2,t +1 − r1,t +1 
r − r 
=
3,t +1 1,t +1 
xt +1 (2)
 M 
 
rn,t +1 − r1,t +1 

7
onde ri ,t +1 ≡ ln(1 + Ri ,t +1 ) para todo i e xt +1 é o vetor de excesso de retornos logarítmicos.

Neste trabalho, r1,t +1 é a taxa de juros real de curtíssimo prazo ex-post, r2,t +1 refere-se ao

retorno real das ações e r3,t +1 refere-se a o retorno real da renda fixa.

Além dos ativos, o vetor de variáveis de estado contém outras variáveis st +1 ,

identificadas pela literatura como sendo capazes de prever os retornos dos ativos, como a taxa
de juros nominal de curto prazo. Agrupando todas as variáveis r1,t +1 , xt +1 e st +1 num único

vetor z t +1 , cuja dimensão é m × 1 , temos:

r1,t +1 
z t +1 =  xt +1  (3)
 st +1 

Assume-se que o vetor z t +1 segue um processo auto-regressivo de primeira ordem.

Dessa forma, podemos representar o vetor z t +1 da seguinte forma:

z t +1 = Φ 0 + Φ 1 z t + vt +1 (4)

onde Φ 0 é o vetor de interceptos cuja dimensão é m × 1 , Φ 1 é uma matriz m × m de

coeficientes de inclinação e vt +1 são os choques das variáveis de estado que satisfazem a

seguinte distribuição:

i .i .d
vt +1 ~ N (0, ∑ v )

σ 12 σ 1' x σ 1' s 
 
∑ v ≡ Vart (vt +1 ) = σ 1x ∑ xx ∑ 'xs  (5)
σ 1s ∑ xs ∑ ss 


dessa forma, permitimos aos choques terem correlação cruzada, mas assumindo que eles são
homocedásticos e identicamente distribuídos ao longo do tempo.

8
 O modelo VAR captura a dependência dos retornos esperados dos vários ativos,
utilizando seus valores passados, bem como suas relações com as outras variáveis do modelo.
A evolução estocástica dessas outras variáveis st +1 também é determinada pelo sistema.

3.3 – Preferências

O modelo assume que o investidor possui preferências recursivas definidas sobre uma
série de consumo que podem ser descritas por uma função utilidade de Epstein-Zin (1989).
Esta função utilidade possui a propriedade desejável de que a noção de aversão ao risco é
separada da elasticidade de substituição intertemporal. De acordo com Epstein e Zin (1989),
podemos definí-la da seguinte forma:

[ ( (
U (C t , Et (U t +1 )) = (1 − δ )Ct(1−γ ) / θ + δ Et U t1+−1γ )) ]
1 / θ θ / (1−γ )
(6)

onde C t é o consumo no tempo t , γ > 0 é o coeficiente de aversão relativa ao risco, ψ > 0 é

a elasticidade de substituição intertemporal, 0 <δ <1 é o fator de desconto,

θ ≡ (1 − γ ) / (1 − ψ −1 ) e E (⋅) é o operador de expectativa condicional. A função utilidade do
tipo CRRA é um caso especial desta função utilidade quando assumimos γ = ψ −1 . A função

utilidade logarítmica é obtida quando impomos a restrição adicional γ = ψ −1 = 1 .

No tempo t , o investidor utiliza toda a informação disponível para fazer uma decisão
ótima sobre quanto consumir e quanto poupar. A restrição orçamentária intertemporal pode
ser escrita da seguinte forma:

W t + 1 = (W t − C t )(1 + R p ,t + 1 ) (7)

onde C t é o consumo e Wt é a riqueza no tempo t .

Epstein e Zin (1989) nos mostra também o resultado para a equação de Euler para o
consumo, considerando a restrição orçamentária acima:

9
  −1 / ψ θ
 
   Ct +1 
 p ,t +1 i ,t +1  = 1
−1(1−θ )
E δ   R R (8)
  Ct  
 

para todo ativo i , incluindo o portfólio p .

As decisões ótimas de consumo e investimento devem satisfazer a equação (8).
Quando as oportunidades de investimento são constantes, o investidor toma sua decisão como
se o horizonte de investimento fosse apenas um período. Entretanto, quando as oportunidades
de investimento dependem do tempo, não há soluções analíticas disponíveis, exceto para
alguns valores específicos de γ e ψ . Campbell et al. (2003) desenvolveu uma metodologia,
descrita abaixo, para encontrarmos as alocações ótimas quando as oportunidades de
investimento dependem do tempo através de uma solução aproximada para o caso
multivariado do método elaborado por Campbell e Viceira (1999).

10
4-) Metodologia de Solução

Nesta seção, utilizou-se a metodologia desenvolvida por Campbell et al. (2003) para a
determinação das alocações ótimas do portfólio de um investidor quando as oportunidades de
investimento dependem do tempo para o caso multivariado.
Utilizando o resultado obtido por Campbell e Viceira (1999), pode-se aproximar o
retorno logarítmico do portfólio pela equação abaixo:

1
(
rp ,t +1 = r1,t +1 + α t' xt +1 + α t' σ x2 − ∑ xx α t
2
) (9)

onde σ x2 ≡ diag (∑ xx ) é o vetor dos elementos da diagonal de ∑ xx , a variância dos excessos

de retorno e α t é o vetor de pesos dos excessos de retorno dos ativos.

A restrição orçamentária dada pela equação (7) é não-linear, pois o consumo é
subtraído da riqueza antes que o retorno do portfólio multiplique o resto. De acordo com
Campbell (1993), pode-se aproximar a restrição orçamentária ao redor da média da razão
consumo-riqueza. Dividindo (7) por W t , tem-se:

W t +1  C 
= (1 + R p , t + 1 ) 1 − t  (10)
Wt  Wt 

Aplicando logs na equação (10), obtemos:

∆wt +1 = rp ,t +1 + log (1 − exp(ct − wt )) (11)

O segundo termo do lado direito da equação (11) é uma função não linear do log da
razão consumo-riqueza. Se esta razão não é muito variável, ela pode ser aproximada usando
uma expansão de Taylor de primeira ordem ao redor de sua média. A expressão resultante é:

 1
∆wt +1 ≈ rp ,t +1 + 1 − (ct − wt ) + k (12)
 ρ

11
onde ∆ é o operador diferença, ρ ≡ 1 − exp(E [ct − wt ]) e k ≡ log(ρ ) + (1 − ρ ) log(1 − ρ ) / ρ .
Esta forma de restrição orçamentária é exata se a elasticidade de substituição intertemporal
ψ = 1 . Neste caso, (ct − wt ) é constante e ρ = δ .
Aplicando uma expansão de Taylor de segunda ordem na equação de Euler (8) ao
redor das médias condicionais ∆ct +1 , rp ,t +1 e ri ,t +1 , obtêm-se:

θ 1  θ 
0 = θ log δ − Et ∆ct +1 − (1 − θ )Et rp ,t +1 + Et ri ,t +1 + Vart − ∆ct +1 − (1 − θ )rp ,t +1 + ri ,t +1  (13)
ψ 2  ψ 

Esta equação de Euler loglinearizada é exata se o consumo e os retornos dos ativos são
conjuntamente distribuídos pela distribuição lognormal, que é o caso quando a elasticidade de
substituição intertemporal ψ = 1 .
Fazendo i = 1 na equação (13) e subtraindo o resultado da forma geral dada pela
equação (13) e lembrando que ∆ct +1 = ∆(ct +1 − wt +1 ) + ∆wt +1 , obtêm-se para i = 2,K , n :

1 θ
Et (ri ,t +1 − r1,t +1 ) + Vart (ri ,t +1 − r1,t +1 ) = (σ i ,c − w,t − σ 1,c − w,t ) + γ (σ i , p ,t − σ 1, p ,t ) − (σ i ,1,t − σ 1,1,t ) (14)
2 ψ

onde σ i ,c − w,t = Covt (ri ,t +1 , ct +1 − wt +1 ) , σ 1,c − w,t = Covt (r1,t +1 , ct +1 − wt +1 ) , σ i , p ,t = Covt (ri ,t +1 , rp ,t +1 ) ,

σ 1, p ,t = Covt (r1,t +1 , rp ,t +1 ) , σ i ,1,t = Covt (ri ,t +1 , r1,t +1 ) e σ 1,1,t = Vart (r1,t +1 ) .

A equação acima relaciona o prêmio pelo risco do ativo i , ajustado pela desigualdade
de Jensen, ao seu excesso de covariância com o crescimento do consumo, ao seu excesso de
covariância com o retorno real do portfólio e à covariância dos excessos de retorno com o
retorno real da taxa de juros de curtíssimo prazo.
Para descobrir a solução do problema de alocação ótima do portfólio, Campbell et al.
(2003) assumem que a alocação ótima e o consumo possuem a seguinte forma:

α t = A 0 + A1 z t (15)

c t − w t = b0 + B1' z t + z t' B 2 z t (16)

12
onde A0 , A 1 , b 0 , B1 e B2 são matrizes de coeficientes a serem determinados. O modelo
assume que a alocação ótima é linear no vetor das variáveis de estado do VAR, mas o
consumo ótimo é quadrático.
A solução deste problema envolve reescrever os momentos condicionais que aparecem
na equação (14) como função dos parâmetros do VAR e dos parâmetros a serem estimados
das equações (15) e (16).
Dessa forma, lembrando que o vetor de excesso de retornos é dado por xt , as
expectativas condicionais do lado esquerdo da equação (14) são escritas como:

1 1
E t (x t +1 ) + Var t ( x t +1 ) = H x Φ 0 + H x Φ 1 z t + σ x2 (17)
2 2

onde H x é uma matriz que seleciona o vetor de excesso de retornos do vetor de variáveis de
estado.
O apêndice de Campbell et al. (2003) nos mostra que as três covariâncias condicionais
do lado direito da equação (14) podem ser escritas como funções lineares das variáveis de
estado. Em notação matricial:

σ c − w,t − σ 1,c − w,tι ≡ [σ i ,c − w,t − σ 1,c − w,t ]i = 2,K,n = Λ 0 + Λ 1 z t (18)

σ p ,t − σ 1, p ,tι ≡ [σ i , p ,t − σ 1, p ,t ]i =2,K,n = ∑ xx α t + σ 1x (19)

σ 1,t − σ 1,1,tι ≡ [σ i ,1,t − σ 1,1,t ]i = 2,K,n = σ 1x (20)

onde ι é um vetor de 1s, Λ 0 e Λ 1 são matrizes de coeficientes a serem determinados.

4.1-) Escolha do Portfólio Ótimo

Resolvendo a equação de Euler (14) para as alocações do portfólio e reagrupando,

tem-se:

1  1  1  θ 
αt = ∑ −xx1  E t (x t +1 ) + Var t (x t +1 ) + (1 − γ )σ 1 x  + ∑ −xx1  − (σ c − w ,t − σ 1,c − w ,tι ) (21)
γ  2  γ  ψ 

13
 1
onde E t (x t +1 ) + Var t ( x t +1 ) e σ c − w,t − σ 1,c − w ,tι são funções lineares de z t , dada pela
2
equações (17) e (18), respectivamente. A escolha do portfólio ótimo dada pela equação (21)
pode ser vista como a soma de dois componentes.
O primeiro termo a direita da equação (21) é o componente míope da alocação ótima.
Devido a sua natureza míope, este componente não depende da elasticidade de substituição
intertemporal ψ .
O segundo termo a direita da equação (21) é o componente da demanda por proteção
intertemporal. No modelo, o conjunto das oportunidades de investimento depende do tempo,
dado que os retornos esperados dos diferentes ativos dependem do estado em que eles se
encontram. Merton (1971) mostra que um investidor racional mais avesso ao risco que um
investidor com utilidade logarítmica irá se proteger contra mudanças adversas nas
oportunidades de investimento.
Substituindo as equações (17) e (18) em (21) e reagrupando os termos, temos:

α t ≡ A0 + A1 z t (22)

onde:

1  1   1  − Λ0 
A0 =   ∑ −xx1  H x Φ 0 + σ x2 + (1 − γ )σ 1 x  +  1 −  ∑ −xx1   (23)
γ   2   γ  1 −ψ 

1  1  − Λ1 
A1 =   ∑ −xx1 H x Φ 1 +  1 −  ∑ −xx1   (24)
γ   γ  1 −ψ 

A equação (22) confirma a forma inicial dos pesos assumida na alocação ótima do
portfólio. Além disso, esta equação expressa as matrizes de coeficientes A0 e A 1 como
funções dos parâmetros, descrevendo as preferências e a dinâmica das variáveis de estado.
O apêndice de Campbell et al. (2003) também nos mostra que dado o parâmetro ρ , as

− Λ0 − Λ1
matrizes de coeficiente e são independentes da elasticidade de substituição
(1 − ψ ) (1 − ψ )
intertemporal ψ . Isto implica que a alocação ótima do portfólio é independente de ψ , dado

14
ρ . A elasticidade de substituição intertemporal ψ afeta a alocação ótima via determinação
do parâmetro ρ , pois ρ ≡ 1 − exp(E [ct − wt ]) e E [ct − wt ] é função de ψ .

Na análise empírica descrita a seguir, foi considerado o caso onde ψ = 1 . Dessa forma,
o valor de ρ é conhecido e é igual ao fator de desconto intertemporal δ .

4.2-) Consumo Ótimo

Fazendo i = p na equação (13) e reagrupando, temos:

Et (∆ct +1 ) = ψ log δ + χ p , t + ψEt (rp ,t +1 ) (25)

1θ 
onde: χ p ,t =  Var t (∆ct +1 − ψrp , t +1 ) é o termo de poupança precaucionária.
2 ψ 

Campbell et al. (2003) nos mostra que combinando a equação (25) com a restrição
orçamentária loglinearizada dada pela equação (12), obtêm-se uma equação para c t − wt :

c t − wt = − ρψ log δ − ρχ p ,t + ρ (1 − ψ )E t (r p ,t +1 ) + ρ k + ρ E t (c t +1 − wt +1 ) (26)

onde tanto E t (r p ,t +1 ) quanto χ p,t são funções quadráticas das variáveis de estado do modelo

VAR. A equação (26) confirma a forma inicial da razão consumo-riqueza como uma função
quadrática das variáveis de estado na alocação ótima do portfólio. Dessa forma, podemos
determinar os coeficientes b0 , B1 e B 2 .

15
5-) Análise Empírica

Nesta seção, utilizaremos o modelo apresentado anteriormente para estudar o caso de

como os investidores que diferem em preferências de consumo e aversão ao risco alocam o
seu portfólio entre três classes de ativos brasileiros: caixa, ações e renda fixa. As
oportunidades de investimento são descritas por um modelo VAR que inclui a taxa de juros
real ex-post de curto prazo, o excesso de retorno de ações e o excesso de retorno da renda
fixa, além de variáveis preditoras: taxa de juros nominal de curto prazo, a razão preço sobre
lucro e a variação do retorno da moeda USD/BRL.
As alocações ótimas foram calculadas para diferentes valores de aversão ao risco ( γ ),
assumindo elasticidade de substituição intertemporal constate e unitária (ψ = 1 ) e fator de
desconto igual a 97,01% em termos trimestrais ( δ = 0.9701 ). Dessa forma, temos a solução
encontrada por Giovannini e Weil (1989), onde a razão consumo-riqueza é constante e igual a
1 − δ . Isto implica que o parâmetro ρ ≡ 1 − exp(E [ct − wt ]) é igual a δ .
A escolha de ψ = 1 é conveniente, mas não necessária para os resultados. Campbell et
al. (2003) calcularam as alocações ótimas para o caso onde ψ = 0.5 utilizando um
procedimento numérico recursivo e encontraram resultados similares àqueles quando ψ = 1 .
O valor do fator de desconto δ foi estimado por Araújo Júnior (2005) utilizando
dados trimestrais brasileiros de 1974 a 1999 para a função utilidade Epstein Zin (1989). O
valor encontrado foi δ = 0.9701 em termos trimestrais. Este valor equivale a um juro real de
12.91 % ao ano aproximadamente. No caso americano, foi utilizado um fator de desconto
δ = 0.92 em termos anuais, correspondendo a um juro real de 8.70 % ao ano
aproximadamente, durante o período do século XX.

5.1-) Descrição dos Dados

O exercício empírico utilizou dados mensais de julho de 2002 até junho de 2009,
totalizando 84 observações. O índice de preços utilizado foi o Índice Nacional de Preços ao
Consumidor Amplo (IPCA) medido pelo Instituto Brasileiro de Geografia e Estatística
(IBGE). Todos os dados foram obtidos do terminal Bloomberg. As variáveis de estado foram
definidas da seguinte forma:

16
- Ativos

1-) Caixa: utilizou-se o retorno real logarítmico ex-post calculado como sendo igual à
diferença entre a taxa dada pelo Swap Pré X CDI de 1 mês e a inflação mensal em log.
2-) Ação: utilizou-se o excesso de retorno logarítmico calculado como sendo igual a
diferença entre o retorno logarítmico mensal do índice IBX e o retorno logarítmico do Swap
Pré X CDI de 1 mês. O IBX é um índice que compreende as 100 ações mais negociadas na
BOVESPA, tanto em relação ao número de negócios quanto ao volume financeiro negociado.
O peso que cada ação exerce sobre a composição do índice é ponderado por seu respectivo
valor de mercado. As ações selecionadas para compor este índice apresentam ampla
representatividade na economia e, portanto, representam uma boa diversificação de risco.
3-) Renda Fixa: utilizou-se o excesso de retorno logarítmico calculado como sendo
igual à diferença entre o retorno logarítmico mensal do Swap Pré x CDI de 5 anos (o ativo em
questão consiste num título hipotético com prazo constante de 5 anos) e o retorno logarítmico
do Swap Pré X CDI de 1 mês. Para o cálculo do retorno mensal logarítmico do Swap Pré x
CDI de 5 anos, foi utilizada a seguinte fórmula:

rn ,t +1 = y nt − (n − 1)( y n −1,t +1 − y nt ) (27)

onde rn ,t +1 ≡ ln (1 + Rn ,t +1 ) é o retorno entre o período t e t + 1 de comprar um título sem

cupom com taxa igual a y n,t ≡ ln (1 + Ynt ) , maturidade n , em t e vendê-lo em t + 1 . Além

disso, foi feita a aproximação y n −1,t +1 = y n ,t +1 .

- Variáveis Preditoras

1-) Taxa de Juros Nominal de Curto Prazo (Juro Curto): utilizou-se a taxa de juros
logarítmica do Swap Pré X CDI de 3 meses como uma referência da taxa de juros nominal de
curto prazo.
2-) Razão Preço sobre Lucro (P/E): indicador preço sobre lucro em log do índice IBX.
Consiste num múltiplo que mede o preço das ações das empresas que compõem o índice IBX
com relação aos lucros anuais por ação dessas empresas nos últimos 12 meses. Quanto maior
o valor do P/E, mais os investidores estão pagando por uma unidade de lucro dessas empresas.

17
Ou seja, este múltiplo nos diz como está a demanda dos investidores pelas ações dessas
empresas.
3 -) BRL: utlizou-se o retorno logarítmico da taxa de câmbio entre o real e o dólar
americano.

5.2-) Estimação do VAR

A tabela 1 nos mostra um resumo do primeiro e segundo momentos das variáveis

utilizadas. As variáveis caixa, ação, renda fixa e BRL estão em termos mensais e em pontos
percentuais. A variável juro curto está em termos anuais com capitalização contínua e em
pontos percentuais.

Tabela 1 – Estatísticas da Amostra

Amostra Mensal (Jul 2002 - Junho 2009) Média Desvio Padrão Índice Sharpe Min Max

Caixa 0.6731 0.4563 - -1.1681 1.9939

Ação 0.7634 7.4519 0.1024 -30.0319 15.4735
Renda Fixa 1.2212 8.3699 0.1459 -38.4829 30.2933

Juro Curto 14.9523 3.9267 - 8.4709 24.2807

P/E 2.4004 0.2011 - 1.8749 2.8320
BRL 0.4364 5.7913 - -21.8342 14.1381

Nota: i ) O índice Sharpe é um número que expressa o retorno por nível de risco de um ativo. Ele é definido
como sendo igual à razão entre o excesso de retorno do ativo em relação à taxa livre de risco e o desvio
padrão do ativo. ii ) Os ativos “Ação” e “Renda Fixa” estão definidos como excessos de retorno em
relação à taxa livre de risco.

De acordo com os dados da tabela 1, o retorno do caixa é aquele que apresentou um

menor rendimento médio real logarítmico (0.67% ao mês), com pouca variabilidade. As ações
tiveram um excesso de retorno médio logarítmico de 0.76% ao mês, comparado com um
excesso de retorno médio logarítmico de 1,22% ao mês da renda fixa. Além disso, embora a
volatilidade mensal da renda fixa seja maior que a de ações (8.37% contra 7,45%), o índice
Sharpe da renda fixa é maior que o de ações (0.15 contra 0.10).

18
 O valor médio da taxa de juros nominal de curto prazo foi 14,95 % ao ano. O BRL
apresentou valorização média de 0.44 % ao mês contra o dólar americano no período,
enquanto que o múltiplo P/E apresentou valor médio de 2.4 em termos logarítmicos.
Pode-se observar uma alta dispersão das variáveis através dos valores mínimos e
máximos na tabela 1. Isto decorre do fato da amostra contemplar o período de 2002, ano
marcado por intensa volatilidade nos mercados locais devido à disputa presidencial no país.
Além disso, a amostra contempla outro período turbulento nos mercados financeiros mundiais
com a crise do subprime americano, desencadeada mais notavelmente com a quebra do banco
Lehman Brothers em setembro de 2008.
A figura 1 nos mostra a evolução das variáveis “ativos”, ao longo do tempo, incluídas
no modelo VAR.

Caixa Excesso Retorno de Ação

Excesso de Retorno de Renda Fixa

30.00%

20.00%

10.00%

0.00%

-10.00%

-20.00%

-30.00%

-40.00%
Nov-02

Nov-03

Nov-04

Nov-05

Nov-06

Nov-07

Nov-08
Mar-03

Mar-04

Mar-05

Mar-06

Mar-07

Mar-08

Mar-09
Jul-02

Jul-03

Jul-04

Jul-05

Jul-06

Jul-07

Jul-08

Figura 1: Evolução dos ativos ao longo do tempo

Já a figura 2 mostra o histórico da taxa de juros nominal de curto prazo.

19
 Juro Curto
27.50%
25.00%
22.50%
20.00%
17.50%
15.00%
12.50%
10.00%
7.50%
5.00%
Nov-02

Nov-03

Nov-04

Nov-05

Nov-06

Nov-07

Nov-08
Mar-03

Mar-04

Mar-05

Mar-06

Mar-07

Mar-08

Mar-09
Jul-02

Jul-03

Jul-04

Jul-05

Jul-06

Jul-07

Jul-08
Figura 2: Evolução da taxa de juros nominal de curto prazo

A figura 3 nos mostra a evolução do múltiplo P/E em termos logarítmicos.

P/E (LOG)

3.00

2.80

2.60

2.40

2.20

2.00

1.80
Nov-02

Nov-03

Nov-04

Nov-05

Nov-06

Nov-07

Nov-08
Mar-03

Mar-04

Mar-05

Mar-06

Mar-07

Mar-08

Mar-09
Jul-02

Jul-03

Jul-04

Jul-05

Jul-06

Jul-07

Jul-08

Figura 3: Evolução do P/E ao longo do tempo

Já a figura 4 nos mostra o gráfico dos retornos logarítmicos mensais do BRL.

20
 BRL
20.00%
15.00%
10.00%
5.00%
0.00%
-5.00%
-10.00%
-15.00%
-20.00%
-25.00%
Nov-02

Nov-03

Nov-04

Nov-05

Nov-06

Nov-07

Nov-08
Mar-03

Mar-04

Mar-05

Mar-06

Mar-07

Mar-08

Mar-09
Jul-02

Jul-03

Jul-04

Jul-05

Jul-06

Jul-07

Jul-08
Figura 4: Evolução dos retornos logarítmicos mensais do BRL

Antes de efetuarmos a estimação do modelo VAR, é necessário garantir a

estacionariedade das séries do modelo. A tabela 2 nos mostra a estatística t dos testes de raiz
unitária Augmented Dickey-Fuller (ADF), Phillips-Perron (PP) e Kwiatkowski-Phillips-
Schmidt-Shin (KPSS) para todas as séries.

Tabela 2: Testes de Raiz Unitária

Nota: i ) Testes realizados com a inclusão dos termos intercepto e tendência. ii ) *,**,*** significam rejeição da
hipótese Η 0 a 1 %, 5 % e 10 % de significância, respectivamente.

Os resultados da tabela 2 indicam que à 5% de significância, todas as variáveis, com

exceção do P/E, rejeitam a hipótese Η 0 de raiz unitária dos testes ADF e PP. À 10% de

significância, a variável P/E rejeita a hipótese Η 0 de raiz unitária dos testes ADF e PP. Com

21
relação ao teste KPSS, cuja hipótese Η 0 é de estacionariedade, apenas as variáveis Caixa e

P/E rejeitaram a hipótese Η 0 a 10% de significância. Logo, pode-se garantir a

estacionariedade das séries utilizadas no modelo.
A tabela 3 nos mostra os resultados do VAR utilizando os dados mensais de julho de
2002 até junho de 2009 para o modelo descrito.
Os coeficientes estimados encontram-se juntamente com suas estatísticas t em
colchetes. Além disso, também é apresentado o valor do R 2 , juntamente com o p-value do
teste F de significância conjunta, para cada equação estimada do VAR. Na parte inferior da
tabela 3, encontra-se a matriz de correlação dos resíduos do VAR. Os números acima da
diagonal principal são as correlações enquanto que os números da diagonal principal são os
desvios-padrões multiplicados por 100.

Tabela 3: VAR – Resultados da Estimação

Nota: i ) As raízes invertidas do modelo situam-se dentro do círculo unitário. Logo, o modelo VAR é
estacionário. ii ) Os critérios de informação de Schwarz (SC) e Hannan-Quinn (HQ) indicam a defasagem
1 como sendo a ordem adequada do modelo VAR. iii ) O teste LM de correlação serial indicou a rejeição
da hipótese Η 0 , de ausência de correlação serial, na segunda defasagem à 5% de significância.

Entretanto, optou-se por utilizar o VAR(1) dado os resultados dos critérios de informação e a metodologia
de solução dos portfólios ótimos desenvolvida por Campbell et al. (2003), onde eles assumem que o
modelo VAR(1) descreve a dinâmica das variáveis de estado. Dessa forma, tem-se um modelo aplicado ao

22
 caso brasileiro comparável àquele aplicado ao caso americano. Ademais, a utilização de um modelo auto-
regressivo com mais defasagens dificultaria a análise econômica dos resultados; isto é, o impacto que
cada variável tem nela mesma e nas outras variáveis de estado.

A primeira linha da tabela 3 corresponde à equação da variável caixa. As variáveis

caixa defasado e ação apresentam estatística t acima de 2,0 (em módulo) na previsão da
variável caixa um período à frente.
A segunda linha da tabela 3 corresponde à equação do excesso de retorno de ações.
Como em Campbell et al. (2003), prever o excesso de retorno de ações é difícil: esta equação
foi aquela que apresentou o menor valor para o R 2 dentre todas as equações. Além disso,
nenhuma variável apresentou estatística t acima de 2,0 (em módulo) na equação.
A terceira linha da tabela 3 é a equação para o excesso de retorno de renda fixa. O juro
curto com um coeficiente positivo e a variável BRL com um coeficiente negativo foram
aquelas que apresentaram uma estatística t maior e igual que 2,0 (em módulo) na previsão do
excesso de retornos futuros da renda fixa.
As outras três linhas da tabela 3 reportam os resultados obtidos para as variáveis
preditoras. As variáveis juro curto e P/E possuem uma dependência forte com seus valores
defasados um período, haja vista o alto valor da estatística t dos coeficientes dessas variáveis
defasadas.
A tabela 3 também apresenta a matriz de correlação dos resíduos do modelo VAR.
Pode-se inferir que o excesso de retorno inesperado de ações possui uma correlação positiva
alta com choques no múltiplo P/E, conforme esperado, e uma correlação positiva com
choques no BRL, ou seja, uma desvalorização no BRL leva a um excesso de retorno
inesperado negativo em ações e vice-versa. Da mesma forma, o excesso de retorno inesperado
da renda fixa possui uma correlação negativa com choques na taxa de juros de curto prazo e
uma correlação positiva com choques no BRL, ou seja, uma desvalorização no BRL leva a um
excesso de retorno inesperado negativo em renda fixa e vice-versa. Vale ressaltar ainda a
correlação positiva do excesso de retorno inesperado de ações com renda fixa.
Observa-se que esses resultados estão em linha com àqueles obtidos por Campbell et
al. (2003). No caso americano, o excesso de retorno inesperado de ações possui uma
correlação negativa alta com choques no dividend yield. O excesso de retorno inesperado da
renda fixa possui uma correlação negativa com choques na taxa de juros de curto prazo. Vale
mencionar ainda a correlação positiva existente entre o excesso de retorno inesperado de
ações e renda fixa.

23
5.3-) Alocação Estratégica de Ativos

Conforme mostrado anteriormente, a alocação ótima do portfólio é linear no vetor das

variáveis de estado. Dessa forma, a alocação ótima do portfólio muda com o tempo. Os
resultados obtidos foram calculados através de uma alocação média para cada ativo, tanto
para a demanda total quanto para a demanda míope e por proteção, para diferentes
especificações do vetor de variáveis de estado. O procedimento numérico para o cálculo das
alocações ótimas é descrito com detalhes no apêndice de Campbell et al. (2003)
Foram calculados cinco modelos VAR, de forma que o número de variáveis aumenta
seqüencialmente. Os resultados obtidos foram então utilizados para o cálculo das alocações
médias para ψ = 1 , δ = 0.9701 em termos trimestrais e γ = 1, 2, 5 e 20. O procedimento
numérico para o cálculo das alocações ótimas foi simulado utilizando o software MATLAB3.
A tabela 4 apresenta os resultados. O primeiro modelo VAR (Constante) considera
apenas o termo constante em cada regressão, correspondendo ao caso onde o prêmio pelo
risco é constante, isto é, as oportunidades de investimento não variam com o tempo. O
segundo modelo (AR) inclui além do termo intercepto, as variáveis definidas como “ativos”.
O terceiro modelo (Juro Curto) engloba as variáveis do segundo modelo mais a variável juro
curto. Adicionando seqüencialmente as variáveis P/E e BRL, foram estimados cinco modelos
VAR.

3
O algoritmo em MATLAB pode ser fornecido através de contato com o autor.

24
Tabela 4: Demanda Média dos Ativos

Nota: i ) As raízes invertidas situam-se dentro do círculo unitário para todos os modelos VAR. Logo, os
modelos VAR são estacionários. ii ) Os critérios de informação de Schwarz (SC) e Hannan-Quinn (HQ)
indicam a defasagem 1 como sendo a ordem adequada para todos os modelos VAR. iii ) O teste LM de
correlação serial indicou a rejeição da hipótese Η 0 , de ausência de correlação serial, na segunda

defasagem à 5% de significância para todo os modelos VAR. Entretanto, optou-se por utilizar o VAR(1)
dado os resultados dos critérios de informação e a metodologia de solução dos portfólios ótimos

25
 desenvolvida por Campbell et al. (2003), onde eles assumem que o modelo VAR(1) descreve a dinâmica
das variáveis de estado. Dessa forma, tem-se um modelo aplicado ao caso brasileiro comparável àquele
aplicado ao caso americano. Ademais, a utilização de um modelo auto-regressivo com mais defasagens
dificultaria a análise econômica dos resultados; isto é, o impacto que cada variável tem nela mesma e nas
outras variáveis de estado.

Os valores obtidos em cada coluna são alocações médias dos ativos em pontos
percentuais quando o modelo VAR engloba a variável de estado de sua coluna bem como
todas as variáveis à sua esquerda. No primeiro caso, coluna “Constante”, tem-se o modelo
VAR apenas com o termo intercepto em cada regressão. No último caso, coluna BRL, tem-se
o modelo VAR mais abrangente, com todas as variáveis de estado inclusas.
A tabela 4 nos permite analisar dois efeitos nas demandas dos ativos. Ao comparar as
alocações dentro de uma mesma coluna, pode-se estudar como as demandas médias variam
com o aumento da aversão ao risco. Ao comparar as alocações numa mesma linha, podem-se
analisar os efeitos incrementais que a adição de uma variável no modelo VAR possui nas
demandas médias.
Primeiramente, podem-se analisar os efeitos nas demandas médias dentro de uma
mesma coluna. A fim de simplificar a discussão, será considerado apenas o caso do modelo
VAR com todas as variáveis inclusas (coluna BRL).
O primeiro conjunto de dados reporta os resultados para o investidor com aversão ao
risco γ = 1 . Nesta situação, temos que a função utilidade de Epstein-Zin (1989) assume um
caso especial, com γ = 1 e ψ = 1 . Ou seja, o investidor possui uma função utilidade do tipo
logarítmica. Logo, sua alocação é puramente míope. A equação (21) avaliada com γ = 1 nos
diz que a alocação depende apenas do inverso da matriz de variância-covariância dos excessos
de retornos inesperados e dos retornos esperados dos excessos de retornos de ações e renda
fixa. Dessa forma, o investidor possui uma posição ativa tanto em ações como em renda fixa,
sendo o percentual maior de sua alocação em renda fixa (221% contra 130%), o ativo com
maior índice de Sharpe. Além disso, o investidor possui uma posição passiva igual a -251%
no caixa.
O segundo conjunto de dados reporta os resultados para o investidor com aversão ao
risco γ = 2 . Neste caso, temos que o investidor possui uma alocação ativa em renda fixa
(682%) e passiva em ações (-122%). Além disso, o investidor possui uma posição passiva
igual a -460% no caixa.

26
 O terceiro conjunto de dados reporta os resultados para o investidor com aversão ao
risco γ = 5 . Neste caso, temos que o investidor possui uma alocação ativa em renda fixa
(460%) e passiva em ações (-102%). Além disso, o investidor possui uma posição passiva
igual a -258% no caixa.
O quarto conjunto de dados reporta os resultados para o investidor com aversão ao
risco γ = 20 . Neste caso, temos que o investidor possui uma alocação ativa em renda fixa
(150%) e passiva em ações (-32%). Além disso, o investidor possui uma posição passiva igual
a -18% no caixa.
Investidores com aversão ao risco γ > 1 possuem uma demanda por proteção positiva
por renda fixa. Podem-se observar na tabela 4, coluna BRL, que os valores crescem, atingem
um pico e depois decaem com a aversão ao risco. Ademais, a demanda total é sempre maior
que a demanda míope para este caso. A figura 5 ilustra este fato para o modelo VAR original,
coluna BRL. A equação (21) nos diz que a demanda míope é uma função linear do parâmetro
de tolerância ao risco ( 1 / γ ). Já a demanda total é a soma das demandas míopes com a
demanda por proteção. Logo, a demanda por proteção apresenta um padrão gráfico
semelhante à demanda total.

Alocação em Renda Fixa

Demanda Total Demanda Míope

800.00

700.00

600.00

500.00

400.00

300.00

200.00

100.00

0.00
1.00 0.90 0.80 0.70 0.60 0.50 0.40 0.30 0.20 0.10 0.00

Tolerância ao Risco

Figura 5: Alocação ótima em renda fixa

Dado que os retornos dos ativos variam com o tempo, os investidores procuram se
proteger de variações nos retornos futuros de seus investimentos através da seleção de ativos
que os protejam de cenários adversos, isto é, quando as oportunidades de investimento se

27
deterioram. O modelo VAR implica que os retornos esperados da renda fixa aumentam
quando o juro curto aumenta e quando há uma desvalorização do BRL. A tabela 3 mostra que,
dada a correlação negativa existente entre a renda fixa e o juro curto, retornos negativos em
renda fixa são correlacionados com uma melhora nas oportunidades de investimento futuras.
Da mesma forma, dada a correlação positiva entre renda fixa e o BRL, retornos negativos em
renda fixa são correlacionados com uma melhora nas oportunidades de investimento futuras.
Logo, os investidores conservadores procuram se proteger de choques adversos nas
oportunidades de investimento futuros da renda fixa comprando renda fixa. Analisando a
figura 5, percebe-se que esta demanda por proteção atinge um valor máximo para valores
intermediários de aversão ao risco. Isto se deve ao fato de que investidores com aversão ao
risco γ = 1 não possuem demanda por proteção intertemporal, ao passo que investidores
extremamente conservadores não possuem interesse nas oportunidades de investimento
arriscadas disponíveis na renda fixa.
Já a demanda por proteção por ações possui um padrão diferente daquela da renda
fixa. A demanda por proteção deste ativo possui um padrão em forma de U, conforme se pode
inferir da figura 6. Esta demanda por proteção é negativa para todos os valores de aversão ao
risco maior que um, sendo que ela atinge o mínimo para valores intermediários de aversão ao
risco, quase que coincidindo com o valor máximo da demanda por proteção de renda fixa.
Este padrão pode ser explicado pelo fato de haver uma correlação positiva entre os excessos
de retornos inesperados de ações e renda fixa. Logo, os investidores podem tomar posições
contrárias nos dois ativos (ativo em renda fixa e passivo em ações) de forma a minimizar o
risco dos retornos futuros de seus portfólios.
Os gráficos obtidos possuem um padrão semelhante àqueles obtidos por Campbell et
al. (2003). Contudo, percebe-se que enquanto a demanda por proteção é negativa para ações
no caso brasileiro, esta demanda é positiva para o caso americano. A mesma inversão ocorre
quando analisamos a demanda por proteção em renda fixa. Logo, o modelo implica que a
alocação estratégica de longo prazo para um investidor brasileiro é oposta à alocação
estratégica de longo prazo para um investidor americano.

28
 Alocação em Ação

Demanda Total Demanda Míope

150.00

100.00

50.00

0.00

-50.00

-100.00

-150.00
1.00 0.90 0.80 0.70 0.60 0.50 0.40 0.30 0.20 0.10 0.00

Tolerância ao Risco

Figura 6: Alocação ótima em ações

A análise da relevância e do efeito incremental que a adição de uma variável no

modelo VAR possui nas demandas médias pode ser feita comparando as alocações médias
dentro de uma mesma linha. A tabela 4 mostra que há variações relevantes nas demandas por
proteção quando novas variáveis são incluídas no modelo VAR.
A inclusão da variável juro curto e do P/E provoca um aumento considerável nas
demandas por proteção da renda fixa e uma diminuição nas demandas por proteção em ações,
principalmente para valores intermediários de aversão ao risco. Já a variável BRL parece não
afetar significativamente as demandas por proteção. Uma justificativa para isso seria o fato do
fator de risco englobado no variável BRL já estar presente nas outras variáveis.
A tabela 3 fornece a matriz de correlação de resíduos do modelo VAR completo. Essas
correlações explicam o aumento nas demandas por proteção. A presença da variável juro
curto aumenta a demanda por proteção em renda fixa devido à correlação negativa existente
entre os choques no excesso de retorno inesperados de renda fixa e juro curto. Esta correlação
é maior em intensidade para a renda fixa do que para ações. Dada a correlação positiva
existente entre renda fixa e ações, e o padrão das figuras 5 e 6, a demanda por proteção
positiva em renda fixa acaba resultando numa demanda por proteção negativa em ações
Já o aumento da demanda por proteção em renda fixa devido ao P/E pode ser
explicado pela demanda por proteção de ações. No caso de ações, a alta correlação positiva
existente entre o excesso de retorno inesperado de ações e P/E faz com que as demandas por
proteção em ações fiquem mais negativas. Dada a correlação positiva existente entre renda

29
fixa e ações, e o padrão das figuras 5 e 6, a demanda por proteção em renda fixa torna-se
positiva. Logo, o investidor tenderia a aumentar a proporção da sua alocação nos ativos, isto
é, ficar mais ativo em renda fixa e mais passivo em ações.
Os resultados obtidos para o caso brasileiro diferem daqueles obtidos por Campbell et
al. (2003) para o caso americano. No Brasil, de acordo com o modelo proposto, a relevância
da renda fixa é maior que ações na constituição do portfólio de um investidor, devido, entre
outros fatores, à incorporação das variações nas oportunidades de investimentos dos ativos, ao
alto retorno da renda fixa dado pelas altas taxas de juros vigentes no país e ao baixo retorno
realizado das ações no período analisado. Além disso, percebe-se que o “juro curto” e “P/E”
(quando analisada conjuntamente com o ativo “ação”) são variáveis importantes na
determinação da alocação média em renda fixa para o caso brasileiro. Já Campbell et al.
(2003) mostrou que as ações são parte importante do portfólio de um investidor americano e
que a variável dividend yield (neste trabalho, substituída pelo múltiplo P/E) é um variável
relevante na determinação da alocação média em ações naquele país por aumentar
significativamente a demanda por proteção intertemporal por esse ativo.
Vale ressaltar o fato da impossibilidade da comparação dos casos brasileiro e
americano utilizando o modelo com a variável de estado “inclinação da estrutura a termo da
taxa de juros” como uma variável preditora. Houve problemas de convergência do método
numérico na resolução da alocação ótima do portfólio. Da mesma forma, a análise da
alocação estratégica de longo prazo com títulos atrelados a inflação foi omitida devido à
iliquidez desses títulos no período analisado e séries históricas curtas.
Além disso, os resultados obtidos neste trabalho estão em linha com aqueles
encontrados por Maciel Júnior (2004). Embora este tenha utilizado diferentes especificações
para as variáveis de estado, a alocação em renda fixa (ou “TLP” – título de longo prazo –
como em Maciel Júnior, 2004) foi também predominante sobre ações.
Outros trabalhos também demonstraram que, num período relativamente longo de
tempo, a alocação em renda fixa é preferível a ações no Brasil. Como exemplo, podemos citar
Brito et al. (2009) que estimou o retorno do investimento corporativo médio anual em
empresas listadas na Bovespa no período de 1994 a 2008 e verificou que este retorno ficou
abaixo da taxa média entre o SELIC (Taxa do Serviço Especial de Liquidação e Custódia) e
TJLP (Taxa de Juros de Longo Prazo) para o mesmo período.
Em suma, a análise obtida ficou dentro do esperado. No Brasil, as altas taxas de juros
acabam influenciando as alocações dos portfólios dos investidores. Contudo, esta situação

30
pode estar mudando. Analisando a figura 2, percebe-se que as taxas de juros no país estão em
declínio ao longo do tempo. O mesmo ocorre com os juros de longo prazo no país. O período
analisado (2002 a 2009) foi marcado por fortes ajustes na economia brasileira que fizeram
com que essas taxas, tanto nominais quanto reais, sofressem correções importantes. Além da
diminuição do prêmio pelo risco país, podemos citar o maior controle no combate à inflação
pela política monetária conduzida pelo banco central num regime de metas de inflação,
reformas microeconômicas e o desenvolvimento e aprimoramento do mercado de capitais
local.
Logo, pode-se inferir que a alocação estratégica de longo prazo terá cada vez mais
importância para os investidores daqui pra frente, dado que a alocação em renda fixa parece
estar perdendo boa parte dos altos rendimentos oferecidos no passado recente. Ou seja, à
medida que o país continue se desenvolvendo, poder-se-ia inferir que a alocação estratégica
de longo prazo migraria no sentido dos resultados obtidos por Campbell et al. (2003) para o
caso americano, com a alocação em ações tornando-se cada vez mais predominante no
portfólio dos investidores brasileiros. Contudo, trabalhos futuros deveriam corroborar tal
hipótese.

5.4-) Análise da Carteira Consolidada dos Fundos de Pensão

Este trabalho contribui ainda para a discussão e análise mais detalhada da composição
da carteira consolidada dos fundos de pensão brasileiros. Analisando a figura 7, percebe-se
que, considerando as restrições de limites máximos por classe de ativos impostas por
resoluções do Conselho Monetário Nacional4, a carteira consolidada dos fundos de pensão
parece apresentar uma alocação míope de seu portfólio. A figura 7 apresenta apenas as
alocações em ações e renda fixa, dado que as alocações em “imóveis” e “empréstimos e
financiamentos” são menos relevantes e não estão incluídas no modelo proposto por este
trabalho.

4
Leal et al. (2002) mostra que, segundo a resolução 2829/01, os limites máximos por classes de ativos são: i)
Renda Fixa = 100%. ii ) Renda Variável = 60% (para planos de contribuição definida). Para os demais planos, o
limite é de 45%. iii ) Imóveis = 16%. iv ) Empréstimos e Financiamentos = 10%. Vale lembrar que as regras
desta resolução se aplicam a partir do final de 2001.

31
 Re nda Fixa Re nda Variá ve l

100.00%
90.00%
80.00%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
2002 2003 2004 2005 2006 2007 2008
Fonte : ABRAPP

Figura 7: Carteira consolidada por tipo de aplicação

A alocação em renda fixa dos fundos de pensão apresentou um valor médio de 60%
enquanto que a alocação média em ações foi de 30%, com uma razão média da alocação em
ação por renda fixa igual a 50%. De acordo com os resultados do modelo proposto (Tabela 4
– coluna BRL), que considera os choques nas oportunidades de investimento, a alocação dos
fundos de pensão, para um perfil de investidor avesso ao risco, deveria ter sido inteira ou
100% em renda fixa. Dado que há limites máximos por classes de ativos, a alavancagem em
renda fixa não seria possível via venda a descoberto de ações, por exemplo. Contudo, de
acordo com a figura 7, percebe-se que a alocação em ações e renda fixa foi mantida quase que
constante ao longo dos anos. Uma forma de explicar tal fato seria a adoção de métodos do
tipo “rules of thumb” (como alocações 60/40 – 60% em renda fixa e 40% em ações – por
exemplo) ou outro tipo de critério de alocação por parte dos gestores desses fundos.
A tabela 5 apresenta as demandas míopes obtidas com o modelo proposto. Como o
modelo não possui restrições de limites máximos por classe de ativos, há valores para as
demandas míopes maiores que 100 % em alguns casos. Calculando a razão média da alocação
míope em ação por renda fixa, encontramos um valor igual a 61%, considerando todos os
modelos VAR e os quatro valores de aversão ao risco. Observa-se ainda que as demandas
míopes foram sempre positivas, tanto para ação quanto para renda fixa, sendo a demanda
míope por renda fixa sempre maior que a demanda míope por ação pois essa apresentou um
maior índice Sharpe no período em questão. Logo, comparando os valores da tabela 5 e a
alocação dos fundos, podemos inferir que a alocação dos ativos nos fundos de pensão
brasileiros pode estar sendo feita de uma maneira “míope”, isto é, utilizando uma estratégia
média-variância.

32
Tabela 5: Demandas Míopes

Nota: Os valores obtidos em cada coluna são alocações médias dos ativos em pontos percentuais.

De fato, dado que as restrições de limites por classe de ativos não estão incorporadas
no modelo desenvolvido por Campbell et al. (2003), a comparação das alocações
propriamente dita acaba ficando comprometida. Entretanto, os resultados indicam que a
semelhança entre os padrões das demandas míopes do modelo com as alocações dos fundos
pode não ser mera coincidência.
Tal afirmação é preocupante dado que Merton (1969) mostrou que a solução de um
problema de alocação de múltiplos períodos pode ser bem diferente da solução de um
problema de alocação estático. Tal afirmação foi confirmada com os resultados obtidos do
modelo proposto, onde as demandas totais e míopes diferem consideravelmente. Ou seja, os
choques nas oportunidades de investimento parecem não estar sendo incorporados nas
decisões de alocação dos gestores desses fundos de pensão.

33
6-) Conclusão

O objetivo deste trabalho foi analisar a alocação estratégica de longo prazo em ativos
brasileiros utilizando o modelo proposto por Campbell et al. (2003).
Os resultados indicaram que a alocação estratégica de longo prazo para investidores
brasileiros em renda fixa é maior que a alocação em ações. Esses resultados são exatamente
opostos aos encontrados por Campbell et al. (2003) para o caso americano, onde a
importância de ações é maior que renda fixa no portfólio daquele país. Além disso, percebe-se
que o “juro curto” e “P/E” (quando analisada conjuntamente com o ativo “ação”) são
variáveis importantes na determinação da alocação média em renda fixa para o caso
brasileiro, pois elas aumentam consideravelmente a demanda por proteção intertemporal por
esse ativo. Já Campbell et al. (2003) mostrou que as ações são parte importante do portfólio
de um investidor americano e que a variável dividend yield (neste trabalho, substituída pelo
múltiplo P/E) é um variável relevante na determinação da alocação média em ações naquele
país, por aumentar significativamente a demanda por proteção intertemporal por esse ativo.
A análise da composição da carteira consolidada dos fundos de pensão revelou que a
alocação dos ativos nos fundos de pensão brasileiros pode estar sendo feita de uma maneira
“míope”, isto é, utilizando uma estratégia média-variância. Os resultados indicaram a
semelhança entre os padrões das demandas míopes do modelo com as alocações dos fundos.
Ou seja, os choques nas oportunidades de investimento parecem não estar sendo considerados
nas decisões de alocação dos gestores desses fundos de pensão.
Entretanto, as restrições de limites por classe de ativos sobre a composição das
carteiras dos fundos de pensão não estão sendo incorporadas neste modelo. Como uma
recomendação para trabalhos futuros, poder-se-ia mensurar os “custos” impostos por esses
limites, em termos de perda de utilidade para o investidor, dada a alocação estratégica de
longo prazo obtida por este trabalho por exemplo.
Outras recomendações seriam:
- Incorporação de restrições de limites por classes de ativos e vendas a descoberto ao
modelo proposto por Campbell et al. (2003).
- Inclusão da classe de investimentos alternativos aos ativos elegíveis para
investimento (índices de fundos de investimento, imóveis, entre outros). Entretanto, as séries
históricas para tais ativos no Brasil são ainda relativamente curtas.

34
 - Análise da alocação estratégica de longo prazo considerando não só o ativo, como
também o passivo de um investidor, segundo a abordagem sugerida por Hoevenaars et al.
(2008). Desta forma, pode-se testar se os benefícios da alocação de longo prazo são maiores
quando se considera também o passivo do investidor para o caso brasileiro. Tais resultados
poderiam ser comparados com aqueles obtidos por Gomides (2004).

35
REFERÊNCIAS

ARAÚJO JÚNIOR, E. A. Avaliando três especificações para o fator de desconto estocástico

através da fronteira de volatilidade de Hansen-Jagannathan: um estudo empírico para o Brasil.
Pesquisa e Planejamento Econômico (Rio de Janeiro), Rio de Janeiro, v. 35, n. 1, p. 49-73,
2005.

BRENNAN, M. J; SCHWARTZ, E. S; LAGNADO, R. Strategic asset allocation. Journal of

Economics Dynamics and Control 21, p. 1377-1403, 1997.

BRITO, R. D; MONTEIRO, R; PIMENTEL, G. G. O custo do capital e o retorno do

investimento corporativo no Brasil entre 1994 e 2008. Pesquisa e Planejamento Econômico
(Rio de Janeiro), Rio de Janeiro, v. 39, n. 2, p. 233-261, 2009.

CAMPBELL, J. Y. Stock returns and the term structure. Journal of Financial Economics 18,
p. 373-399, 1987.

CAMPBELL, J. Y. Intertemporal asset pricing without consumption data. American

Economic review 83, p. 487-512, 1993.

CAMPBELL, J. Y.; SHILLER, R. J. The dividend-price-ratio and expectations of future

dividends and discount factors. Review of Financial Studies 1, p. 195-228, 1988.

CAMPBELL, J. Y.; SHILLER, R. J. Yield spreads and interest rates: a bird’s eye view.
Review of Economic Studies 58, p. 495-514, 1991.

CAMPBELL, J. Y.; VICEIRA, L. M. Consumption and portfolio decisions when expected

returns are time varying. Quarterly Journal of Economics 114, p. 433-495, 1999.

CAMPBELL, J. Y.; VICEIRA, L. M. Strategic asset allocation: Portfolio choice for long-term
investors. Oxford University Press, 2002. 274p.

36
CAMPBELL, J. Y.; CHAN, Y. L.; VICEIRA, L. M. A multivariate model for strategic asset
allocation. Journal of Financial Economics 67, p. 41-80, 2003.

EPSTEIN, Larry G.; ZIN, Stanley E. Substitution, risk aversion and the temporal behavior of
consumption and asset returns: a theoretical framework. Econometrica, v. 57, n. 4, p. 937-969,
1989.

FAMA, E.; SCHWERT, G. W. Asset returns and inflation. Journal of Financial Economics 5,
p. 115-146, 1977.

GIOVANNINI, A.; WEIL, P. Risk aversion and intertemporal substitution in the capital asset
pricing model. NBER Working Paper 2824, National Bureau of Economic Research,
Cambridge, Massachusetts, 1989.

GOMIDES, A. T. R; Avaliação de riscos em estratégias de investimento de longo prazo:

aplicação prática em um fundo de pensão. Rio de Janeiro, 2004. Dissertação (Mestrado em
Economia) – Fundação Getúlio Vargas – Rio de Janeiro, 2004.

HOEVENAARS, R. P. M. M. et at. Strategic asset allocation with liabilities: beyond stocks

and bonds. Journal of Economic Dynamics & Control 32, p. 2939-2970, 2008.

JOLIG, R. Modelo de otimização dinâmica para a gestão de longo prazo dos recursos de um
plano de previdência complementar. Trabalho de Formatura – Escola Politécnica – USP. São
Paulo, 2003.

LEAL, R. P. C; SILVA, A. L. C; RIBEIRO, T. S. Alocação ótima em fundos de pensão

brasileiros, UFRJ/COPPEAD, 2002.

LYNCH, A. W. Portfolio choice and equity characteristics: characterizing the hedging

demands induced by return predictability. Journal of Financial Economics 62, p. 67-130,
2001.

37
MACIEL JÚNIOR, J. G; Alocação de longo prazo: um estudo empírico com ativos
brasileiros. Rio de Janeiro, 2004. Dissertação (Mestrado em Economia) – Fundação Getúlio
Vargas – Rio de Janeiro, 2004.

MARKOWITZ, H, M. Portfolio selection. Journal of Finance, v.7 n.1, 1952.

MERTON, R. C. Lifetime portfolio selection under uncertainty: the continuous time case.
Review of Economics and Statistics 51, p. 247-257, 1969.

MUIRHEAD, R. J. Aspects of multivariate statistical theory. Wiley-Interscience, 2005. 673 p.

SAMUELSON, P. A. Lifetime portfolio selection by dynamic stochastic programming.

Review of Economics and Statistics 51, p. 239-246, 1969.

38