Robo-Advisors

Quando surgiram os chamados robo-advisors nos EUA, muitos viram as novas plataformas de investimento online como potenciais competidores dos gestores estabelecidos, como Vanguard e Schwab. Com interfaces descomplicadas e taxas mais baixas, os robôs estariam chegando para quebrar (disrupt) a indústria de gestão de recursos. As maiores e mais conhecidas são Personal Capital, WealthFront, e Betterment.

No entanto, gestores como Vanguard e Schwab possuem enormes vantagens competitivas, devido ao seu tamanho e posição no mercado. A Vanguard, por exemplo, tem $5.1 trilhões sob gestão, enquanto a Schwab tem mais de $3 trilhões. As casas rapidamente passaram a oferecer suas próprias soluções (algumas similares aos robo-advisors, outras, produtos híbridos com soluções mais tradicionais).

Resultado: Vanguard e Schwab rapidamente ultrapassaram os novos competidores na categoria. De um relatório recente da MorningStar:

 

Anúncios

Inteligência Artificial em Hedge Funds

Artigo interessante na Bloomberg sobre o uso de inteligência artificial no Man Group, que tem mais de $96 bi sob gestão.

(HT Dr. Palaro)

Long-Short através de Cointegração – Parte 4

Após uma longa pausa, aqui está o quarto e último post desta série sobre operações de long-short/pares utilizando cointegração.

Recapitulando: no primeiro post da série, introduzi intuitivamente o conceito de cointegração, que permite encontrar pares (ou outras combinações) de ativos que “andam juntos”. No segundo post, expliquei conceitualmente um teste simples de estacionariedade, conhecido como teste de Dickey-Fuller (DF), apresentei sua versão “aumentada”, e introduzi o Método de Engle-Granger, que permite testar se duas séries não-estacionárias são cointegradas. No terceiro post, mostrei um exemplo prático da aplicação deste teste utilizando o Excel e dei uma ideia de como seria uma possível estratégia de operação de pares usando cointegração.

O objetivo deste post é apresentar uma aplicação completa dos conceitos de cointegração para criar um modelo de operações com pares. Para isto, construirei um modelo de pares muito similar aos modelos utilizados na literatura (e na prática), e farei uma simulação (backtest) dos resultados do modelo. Uma ressalva importante é que este post não é exaustivo, no sentido de que muitas variações e refinamentos podem e devem ser feitos à uma estratégia destas antes da produção. O objetivo é simplesmente ilustrar os conceitos. O modelo apresentado aqui é bastante similar ao utilizado no artigo de Caldeira e Moura (2013). Recomendo fortemente ao leitor interessado em se aprofundar no assunto a leitura do artigo e das referências nele citadas.

Em um post anterior, apresentei o conceito de um modelo básico de pares de ações. Naquele post, utilizei o seguinte diagrama:

ModeloPairsTrading

Criação de uma estratégia de operação com pares

Este diagrama será interessante para explicar a estratégia de pares através de cointegração utilizada, pois ele utiliza-se de simulação para escolher os melhores pares dentro da janela de treinamento (período in-sample ou dentro da amostra) para posteriormente operar na janela de operação (fora da amostra), ou seja, existe uma interação entre o modelo de operação e o de seleção de pares, conforme mostrado do diagrama. Vamos à descrição do modelo:

Modelo de Pares via Cointegração

Partimos de um universo com N ativos observados ao longo de T períodos. Os parâmetros do modelo são os seguintes:
1. Janela de treinamento: período no qual serão determinados os pares cointegrados
2. Janela de operação: período no qual os pares são operados com sinais de entrada e saída
3. Número de pares: o modelo utiliza os n melhores pares de acordo com o índice de Sharpe dentro do período de treinamento.
4. Sinal de entrada: valor do z-spread para iniciar um trade, ou seja, o valor no qual assumimos que o spread do par divergiu do seu comportamento histórico.
5. Sinal de saída: valor do z-spread para encerrar um trade, ou seja, o valor no qual assumimos que o spread do par reverteu à sua média.
6. Duração máxima: maior período em que um trade pode ficar aberto.
7. Stop Loss: perda máxima que um trade pode ter. Se um trade apresentar uma perda maior do que o stop loss, ele é encerrado.

Os pares são selecionados na janela de treinamento através de dois critérios. Primeiramente são selecionados os pares que estão cointegrados através da aplicação da metodologia de Engle-Granger. Em seguida, os pares cointegrados são “operados” nesta janela (dentro da amostra) e os pares com melhor índice de Sharpe são selecionados para operação na janela de operação. Os parâmetros do spread (parâmetros da regressão e a média e desvio padrão do spread) na janela de treinamento (dentro da amostra) são utilizados para calcular os z-scores dos pares na janela de operação (fora da amostra). Este procedimento garante que na nossa simulação, estaremos utilizando apenas valores conhecidos em cada momento (ou seja, não estamos incorrendo no look-ahead bias).

Por exemplo, se a janela de treinamento é de 12 meses e de operação é de 1 mês, então os melhores pares nos primeiros 12 meses são operados no mês seguinte. As janelas são então roladas um mês para frente e o processo reinicia, até o final da amostra. A figura abaixo ilustra este procedimento de janelas móveis:

Esquema treinamento operacao.png

A dinâmica de operação é baseada no valor do z-score, que é o spread do par (resultado da cointegração) normalizado, isto é, subtraído da sua média e dividido pelo desvio padrão. Quando o z-score é muito alto e positivo, o par é vendido (abre-se simultaneamente uma posição vendida na primeira ação e comprada na segunda ação). Quando o z-score é muito negativo, a operação oposta é realizada, isto é, o par é comprado. Uma operação é encerrada se pelo menos uma das condições a seguir ocorre: (i) o z-score do par retorna ao patamar pré-definido; (ii) o P&L da operação cai abaixo do valor de stop-loss; (iii) a operação excede a duração máxima definida pelo modelo; (iv) a janela de operação é encerrada.

No final da simulação, temos o resultado simulado de todas operações realizadas, o que permite calcular estatísticas de rentabilidade e risco do modelo no período.

Detalhes da Simulação

Parâmetros do modelo – Os seguintes valores foram utilizados:

Janela de treinamento: 12 meses
Janela de operação: 1 mês
Número de pares: 20
Sinal de entrada: |z-spread| > 1.7
Sinal de saída: |z-spread| < 1.2
Duração máxima: 1 mês (20 dias)
Stop Loss: 7%

Custos operacionais – Foram considerados custos de bid-ask spread de 0.1% para cada operação, de 2% ao ano para o aluguel de ações, e de 0.05% de corretagem. Os trades foram abertos com o mesmo financeiro em cada ação, ou seja, o modelo é financeiro-neutro (a outra possibilidade é operar beta-neutro). Um comentário sobre os valores de entrada e saída do z-score: eu testei os valores considerados por Caldeira e Moura (2013) (abrir trade em 2 e fechar em 0.5/0.75), porém os resultados foram piores.

Universo de ativos – Para realizar a simulação, é preciso primeiramente definir um universo de ativos. Os trabalhos acadêmicos (como por exemplo o artigo mencionado acima) geralmente utilizam as ações que pertencem a um certo índice como o IBOVESPA no Brasil. Na prática, esta restrição não é necessária. Nesta simulação, eu utilizei os dados diários de preço de fechamento e volume de todas as ações, ETFs e FIIs disponíveis no mercado brasileiro de janeiro de 2001 até maio de 2016, incluindo ações que deixaram de existir, o que elimina o viés de sobrevivência. Para evitar ações ilíquidas, em cada janela de treinamento eu utilizei os 70 ativos com maior volume. Isto significa que o número total de ativos considerados será maior do que 70.

Teste de Cointegração – foi utilizada a metodologia de Engle-Granger com teste ADF, descrita nos posts anteriores.

Cálculo de Retornos – calcular o retorno de operações com pares não é algo trivial. Teoricamente, os retornos de operações long-short não são definidos, uma vez que o investimento inicial pode ser igual a zero. Há duas medidas diferentes de reportar o “retorno” de uma operação de pares. A primeira consiste  em adotar a convenção de que o retorno é dado pelo lucro ou prejuízo da operação (P&L) dividido pelo valor inicial investido em cada ponta. Chamaremos isto de retorno líquido. Se usarmos o valor de R$1, o próprio P&L tem a interpretação de retorno. A segunda consiste em considerar como denominador o capital alocado para manter a operação. Por exemplo, se uma operação consiste em comprar R$10,000 da ação A e vender R$10,000 da ação B, o valor necessário para montar esta operação é igual a R$0. Na prática, as corretoras requerem uma quantia em margem que limita a alavancagem. Esta quantia pode ser usada como denominador para definir um retorno sobre o capital. É importante ressaltar que este capital pode ficar investido em outros ativos que geram retornos (por exemplo, títulos do governo), o que tornará a estratégia mais rentável. Como o número máximo de pares em qualquer período de operação é de 20 pares, eu calculo e reporto os retornos considerando 1/20 do capital investido em cada par, ou seja, a alavancagem máxima da carteira é 1 (esta restrição não é necessária). Reportarei tanto os retornos líquidos (ou seja os retornos apenas das operações com pares) como os retornos sobre o capital, considerando que o capital excedente renderia 100% do CDI. Caldeira e Moura (2013) consideram um esquema “fully invested” no qual um certo capital é 100% investido nos pares que estão abertos, e a carteira é rebalanceada para manter 100% do capital investido.

Resultados da Simulação (01/2002 – 05/2016)

O modelo foi simulado de janeiro de 2001 até maio de 2016. Isto significa que o primeiro período de operação foi janeiro de 2002. A tabela abaixo resume os resultados considerando os retornos líquidos das operações. Observação: o P&L abaixo não está normalizado para a duração de cada operação.

Número de ações 162
Número de pares operados 1212
Número de operações 3817
P&L médio por operação (financeiro de R$1,00) 1.12%
Desvio padrão P&L 9.34%
Razão de informação 0.12
% operações ganhadoras 57.20%
% operações perdedoras 42.80%
Pior P&L -58.90%
Melhor P&L 84%
Mediana P&L 1.33%
Duração média (dias) 5.35
Duração mediana (dias) 4

Vemos que a estratégia parece capaz de gerar ganhos financeiros razoáveis, com uma convergência rápida da maioria das operações. O gráfico abaixo mostra o histograma da duração em dias das operações. Mais de 85% das operações encerra em menos de 10 dias. duracao

Resultados com Retornos Líquidos

Os resultados abaixo são baseados nos retornos líquidos da carteira que investe 1/20 do capital em cada par, sem considerar a remuneração do capital. Como mencionei antes, esta estratégia não ficará com 100% do capital alocado nos pares, a não ser que todos os 20 pares estejam abertos simultaneamente. Vemos que a estratégia apresentou um retorno médio de 11.4% com volatilidade de 11.21%, o que não é ruim considerando que a estratégia não toma risco direcional. O drawdown máximo foi de -14.5%. Vemos que, apesar de a estratégia ser financeiro-neutra, o que é confirmado pela exposição média da carteira de 0.35%, ela teve períodos em que chegou as estar quase 10% comprada e quase 16% vendida. O maior valor short foi de -68.66% e o maior long foi de 74.92%, confirmando que não tivemos nenhum período em que todos os 20 pares estavam abertos simultaneamente. Estes resultados são conservadores, pois assumem que o capital fica parado, ou seja, poderia estar sendo investido nos pares que estão abertos. Apesar de a estratégia diferir da de Caldeira e Moura (2013) em vários aspectos, os resultados para o período do artigo (2002 a 2006) são muito similares (não reportados).

Retorno médio 11.40%
Volatilidade 11.21%
Retorno total 327.89%
Índice de Sharpe 1.02
Drawdown máximo -14.50%
Pior mês -7.58%
Melhor mês 19.89%
% dias positivos 45.96%
% meses positivos 61.27%
Exposição média carteira 0.35%
Exposição máxima carteira 9.67%
Exposição mínima carteira -15.98%
Máximo short carteira -68.66%
Máximo long carteira 74.92%

A tabela abaixo mostra os retornos por ano. Notamos que a estratégia foi positiva em todos os anos, com retornos muito altos entre 2008 e 2010. Isto não é surpreendente, já que estratégias long-short tendem a ser muito boas em períodos de volatilidade alta.

Ano Retorno líquido (%)
2002 3.37
2003 6.96
2004 10.25
2005 8.68
2006 10.5
2007 9.22
2008 16.74
2009 37.85
2010 18.9
2011 8.49
2012 5.45
2013 0.43
2014 9.48
2015 4.38
2016 6.53

Finalmente, a figura abaixo mostra a evolução do P&L acumulado.

pnlacumulado.png

Resultados com Remuneração do Capital (2002-2016)

Na prática, uma estratégia de pares requer pouco capital, o que significa que quase 100% do capital poderia ficar investido em títulos (ou qualquer ativo que seja aceito como margem) a maior parte do tempo. Os fundos em geral definem um target  de alavancagem ou volatilidade para a estratégia. Os resultados abaixo consideram que o capital livre é remunerado a 100% do CDI. O investimento nos pares segue a mesma regra de 1/20 do capital, ou seja, a alavancagem nunca é superior a 1.

Os resultados abaixo mostram a grande contribuição de investir o capital livre. Vemos que o retorno médio, muito mais alto, é uma combinação do retorno da estratégia pura (mostrado anteriormente) com a rentabilidade do CDI. Obviamente, os resultados são bastante aumentados pelo alto valor do CDI, principalmente no início do período. Os resultados por ano (tabela seguinte) corroboram isto. O retorno total é muito alto devido à natureza dos juros compostos, uma vez que a estratégia reinveste os lucros a cada período.

Retorno médio 26.38%
Volatilidade 11.36%
Retorno total 2497.02%
Índice de Sharpe 2.32
Drawdown máximo -14.74%
Pior mês -6.66%
Melhor mês 20.97%
% dias positivos 59.89%
% meses positivos 85.55%
Exposição média carteira 0.35%
Exposição máxima carteira 9.71%
Exposição mínima carteira -16.46%
Máximo short carteira -70.54%
Máximo long carteira 75.21%
Ano Retorno líquido (%)
2002 22.64
2003 31.6
2004 27.88
2005 29.04
2006 27.46
2007 22.65
2008 31.59
2009 51.41
2010 30.62
2011 21.14
2012 14.31
2013 8.53
2014 21.34
2015 18.17
2016 11.21

O gráfico abaixo mostra o retorno acumulado da carteira e do CDI. pnlacumulado-com-capital

Resultados com Remuneração do Capital (2010-2016)

Os resultados acima mostram que a estratégia funciona em um período longo (15 anos), durante a qual houve períodos atípicos (juros muito altos, crise de 2007-2008 etc). Por este motivo, é interessante avaliar o resultado da estratégia em um período mais recente. Para isto rodamos a simulação de 2010 a 2016. Os resultados (tabela e gráfico abaixo) mostram um resultado muito consistente. Tanto a volatilidade como o retorno são mais baixos, reflexo da exclusão do período de alta volatilidade da crise de 2007-2008 e do período de CDI muito alto. O drawdown máximo é cerca de metade do observado no período anterior.

Retorno médio 20.07%
Volatilidade 9.44%
Retorno total 208.97%
Índice de Sharpe 2.13
Drawdown máximo -7.25%
Pior mês -4.10%
Melhor mês 7.79%
% dias positivos 59.13%
% meses positivos 85.71%
Exposição média carteira 0.35%
Exposição máxima carteira 9.06%
Exposição mínima carteira -5.68%
Máximo short carteira -67.73%
Máximo long carteira 74.48%

pnlacumulado-com-capital-2010-2016

Considerações Finais

Este post encerra a série de Long-Short através de cointegração e teve o objetivo de apresentar um exemplo de um modelo completo usando este conceito. O modelo apresentado teve desempenho muito forte ao longo de um período de 15 anos, com uma consistência impressionante. Alguns comentários são importantes:

  • Refinamentos – o modelo apresentado é bastante simplista. Uma implementação deste modelo na vida real requer um estudo mais aprofundado em termos dos parâmetros. Em especial, destacaria os seguintes pontos: a estabilidade da relação de cointegração e testes alternativos de cointegração (como o teste de Johansen); estudo das regras de abertura e fechamento das operações); modelagem do spread através de modelos de séries temporais (ver Tsay 2010) e estimação do z-score.
  • Caveats da simulação – a simulação usando os dados de fechamento é simplista demais. Mesmo que o horizonte do modelo seja dados diários, o ideal seria utilizar os preços da ações em um determinado horário do dia, e capturar o bid-ask observado das ações, que reflete melhor o custo de compra e venda dos ativos de maneira. Além disto, usando dados de alta frequência é possível simular se um par daria sinais de entrada ou saída durante o dia.
  • Operacionalização – fazer a simulação é o primeiro passo, mas implementar uma estratégia destas requer sofisticação no controle da carteira de pares e principalmente habilidade de executar ordens de maneira automática e rápida.
  • Controle de riscos – uma estratégia destas requer controles de riscos ativo, principalmente no que toca à concentração em ativos e setores.

Update – comparação β-neutro vs $-neutro

Os resultados mostrados acima foram obtidos com a abordagem $-neutra, ou seja, as operações são abertas com o mesmo valor financeiro comprado e vendido. Do ponto de vista teórico, existe um argumento a favor de utilizar a abordagem β-neutra, na qual opera-se uma quantidade β de um dos ativos para cada uma quantidade do outro (onde o β é obtido da regressão de cointegração), já que desta maneira, a posição operada (desde que o par seja cointegrado) é estacionária. Na abordagem β-neutra, a exposição líquida da carteira pode variar mais e a carteira pode ficar net comprada ou net vendida, pois o valor financeiro nas pontas não é necessariamente igual. Uma vantagem de manter a carteira $-neutra é que o valor líquido da carteira é mais previsível e não está sujeito ao erro de estimação do beta.

Para comparar as duas abordagens, rodei o modelo β-neutro e o modelo $-neutro para o período 2010-2016, ajustando as exposições dos dois modelos para obter a mesma volatilidade de 12% (um valor arbitrário, mas que garante comparabilidade e alavancagem relativamente baixa). Os resultados obtidos com o modelo β-neutro foram piores do que os do modelo $-neutro. O retorno médio do modelo β-neutro foi de 17.31%, enquanto o do modelo $-neutro foi de 23.70%. Os índices de Sharpe e Sortino também foram piores, apesar de o modelo $-neutro apresentar um drawdown máximo maior.

Outro ponto interessante é a exposição líquida da carteira. Conforme esperado, a carteira $-neutra, por construção, mantém uma alocação líquida próxima de zero, com uma exposição média de 0.46% do capital, máxima de 12.32% e mínima de -5.44%. Ela não fica completamente zerada devido às movimentações dos ativos nas operações abertas, já que uma vez que uma operação é aberta, ela não é rebalanceada. Já a carteira β-neutra fica net vendida 7% do capital, na média, com uma exposição net máxima de 0.62% e mínima net de -56.12%. Isto significa que o custo de aluguel desta operação é maior, pois é preciso carregar uma posição short maior do que a posição long.

β-neutro $-neutro
Retorno médio 17.31% 23.7%
Volatilidade 12% 12%
Retorno total 162.06% 266.58%
Índice de Sharpe 0.57% 1.1%
Drawdown máximo -8.38% -9.83%
Pior mês -5.18% -6.56%
Melhor mês 8.94% 12.88%
% dias positivos 56.94% 58.32%
% meses positivos 72.73% 77.92%
Exposição média carteira -7.00% 0.46%
Exposição máxima carteira 0.62% 12.32%
Exposição mínima carteira -56.12% -5.44%
Máximo short carteira -116.14% -89.01%
Máximo long carteira 79.21% 100.19%

O gráfico abaixo apresenta a comparação do P&L acumulado das duas versões. beta-neutro

Referências

Os artigos abaixo são úteis para aprofundar o estudo deste tipo de modelo. Este post possui links para o download destes artigos.

Caldeira, J. F. e Moura, G.V. (2013), Rev. Bras. Finanças, Vol. 11, No. 1, March 2013, pp. 49–80.

Gatev, E., Goetzmann, W. N., & Rouwenhorst, K. G. (2006). Pairs Trading: Performance of a Relative Value Arbitrage Rule. The Review of Financial Studies, 19, 797–827.

Avellaneda, M., & Lee, J. (2010). Statistical arbitrage in the US equities market. Quantitative Finance, 10, 1–22.

Tsay, R. (2010). Analysis of Financial Time Series. Wiley.

 

 

 

 

A arte de não prestar atenção no ruído

Compartilhando um post interessante no blog Motley Fool sobre a tendência dos investidores de focarem demais nos acontecimentos recentes. Este comportamento miópico está relacionado ao chamado “viés de recência“, o viés cognitivo que leva as pessoas a dar um peso demasiadamente grande para os acontecimentos recentes, em detrimento das tendências ou evidências de longo prazo*.

Obviamente estou falando de investidores cujo horizonte de investimento é relativamente longo. Para um day trader ou mesmo alguém que faz stock picking, faz todo o sentido focar no curto prazo. Já para um investidor passivo, que rebalanceia sua carteira com uma frequência baixa e cujo horizonte é de muitos anos ou décadas, que sentido faz checar o que acontece no mercado a cada minuto?  Este investidor está tentando se beneficiar de retornos que serão realizados ao longo de meses e anos. Se ele possui uma estratégia de investimento bem definida, basta segui-la. Isto não significa que não se deva prestar atenção ao que acontece no mercado. Mas se a carteira de investimento está alinhada com a estratégia e o perfil de risco do investidor, não é preciso saber o que acontece no mercado a cada minuto e o investidor deveria poder dormir tranquilamente, com a segurança de que sua carteira possui o nível de risco desejado.

Quando focamos muito nas notícias e movimentos recentes, surge uma tendência ou até uma tentação de mexer nos investimentos, já que há uma sensação de que precisamos reagir às notícias e eventos. Isto tende a ser ruim por vários motivos. Em primeiro lugar, quanto maior a movimentação nos investimentos, mais dinheiro perdemos com taxas e custos de operação. Em segundo lugar, já não é trivial definir uma estratégia de investimento e montar uma carteira para um horizonte longo. Quando tentamos “acertar” o que acontecerá baseado em pequenos sinais observados no mercado, a chance de acertar tende a zero em 99.99% dos casos. Finalmente, quando um investidor altera a composição de sua carteira baseado em acontecimentos muitas vezes irrelevantes, torna-se difícil avaliar a eficácia da estratégia, pois o resultado realizado não está alinhado com a estratégia.

A mídia financeira vende a ideia oposta: cada movimento do mercado deve ser analisado minuciosamente; as altas e baixas são explicadas por especialistas citando todos os fatores internos e externos que levaram aos resultados do dia. Há uma sensação de urgência, de que tudo o que está ocorrendo é importante, quando na verdade a maioria dos dias traz movimentos praticamente aleatórios. Hoje, por exemplo, o IBOVESPA fechou em baixa de 1,26%. O Valor nos explica que  “operadores relataram um movimento de realização de lucro liderado por investidores estrangeiros”. Todo dia haverá uma explicação nesta linha, com os principais “drivers” da movimentação diária. Estas explicações ex-post são, essencialmente, inúteis. O mercado de ações é, bem, um mercado. Para cada comprador, há um vendedor. Não houve “mais vendores ou bears” do que “compradores ou bulls” e a variação do dia é impossível de se prever com qualquer grau de precisão.

Resumindo, gostei do post do Motley e vai muito na linha do que acredito. Acho que nestes casos vale a máxima “menos é mais”: informação demais sobre o mercado pode não ser benéfica. Eu leio muito e acompanho o mercado financeiro diariamente, pois faz parte do meu trabalho. Porém, é importante desenvolver um “filtro” para separar o relevante do resto.

 

—————————

*Quando há um desastre aéreo, por exemplo, muitas pessoas tornam-se receosas de viajar de avião, apesar de as estatísticas demonstrarem que este é um dos meios de transporte mais seguros.

IBOV vs IBrX – Qual o menos pior?

Os dois índices mais utilizados no mercado brasileiro são o IBOV e o IBrX, sendo que o IBOV é o mais antigo (existe desde 1968) e também o mais importante. Até recentemente, havia uma diferença conceitual grande entre os dois índices: o IBOV ponderava as ações com base na liquidez, enquanto o IBrX pondera as ações pelo valor de mercado. No início de 2014, a metodologia de cálculo do IBOV foi alterada e a ponderação passou a ser feita de maneira similar à do IBrX. Além disto, o IBrX procura conter 100 ações entre as mais negociadas, dentro de certo critérios de liquidez, enquanto o IBOV historicamente tem tido um número bem menor de papéis.

Como medidas amplas do desempenho do mercado de ações brasileiros, os índices são bastante utilizados como benchmarks para medir o desempenho relativo de fundos e carteiras de ações. Tenho usado sempre o IBOV nas comparações das estratégias que apresento aqui no blog.

É notável que, nestas comparações que faço aqui no blog, o IBOV costuma estar abaixo do CDI. Quando isto ocorre, significa que o investidor teria se dado melhor simplesmente deixando o dinheiro “parado” no banco, do que investimento no mercado de ações. Isto sem contar que o IBOV não leva em consideração nenhum custo, ou seja, na prática o resultado de um investidor que faz tracking do IBOV é pior ainda. Conforme venho mostrando aqui, é relativamente fácil superar o IBOV através de regras simples e mecânicas de seleção de ações (ver por exemplo este post).

O fato de o IBOV perder do CDI em períodos curtos, de 1 ou mesmo 2 anos, seria absolutamente normal. Porém, como as taxas de juros no Brasil são muito altas, os índices de ações perdem do ativo livre de risco (CDI) ao longo de períodos bem mais longos. O gráfico abaixo apresenta o retorno acumulado do IBOV (verde), IBrX (branco) e CDI (roxo), entre 1996 até o final de abril de 2015. Neste período de quase 20 anos, o IBOV expôs o investidor a um alto risco (volatilidade anual de 33%), porém entregou retorno inferior ao do CDI. Apesar disto, o retorno anual do IBOV no período ainda foi alto: 14.1%, o que significa que o capital inicial do investidor foi multiplado por um fator de 12. O IBrX ficou acima do CDI, com um retorno anualizado de 17.6% e uma volatilidade um pouco menor do que a do IBOV (29.6%). Entretanto, considerando o retorno ajustado ao risco (índice de Sharpe), o IBrX também não se sai bem: o índice de Sharpe foi próximo de 0.

IBOV CDI 1996-2005

IBOV IBrX CDI
CAGR 14.1% 17.6% 16.4%
Retorno total 1160.2% 2156.2% 1765.0%
Volatilidade 33.2% 29.6%
Sharpe -0.07 0.04

Pegando um período mais recente, de 2006 até abril de 2015, temos uma situação ainda pior. Tanto o IBOV como o IBrX perdem para o CDI. Os retornos anuais ficam em 5.5% (IBOV) e 8.4% (IBrX), contra 10.9% d CDI. Além disso, os índices estão em patamares similares aos de 2007 (IBOV) e 2008 (IBrX). Ou seja, temos um período entre 7 a 8 anos no qual o retorno total do mercado de ações, medido pelos índices, foi igual a zero, e um período de mais de 9 anos no qual o retorno foi abaixo do CDI.

IBOV CDI 2006-2005

IBOV IBrX CDI
CAGR 5.5% 8.4% 10.9%
Retorno total 65.1% 111.2% 162.1%
Volatilidade 28.7% 27.6%
Sharpe -0.38 -0.29

Algumas conclusões:

  • Com a mudança no cálculo de IBOV, a diferença entre os dois índices tornou-se bem menor. Porém, como podemos ver pelo primeiro gráfico, faz muita diferença considerar o IBrX como benchmark, principalmente quando consideramos resultados (históricos ou de backtests) de períodos longos.
  • O fato de a taxa básica de juros no Brasil ser tão alta, especialmente nos períodos mais antigos, torna a comparação entre ativos de risco e o ativo livre de risco difícil no nosso mercado.
  • Mesmo assim, existem estratégias simples para investir em ações, com critérios mecânicos para selecionar as ações, que permitem obter um retorno no mercado de ativos de risco compatível com o risco tomado.
  • Já demorou para lançarem um ETF utilizando alguma destas estratégias!

Long-Short através de Cointegração – Parte 1

Em alguns posts anteriores, falei em linhas gerais sobre arbitragem estatística (aqui e aqui) e descrevi um modelo genérico para operar pares de ações, com uma aplicação usando o modelo de bandas de Bollinger. Nesta sequência de posts, explicarei um modelo mais sofisticado de arbitragem estatística, através do conceito de cointegração.

Estratégias de arbitragem estatística são baseadas em encontrar uma série temporal que possua a característica de estacionariedade ou reversão à média. Isto significa que é possível identificar situações em que a série divergiu de seu comportamento histórico, e prever com alguma segurança que a série convergirá ou reverterá para um comportamento “médio”. O conceito de cointegração formaliza matematicamente este comportamento e permite a realização de testes estatísticos para detectar séries com este comportamento. No contexto de operações com pares de ativos (pairs trading), a existência de uma relação de cointegração entre as séries de preços de dois ativos significa que pode ser possível realizar operações lucrativas de arbitragem. Por outro lado, se o par não for cointegrado, será impossível encontrar uma relação consistente para operar o par.

A Metáfora do Bêbado e seu Cachorro

Antes de definirmos matematicamente a cointegração, convém explicarmos com uma metáfora. Imagine que um bêbado está passeando pelo parque, andando a esmo. Sua direção é imprevisível: às vezes ele vira para a direita, às vezes ele vira para a esquerda. A trajetória do bêbado é chamada, na Estatística, de passeio aleatório: é um processo imprevisível*. Supondo que o bêbado continuará andando indefinidamente, é impossível prever onde ele estará após um certo tempo, e a melhor previsão da sua posição é o último lugar em que ele foi visto.

Se representarmos graficamente a posição do bêbado ao longo do tempo (distância entre o bêbado e um ponto qualquer de referência), o resultado será algo parecido com isto:

Este gráfico mostra a posição de um bêbado andando aleatoriamente (passeio aleatório Gaussiano)

Este gráfico mostra a posição de um bêbado andando aleatoriamente (passeio aleatório Gaussiano)

Agora imaginemos que o bêbado possui um cachorro, que o acompanha onde quer que ele vá. O cachorro não possui coleira e tende a se afastar do dono, atraído pelos diferentes cheiros e estímulos que sente ao andar pelo parque. Porém o bêbado, sempre que percebe que o cachorro não está por perto, o chama, e o cachorro retorna. O gráfico com a posição do bêbado e do cachorro será algo assim:

Este gráfico mostra as posições de um bêbado e seu cachorro (passeio aleatório Gaussiano e processo cointegrado)

Este gráfico mostra as posições de um bêbado e seu cachorro (passeio aleatório Gaussiano e processo cointegrado)

Podemos ver que, apesar de a posição do bêbado no parque ser imprevisível, a posição do cachorro em relação ao bêbado é relativamente previsível: o cachorro nunca está muito longe do dono. Podemos ir um passo adiante e quantificar isto, medindo a distância entre os dois, ou seja, a diferença entre as duas séries temporais do gráfico acima. O gráfico abaixo apresenta esta diferença e duas “bandas”, que representam pontos extremos na distribuição desta distância.

Distância entre o bêbado e o cachorro e bandas de confiança

Distância entre o bêbado e o cachorro e bandas de confiança

Podemos ver que, na média, o cachorro está sempre próximo do bêbado. Além disto, quando a distância se aproxima de +1 ou -1, há uma probabilidade muito grande de que no próximo instante a distância reverterá para sua média próxima de zero. Isto sugere que é possível apostar, com alta chance de ganhar, que o cachorro estará junto ao dono logo após se distanciar acima das bandas  mostradas. As bandas podem ser estimadas, por exemplo, através de uma medida de dispersão como o desvio padrão. No gráfico acima, as bandas representam um intervalo de +2 ou -2 desvios-padrão da média da distância. Este conceito é o mesmo utilizado no modelo de bandas de Bollinger.

Voltando ao mundo financeiro…

Talvez você esteja se perguntando porque estou falando de bêbados e cachorros em um blog sobre mercado financeiro. Transferindo a analogia acima para o mercado de ações, suponha que seja possível encontrar um par de ações que possui um comportamento similar, ou seja, que “andam juntas”. Se as séries de preços das ações forem cointegradas, ou seja, se uma das empresas for o bêbado e a outra, o cachorro, então será possível quantificar quanto a distância entre os preços das ações, que chamamos de spread, varia ao longo do tempo, e explorar situações nas quais esta distância divergiu de seu comportamento histórico.

É importante lembrar que o número de pares possíveis de ações aumenta rapidamente com o tamanho do mercado. Por exemplo, com um universo de 50 ações, existem 1125 pares possíveis. Com 100 ações, o número de pares sobre para 4950. Podemos ver como simular estratégias de operação com todos os pares possíveis pode se tornar um processo oneroso ou mesmo inviável. Sabemos também que, se um par não for cointegrado, é inútil tentar encontrar uma estratégia de reversão a média. Portanto é necessário termos um teste para identificar quais pares de ações são cointegrados. Mesmo dentro do universos dos pares que são cointegrados, não há garantia de sucesso. É preciso que o par possua algumas características específicas para que uma estratégia de arbitragem seja consistentemente lucrativa:

  • Relação de cointegração estável ao longo do tempo
  • Reversão frequente do spread à média
  • Variabilidade razoavelmente grande nas divergências

Definindo Cointegração

Para definir cointegração, definiremos primeiro alguns conceitos básicos:

Série temporal: uma série temporal é uma coleção de valores ordenados no tempo. Por exemplo, os preços diários de uma ação constituem uma série temporal. Se denotarmos por P^A_{t} o preço da ação A no instante t, então a coleção de valores {P^A_{1}, P^A_{2}, P^A_{3},... } etc é uma série temporal.

Estacionariedade: uma série temporal é estacionária** se (i) a sua média é constante, (ii) a sua variância é constante e (iii) a covariância entre dois instantes da série temporal t e s depende apenas da diferença entre t e s.

Uma série estacionária é chamada em Estatística de I(0) ou “integrada de ordem zero”. Uma série não-estacionária, mas cuja primeira diferença é estacionária, é chamada de integrada de ordem 1, ou I(1).

Por exemplo, a série temporal da distância entre o bêbado e o cachorro, mostrada acima, é estacionária: sua média é constante (de fato é igual a zero), sua variância é constante, e é possível mostrar que a covariância entre dois pontos quaisquer da série depende apenas da distância entre estes pontos. Já a posição do bêbado ou do cachorro são exemplos de séries não estacionárias. Não existe uma posição média na qual espera-se encontrá-los.

Em geral, séries de preços de ativos são não-estacionárias, ou seja, não é possível, definir um preço médio em torno do qual uma ação oscila consistentemente. O preço da ação pode subir indefinidamente ou pode chegar a zero, caso a empresa vá à falência.

Podemos agora definir cointegração para o caso de duas séries temporais não-estacionárias X e Y.  Dizemos que X e Y são cointegradas se existe um número \alpha tal que a série Z=X-\alpha Y  é estacionária. Ou seja, dadas duas séries não-estacionárias, se uma combinação linear delas for estacionária, elas são cointegradas.

Cointegração vs Correlação

Muitas vezes o conceito de correlação é utilizado para construir estratégias com pares de ações. Isto não é indicado, pois o fato de duas séries terem alta correlação não garante que o seu spread seja estacionário. Cointegração e correlação são conceitos relacionados, porém diferentes. Em particular, alta correlação não implica em cointegração, nem tampouco um alto nível de cointegração implica em correlação alta. Por exemplo, o gráfico abaixo mostra duas séries temporais cointegradas, mas cuja correlação é apenas 0.30. As séries estarão, no longo prazo, andando juntas, porém, no curto prazo, seus movimentos tem pouca relação entre si. Note que a diferença entre as duas séries é estacionária.

Séries cointegradas mas com baixa correlação

Séries cointegradas mas com baixa correlação

O oposto também é possível. O gráfico abaixo mostra duas séries altamente correlacionadas (correlação = 0.78) mas que não são cointegradas. Note que as séries estão se distanciando uma da outra e a sua diferença não é estacionária.

Séries altamente correlacionadas, mas não cointegradas.

Séries altamente correlacionadas, mas não cointegradas.

No próximo post, explicarei como fazer um teste de cointegração.

Uma boa referência para estes conceitos é o segundo volume da série Market Risk Analysis daCarol Alexander.

 

* Porém é possível demonstrar matematicamente que o bêbado sempre encontra o caminho para casa!

** Esta é a definição de estacionariedade fraca. Ver as referências para maior formalismo.

 

Como investir

Apesar de hoje existirem diversos blogs e sites brasileiros dedicados a investimentos e ao mercado de ações, na minha opinião é difícil encontrar um material simples, gratuito e claro sobre como investir e alcançar os seus objetivos financeiros (com a ressalva de que “investir” não é a mesma coisa que “operar”) . Alguns dos sites sobre investimento que vejo no Brasil, mesmo alguns que possuem materiais gratuitos muito bons, muitas vezes vem acompanhados de tentativas de monetizar conceitos simples através de estratégias de marketing massificado para vender um ebook, curso ou webinar “que vai mudar sua vida”*.

Portanto decidi escrever um post simples – e, espero, claro – sobre como investir. Para começar, precisamos entender o que “investimento” significa. É importante notar que a maioria das pessoas não são investidoras, no sentido econômico da palavra. Investimento é a utilização de recursos, no momento atual, com o intuito de produzir algo no futuro. Por exemplo, começar um negócio próprio é uma forma de investimento – você está investindo capital hoje com a esperança de produzir algo mais valioso no futuro. Um outro exemplo é a compra inicial de ações de uma empresa (ou seja, no mercado primário, quando a empresa faz a oferta pública inicial, ou IPO), que também é uma forma de investimento e na qual o investidor financia a operação de uma empresa em troca de uma participação acionária. A compra ou venda de ações no mercado secundário (ou seja, na bolsa) é diferente e não constitui investimento no sentido econômico, pois é apenas a troca, entre dois participantes privados do mercado, da participação acionária em uma empresa que já existe. Ou seja, o dinheiro pago por uma ação no mercado secundário não tem relação nenhuma com o funcionamento da empresa.

Podemos ver então que o que comumente chamamos de “investimento” no contexto de uma pessoa física, é simplesmente a aplicação da renda não utilizada (ou seja, a renda que é poupada) em diferentes instrumentos financeiros como fundos de investimento, ações, imóveis, títulos de renda fixa etc. O fato de chamarmos o conjunto destas aplicações de “carteira de investimentos”, em vez de “carteira de poupança”, tem mais a ver com o fato de que “investimento” é um termo que soa mais sexy e sofisticado do que “poupança”. Para manter as coisas simples, vamos usar neste post o termo “investimento” no sentido comumente utilizado.

Investimento vs Especulação

É importante diferenciar entre investimento e especulação. Um especulador busca lucros através de operações de curto prazo, com o objetivo de explorar flutuações nos preços dos ativos. Em geral, o especulador não está preocupado com os fundamentos de um ativo. O investidor, por outro lado, tem um horizonte de médio ou longo prazo e aloca seus recursos em ativos com um perfil de risco e retorno consistente com os seus objetivos.

Não há nada de errado com ser um especulador ou um investidor, mas é importante que isto esteja bem definido. Em linhas gerais, uma pessoa que compra ações, por exemplo, sem uma estratégia bem definida, sem saber por quanto tempo manterá as posições, e vende as posições de maneira oportunista quando o papel sobe, é um especulador.

É possível que a mesma pessoa seja tanto um investidor como um especulador. Por exemplo, é possível ter uma carteira de investimento, seguindo uma estratégia bem definida, e paralelamente ter uma carteira na qual mantém posições especulativas (por exemplo, operações de arbitragem com pares de ações, ou com opções). Porém é importante manter uma estrutura organizada e disciplinada para registrar e separar estas duas atividades.

A seguir, podemos nos perguntar quais são os objetivos da carteira de investimento de uma pessoa física. Eu diria que são os seguintes:

Objetivos de uma carteira de investimentos

  1. Preservar o capital, ou seja, evitar perdas permanentes;
  2. Conservar o poder de compra , que deteriora ao longo do tempo por causa da inflação;
  3. Remunerar o dinheiro poupado pelo investidor, de acordo com seu perfil de investimento.

Note que o objetivo da carteira de investimentos não é “ficar rico” ou “duplicar seu dinheiro todo ano”. Um dos grandes mitos do mercado financeiro é que você ficará rico rapidamente ou será o próximo Warren Buffet. Com certeza existiram e continuarão existindo períodos de crescimento excepcionais e investidores profissionais excepcionalmente talentosos. Porém, também abundam exemplos de crises e crashes no mercado que fizeram evaporar grandes fortunas, e investidores sofisticados que quebraram.

Na minha opinião, para o investidor pessoa física, o caminho para o enriquecimento depende mais de fatores como o percentual da renda que é poupado e a disciplina em seguir uma estratégia de investimento bem definida, do que em acertar quais ativos que terão os retornos mais altos no futuro. O motivo é simples: os dois primeiros fatores estão sob o controle do investidor, enquanto os retornos futuros de ativos de risco são quantidades estocásticas e difíceis de prever. Para alcançar retornos mais altos, é mais vantajoso focar no investimento (no sentido econômico), seja ele na carreira ou educação (que aumentam o seu salário), ou em um negócio que permita deixar de ser assalariado.

Dados os objetivos da carteira, quais são as etapas do processo de investimento?

Etapas do processo de investimento

Em linhas gerais, podemos dividir o processo de investimento nas seguintes etapas:

1.       Defina sua meta de investimento

2.       Entenda o seu perfil de investimento e tolerância ao risco

3.       Crie uma estratégia de investimento

4.       Implemente a sua estratégia

5.       Monitore/Rebalanceie a carteira

Tenho focado bastante aqui no blog em estratégias para montar carteiras de ações, utilizando conceitos como escolher ações de baixa volatilidade, que demonstradamente superam o mercado. Montar – e manter – uma carteira de ações é sem dúvida um componente importante no processo de investimento, porém existem outros aspectos neste processo que são tão ou mais importantes. Conforme podemos ver, a escolha de uma carteira específica de ações pode ser vista como uma das etapas do passo 3, o qual inclui a alocação de ativos. A alocação de ativos começa com a definição de que tipos ou classes de ativos (ações, títulos, imóveis, câmbio, commodities etc) o investidor deseja ter. Após isto, é necessário escolher quais ativos comprar dentro de cada classe. As carteiras de ações que discutimos aqui no blog, por exemplo, podem servir para definir quais ações comprar.

Cada um dos tópicos acima merece um post próprio; aqui vou delinear os principais aspectos de cada um.

1.       Meta de investimento

Por que estamos investindo? Que objetivo queremos alcançar e em quanto tempo?

Saber o objetivo que temos ao investir é, de longe, o fator mais importante no processo de investimento. Qualquer um concorda que ter mais dinheiro é preferível a ter menos dinheiro, porém sem ter um objetivo claramente definido, fica muito difícil fazer as escolhas certas. Que ativos comprar? Que nível de risco é esperado/apropriado para alcançar o objetivo?  Também é muito importante definir o horizonte de investimento, pois ele influencia diversas escolhas, especialmente a alocação de ativos. Para horizontes curtos, precisamos tomar cuidado com ativos de maior risco ou de baixa liquidez, pois aumenta a chance de termos uma perda permanente, ou seja, ter de liquidar um investimento abaixo do valor pago originalmente.

O objetivo ou meta pode ser desde algo simples e relativamente fácil de alcançar, como por exemplo, “trocar de carro” ou “viajar para a Europa com a família”, como algo mais audacioso e desafiador, como “alcançar a independência financeira em 10 anos”. É tudo uma questão de elaboração; o processo acima serve para planejar desde o plano mais simples até o mais complexo. Algumas pessoas preferem manter uma única carteira de investimento para alcançar diversas metas diferentes; outras preferem ter carteiras diferentes, segregadas, para uma de suas metas.

Ao definir uma meta de investimento, é importante quantificar, da maneira mais precisa possível, o que se espera alcançar. Por exemplo, suponha que a meta seja tornar-se financeiramente independente, ou seja, possuir uma carteira que gere rendimentos periódicos suficientes para cobrir, com segurança, todos os custos de vida, indefinidamente. Neste caso, o investidor deve se perguntar:

  • Qual é o meu custo de vida atual? Como ele mudaria caso eu não tivesse mais que trabalhar? (Eu moraria no mesmo lugar, ou mudaria para um lugar mais barato? Possuo imóveis que poderia alugar ou vender para financiar o custo de vida futuro? Como aumentarão os gastos com saúde no futuro?)
  • Quanto preciso acumular para alcançar este objetivo? É preciso levar em conta a Matemática da Independência Financeira, o efeito dos juros, dos impostos, da inflação etc.
  • Em quanto tempo pretendo deixar de trabalhar? Este será o fator mais importante para determinar quanto será preciso economizar a cada mês.

Após definir a meta financeira, é hora de entender o seu perfil de investidor.

2. Perfil de Investimento e Tolerância ao Risco

O perfil de investimento é algo estritamente pessoal e  que depende de diversos fatores, como:

  • Idade e momento de carreira
  • Valor disponível para investir
  • Frequência e tamanho de aportes adicionais na carteira
  • Necessidade de liquidez e horizonte de investimento
  • Necessidade de fluxo de caixa
  • Tolerância ao risco
  • Taxa de retorno esperada

Para termos uma ideia de como estes fatores se relacionam, vamos comparar duas pessoas: uma jovem, em início de carreira, com um patrimônio baixo; e outra mais velha, próxima de se aposentar e com um patrimônio relativamente alto.

A primeira pessoa tem necessidade de liquidez em um horizonte de 5 a 10 anos, pois pretende comprar um imóvel e pagar despesas com os filhos que virão. O valor que possui para investir é baixo, porém ela poupa uma parcela razoável do seu salário todo mês, a qual vai direto para sua carteira de investimento. O objetivo principal da sua carteira é proteger o seu patrimônio e ajudá-lo a crescer. Seus investimentos não precisam gerar fluxo de caixa no futuro próximo, pois seu salário é suficiente para financiar seu estilo de vida. Em termos de tolerância ao risco, ela está confortável em assumir um risco maior, pois (i) possui mais tempo para recuperar eventuais perdas temporárias e (ii)  seu salário é a fonte primária de renda para arcar com o custo de vida.

A segunda pessoa, que está próxima de se aposentar, pretende usar a carteira para financiar sua aposentadoria. Ela não tem necessidade de liquidez relevante; o objetivo da sua carteira é gerar rendimentos para cobrir as despesas mensais na aposentadoria, ou seja, ela tem necessidade de investimentos capazes de gerar fluxos de caixa previsíveis. Sua tolerância ao risco é menor do que a da primeira pessoa; a função da sua carteira não é aumentar agressivamente, mas sim proteger o patrimônio para que ele continue gerando rendimentos previsíveis capazes de cobrir o custo de vida.

Esta análise, apesar de bastante estilizada, ajuda a entender como a situação pessoal de cada um influi no perfil de investimento. Em particular, a tolerância ao risco é um fator extremamente importante. Existem diversas maneiras de mensurar isto. Como uma regra simples, vale a pena imaginar o que aconteceria com a sua carteira de investimento em uma crise como a de 2008. Uma carteira 100% alocada em ações teria sofrido uma perda de aproximadamente 50% neste período. Como você reagiu (ou reagiria) a uma desvalorização desta magnitude? Se você passou (ou passaria) noites em branco, preocupado com as perdas, significa que sua alocação em ações deve ser bem menor do que 100%.

3. Estratégia de Investimento

Para criar uma estratégia de investimento, é preciso considerar vários fatores:

  • Meta de investimento (passo 1)
  • Que tipos ou classes de ativos irão compor a carteira?
  • Que tipo de alocação utilizar (passiva vs ativa)?
  • Que proporção da carteira alocar para cada classe de ativo?
  • Que instrumentos ou produtos utilizar e quais os custos envolvidos?

A meta de investimento é o primeiro passo, pois ela determina que tipos de ativos são adequados. Por exemplo, uma carteira com objetivo de apreciação agressivo precisa conter ativos capazes de gerar retornos altos, como por exemplo ações agressivas. Já uma carteira cujo objetivo é gerar rendimentos previsíveis pode conter uma proporção maior de títulos do governo ou de empresas, que pagam cupons pré-definidos e frequentes.

A definição das classes de ativos que irão compor a carteira é outro passo importante. A introdução de diversas classes de ativos é desejável pois aumenta a diversificação da carteira. Mas é preciso entender as características e os riscos de cada produto para evitar surpresas, especialmente caso seja necessário liquidar o investimento. Em linhas gerais, as classes de ativos financeiros que estão comumente disponíveis para investidores individuais no Brasil são as seguintes** (dos menos arriscados para os mais arriscados):

Dentro de cada classe de ativos, existem diferentes tipos ou categorias de ativos. Por exemplo, há ações mais defensivas e mais agressivas, ações que tendem a pagar mais ou menos dividendos etc. Títulos podem ser emitidos pelo governo ou por empresas, podem ser pré ou pós fixados, de curto ou longo prazo, pagar ou não cupons periódicos e assim por diante.

Definidas as classes de ativos, é preciso tomar decisões quanto à alocação de ativos. Em primeiro lugar, o investidor precisa determinar se seguirá um modelo de alocação passiva, no qual as proporções de cada classe de ativo são pré-definidas e mantidas fixas ao longo do tempo, ou um modelo de alocação ativa, no qual as proporções são alteradas com o intuito de capturar retornos maiores de acordo com algum tipo de previsão sobre o desempenho futuro das classes de ativos. Existe uma longa discussão sobre este assunto, ligada ao conceito acadêmico do mercado eficiente. Em um mercado eficiente, não é possível em geral superar consistentemente o desempenho agregado do mercado. Neste caso, a decisão mais racional é a de seguir uma carteira que represente da melhor maneira possível o mercado. A evidência acadêmica aponta que os gestores ativos, em geral, performam abaixo de gestores passivos que apenas seguem alocações fixas. Em geral, o investimento ativo está associado a taxas e custos mais altos, o que também contribui para deteriorar os resultados. Isto não significa que não existam gestores ativos capazes de obter retornos consistentes.

O próximo passo é definir a alocação de ativos da carteira. Isto significa definir a proporção (%) de cada classe de ativo na carteira. Existem diversas maneiras de fazer isto, desde escolhas subjetivas baseadas no perfil de investimento, até sofisticados cálculos para encontrar uma carteira otimizada, como por exemplo o que descrevo neste post sobre otimização de uma carteira de ações.

Um outro ponto a considerar é que tipo de produtos utilizar para obter exposição a cada classe de ativo, e quais os custos envolvidos. Por exemplo, é possível ter exposição a ações através de pelo menos 3 métodos: 1. comprando ações de empresas individuais através de uma corretora; 2. comprando ETFs através de uma corretora; e 3. comprando cotas de fundos de ações através de uma corretora, banco ou gestor de recursos. No primeiro caso, alguns dos custos envolvidos são: taxa de corretagem, emolumentos, spread de compra/venda (ver também este post). No segundo caso, além destes custos há também a taxa de administração do ETF. No terceiro caso, é necessário pagar a taxa de administração e em alguns casos, de performance do fundo. Além disso, os impostos cobrados em cima de tipos de produtos pode ser diferente. Por exemplo, LCIs e LCAs são isentos de impostos, enquanto CDBs não são.

4. Implementação da Estratégia de Investimento

Definida a estratégia de investimento, é hora de implementá-la. Isto envolve executar a compra dos produtos escolhidos para alcançar a alocação desejada. Conforme vimos acima, isto pode envolver uma combinação de produtos que estão disponíveis através de diferentes instituições como bancos, corretoras, gestores de recurso etc. O número de opções, mesmo no Brasil, é muito alto. Por exemplo, existiam no final de 2013 mais de 14 mil fundos de investimento. Esta grande oferta de produtos também vem acompanhada de grande variabilidade nos custos. Por exemplo, um fundo de ações comum pode ter taxas de administração variando de algo próximo de 0% até 4%. O mesmo pode ser dito sobre o custo de comprar e vender ações individuais através de uma corretora. Portanto é importante avaliar com cuidado todos os custos envolvidos.

5. Manutenção/Rebalanceamento da Carteira

Uma vez escolhidos os produtos e instituições financeiras para implementar a carteira, é necessário monitorá-la frequentemente para que ela não desvie muito da alocação desejada. Isto pode ser feito de diversas maneiras, de acordo com a sofisticação do investidor, a dinâmica de aportes e o critério de rebalanceamento. Este processo é vital para alcançar bons resultados e manter a carteira alinhada com o perfil esperado. Em particular, o processo de rebalanceamento ajuda a alcançar retornos melhores, pois força a venda de ativos que tiveram ganhos e a compra de ativos que tiveram perdas, ou seja, ajuda a automatizar o conceito de comprar na baixa e vender na alta. É importante manter em mente, no entanto, que quanto mais frequente o rebalanceamento, maior serão os custos operacionais.

Algumas das possibilidades para rebalancear a carteira são:

  • Rebalanceamento periódico – consiste em rebalancear a carteira em uma frequência pré-determinada (por exemplo, mensalmente ou a cada três meses).
  • Rebalanceamento ao divergir da alocação desejada – pode-se definir uma meta de rebalanceamento em relação a alocacão desejada, por exemplo, rebalancear a carteira sempre que ela desviar x% da alocação desejada.
  • Rebalanceamento através de aportes – se o investidor faz aportes frequentes, ele pode dimensionar as contribuições dos aportes em cada classe de maneira a manter a alocação mais próxima possível da alocação desejada.

Conclusão

Ter um processo bem definido de investimento é um passo fundamental para ter sucesso. O tempo investido no planejamento, execução e manutenção da sua carteira, e a disciplina de seguir este processo ao longo do tempo, podem fazer a diferença entre conquistar ou não os seus sonhos. Bons investimentos!

 

* Geralmente é fácil reconhecer este tipo de site, pois eles usam estratégias que geram tensão e ansiedade para fecharem a venda, como por exemplo alertas de que “hoje é o último dia para comprar/se inscrever pelo preço promocional”.

** Investidores com patrimônio mais alto ou mais sofisticados podem ter acesso a outras classes de ativos internacionais através de um gestor de recursos.