INVESTIMENTOS Modelos de factores Um investidor, para usar a teoria da carteira, necessita de possuir estimativas das rentabilidades esperadas, assim como da matriz de variâncias e covariâncias. Com um número elevado de activos o número de parâmetros a estimar pode ser incrivelmente elevado. Por exemplo, com 150 activos há 11175 coeficientes de correlação a estimar. Este facto levou a que fossem estudadas maneiras inteligentes de conseguir estimar esses parâmetros. Os modelos de factores simplificam imenso a tarefa de estimar os inputs necessários para a determinação do conjunto de carteiras eficientes. Os modelos de factores são ainda um elemento essencial no modelo de arbitragem que estudaremos mais à frente. João Rosa Lopes 1 INVESTIMENTOS O modelo mais simples admite que as covariâncias entre as rentabilidades dos vários activos são explicadas por haver um factor comum que está por detrás das variações na rentabilidade dos activos. Os modelos com vários factores, as covariâncias entre as rentabilidades dos vários activos são explicadas por existirem vários factores comuns que influenciam a rentabilidade dos activos. Modelo com um factor comum Quando o mercado está em alta os preços dos títulos tendem a subir, enquanto que quando o mercado está em baixa, os preços tendem a diminuir. Isto sugere que, em grande medida, as variações no preço de um título individual está correlacionado com o estado do mercado. João Rosa Lopes 2 INVESTIMENTOS O mercado é o factor comum que está por detrás da correlação nos preços de activos individuais. O modelo de um factor é, de longe, o mais utilizado o que justifica o seu estudo pormenorizado. Hipóteses do modelo O modelo assume que a rentabilidade de um activo se relaciona com rentabilidade do mercado de acordo com: onde Ri é a rentabilidade do activo i, Rm é a rentabilidade do mercado, i e i são constantes e i é a componente aleatória da rentabilidade do activo i. João Rosa Lopes 3 INVESTIMENTOS - O parâmetro i, é a componente da rentabilidade do activo i que é fixa. - O parâmetro i mede a sensibilidade da rentabilidade do activo i às variações em Rm. Diz-nos quanto é que varia a rentabilidade do activo i quando a rentabilidade do mercado aumenta 1 unidade (note-se que Rm também é uma variável aleatória). O termo i é uma componente aleatória da rentabilidade do activo i que se admite ter valor esperado nulo e não estar correlacionado com Rm, ou seja, E(i ) =0 e COV ( εi, Rm) = 0. Para além disso, a variância de i é 2( i). João Rosa Lopes 4 INVESTIMENTOS Outro pressuposto essencial no modelo, é que os termos aleatórios (resíduos) de dois activos diferentes não estão correlacionados, ou seja, COV (εi,εj) = E( εiεj) = O. Isto implica que a única razão porque Ri e Rj estão correlacionados é porque ambos respondem às variações na rentabilidade do mercado, é porque ambos estão correlacionados com Rm. Com base neste pressuposto podemos escrever que a covariância entre dois activos, I e J, como: COV (ri,rj) = βiβj 2 (Rm) Uma questão que é relevante do ponto de vista prático é como medir a rentabilidade de mercado. Normalmente considera-se a rentabilidade de um índice do mercado. João Rosa Lopes 5 INVESTIMENTOS É recomendável usar índices com uma base alargada (faz mais sentido usar o S&P 500 do que o Dow Jones, por exemplo). E no caso Português? Deve-se utilizar o PSI-20 ou o PSI – Geral? Implicações do modelo Rentabilidade e variância de um activo Tendo em conta as hipóteses do modelo, o valor esperado da rentabilidade do activo i é: =» Ri = E(Ri) = E [i + iRm +i] = i + i E [Rm] ) João Rosa Lopes 6 INVESTIMENTOS A variância da rentabilidade do activo i é: O último termo desta expressão é duas vezes a covariância entre Rm e i. Mas, por hipótese do modelo, esta covariância é nula. Por conseguinte, a variância da rentabilidade de um activo pode ser decomposta em duas partes: João Rosa Lopes 7 INVESTIMENTOS - A primeira é a variância explicada pelo modelo (risco sistemático): a rentabilidade do activo i, varia porque está relacionada com a rentabilidade de mercado, que por sua vez também é variável (a sua variânciam2). - A outra componente é a variância residual ou risco não diversificável, é a variância da componente aleatória i. Representa a parte da variância total que desaparece com a diversificação. Covariância entre a rentabilidade de dois activos E que podemos dizer da covariância entre as rentabilidades de dois activos? João Rosa Lopes 8 INVESTIMENTOS - O segundo e o terceiro termo são nulos porque a componente aleatória não está correlacionada com a rentabilidade de mercado. - O último termo também é nulo porque, por hipótese, as componentes aleatórias de dois activos distintos não estão correlacionadas, ou seja, E (εi,εj) = O. Por conseguinte, a covariância entre Ri e Rj é dada por: ij = ij2m Neste modelo, a covariância entre a rentabilidade dos activos é explicada inteiramente pelos respectivos betas e a variância do portfolio de mercado. Isto faz sentido, de acordo com o modelo, a variabilidade da rentabilidade do mercado é o único factor que explica a forma como os activos se correlacionam. João Rosa Lopes 9 INVESTIMENTOS Carteira de activos Consideremos agora uma carteira com n activos, em que xi é a fracção investida no activo i. A rentabilidade da carteira é: onde Se multiplicarmos a equação anterior por xi, obtemos xiRi, e somando, para todo o i, obtemos a rentabilidade do portfolio: João Rosa Lopes 10 INVESTIMENTOS O beta do portfolio é a média ponderada dos betas dos activos que compõe a carteira, onde os ponderadores são a fracção investida em cada um dos activos: Se a carteira de activos tiver exactamente a mesma composição que o índice de mercado, o que implica Rp = Rm, o parâmetro p é igual a O e o parâmetro p = 1. Ou seja, o beta da carteira de mercado é igual a 1. A rentabilidade esperada da carteira de activos é dada por: João Rosa Lopes 11 INVESTIMENTOS A variância da rentabilidade de uma carteira com n activos é: substituindo i2 e ij pelas expressões obtidas anteriormente, obtemos: Como o beta do portfolio, p = in= xii, a variância da rentabilidade da carteira pode ainda escrever-se: João Rosa Lopes 12 INVESTIMENTOS Repare-se que o último termo tende para zero quando n tende para infinito. Ou seja, o risco residual é eliminado com a diversificação do portfolio. Por essa razão, i2 é muitas vezes designado por risco diversificável. Em contrapartida, o efeito de p2m não desaparece com a diversificação. É o risco sistemático. (Exemplo) Estimação dos parâmetros para implementar a teoria da carteira Se não impusermos nenhuma estrutura na forma como as rentabilidades dos vários activos se comportam, num universo com n activos, seria necessário estimar 2n + n(n-1)/2parâmetros para poder determinar o conjunto de carteiras eficientes. João Rosa Lopes 13 INVESTIMENTOS Quantos parâmetros temos de estimar se usarmos o modelo de um factor? Para estimar a rentabilidade esperada e a variância da rentabilidade do activo i, precisamos de conhecer, , i, i2 (parâmetros específicos do activo i) e ainda Rm e m2 . Se conhecermos m2 e i para todos os activos, também conhecemos as covariâncias entre todos os activos. Então, o número de parâmetros a estimar é 3n + 2. Para um número elevado de activos isto representa uma redução enorme no número de parâmetros a estimar. Por exemplo, com n = 100 o número de parâmetros decresce de 5150 para 302! João Rosa Lopes 14 INVESTIMENTOS Como estimar estes parâmetros? - Uma possibilidade: Usar dados passados relativamente à rentabilidade de cada um dos activos e à rentabilidade do mercado para estimar os parâmetros do modelo de um factor. Se o padrão de comportamento do passado se mantiver no futuro, este procedimento é adequado para prever os valores futuros das rentabilidades esperadas e das covariâncias (os valores futuros é que são relevantes para o investidor). - Outras técnicas mais sofisticadas consideram a possibilidade de os parâmetros variarem ao longo do tempo, e identificam os factores que influenciam o comportamento dos parâmetros. João Rosa Lopes 15 INVESTIMENTOS Como estimar α e i ? O modelo com um factor admite que a rentabilidade do activo activo i, no momento t, é descrita por: Mas não observamos directamente i e i! Aquilo que podemos observar é Ri,t e Rm,t. Será que é possível, com base nos dados passados de Ri,t e de Rm,t , estimar os valores dos parâmetros i e i ? Para estimar os valores dos parâmetros i e i basta fazermos uma regressão linear, em que a variável explicada é Ri,t e a variável explicativa é Rm,t. João Rosa Lopes 16 INVESTIMENTOS Modelo de regressão linear simples: Na Figura 6.1 estão representados os pontos (Rm,t, Ri,t) para vários momentos do tempo. Se não houvesse a componente aleatória, existiria uma relação linear exacta entre Ri, e Rm, e todos os pontos estariam na recta apresentada na figura. Nesse caso, seria trivial calcular o valor exacto de i e i (bastavam duas observações, para o podermos fazer). O problema é que existe a componente aleatória! Isto faz com que algumas observações estejam acima da recta, outras abaixo da recta. Por conseguinte, o conjunto de observações (a nossa amostra) é uma nuvem de pontos como a apresentada na figura. E é com base nessa nuvem de pontos que nós queremos estimar os valores de i e i . João Rosa Lopes 17 INVESTIMENTOS A ideia do método de estimação normalmente usado, o método dos mínimos quadrados, é a seguinte: conhecendo nós a nuvem de pontos correspondente a uma dada amostra de dados, qual é a recta que melhor se ajusta a essa nuvem de pontos? Se designarmos por i e i os estimadores de i e i , a ideia é encontrar os valores de i e i que minimizam a soma dos quadrados dos Figura 6.1: Modelo com um factor - relação entre a rentabilidade do activo i e a rentabilidade de mercado. João Rosa Lopes 18 INVESTIMENTOS desvios em relação à recta. Ou seja, os estimadores i e i , encontram-se resolvendo o seguinte problema2: onde T é o número de observações. Resolvendo as condições de primeira ordem deste problema, é fácil mostrar que a solução é: João Rosa Lopes 19 INVESTIMENTOS Ou seja, o estimador do beta do activo i é igual ao rácio da covariância entre o activo i e a carteira de mercado pela variância da carteira de mercado. Uma vez conhecido o estimador do declive da recta, podemos calcular facilmente αi = Ři-β. Esta forma de calcular âi, evidencia uma propriedade importante da recta de regressão: ela passa no ponto médio (Rm, Ri). Uma medida que é bastante útil para avaliar a «qualidade» do ajustamento, é o coeficiente de determinação, R2. O coeficiente de determinação indica-nos qual é a proporção da variação total na variável dependente que é explicada pelo modelo. No caso da regressão linear simples o coeficiente de determinação é simplesmente o quadrado do coeficiente de correlação entre a variável explicada e explicativa. Por conseguinte, no nosso modelo: João Rosa Lopes 20 INVESTIMENTOS Modelo com vários factores Neste modelo assume-se que há vários factores que influenciam a rentabilidade de um activo (por exemplo, a rentabilidade do mercado, o nível da taxa de juro, índices industriais, taxa de inflação, ... ). A equação que descreve a rentabilidade do activo é: onde Fj é o factor j (com j = 1,... , k). As restantes hipóteses do modelo são semelhantes: - Os vários factores não estão correlacionados com o termo residual; - O termo residual tem valor esperado nulo e as componentes aleatórias de dois activos distintos não estão correlacionadas. João Rosa Lopes 21 INVESTIMENTOS A interpretação dos parâmetros do modelo também é semelhante. - O parâmetro bij mede a sensibilidade da rentabilidade do activo i a variações no factor j. Se o factor j variar de uma unidade (mantendo-se todos os outros factores constantes) Ri varia bij unidades. No modelo, a covariância da rentabilidade de dois activos resulta dos activos estarem simultaneamente a responder às variações de k factores. Se tivermos dados para Ri e para os k factores para vários períodos de tempo, podemos estimar os parâmetros ai e bij (j = 1,·· . , k). Neste caso, teremos de fazer uma regressão linear múltipla. João Rosa Lopes 22 INVESTIMENTOS Um aspecto que é importante é que os factores podem estar correlacionados. Se os factores estiverem correlacionados o risco sistemático inclui não só o risco associado com a variabilidade de cada um dos factores, mas também as covariâncias entre os factores. Por essa razão, há técnicas que são usadas para definir um conjunto de factores «ortogonais» a partir dos factores originais. Se os factores forem ortogonais, isto é se não forem correlacionados, o risco sistemático é igual à soma do risco sistemático associado a cada um dos factores. Nesse caso, a variância da rentabilidade do activo i e a covariância entre Ri e Rj é dada por: João Rosa Lopes 23