Introdução
Saber o que vai acontecer antecipadamente é um desafio para a tomada de decisão em praticamente todas as áreas do conhecimento. Os modelos de previsão são desenvolvidos com base na observação e interpretação de dados históricos – métodos quantitativos. Na falta desses dados, podemos utilizar métodos qualitativos, baseados na relação dos fatores envolvidos no processo em comparação com outros projetos, a opinião de especialistas, etc.
Os métodos quantitativos utilizados na análise de investimentos no mercado de capitais são baseados em cálculos econométricos ou séries temporais.
Modelos baseados em índices e conceitos da teoria econômica têm origem na escrituração contábil e índices econômico-financeiros – análise fundamentalista, elaborada e interpretada quase que exclusivamente por especialistas em finanças e iniciados nas ciências contábeis e econômicas.
Os modelos de séries temporais são estatísticos e baseados na observação e interpretação da trajetória do ativo no tempo.
Referencial Teórico
No início do século XX, Charles Dow reunia suas impressões e observações sobre o comportamento do mercado de capitais no que seria, posteriormente, conhecido como a Teoria de Dow e serviu de base para a Análise Gráfica. Também conhecida como Análise Técnica, essa técnica baseada no pressuposto que o preço de mercado reflete os fatores que influenciam a procura e a oferta por determinado ativo popularizou-se entre os investidores comuns pela facilidade de interpretação e pelo avanço da tecnologia computacional.
O conceito de análise a partir do comportamento dos investidores, fundamento básico da Teoria de Dow, tem como base a teoria estatística cujos métodos também compõem o embrião da nova tendência de análise que toma corpo nos dias de hoje.
Metodologia
Entendemos séries temporais como conjuntos de observações de uma variável feita em períodos sucessivos de tempo e ao longo de um determinado intervalo e elaboramos modelos explicativos e de previsão baseados no comportamento histórico dessa variável.
Os fatores explicativos dos movimentos das séries temporais são divididos em componentes sistemáticos que podem ser padronizados e repetitivos no decorrer do tempo e componentes aleatórios ou erráticos que são imprevisíveis e não sujeitos a sistematização e respondem pelo erro dos modelos.
Os modelos de previsão partem do pressuposto que cada observação da série é resultado da ação dos fatores sistemáticos – tendência, sazonalidade e cíclico, e os valores não explicados pelo modelo são fruto do componente aleatório ou irregular.
Os mais simples, utilizando médias aritméticas de períodos sucessivos de tamanho fixo, consideram todas as informações com igual intensidade e não permitem detectar movimentos cíclicos ou sazonais. A utilização de médias móveis ponderadas, ou ajuste exponencial, permite que os valores mais recentes tenham maior influência nos resultados. Porém, não ajudam a decidir qual o tamanho da série e da janela para cálculo da média. Além disso, precisamos decidir os pesos que mais se ajustam a cada série de estudo.
Os modelos mais complexos utilizam inúmeras variáveis explicativas para calcular cada nova ocorrência a partir dos valores mais recentes da série.
Há diversas técnicas estatísticas para selecionar as variáveis mais significativas para cada série em cada período considerado. Um modelo pode prever adequadamente as ocorrências de uma série mas ter os erros crescendo com a inclusão de observações mais atuais. Com o tempo, ele pode perder a capacidade de previsão para essa série. Todo o modelo de previsão deve passar por uma verificação periódica para ajustar seus parâmetros a nova realidade.
Por mais complexo e bem elaborado que seja o modelo, é preciso considerar que existe uma parcela não sistemática que o modelo não explica. É com base no conceito de “erro residual” que aceitamos ou rejeitamos um modelo para previsão de uma série temporal. As técnicas estatísticas permitem verificar se a diferença entre os valores previstos pelo modelo e os efetivamente ocorridos apresentam um padrão de comportamento que represente um fator cíclico, sazonal ou de tendência e que poderia ser modelado.
O melhor modelo para a nossa série será aquele que consiga previsões mais acertadas e com o menos número de variáveis explicativas.
Considerações Finais
Uma das contribuições mais perceptíveis da estatística quantitativa para a análise de investimentos no mercado de capitais consiste na verificação que modelos genéricos devem servir apenas de embasamento para verificar o real comportamento de um ativo. Não devemos considerar o modelo, por mais completo e bem elaborado, como uma resposta pronta. É preciso adequar sua utilização ao objeto de estudo e ao contexto atual, seja calibrando seus parâmetros, seja avaliando sua adequação com base na comparação entre os valores previstos e os efetivamente observados na série histórica.
Referências
Levine, David M; Berenson, Mark L; Stephan, David. Estatística: Teoria e Aplicações Usando Microsoft Excel em Portugues. Rio de Janeiro. LTC, 2000.
Morettin, Pedro A; Toloi, Clélia M C. Análise de Séries Temporais. São Paulo: Edgard Blücher, 2004.
Saber o que vai acontecer antecipadamente é um desafio para a tomada de decisão em praticamente todas as áreas do conhecimento. Os modelos de previsão são desenvolvidos com base na observação e interpretação de dados históricos – métodos quantitativos. Na falta desses dados, podemos utilizar métodos qualitativos, baseados na relação dos fatores envolvidos no processo em comparação com outros projetos, a opinião de especialistas, etc.
Os métodos quantitativos utilizados na análise de investimentos no mercado de capitais são baseados em cálculos econométricos ou séries temporais.
Modelos baseados em índices e conceitos da teoria econômica têm origem na escrituração contábil e índices econômico-financeiros – análise fundamentalista, elaborada e interpretada quase que exclusivamente por especialistas em finanças e iniciados nas ciências contábeis e econômicas.
Os modelos de séries temporais são estatísticos e baseados na observação e interpretação da trajetória do ativo no tempo.
Referencial Teórico
No início do século XX, Charles Dow reunia suas impressões e observações sobre o comportamento do mercado de capitais no que seria, posteriormente, conhecido como a Teoria de Dow e serviu de base para a Análise Gráfica. Também conhecida como Análise Técnica, essa técnica baseada no pressuposto que o preço de mercado reflete os fatores que influenciam a procura e a oferta por determinado ativo popularizou-se entre os investidores comuns pela facilidade de interpretação e pelo avanço da tecnologia computacional.
O conceito de análise a partir do comportamento dos investidores, fundamento básico da Teoria de Dow, tem como base a teoria estatística cujos métodos também compõem o embrião da nova tendência de análise que toma corpo nos dias de hoje.
Metodologia
Entendemos séries temporais como conjuntos de observações de uma variável feita em períodos sucessivos de tempo e ao longo de um determinado intervalo e elaboramos modelos explicativos e de previsão baseados no comportamento histórico dessa variável.
Os fatores explicativos dos movimentos das séries temporais são divididos em componentes sistemáticos que podem ser padronizados e repetitivos no decorrer do tempo e componentes aleatórios ou erráticos que são imprevisíveis e não sujeitos a sistematização e respondem pelo erro dos modelos.
Os modelos de previsão partem do pressuposto que cada observação da série é resultado da ação dos fatores sistemáticos – tendência, sazonalidade e cíclico, e os valores não explicados pelo modelo são fruto do componente aleatório ou irregular.
Os mais simples, utilizando médias aritméticas de períodos sucessivos de tamanho fixo, consideram todas as informações com igual intensidade e não permitem detectar movimentos cíclicos ou sazonais. A utilização de médias móveis ponderadas, ou ajuste exponencial, permite que os valores mais recentes tenham maior influência nos resultados. Porém, não ajudam a decidir qual o tamanho da série e da janela para cálculo da média. Além disso, precisamos decidir os pesos que mais se ajustam a cada série de estudo.
Os modelos mais complexos utilizam inúmeras variáveis explicativas para calcular cada nova ocorrência a partir dos valores mais recentes da série.
Há diversas técnicas estatísticas para selecionar as variáveis mais significativas para cada série em cada período considerado. Um modelo pode prever adequadamente as ocorrências de uma série mas ter os erros crescendo com a inclusão de observações mais atuais. Com o tempo, ele pode perder a capacidade de previsão para essa série. Todo o modelo de previsão deve passar por uma verificação periódica para ajustar seus parâmetros a nova realidade.
Por mais complexo e bem elaborado que seja o modelo, é preciso considerar que existe uma parcela não sistemática que o modelo não explica. É com base no conceito de “erro residual” que aceitamos ou rejeitamos um modelo para previsão de uma série temporal. As técnicas estatísticas permitem verificar se a diferença entre os valores previstos pelo modelo e os efetivamente ocorridos apresentam um padrão de comportamento que represente um fator cíclico, sazonal ou de tendência e que poderia ser modelado.
O melhor modelo para a nossa série será aquele que consiga previsões mais acertadas e com o menos número de variáveis explicativas.
Considerações Finais
Uma das contribuições mais perceptíveis da estatística quantitativa para a análise de investimentos no mercado de capitais consiste na verificação que modelos genéricos devem servir apenas de embasamento para verificar o real comportamento de um ativo. Não devemos considerar o modelo, por mais completo e bem elaborado, como uma resposta pronta. É preciso adequar sua utilização ao objeto de estudo e ao contexto atual, seja calibrando seus parâmetros, seja avaliando sua adequação com base na comparação entre os valores previstos e os efetivamente observados na série histórica.
Referências
Levine, David M; Berenson, Mark L; Stephan, David. Estatística: Teoria e Aplicações Usando Microsoft Excel em Portugues. Rio de Janeiro. LTC, 2000.
Morettin, Pedro A; Toloi, Clélia M C. Análise de Séries Temporais. São Paulo: Edgard Blücher, 2004.
Postagens
Nenhum comentário:
Postar um comentário