O Efeito Disposição e Suas Motivações Comportamentais: Um Estudo Com Base Na Atuação de Gestores de Fundos de Investimento em Ações

UNIVERSIDADE DE SO PAULO
FACULDADE DE ECONOMIA, ADMINISTRAO E CONTABILIDADE

DEPARTAMENTO DE ADMINISTRAO
PROGRAMA DE PS-GRADUAO EM ADMINISTRAO
O EFEITO DISPOSIO E SUAS MOTIVAES COMPORTAMENTAIS:

UM ESTUDO COM BASE NA ATUAO DE GESTORES DE FUNDOS
DE INVESTIMENTO EM AES
Eduardo Pozzi Lucchesi
Orientador: Prof. Dr. Jos Roberto Securato
SO PAULO
2010
Prof. Dr. Joo Grandino Rodas

Reitor da Universidade de So Paulo
Prof. Dr. Carlos Roberto Azzoni
Diretor da Faculdade de Economia, Administrao e Contabilidade
Prof. Dr. Adalberto Amrico Fischmann
Chefe do Departamento de Administrao
Prof. Dr. Lindolfo Galvo de Albuquerque
Coordenador do Programa de Ps-Graduao em Administrao
EDUARDO POZZI LUCCHESI
O EFEITO DISPOSIO E SUAS MOTIVAES COMPORTAMENTAIS:

UM ESTUDO COM BASE NA ATUAO DE GESTORES DE FUNDOS
DE INVESTIMENTO EM AES
Tese apresentada ao Departamento de Administrao da Faculdade de Economia, Administrao e Contabilidade da Universidade de So Paulo
como requisito parcial para a obteno do ttulo
de Doutor em Administrao.
Orientador: Prof. Dr. Jos Roberto Securato
SO PAULO
2010
Tese defendida no Departamento de Administrao da Faculdade

de Economia, Administrao e Contabilidade da Universidade de
So Paulo Programa de Ps-graduao em Administrao, pela
seguinte comisso examinadora:
Prof. Dr. Jos Roberto Securato (Presidente)

Prof. Dr. Rubens Fam FEA/USP
Profa. Dra. Rosana Tavares FEA/USP
Prof. Dr. Ricardo Humberto Rocha Insper
Prof. Dr. Andr Luiz Oda FIA
FICHA CATALOGRFICA
Elaborada pela Seo de Processamento Tcnico do SBD/FEA/USP
Lucchesi, Eduardo Pozzi

O efeito disposio e suas motivaes comportamentais: um estudo
com base na atuao de gestores de fundos de investimento em aes.
/ Eduardo Pozzi Lucchesi So Paulo, 2010.
178p.
Tese (Doutorado) Universidade de So Paulo, 2010.
Orientador: Jos Roberto Securato.
1. Finanas das empresas. 2. Aes. 3. Mercado de capitais.
I. Universidade de So Paulo. Faculdade de Economia, Administrao
e Contabilidade. II. Ttulo.
CDD 658.15
Aos meus queridos e saudosos avs, Ceclio Pozzi e

Rolanda Forster Pozzi
in memoriam
iii
iv
Agradecimentos
I get by with a little help from my friends

I get high with a little help from my friends
Gonna try with a little help from my friends
John Lennon e Paul McCartney
Minha trajetria acadmica foi marcada pela passagem de muitas pessoas importantes
que contriburam de forma decisiva para a minha formao e para o aprimoramento do
meu repertrio. Certamente seria impossvel mencion-las todas aqui. Por esta razo,
gostaria de agradecer a todos de forma geral e, nominalmente, queles que diretamente
colaboraram para a elaborao deste trabalho.
ao Prof. Dr. Jos Roberto Securato, orientador desta tese, pelo aprendizado nas
disciplinas cursadas, pela orientao dedicada a este trabalho e pelas oportunidades
que me concedeu para meu aperfeioamento acadmico e profissional;
ao Prof. Dr. Rubens Fam, membro da banca de qualificao e meu orientador

no curso de mestrado, pelo aprendizado nas disciplinas cursadas, pela confiana e
incentivo, pelas importantes sugestes que ajudaram a aprimorar este trabalho e
por ter me apresentado os primeiros textos sobre finanas comportamentais;
Profa. Dra. Rosana Tavares, pelas importantes sugestes e contribuies oferecidas no exame de qualificao para o aprimoramento deste trabalho e por ter
participado diretamente do incio de minha carreira como docente;
ao Prof. Dr. Ricardo Humberto Rocha e ao Prof. Dr. Andr Luiz Oda, por
aceitarem o convite para a arguio final desta tese e, por representarem, para mim,
uma grande referncia tanto profissional quanto acadmica;
aos professores do Programa de Ps-Graduao em Administrao da FEA/USP

com os quais tive o prazer de cursar disciplinas: Prof. Dr. Decio Zylbersztajn, Prof.
Dr. Keyler Carvalho Rocha e Profa. Dra. Maria Aparecida Gouva;
v
vi
ao meu ex-aluno e amigo Roberto Longhi Prado, pela essencial ajuda na organizao
dos dados sem a qual este trabalho certamente no teria sido realizado;
um agradecimento especial aos amigos Claudia Emiko Yoshinaga, Francisco Henrique Figueiredo de Castro Junior e Junio Fuentes, por terem lido as primeiras verses deste trabalho, pelas fundamentais sugestes trazidas tanto na forma quanto
no contedo e pela forma gentil com que sempre se dispuseram a me ajudar nesta
empreitada;
aos professores e amigos Alessandra Montini, Carlos Braga, Fabio Gallo, Lucas
Ayres, Mamerto Garcia e Ricardo Buscariolli pelas discusses que certamente contriburam para aprimorar este trabalho;
ao Fabio Oliveira, gestor da Schroder Investment Management Brasil e ao Herculano

Anibal Alves, gestor de renda varivel da Bradesco Asset Management, por terem
me recebido para uma proveitosa e importante troca de idias sobre o mundo dos
gestores de fundos de investimento;
Maria de Lourdes Santoro, Flvia Hime e Carolina de Mello Santos por terem me
ajudado a encontrar mais equilbrio e harmonia nesta fase de minha vida;
por fim, agradeo a toda minha famlia, particularmente a minha me, Ceclia, pelo
apoio incondicional em todos os momentos da minha vida e pela pacincia com as
minhas idiossincrasias.
We have an irrational tendency to be less willing to

gamble with profits than with losses. This means
selling quickly when we earn profits but not selling if
we are running losses.
Lars Tvede
vii
viii
Resumo
LUCCHESI, E. P. O efeito disposio e suas motivaes comportamentais:
um estudo com base na atuao de gestores de fundos de investimento em
aes. 178p. Tese (Doutorado) - Faculdade de Economia, Administrao e Contabilidade,
Universidade de So Paulo, So Paulo, 2010.
O efeito disposio, originalmente proposto por Shefrin e Statman (1985), preconiza

que os investidores tendem a vender aes com lucro em um curto perodo de tempo e
manter aes com prejuzo por um longo perodo de tempo. A despeito da ampla gama
de evidncias sobre o assunto, as razes que levariam os investidores a manifestar esse
vis comportamental ainda motivo de uma controvrsia importante entre motivaes
racionais e comportamentais. Neste trabalho, o objetivo foi testar duas motivaes comportamentais concorrentes para explicar o efeito disposio: a teoria perspectiva e o vis
da reverso mdia. Para cumprir esse objetivo, foi feita uma anlise das transaes
mensais de compra e venda de uma amostra de 51 fundos de investimento em aes brasileiros, no perodo de 2002 a 2008. A anlise envolveu a estimao de dois modelos de
regresso de varivel dependente qualitativa. O primeiro consistiu em um modelo logit
binrio cujo propsito foi determinar a probabilidade de um gestor realizar um ganho ou
uma perda de capital em razo de variveis de retorno das aes. O segundo foi um modelo logit ordenado cujo objetivo foi verificar a existncia de uma relao entre as variveis
de retorno e o volume monetrio vendido das aes. Em ambos os modelos, os parmetros
estimados para as variveis de retorno das aes foram interpretados como um coeficiente
de disposio, sendo que a proposio desse coeficiente consistiu na principal contribuio
da pesquisa. Os resultados dos modelos estimados trouxeram evidncias de que a teoria
perspectiva parece permear o processo decisrio dos gestores dos fundos analisados. J
no caso da hiptese de que o efeito disposio decorrente do vis da reverso mdia,
no foi possvel corrobor-la com base nos resultados aqui relatados.
Palavras-chave: Efeito Disposio, Teoria Perspectiva, Regresso Logstica.
ix
Abstract
LUCCHESI, E. P. The disposition effect and its behavioral motivations: a
study based on stock fund managers trading activity. 178p. Thesis (Doctoral) Faculdade de Economia, Administrao e Contabilidade, Universidade de So Paulo, So
Paulo, 2010.
The disposition effect, originally proposed by Shefrin and Statman (1985), predicts
that investors tend to sell winning stocks too soon and ride losing stocks too long. Despite
the wide range of research evidence about this issue, the reasons that lead investors to act
this way is still subject to much controversy between rational and behavioral explanations.
In this thesis, the main goal was to test two competing behavioral motivations to justify
the disposition effect: prospect theory and mean reversion bias. To achieve this goal, an
analysis of monthly transactions for a sample of 51 Brazilian stock funds from 2002 to
2008 was conducted. The analysis involved the estimation of two regression models with
qualitative dependent variable. The first one consisted of a binary logit model whose
purpose was to set the probability of a manager to realize a capital gain or loss as a
function of the stock return. The second one was an ordered logit model whose objective
was to verify the existence of a relationship between stock returns and the monetary
volume sold. In both models, the estimated parameters for the stock return variables
were interpreted as a disposition coefficient and the proposition of this coefficient was the
main contribution of the research. The results of the estimated models brought evidence
that prospect theory seems to guide the decision making process of the managers of the
analyzed funds. The hypothesis that the disposition effect is due to mean reversion bias
could not be confirmed based on the results reported here.
Keywords: Disposition Effect, Prospect Theory, Logistic Regression.
xi
xii
AUTORIZO A REPRODUO E DIVULGAO TOTAL OU PARCIAL DESTE

TRABALHO, POR QUALQUER MEIO CONVENCIONAL OU ELETRNICO, PARA
FINS DE ESTUDO E PESQUISA, DESDE QUE CITADA A FONTE.
Esta tese foi formatada em LATEX, com estilo de citao ABNTEX.
Sumrio
Lista de Tabelas
Lista de Figuras
1 Introduo
1.1
Situao-problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Objetivos da pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3
Justificativa do trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4
Contribuies da pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5
Hipteses da pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.6
Estrutura do trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Fundamentao Terica
2.1
21
Finanas comportamentais . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.1
2.1.2
Vis heurstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.1.1
Representatividade . . . . . . . . . . . . . . . . . . . . . . 25
2.1.1.2
Disponibilidade . . . . . . . . . . . . . . . . . . . . . . . . 30
2.1.1.3
Ancoragem . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Efeitos de estruturao . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.1.2.1
2.1.3
2.2
Teoria perspectiva . . . . . . . . . . . . . . . . . . . . . . 35
Mercados ineficientes . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.1.3.1
Bases tericas da hiptese do mercado eficiente . . . . . . 38
2.1.3.2
Desafios da hiptese do mercado eficiente . . . . . . . . . 39
Efeito disposio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2.1
Estrutura terica do efeito disposio . . . . . . . . . . . . . . . . . 44

2.2.1.1
Teoria perspectiva . . . . . . . . . . . . . . . . . . . . . . 44
2.2.1.2
Contabilidade mental . . . . . . . . . . . . . . . . . . . . . 45
2.2.1.3
Averso ao arrependimento . . . . . . . . . . . . . . . . . 46
1
Sumrio
2.2.2
2.2.1.4
Auto-controle . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.2.1.5
Reverso mdia . . . . . . . . . . . . . . . . . . . . . . . 47
Evidncias empricas . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2.2.1
Estudo de Shefrin e Statman (1985) . . . . . . . . . . . . 50
2.2.2.2
Estudo de Lakonishok e Smidt (1986)
2.2.2.3
Estudo de Ferris, Haugen e Makhija (1988) . . . . . . . . 51
2.2.2.4
Estudo de Odean (1998) . . . . . . . . . . . . . . . . . . . 52
2.2.2.5
Estudo de Weber e Camerer (1998) . . . . . . . . . . . . . 52
2.2.2.6
Estudo de Grinblatt e Keloharju (2000) . . . . . . . . . . 53
2.2.2.7
Estudo de Boebel e Taylor (2000) . . . . . . . . . . . . . . 54
2.2.2.8
Estudo de Locke e Mann (2000) . . . . . . . . . . . . . . . 54
2.2.2.9
Estudo de Ranguelova (2001) . . . . . . . . . . . . . . . . 55
. . . . . . . . . . . 50
2.2.2.10 Estudo de Shapira e Venezia (2001) . . . . . . . . . . . . . 56

2.2.2.11 Estudo de Genesove e Mayer (2001)
. . . . . . . . . . . . 56
2.2.2.12 Estudo de Grinblatt e Han (2002) . . . . . . . . . . . . . . 56

2.2.2.13 Estudo de Dhar e Zhu (2002) . . . . . . . . . . . . . . . . 57
2.2.2.14 Estudo de Macedo Jr. (2003) . . . . . . . . . . . . . . . . 58
2.2.2.15 Estudo de Karsten (2005) . . . . . . . . . . . . . . . . . . 58
2.2.2.16 Estudo de Mineto (2005) . . . . . . . . . . . . . . . . . . . 59
2.2.2.17 Estudo de Pereira (2005) . . . . . . . . . . . . . . . . . . . 60
2.2.2.18 Estudo de Arruda (2006)
. . . . . . . . . . . . . . . . . . 60
2.2.2.19 Estudo de Brown et al. (2006) . . . . . . . . . . . . . . . . 60

2.2.2.20 Estudo de Frazzini (2006) . . . . . . . . . . . . . . . . . . 61
2.2.2.21 Estudo de Barber et al. (2007) . . . . . . . . . . . . . . . 62
2.2.2.22 Estudo de Tizziani (2008) . . . . . . . . . . . . . . . . . . 63
2.2.2.23 Estudo de Barberis e Xiong (2009) . . . . . . . . . . . . . 63
2.2.3
Estudos no-empricos . . . . . . . . . . . . . . . . . . . . . . . . . 64
3 Metodologia da Pesquisa
67
3.1
Seleo da amostra e coleta dos dados . . . . . . . . . . . . . . . . . . . . . 67
3.2
Anlise dos dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

3.2.1
Ganhos e perdas calculados com base no preo mdio de compra . . 70
3.2.2
Ganhos e perdas calculados com base no retorno em excesso de

mercado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.2.3
Ajustes realizados nos preos das aes . . . . . . . . . . . . . . . . 75
Sumrio
3.3
3.4
3.5
Teste de Propores
3.3.1
Proporo de ganhos e perdas realizados . . . . . . . . . . . . . . . 75
3.3.2
Teste de significncia . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.3.3
Consideraes sobre o volume transacionado . . . . . . . . . . . . . 77
Modelo de regresso de varivel dependente qualitativa . . . . . . . . . . . 80

3.4.1
Modelo de regresso logstica binrio . . . . . . . . . . . . . . . . . 81
3.4.2
Descrio do modelo . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.4.3
Definio operacional das variveis . . . . . . . . . . . . . . . . . . 86
3.4.4
Diagnsticos do modelo
3.4.5
Modelo de regresso logstica ordenado . . . . . . . . . . . . . . . . 90
3.4.6
Definio operacional da varivel dependente para o modelo ordenado 93
101
Resultados com base no preo mdio de compra . . . . . . . . . . . . . . . 101

4.1.1
4.1.2
4.2
. . . . . . . . . . . . . . . . . . . . . . . . 89
Limitaes da pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4 Resultados da Pesquisa
4.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Resultados dos testes de propores . . . . . . . . . . . . . . . . . . 101

4.1.1.1
Resultados gerais para a amostra completa . . . . . . . . . 102
4.1.1.2
Resultados segmentados por gestor . . . . . . . . . . . . . 103
Resultados dos modelos de regresso logstica . . . . . . . . . . . . 106

4.1.2.1
4.1.2.2
Resultados com base no retorno em excesso de mercado . . . . . . . . . . . 114

4.2.1
4.2.2

4.2.1.1
4.2.1.2
Resultados dos modelos de regresso logstica . . . . . . . . . . . . 119

4.2.2.1
4.2.2.2
4.3
Discusso da hiptese H1a . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.4
Resultados dos testes da hiptese da reverso mdia . . . . . . . . . . . . 126
4.5
4.4.1
4.4.2
Resultados do modelo de regresso logstica ordenado . . . . . . . . 131
Discusso da hiptese H1b . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
5 Concluso
139
Sumrio
Referncias Bibliogrficas
145
A Amostra de fundos estudada por CNPJ e Administrador
155
B Amostra de fundos estudada por Gestor e Patrimnio Lquido
159
C PGR e PPR mdia por grupo de fundos administrados pelo mesmo

gestor
163
D Resultados da hiptese da reverso mdia - testes de propores
169
E Resultados da hiptese da reverso mdia - modelo logit ordenado
173
ndice Remissivo de Autores
177
Lista de Tabelas
1
Resultados gerais por transao realizada obtidos com base no preo mdio
de compra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
Resultados gerais por volume transacionado obtidos com base no preo

mdio de compra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
Resultados segmentados por gestor, por transao realizada, obtidos com

base no preo mdio de compra . . . . . . . . . . . . . . . . . . . . . . . . 105
Resultados segmentados por gestor, por volume transacionado, obtidos com

Resultados gerais do modelo de regresso logstica binrio . . . . . . . . . . 108
Resultados gerais do modelo de regresso logstica ordenado . . . . . . . . 109
Resultados do modelo de regresso logstica binrio segmentados por gestor 111
Resultados do modelo de regresso logstica ordenado segmentados por gestor113
Resultados gerais por transao realizada obtidos com base no retorno em

excesso de mercado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
10
Resultados gerais por volume transacionado obtidos com base no retorno

em excesso de mercado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
11

base no retorno em excesso de mercado . . . . . . . . . . . . . . . . . . . . 117
12

13
Resultados gerais do modelo de regresso logstica binrio . . . . . . . . . . 119
14
Resultados gerais do modelo de regresso logstica ordenado . . . . . . . . 120
15
Resultados do modelo de regresso logstica binrio segmentados por gestor 122
16
Resultados do modelo de regresso logstica ordenado segmentados por gestor123
17
Resultados gerais por volume transacionado com base na consistncia do

desempenho dos trs meses precedentes . . . . . . . . . . . . . . . . . . . . 129
18

desempenho dos seis meses precedentes . . . . . . . . . . . . . . . . . . . . 130
19

desempenho dos doze meses precedentes . . . . . . . . . . . . . . . . . . . 130
5
Lista de Tabelas
20
Resultados do modelo de regresso logstica ordenado com base na consistncia do desempenho dos trs meses precedentes . . . . . . . . . . . . . . 133
21
Resultados do modelo de regresso logstica ordenado com base na consistncia do desempenho dos seis meses precedentes . . . . . . . . . . . . . . 134
22
Resultados do modelo de regresso logstica ordenado com base na consistncia do desempenho dos doze meses precedentes . . . . . . . . . . . . . . 135
23
Amostra de fundos estudada por CNPJ e Administrador . . . . . . . . . . 156
24
Amostra de fundos estudada por Gestor e Patrimnio Lquido . . . . . . . 160
25

26

27

28

29
Resultados segmentados por gestor, por volume transacionado, com base

na consistncia do desempenho dos trs meses precedentes . . . . . . . . . 170
30

na consistncia do desempenho dos seis meses precedentes . . . . . . . . . 171
31

na consistncia do desempenho dos doze meses precedentes . . . . . . . . . 172
32
Resultados segmentados por gestor com base nas variveis dummy de consistncia de trs meses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
33
Resultados segmentados por gestor com base nas variveis dummy de consistncia de seis meses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
34
Resultados segmentados por gestor com base nas variveis dummy de consistncia de doze meses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
Lista de Figuras
1
Desdobramento das hipteses do trabalho
Funo de valor hipottica . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Processo simples de formao de preo . . . . . . . . . . . . . . . . . . . . 39
Processo de formao de preos com investidores ingnuos e arbitradores . 40
Teoria perspectiva e o efeito disposio . . . . . . . . . . . . . . . . . . . . 45
Ganhos e perdas com base no retorno em excesso de mercado . . . . . . . . 73
Modelo logit versus probit . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Associao positiva entre a varivel dependente e a varivel independente . 84
Associao negativa entre a varivel dependente e a varivel independente . 84
10
Probabilidade associada varivel dependente dado o nvel da varivel

independente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
11
Modelo de regresso logstica ordenado . . . . . . . . . . . . . . . . . . . . 92
12
Consistncia de ganhos e perdas . . . . . . . . . . . . . . . . . . . . . . . . 128
. . . . . . . . . . . . . . . . . . 19
Lista de Figuras
Captulo 1
Introduo
Markets look a lot less efficient from the banks of

the Hudson than from the banks of the Charles.
Fisher Black
1.1
Situao-problema
Um dos principais postulados do arcabouo conceitual das finanas tradicionais que

os agentes econmicos avaliam decises em condies de incerteza de acordo com as suposies da teoria da utilidade esperada, a qual baseada em um conjunto de axiomas
que fornecem os critrios de uma escolha racional e tem sido amplamente aceita como um
modelo descritivo do comportamento econmico.
Ao longo das ltimas trs dcadas, os resultados de uma srie de experimentos (KAHNEMAN; TVERSKY, 1972, 1973, 1979; TVERSKY; KAHNEMAN, 1973, 1974, 1986) mostraram
que os agentes econmicos exibem padres de preferncia incompatveis com a teoria da
utilidade esperada. Tais resultados ensejaram dvidas em relao capacidade dos modelos racionais de explicar de forma generalizada o comportamento dos agentes e deram
impulso ao surgimento de uma srie de abordagens alternativas.
Tais abordagens que questionam a aplicao irrestrita dos modelos racionais baseiamse em dois argumentos. O primeiro que vieses cognitivos sistemticos permeiam o
processo decisrio e afastam o julgamento dos agentes daquilo que seria previsto pelo postulado da racionalidade. O segundo que o comportamento enviesado dos indivduos pode
9
10
1 Introduo
exercer um impacto importante sobre os preos dos ativos negociados no mercado. Esses
dois argumentos em conjunto formam uma linha de investigao denominada finanas
comportamentais.
Dentro dessa linha, uma das principais abordagens alternativas que se contrapem
teoria da utilidade esperada a teoria perspectiva (Prospect Theory)1 de Kahneman e
Tversky (1979) que consiste em uma estrutura descritiva da maneira pela qual as pessoas
tomam decises em condies de incerteza.
Segundo tal abordagem, os investidores estruturam suas escolhas em termos de ganhos/perdas potenciais relativos a um ponto de referncia fixado e, em seguida, empregam uma funo de avaliao em forma de S (uma funo utilidade no domnio de
ganhos/perdas), a qual cncava na regio de ganhos e convexa na regio de perdas, o
que reflete averso ao risco no domnio dos ganhos e propenso ao risco no domnio das
perdas.2
Esse raciocnio implica um importante fenmeno: a constatao de que a resposta
das pessoas s perdas mais extrema que a resposta a ganhos, ou seja, o aborrecimento
associado perda de uma soma em dinheiro geralmente maior do que o prazer associado
ao ganho do mesmo montante. Tal fenmeno ficou conhecido na literatura como averso
perda (loss aversion).
Com base na constatao de que as decises em condies de incerteza so influenciadas pelo fenmeno da averso perda, Shefrin e Statman (1985) vislumbraram uma
aplicao dessas idias para o mercado financeiro e procuraram determinar se os investidores apresentam relutncia para realizar perdas. Para tanto, os autores desenvolveram
uma teoria positiva de realizao de ganhos e perdas de capital, na qual os investidores
tendem a vender aes com lucro (aes vencedoras) em um curto perodo de tempo e
a manter aes com prejuzo (aes perdedoras) por um longo perodo de tempo. Essa
tendncia foi denominada pelos autores efeito disposio (disposition effect).
Aps tal trabalho pioneiro dos dois autores, uma srie de estudos procuraram documentar o efeito disposio com base em diferentes conjuntos de dados e perodos de
tempo e constataram que esse vis cognitivo se manifesta tanto em investidores individuais quanto em institucionais. No entanto, a despeito da ampla gama de estudos que
verificaram a manifestao do efeito disposio, a discusso acerca das causas que levam
os investidores a manifestar esse vis ainda motivo de debate.
1
2
A traduo de Prospect Theory segue a adotada em Bazerman (2004, p. 61).

A teoria perspectiva ser discutida em detalhes nas sees 2.1.2.1 e 2.2.1.1 do prximo captulo.
1.1 Situao-problema
11
Segundo Odean (1998), as evidncias que do suporte hiptese de que os investidores vendem aes vencedoras mais prontamente do que aes perdedoras geralmente so
incapazes de explicar as motivaes que levam os investidores a agir dessa forma.
Alguns autores alegam motivaes racionais para o efeito disposio, enquanto outros
defendem motivaes comportamentais. Entre os argumentos usados pelo primeiro grupo,
trs merecem destaque. O primeiro argumento que os investidores que no possuem a
carteira de mercado podem responder a grandes aumentos de preos vendendo algumas
das aes apreciadas para restaurar a diversificao de suas carteiras (LAKONISHOK;
SMIDT, 1986, p. 954).
O segundo argumento que investidores que compraram aes com base em informaes favorveis podem vend-las, se o preo subir, acreditando racionalmente que o
preo agora reflete tal informao e podem continuar mantendo a ao, se o preo cair,
acreditando racionalmente que a informao ainda no est incorporada no preo (LAKONISHOK; SMIDT, 1986).
Por fim, o terceiro argumento que, uma vez que os custos de transao tendem a
ser maiores para as aes depreciadas e, considerando que mais provvel que os investimentos perdedores estejam depreciados em comparao aos investimentos vencedores, os
investidores podem se abster de vender as aes perdedoras simplesmente para evitar os
altos custos de transao envolvidos (HARRIS, 1988).
A despeito da presena dessas motivaes racionais, Odean (1998) argumenta que as
causas da manifestao do efeito disposio estariam mais alinhadas com os argumentos
comportamentais, pois os resultados de seu estudo mostraram que, mesmo quando todas
as motivaes racionais listadas anteriormente so controladas, os investidores continuam
a manifestar o efeito disposio.
Entre os argumentos que alegam motivaes comportamentais para explicar o efeito
disposio, o primeiro deles prev que os investidores possuem uma funo de valor conforme preconiza a teoria perspectiva. J o segundo argumento relaciona-se ao fato de
os investidores incorretamente esperarem que haja uma reverso mdia nos retornos
das aes. A interpretao errada da reverso mdia um vis de julgamento que
ocorre quando os indivduos falham em refletir adequadamente sobre a propenso que
determinados eventos possuem em tender para a mdia.
Independentemente do argumento utilizado, seja ele racional ou comportamental, a
manifestao do efeito disposio faz os retornos obtidos pelos investidores, sejam eles
individuais ou institucionais, no serem timos.
12
1 Introduo
Por um lado, Brown et al. (2006) afirmam que a manifestao do efeito disposio
implica custos econmicos salientes, tais como a inabilidade em tirar proveito de benefcios
fiscais de perdas no realizadas. Por outro lado, Odean (1998) e Locke e Mann (2000)
verificaram que o efeito disposio tambm compromete o desempenho das aplicaes.
Em uma pesquisa realizada no mercado americano, Odean (1998) verificou que as
aes vencedoras vendidas apresentaram um retorno anormal mdio 3,4% superior ao das
aes perdedoras mantidas ao longo de um perodo subseqente de doze meses. Esse
resultado trouxe evidncias de que os investidores que tendem a vender aes vencedoras
em um curto perodo de tempo e a manter aes perdedoras por um longo perodo de
tempo esto, na mdia, equivocados.
J Locke e Mann (2000), em um estudo com base nas transaes realizadas por operadores profissionais de contratos futuros, concluram que o sucesso das operaes era
negativamente correlacionado com o grau de averso perda. Tais constataes justificam o raciocnio de Shefrin (2005a) de que existem razes para suspeitar que o efeito
disposio exerce alguma influncia nos preos das aes negociadas no mercado.
Um outro aspecto importante, que merece ser destacado, o fato de os proponentes
da teoria da utilidade esperada argumentarem que o comportamento de investidores individuais est se tornando menos relevante na medida em que os mercados financeiros
esto cada vez mais sob o domnio dos investidores institucionais e que esses profissionais
seriam mais propensos a manifestar um comportamento racional, uma vez que eles so
mais bem informados que os investidores individuais e tm sua disposio uma ampla
gama de eficientes ferramentas analticas (SHAPIRA; VENEZIA, 2001).
Como decorrncia do argumento anterior, surge um importante questionamento acerca
da imunidade dos gestores profissionais em relao aos vieses comportamentais. Tal imunidade, para Shapira e Venezia (2001), seria justificada pela influncia do treinamento e da
experincia desses gestores, os quais estariam menos propensos a desvios de julgamento.
Diante do exposto, considerando a suposta imunidade dos gestores profissionais aos
vieses comportamentais e, com base na constatao de que as evidncias empricas que
do suporte manifestao do efeito disposio geralmente so incapazes de explicar as
motivaes comportamentais que levam os investidores a agir dessa forma, no presente
estudo, procura-se responder s seguintes perguntas de pesquisa: (1) os gestores de
fundos de investimento em aes brasileiros manifestam o efeito disposio?
(2) a manifestao do efeito disposio emana da aplicao da funo de valor
preconizada pela teoria perspectiva e/ou do vis da reverso mdia?
1.2 Objetivos da pesquisa
1.2
13
Objetivos da pesquisa
O objetivo geral neste estudo investigar, com dados de mercado, se, no Brasil, os
gestores de fundos de investimento em aes manifestam o efeito disposio, ou seja,
apresentam a tendncia de vender aes vencedoras e manter aes perdedoras em suas
carteiras. Com base na suposio de que gestores profissionais so mais bem informados do
que investidores individuais e, portanto, constituem uma distinta classe de investidores no
mercado, pretende-se verificar se o efeito disposio, j amplamente relatado em estudos
com investidores individuais, tambm constatado em gestores profissionais, os quais,
supostamente, seriam menos propensos a desvios de julgamento.
J os objetivos especficos so:
a) fornecer uma metodologia para verificar a manifestao do efeito disposio em
gestores de fundos de aes no Brasil;
b) examinar a influncia de dois argumentos comportamentais concorrentes para explicar as causas do efeito disposio;
c) gerar evidncias empricas que possam contribuir para a discusso dos argumentos
quanto imunidade dos gestores profissionais aos vieses comportamentais.
1.3
Justificativa do trabalho
As finanas comportamentais constituem um vasto campo de pesquisa que, de acordo

com Shiller (2003), envolve o estudo das finanas a partir de uma ampla perspectiva
do ponto de vista das cincias sociais, incluindo a psicologia e a sociologia. De acordo
com Shefrin (2002), esse campo de pesquisa vem florescendo no apenas na academia,
contexto no qual so estudadas as grandes questes conceituais em finanas, mas tambm
nas prticas de mercado, em que os conceitos comportamentais esto sendo aplicados de
modo rotineiro.
Em relao ao florescimento dessa linha de investigao no campo acadmico, pertinente citar as duas coletneas organizadas por Thaler (1993, 2003), nas quais o autor
rene os principais estudos que versam sobre o tema publicados nas dcadas de 1980 e
1990, bem como a coletnea de Kahneman e Tversky (2000) que rene artigos que tratam
da teoria perspectiva.
14
1 Introduo
Alm disso, estudos dedicados s finanas comportamentais conquistaram importantes prmios no mbito do chamado mainstream, dentre os quais pode-se citar o estudo
de Daniel, Hirshleifer e Subrahmanyam (1998), agraciado com o prmio de melhor artigo
publicado no Journal of Finance em 1999; o estudo de Shefrin e Statman (2000), publicado no Journal of Financial and Quantitative Analysis e congratulado com o prmio
William F. Sharpe da Scholarship in Financial Research em 2000, alm do Prmio Nobel
concedido a Daniel Kahneman em 2002, que ratificou definitivamente a importncia das
finanas comportamentais nas cincias econmicas. Por fim, dois importantes peridicos
em finanas, o Financial Analysts Journal e o Review of Financial Studies dedicaram
edies inteiras publicao de artigos sobre o tema em 1999 e 2002, respectivamente.
J em relao ao florescimento das finanas comportamentais no campo das prticas de
mercado, importante destacar a exigncia do tema no contedo programtico de importantes certificaes para profissionais que atuam no mercado financeiro, particularmente
para aqueles que desempenham atividade de gesto remunerada de recursos de terceiros
ou para aqueles que apenas assessoram as decises de investimento de seus clientes. No
exterior, entre as certificaes internacionais cujos contedos programticos contemplam
tpicos de finanas comportamentais, destacam-se o Chartered Financial Analyst (CFA)
e o Certified Financial Planner (CFP). No Brasil, a Associao Nacional dos Bancos de
Investimento (ANBID),3 que o rgo responsvel por esse tipo de certificao, possui
dois programas que exigem o conhecimento de conceitos de finanas comportamentais:
a Certificao de Gestores ANBID (CGA) e a Certificao Especialista de Investimento
(CEI).
Os dois aspectos citados, que mostram no s a importncia acadmica como tambm
a relevncia prtica do estudo das finanas comportamentais, justificam a realizao desta
pesquisa, pois as questes tericas aqui tratadas tambm possuem implicaes prticas.
Por um lado, com relao aos aspectos tericos, o esforo de propor uma metodologia para
testar a presena do efeito disposio em gestores de fundos de investimento em aes no
Brasil justifica-se em virtude da abordagem diferenciada aqui adotada em comparao s
evidncias empricas existentes.
Por outro lado, com relao s implicaes prticas, a possvel constatao de que
gestores de fundos de investimento no so imunes a desvios de julgamento e tambm
manifestam vieses comportamentais traz tona um importante questionamento: at que
ponto os gestores podem atuar de forma fiduciria? Para Bazerman (2004), a conscientizao por parte dos agentes dos vieses comportamentais que provavelmente afetam as
3
Em outubro de 2009, foi criada a Associao Brasileira das Entidades dos Mercados Financeiro e
de Capitais (ANBIMA), como resultado da unio da Associao Nacional dos Bancos de Investimento
(ANBID) com a Associao Nacional das Instituies do Mercado Financeiro (ANDIMA).
1.4 Contribuies da pesquisa
15
suas decises pode melhorar seu processo decisrio. Dessa maneira, o argumento que defende a suposta imunidade dos gestores profissionais aos vieses comportamentais tambm
repousa no fato de que tais gestores tm noo dos vieses que influenciam suas decises
uma vez que esse conhecimento exigido nos processos obrigatrios de certificao. Tal
constatao possui uma implicao importante: os cotistas dos fundos de investimento
delegam a administrao de seus recursos aos gestores profissionais com base na crena
de que eles possuem conhecimentos superiores e, portanto, esto mais habilitados para
fazer a gesto de seus patrimnios.
1.4
Contribuies da pesquisa
O tema problematizado neste trabalho procurou satisfazer os trs critrios citados

por Castro (1978) para a escolha de um trabalho de investigao cientfica, quais sejam:
originalidade, importncia e viabilidade.
Com relao ao primeiro critrio, a originalidade, Eco (2003, p. 2) afirma que uma
tese constitui um trabalho original de pesquisa onde necessrio conhecer a fundo o
quanto foi dito sobre o mesmo argumento pelos demais estudiosos bem como descobrir
algo que ainda no foi dito por eles. Nesse sentido, a originalidade deste trabalho repousa na proposio de uma metodologia inovadora para verificar a manifestao do efeito
disposio em gestores profissionais brasileiros.
O argumento de que a metodologia proposta inovadora repousa no fato de que,
na ampla pesquisa bibliogrfica realizada, no foi possvel encontrar um trabalho que
utilizasse a abordagem aqui sugerida. A maioria das evidncias empricas que procuraram
relatar o efeito disposio utilizou testes de propores, fortemente apoiados no mtodo
sugerido por Odean (1998). Neste trabalho, procura-se estimar, por meio de um modelo
de regresso de varivel dependente qualitativa (modelo logit), a probabilidade de um
gestor realizar um ganho ou uma perda. At onde se sabe, tal metodologia foi utilizada
apenas por Ranguelova (2001).
Todavia, esta pesquisa se diferencia do estudo de Ranguelova (2001) na medida em
que o objetivo da autora consistiu em utilizar um modelo logit para analisar os fatores
determinantes da manifestao do efeito disposio, com especial ateno para o chamado
efeito tamanho (size effect) das empresas. J a abordagem adotada aqui no se prope a
utilizar o modelo logit para essa finalidade, mas, sim, propor um coeficiente de disposio
com base nos parmetros estimados pelo modelo.
16
1 Introduo
A proposio de um coeficiente de disposio tambm foi feita por Weber e Camerer

(1998). No entanto, o coeficiente por eles proposto, ao contrrio do que aqui realizado,
foi estimado a partir de clculos de propores, no de probabilidades. Em suma, da tica
internacional, a abordagem aqui sugerida inovadora pois, com base no estudo detalhado
das dezessete evidncias empricas internacionais relatadas adiante4 que procuraram relatar o efeito disposio em oito pases diferentes, no foi possvel encontrar abordagem
similar.
J em relao tica nacional, com base no exame das seis evidncias empricas apresentadas sobre o efeito disposio no mercado brasileiro, percebe-se que a totalidade delas
utilizou fortemente testes de diferena entre propores como abordagem metodolgica.
Em nenhum deles, foi verificada a utilizao de modelos de regresso de varivel dependente qualitativa.
Alm da proposio de um coeficiente de disposio, um outro aspecto, menos inovador, mas no menos importante, que, na ampla maioria das evidncias que versam
sobre o efeito disposio, no constatada uma preocupao explcita em testar os dois
principais argumentos comportamentais concorrentes para explicar as causas da manifestao desse vis comportamental: a teoria perspectiva e o vis da reverso mdia. Neste
trabalho, tambm uma preocupao adotar procedimentos com vistas a testar esses dois
argumentos concorrentes.
Com relao ao segundo critrio, a importncia, Castro (1978, p. 56) afirma que
um tema importante quando est de alguma forma ligado a uma questo crucial que
polariza ou afeta um segmento substancial da sociedade. Nesse sentido, o critrio da importncia atendido nesta pesquisa, haja vista que os gestores de fundos de investimento
so importantes atores no mercado pois lidam com uma parte significativa da poupana
da populao, particularmente dos investidores individuais. Tais investidores delegam a
gesto de seus recursos para esses profissionais com base na crena de que eles possuem
conhecimentos superiores, o que inclui a conscincia dos vieses comportamentais que influenciam suas decises. A constatao de que os gestores de fundos de investimento no
so imunes aos vieses comportamentais traz importantes implicaes para a questo da
atuao fiduciria dos gestores.
Com relao ao critrio da viabilidade, uma das questes citadas por Castro (1978)
a disponibilidade de informaes. Nesse caso, a realizao deste trabalho tornou-se vivel
porque a Comisso de Valores Mobilirios (CVM) prev a obrigatoriedade da divulgao
mensal da composio da carteira dos fundos, bem como das transaes de compra e venda
4
Um exame detalhado das principais evidncias empricas sobre o efeito disposio feito na seo
2.2.2 do prximo captulo.
1.5 Hipteses da pesquisa
17
realizadas. Tal base de dados permitiu a realizao de uma anlise do comportamento

dos gestores dos fundos.
Tendo em vista a preocupao em atender aos critrios descritos, as principais contribuies da pesquisa so:
proposio de um coeficiente de disposio com base nos parmetros estimados por

um modelo de regresso de varivel dependente qualitativa;
sugesto de uma metodologia com o objetivo de testar duas motivaes comportamentais para explicar as causas do efeito disposio;
verificao da adequao da atuao fiduciria dos gestores dos fundos de investimento em aes no Brasil.
1.5
Hipteses da pesquisa
Segundo Martins (2002, p. 41) hipteses so suposies idealizadas na tentativa de

antecipar respostas do problema de pesquisa. No entanto, segundo Cardoso (2002), no
suficiente dizer que a hiptese uma proposio sem que se estabelea o sentido, o porqu
de tal proposio. Para que uma conjectura tenha relevncia no mbito da pesquisa
cientfica, imprescindvel e necessrio explicitar as bases sobre as quais tal conjectura
repousa, tendo em vista o alcance de algum resultado significativo. Em outras palavras,
faz-se necessrio fundamentar a hiptese (CARDOSO, 1999) e, em sua formulao, deve
ser considerado o quadro terico em que se funda o raciocnio (SEVERINO, 2000).
Alm disso, segundo Kerlinger (1979, p. 41), para serem cientificamente teis, as
hipteses precisam ser testveis, ou no mnimo, conter implicaes para teste. Segundo
o autor, preciso deduzir as implicaes de uma hiptese em forma de variveis e depois
ter um meio operacional de manipular ou medir as variveis para poder estudar as relaes
entre elas (KERLINGER, 1979, p. 41).
Neste trabalho, o problema de pesquisa fundamentado em dois aspectos. O primeiro
baseia-se na suposta imunidade dos gestores profissionais aos vieses comportamentais.
Essa imunidade seria justificada pela influncia do treinamento, da experincia e, principalmente, pelo fato de que os gestores deveriam estar cientes dos vieses que influenciam
18
1 Introduo
suas decises, uma vez que esse conhecimento exigido nos processos obrigatrios de
certificao. Por tais razes, o efeito disposio no deveria ser verificado em gestores
profissionais de fundos de investimento em aes no Brasil. Com base nesse raciocnio,
formulou-se a primeira hiptese deste trabalho:
H0 : Os gestores de fundos de investimento em aes brasileiros no manifestam o
efeito disposio.
O segundo aspecto que fundamenta o problema de pesquisa baseia-se no fato de que
as evidncias empricas que do suporte manifestao do efeito disposio geralmente
so incapazes de explicar as motivaes comportamentais que levam os investidores a agir
dessa forma.
Entre os argumentos que alegam motivaes comportamentais para explicar o efeito
disposio, o primeiro defende que os investidores possuem uma funo de valor, conforme preconiza a teoria perspectiva, ou seja, estruturam suas escolhas em termos de
ganhos/perdas potenciais relativos a um ponto de referncia fixado e, em seguida, empregam uma funo de avaliao em forma de S (uma funo utilidade no domnio de
perdas. Essa constatao nos leva seguinte hiptese alternativa:
H1a : A manifestao do efeito disposio oriunda da aplicao da funo de valor
preconizada pela teoria perspectiva
O segundo argumento que defende motivaes comportamentais para o efeito disposio afirma que os investidores so influenciados pelo vis da reverso mdia, ou seja,
falham em refletir adequadamente sobre a propenso que determinados eventos possuem
em tender para mdia. Nesse caso, os investidores venderiam aes vencedoras mais
prontamente do que aes perdedoras com base na crena infundada de que movimentos
extremos nos preos das aes sero seguidos de movimentos de preos na direo oposta,
ou seja, aes vencedoras no passado seriam as perdedoras no futuro e aes perdedoras
no passado seriam as vencedoras no futuro. Essa constatao nos leva outra hiptese
alternativa:
H1b : A manifestao do efeito disposio oriunda do vis da reverso mdia
A figura 1 apresenta, de forma esquemtica, o desdobramento das hipteses do trabalho. A hiptese central (H0 ), caso rejeitada, se desdobra em duas hipteses alternativas
H1a e H1b . As duas hipteses alternativas referem-se s duas motivaes comportamentais
19
1.6 Estrutura do trabalho
concorrentes para explicar as causas do efeito disposio: a teoria perspectiva e o vis da

reverso mdia.
Hiptese central (H0)

Os gestores de fundos de investimento
em aes brasileiros no manifestam o
efeito disposio.
Metodologia
1 Teste de diferena entre propores
2 Regresso logstica (logit)
Teste de
hiptese
Resultado: no foi possvel identificar a

manifestao do efeito disposio nos
gestores de fundos de investimento em
aes brasileiros.
Concluso: no rejeio hiptese H0
Resultado: foi possvel identificar a

manifestao do efeito disposio nos
gestores de fundos de investimento em
aes brasileiros.
Concluso: rejeio hiptese H0
So adotados procedimentos
para testar qual motivao
comportamental capaz de
explicar o efeito disposio.
Resultado: a manifestao do efeito

disposio oriunda da aplicao da
funo de valor preconizada pela
teoria perspectiva.
Concluso: no rejeio hiptese
H1a
Resultado: a manifestao do
efeito disposio oriunda do
vis da reverso mdia.
Concluso: no rejeio
hiptese H1b
Figura 1 Desdobramento das hipteses do trabalho

Fonte: elaborada pelo autor
1.6
Estrutura do trabalho
O trabalho est organizado em cinco captulos. No captulo 2, na seo 2.1, apresentase a evoluo das finanas comportamentais de acordo com a segmentao proposta por
Shefrin (2002) em trs temas fundamentais: vis heurstico, efeitos de estruturao (frame
20
1 Introduo
dependence) e mercados ineficientes. Na seo 2.2, discutem-se o efeito disposio e a

estrutura terica que fundamenta este vis e apresenta-se uma reviso detalhada dos
principais trabalhos que versam empiricamente sobre o tema em diferentes pases.
No captulo 3, abordada a metodologia utilizada na pesquisa. Primeiramente, so
descritos os procedimentos de coleta dos dados das carteiras dos fundos estudados e, em
seguida, so explicados os procedimentos dos testes realizados. Por fim, so feitas algumas
consideraes sobre as limitaes da pesquisa.
No captulo 4, so apresentados os resultados da pesquisa em face dos objetivos propostos e, no captulo 5, so apresentadas as concluses do estudo, alm de recomendaes
para pesquisas posteriores.
Captulo 2
Fundamentao Terica
[. . . ] we can understand much more about the

behavior of markets, even financial markets, if we
learn more about the behavior of the people who
operate in these markets.
(THALER, 1993, p. xxi)
2.1
Finanas comportamentais
A teoria de finanas tradicional, ao longo de seu desenvolvimento, procurou entender

os mercados financeiros assim como as decises financeiras utilizando modelos fortemente
apoiados na racionalidade dos agentes econmicos. A racionalidade, segundo Bazerman
(2004, p. 6), refere-se ao processo de tomada de deciso que esperamos que leve ao
resultado timo, dada uma avaliao precisa dos valores e preferncias de risco do tomador
de deciso.
O paradigma da racionalidade constituiu o alicerce do arcabouo terico das finanas tradicionais cujos principais expoentes so Markowitz (1952) e a teoria do portfolio;
Modigliani e Miller (1958) e suas proposies de irrelevncia da estrutura de capital e
da poltica de dividendos; Sharpe (1964) e Lintner (1965) e o capital asset pricing model
(CAPM); Fama (1970) e a hiptese do mercado eficiente e Black e Scholes (1973) e o
modelo de apreamento de opes. Tais modelos, segundo Shiller (2003, p. 83), procuraram relacionar preos de ativos especulativos a fundamentos econmicos utilizando
21
22
expectativas racionais para amarrar as finanas e toda a economia em uma nica elegante
teoria.
Em meados da dcada de 1950, foi inaugurada uma linha de investigao que passou
a questionar a validade dos modelos baseados no comportamento plenamente racional e
a privilegiar modelos de deciso com base em agentes no plenamente racionais, incorporando o conceito de racionalidade limitada (SIMON, 1957). O principal argumento dessa
abordagem que a adoo da racionalidade plena dos agentes econmicos impede o entendimento dos processos de deciso reais (como uma deciso tomada), pois privilegia
exclusivamente a anlise de processos de deciso normativos (como uma deciso deve ser
tomada).
No incio da dcada de 1970, Kahneman e Tversky (1972) deram continuidade aos
estudos de Simon (1957) e passaram a identificar vieses sistemticos especficos que afastam o julgamento dos agentes daquilo que seria previsto pelo comportamento plenamente
racional. Essa nova linha de pesquisa em finanas, cujo foco passou a ser o estudo de
como o julgamento dos agentes se desvia da racionalidade, ficou conhecida como finanas comportamentais. Segundo Bazerman (2004, p. 129), as finanas comportamentais
focam o modo como os vieses afetam os indivduos bem como afetam os mercados.
Os estudos de como os vieses afetam os indivduos foram desenvolvidos ao longo da
dcada de 1970 aps a conduo de uma srie de experimentos que tinham como objetivo
mostrar que erros sistemticos permeiam o processo decisrio individual. J a abordagem
que foca os mercados foi desenvolvida com base em resultados de um amplo conjunto de
evidncias empricas que mostraram que o comportamento viesado dos indivduos pode
exercer um impacto substancial e duradouro sobre os preos dos ativos negociados no
mercado. Tais estudos cujos resultados mostraram-se inconsistentes com aquilo que seria
previsto pela abordagem tradicional ficaram conhecidos como anomalias.
A descoberta de algumas anomalias no constituiria um entrave significativo para o
apelo dos modelos tradicionais pois, segundo Statman (1999, p. 19), poucas teorias so
consistentes com toda a evidncia emprica disponvel e as finanas tradicionais no constituem uma exceo. Todavia, a descoberta de novas anomalias ao longo do tempo fez
com que os pesquisadores comeassem a questionar a capacidade dos modelos tradicionais
em explicar os fatores determinantes dos preos dos ativos (SHEFRIN, 2002, p. 9).
Segundo Thaler (1999b, p. 14), os fatos empricos levam a concluir que os mercados
financeiros reais no se parecem com aqueles que imaginaramos se apenas lssemos os
manuais de finanas tradicionais. De acordo com o autor,
2.1 Finanas comportamentais
23
[. . . ] a leitura de um manual de finanas tradicional [. . . ] pode criar a impresso de que os mercados financeiros so desprovidos de atividade humana.
Grande ateno dada para os mtodos de clculo de importantes nmeros
tais como valores presentes, taxas de retorno e anlise de risco, alm de muitas discusses sobre quanto uma empresa deveria tomar emprestado, quanto
ela deveria pagar de dividendos (resposta: irrelevante) e como aprear opes. Mas virtualmente, no existem pessoas. Muito pouco seria modificado
nas pginas dos manuais se todas as pessoas tanto nas corporaes quanto nas
instituies financeiras fossem substitudas por mquinas.5 (THALER, 1993, p.
xv).
A noo de que o comportamento dos indivduos afetado por vieses sistemticos

bem como a crescente descoberta de anomalias solidificou a viso de que os modelos
racionais apresentam problemas para explicar tudo o que vemos nos mercados financeiros.
Tal noo fez as finanas comportamentais emergirem como uma nova abordagem para
entender tais mercados, pelo menos em parte, como resposta s dificuldades enfrentadas
pelo paradigma tradicional. Em termos gerais, o argumento central que a utilizao de
modelos nos quais os agentes no so plenamente racionais pode melhorar a compreenso
de alguns fenmenos financeiros.
Shefrin (2002) prope uma diviso do campo das finanas comportamentais em trs
temas fundamentais: vis heurstico, efeitos de estruturao (frame dependence) e mercados ineficientes. A justificativa para a segmentao a ausncia de afinidade entre
as finanas comportamentais e as finanas tradicionais em relao ao tratamento desses
temas.
O primeiro tema, o vis heurstico, preconiza que os indivduos cometem erros ao
tomarem decises porque confiam em regras prticas conhecidas como heursticas para
processar as informaes. Em contraposio a esse argumento, as finanas tradicionais assumem que os indivduos, quando processam os dados para a tomada de deciso, utilizam
as ferramentas estatsticas de forma correta e adequada.
O segundo tema, efeitos de estruturao, aborda o impacto da estruturao da informao nas decises dos indivduos, ou seja, postula que a forma com que a informao
5
[. . . ] a reading of a standard finance textbook [. . . ] can create the impression that financial markets
are nearly devoid of human activity. There is great attention to methods of computing important numbers
such as present values and rates of return, an analysis of risk and how it is priced, much discussion of
how much a firm should borrow and how much it should pay out in dividends (answer: it doesnt matter),
and even a primer on how to price options. But virtually no people. Very little in the text would be
changed if all people in both the corporate sector and the financial sector were replaced by automatons.
24
apresentada ou a maneira com que um problema estruturado exerce uma influncia

significativa no processo de tomada de deciso dos indivduos. Em contraste, as finanas
tradicionais assumem que os indivduos so imunes estruturao da informao e vem
todas as decises atravs das lentes transparentes e objetivas do trade-off entre risco e
retorno.
O terceiro tema, mercados ineficientes, procura entender como o vis heurstico e os
efeitos de estruturao afetam os preos estabelecidos no mercado fazendo com que eles se
desviem de seus valores fundamentais. J as finanas tradicionais assumem que os mercados so eficientes e que os preos dos ttulos coincidem com seus valores fundamentais,
mesmo que alguns indivduos sejam influenciados por vieses heursticos ou por efeitos de
estruturao.
2.1.1
Vis heurstico
A teoria de finanas tradicional, com base no postulado da racionalidade, assume que

os indivduos processam corretamente as informaes quando tomam decises. A abordagem das finanas comportamentais, ao contrrio, postula que os indivduos, ao tomarem
decises, se fiam em diversas estratgias simplificadoras ou regras prticas conhecidas
como heursticas. Segundo Tversky e Kahneman (1974, p. 1124), embora tais heursticas sejam teis pois simplificam as complexas tarefas de avaliao de probabilidades e
previso de valores, sua utilizao pode conduzir a erros graves e sistemticos os quais
afastariam o processo decisrio dos indivduos da racionalidade.
Kahneman e Tversky (1972, p. 430) afirmam que talvez a concluso mais genrica
obtida a partir de numerosas investigaes que, ao contrrio do que preconizam as
finanas tradicionais, as pessoas no seguem os princpios da teoria das probabilidades
ao avaliarem a probabilidade de eventos incertos. Segundo os autores, tal concluso no
surpreendente porque as leis das probabilidades no so intuitivas e fceis de aplicar.
O fato surpreendente que a utilizao de heursticas na avaliao da probabilidade de
eventos incertos produz desvios confiveis, sistemticos e difceis de eliminar.
Segundo Shefrin (2002, p. 13), a identificao dos princpios que formam as bases das
heursticas e os erros sistemticos a elas associados constitui um dos grandes avanos da
psicologia comportamental. Tversky e Kahneman (1974) descrevem trs heursticas que
so empregadas para avaliar probabilidades e prever valores e tambm enumeram os vieses
sistemticos que emanam de tais heursticas. So elas: a heurstica da representatividade,
a heurstica da disponibilidade e a heurstica da ancoragem.
2.1.1.1
25
Representatividade
Um dos princpios heursticos mais importantes que afetam as decises financeiras

conhecido como representatividade. A definio formal de representatividade fornecida
por Kahneman e Tversky (1972, p. 431) que afirmam que uma pessoa que segue a
heurstica da representatividade avalia a probabilidade de um evento incerto pelo grau
com que ele (1) similar em suas propriedades essenciais sua populao e (2) reflete as
caractersticas salientes do processo pelo qual gerado.
A primeira definio considera que a representatividade refere-se a julgamentos baseados na confiana em esteretipos. Segundo Bazerman (2004, p. 10), a heurstica da
representatividade postula que, ao fazer um julgamento sobre um evento, as pessoas tendem a procurar peculiaridades que ele possa ter que correspondam a esteretipos formados
anteriormente. A implicao dessa primeira definio para a avaliao de probabilidades
de eventos incertos que espera-se que uma amostra que preserve a relao com sua
populao seja mais provvel que uma amostra igualmente provvel (objetivamente) onde
essa relao violada (KAHNEMAN; TVERSKY, 1972, p. 433).
J a segunda definio considera que, para ser representativo, no suficiente que
um evento incerto seja similar a sua populao. O evento deveria refletir tambm as
propriedades do processo incerto pelo qual gerado, ou seja, deveria apresentar aleatoriedade (KAHNEMAN; TVERSKY, 1972, p. 434). A implicao disso para a avaliao de
probabilidades de eventos incertos que se espera que uma amostra na qual os diversos
resultados possveis esto presentes seja, em geral, mais representativa que uma amostra
comparvel na qual alguns dos resultados no esto includos.
A confiana em princpios heursticos para a avaliao de probabilidades e previso de
valores pode conduzir a erros sistemticos conhecidos como vieses cognitivos. Conforme
considera Bazerman (2004, p. 10) o vis cognitivo ocorre em situaes em que um
indivduo aplica a heurstica de maneira inadequada ao tomar uma deciso.
Tversky e Kahneman (1974) enumeram um conjunto amplo de vieses cognitivos que
emanam da heurstica da representatividade. So eles: insensibilidade aos ndices bsicos;
insensibilidade ao tamanho da amostra; interpretao errada da chance; insensibilidade
previsibilidade; iluso da validade e interpretao errada da reverso mdia, como
vemos na seqncia.
Insensibilidade aos ndices bsicos trata-se de um vis que ocorre quando as pessoas tratam com negligncia a probabilidade a priori ou a taxa de freqncia bsica dos
26
resultados de um evento incerto. Tversky e Kahneman (1974, p. 1124) destacam que

aparentemente, as pessoas avaliam a probabilidade de uma descrio particular pertencer a uma determinada categoria ao invs de outra pelo grau com que essa descrio
representativa dos esteretipos de tais categorias, sendo que pouca ou nenhuma ateno
dada para as probabilidades a priori das categorias consideradas.
Como exemplo ilustrativo, Tversky e Kahneman (1974, p. 1124) mostram que caso
seja utilizada a heurstica da representatividade para estimar a probabilidade de um indivduo ser bibliotecrio ou agricultor, o fato de existirem mais agricultores do que bibliotecrios na populao deveria ser considerado em qualquer estimativa razovel. No
entanto, essa taxa de freqncia bsica no afeta a similaridade do indivduo ao esteretipo de bibliotecrios e agricultores, razo pela qual a avaliao de probabilidades baseada
somente na representatividade pode conduzir a erros graves.
A nica circunstncia em que as pessoas utilizam probabilidades a priori corretamente quando nenhuma outra informao est disponvel. De posse de qualquer outra
informao, mesmo informaes sem valor, probabilidades a priori so desconsideradas.
Insensibilidade ao tamanho da amostra outro vis que decorre da utilizao da
heurstica da representatividade. Neste caso, o argumento que o tamanho de uma amostra independente de sua similaridade com alguma propriedade essencial da populao.
Em outras palavras, a representatividade de uma amostra no tem relao alguma com
o tamanho da amostra e, conseqentemente, se as probabilidades so avaliadas apenas
com base na representatividade, ento, a probabilidade avaliada poderia desconsiderar
um princpio fundamental da teoria das probabilidades que exatamente o tamanho da
amostra. De acordo com Tversky e Kahneman (1974, p. 1125), a importncia do tamanho da amostra uma noo fundamental em estatstica mas visivelmente no faz parte
do repertrio de intuio das pessoas.
Interpretao errada da chance um vis baseado na expectativa que as pessoas
tm de que uma seqncia de eventos gerados por um processo aleatrio representar as
caractersticas essenciais desse processo mesmo quando a seqncia pequena, ou seja, as
pessoas esperam que uma seqncia de eventos aleatrios parea aleatria. Dessa forma,
uma decorrncia importante desse vis que as pessoas esperam que as caractersticas
essenciais do processo sero representadas no apenas globalmente na seqncia como
um todo, mas tambm localmente em cada uma de suas partes (TVERSKY; KAHNEMAN,
1974, p. 1125).
Uma conseqncia importante desse vis a famosa falcia do jogador (gamblers
fallacy) ilustrada na seguinte situao:
27
Aps observar uma longa seqncia de vermelhas em uma roleta, por exemplo, muitas pessoas erroneamente acreditam que uma preta esperada presumivelmente porque a ocorrncia de uma preta resultar em uma seqncia mais
representativa do que a ocorrncia de uma vermelha adicional.6 (TVERSKY;
KAHNEMAN, 1974, p. 1125).
Em situaes tais como a descrita acima, a chance comumente vista como um processo autocorretivo no qual um desvio em uma direo induz a um desvio na direo oposta
para restaurar o equilbrio. Na verdade, os desvios no so corrigidos medida que um
processo de chance se desenrola, eles so meramente diludos (TVERSKY; KAHNEMAN,
1974, p. 1125).
A interpretao errada da chance no se limita a sujeitos ingnuos. Um estudo das
intuies estatsticas de experientes psiclogos pesquisadores revelaram uma crena no
que se pode chamar de lei dos pequenos nmeros, de acordo com a qual mesmo pequenas
amostras so altamente representativas da populao da qual foram extradas. As respostas desses pesquisadores refletem a expectativa de que uma hiptese vlida sobre uma
populao ser representada por um resultado estatisticamente significante em uma amostra sem levar em conta o seu tamanho. Como conseqncia, os pesquisadores atribuem
muita importncia aos resultados de amostras pequenas e superestimam a replicabilidade
de seus resultados (TVERSKY; KAHNEMAN, 1974, p. 1126).
Kahneman e Tversky (1972) caracterizam a expectativa da representatividade local
como uma crena na lei dos pequenos nmeros, segundo a qual a lei dos grandes nmeros
- a idia de que grandes amostras so mais representativas da populao da qual foram
extradas - tambm se aplica aos pequenos nmeros.
Insensibilidade previsibilidade trata-se de um vis que ocorre quando um indivduo faz uma previso numrica a respeito de um objeto ou evento incerto com base
apenas em uma descrio fornecida, conforme mostra a seguinte situao:
[. . . ] suponha que seja dada uma descrio de uma empresa a uma pessoa
e, com base nessa descrio, ela tenha que prever os lucros futuros da empresa.
Se a descrio da empresa muito favorvel, um lucro muito alto mostra-se
mais representativo dessa descrio; se a descrio medocre, um desempenho
6
After observing a long run of red on the roulette wheel, for example, most people erroneously believe
that black is now due, presumably because the occurence of black will result in a more representative
sequence than the ocurrence of an additional red.
28
medocre mostra-se mais representativo.7 (TVERSKY; KAHNEMAN, 1974, p.
1126).
A realizao de previses com base exclusivamente em descries fornecidas pode

conduzir a erros de julgamento por dois motivos. Primeiro, o fato de uma descrio trazer
uma informao favorvel ou desfavorvel em relao a um objeto ou evento incerto no
implica que tal descrio seja confivel. Segundo, o contedo informacional da descrio
fornecida pode ser irrelevante para a realizao de previses. Por vezes, a descrio de
uma empresa no traz informaes relevantes sobre sua lucratividade e, nesse sentido, a
utilizao da descrio como base para a realizao de previses no seria adequada.
Segundo Tversky e Kahneman (1974, p. 1126), o grau com que a descrio favorvel
no afetado pela confiana naquela descrio ou pelo grau que permita previses mais
exatas. Portanto, se as pessoas fazem previses apenas considerando quo favorvel
a descrio, ento, suas previses sero insensveis confiabilidade das evidncias e
exatido esperada da previso.
Iluso da validade um vis decorrente da injustificada confiana que produzida por
um bom ajuste entre o resultado previsto e as informaes de entrada (input information).
Um exemplo dado por Tversky e Kahneman (1974) que as pessoas expressam grande
confiana na previso de que uma pessoa bibliotecria quando dada uma descrio
de sua personalidade que se ajusta com o esteretipo de uma bibliotecria, mesmo se tal
descrio seja limitada, no confivel ou obsoleta, ou seja, a iluso da validade persiste
mesmo quando o julgador est ciente dos fatores que limitam a exatido de suas previses.
A esse respeito Tversky e Kahneman (1974, p. 1126) afirmam:
muito comum observar psiclogos que conduzem entrevistas selecionadas

mostrarem uma considervel confiana em suas previses mesmo quando eles
so conhecedores da vasta literatura que mostra que entrevistas selecionadas
so altamente falveis.8
Interpretao errada da reverso mdia um outro vis de julgamento que

ocorre quando os indivduos falham em refletir adequadamente sobre a propenso que
determinados eventos possuem de tender para a mdia.
7
[. . . ] suppose one is given a description of a company and is asked to predict its future profit. If the
description of the company is very favorable, a very high profit will appear most representative of that
description; if the description is mediocre, a mediocre performance will appear most representative.
8
It is common observation that psychologists who conduct selection interviews often experience considerable confidence in their predictions, even when they know of the vast literature that shows selection
interviews to be highly fallible.
29
No cotidiano, existe uma vasta gama de exemplos onde encontrado o fenmeno da

reverso mdia. Bazerman (2004, p. 31) cita, por exemplo, que estudantes brilhantes
freqentemente tm filhos menos bem-sucedidos, pais de baixa estatura tendem a ter
filhos mais altos, timos calouros podem fazer segundos anos medocres e empresas que
alcanam resultados notveis em um ano tendem a ter um desempenho no to bom no
ano seguinte.
A despeito da ampla diversidade de exemplos disponveis, Tversky e Kahneman (1974)
destacam que as pessoas no desenvolvem intuies corretas sobre esse fenmeno por dois
motivos: o primeiro que elas no esperam uma reverso mdia em muitos contextos
onde certamente ela ocorre; o segundo que, quando elas reconhecem a ocorrncia da
reverso, as pessoas freqentemente inventam explicaes causais esprias.
Segundo Bazerman (2004, p. 31), as pessoas comumente pressupem que os resultados
futuros podem ser previstos diretamente dos resultados passados e, por essa razo, h
uma tendncia em desenvolver previses ingnuas com base na presuno de perfeita
correlao com os dados passados. Tversky e Kahneman (1974, p. 1127) ilustram o
efeito da interpretao equivocada do fenmeno da reverso mdia por meio da seguinte
situao:
Em uma discusso sobre treinamento de vo, instrutores experientes notaram que, aps um elogio para aterrissagens extremamente suaves, essas eram
tipicamente seguidas por aterrissagens medocres, enquanto duras crticas aps
uma aterrissagem turbulenta produziam uma melhora substancial na tentativa
seguinte. Os instrutores concluram que elogios verbais eram prejudiciais para
o aprendizado enquanto punies verbais eram benficas, contrariando a doutrina psicolgica aceita.9
Nesse caso, a concluso dos instrutores injustificada em virtude da presena do

fenmeno da reverso mdia: A m interpretao dos efeitos desse fenmeno leva as
pessoas a superestimar a efetividade da punio e a subestimar a efetividade de um elogio
(TVERSKY; KAHNEMAN, 1974, p. 1127). Segundo Bazerman (2004, p. 32) administradores que geralmente falham em reconhecer a tendncia de reverso mdia dos eventos
provavelmente desenvolvero falsas premissas sobre resultados futuros e, portanto, faro
planos inadequados.
9
In a discussion of flight training, experienced instructors noted that praise for an exceptionally smooth
landing is typically followed by a poorer landing on the next try, while harsh criticism after a rough landing
is usually followed by an improvement on the next try. The instructors concluded that verbal rewards
are detrimental to learning, while verbal punishments are beneficial, contrary to accepted psychological
doctrine.
30
2.1.1.2
Disponibilidade
A heurstica da representatividade no o nico caminho para estabelecer uma avaliao intuitiva de probabilidade, como vimos. Tversky e Kahneman (1973) investigaram
outra heurstica - a disponibilidade - segundo a qual uma pessoa estima freqncias ou probabilidades com base no quo facilmente exemplos ou associaes podem ser recuperados
na memria.
Segundo Tversky e Kahneman (1973, p. 208), a experincia mostra que exemplos
de categorias mais numerosas so recordados mais rapidamente do que categorias menos numerosas, que ocorrncias provveis so mais fceis de imaginar do que ocorrncias
improvveis e que conexes associativas so fortalecidas quando dois eventos freqentemente ocorrem simultaneamente. Assim, uma pessoa pode estimar a ordem de grandeza
de uma categoria, a probabilidade de um evento ou a freqncia de ocorrncias simultneas avaliando quo facilmente a operao mental de recordar, construir e associar pode
ser executada.
A despeito da disponibilidade ser uma pista til para avaliar freqncias ou probabilidades, a confiana nessa heurstica de julgamento pode conduzir a vieses previsveis.
Tversky e Kahneman (1974) enumeram quatro vieses: recuperabilidade de exemplos, efetividade do contexto da procura, imaginao e correlao ilusria.
Recuperabilidade de exemplos segundo Tversky e Kahneman (1974, p. 1127),
quando o tamanho de uma categoria avaliado pela disponibilidade de seus exemplos,
uma categoria cujos exemplos so mais facilmente recuperados na memria mostra-se aparentemente mais numerosa do que uma categoria de igual freqncia cujos exemplos so
menos recuperveis. Os autores demonstraram os efeitos desse vis em um experimento
no qual foram lidas para os participantes listas de nomes de personalidades conhecidas de
ambos os sexos e, na seqncia, foi perguntado a eles se as listas continham mais nomes de
homens do que de mulheres. Diferentes listas foram apresentadas para diferentes grupos
de participantes. Em algumas listas, os homens eram relativamente mais famosos que
as mulheres e, em outras, as mulheres eram relativamente mais famosas que os homens.
Em cada uma das listas, os participantes equivocadamente avaliaram que a categoria que
possua mais personalidades famosas era a mais numerosa.
Alm da familiaridade, vista no experimento anterior, existem outros fatores, tais
como a salincia de um determinado exemplo ou o realce de determinada ocorrncia, que
afetam a recuperabilidade de exemplos. Tversky e Kahneman (1974, p. 1127) afirmam,
por exemplo, que ver uma casa incendiada exerce um impacto muito maior na avaliao
31
de probabilidades subjetivas de acidentes dessa natureza do que ler sobre um incndio no

jornal local. Alm disso, mais provvel que ocorrncias recentes estejam relativamente
mais disponveis do que ocorrncias antigas.
Efetividade do contexto da procura trata-se de um vis que ocorre quando uma
pessoa estima freqncias ou probabilidades de um evento incerto com base no quo facilmente os contextos nos quais tais eventos aparecem podem ser recuperados na memria.
Tversky e Kahneman (1974, p. 1127) ilustram esse vis de julgamento com a seguinte
situao:
[. . . ] suponha que voc tenha que estimar a freqncia com que palavras
abstratas (pensamento, amor) e concretas (porta, gua) aparecem no ingls
escrito. Uma forma natural de responder a essa questo procurar os contextos nos quais a palavra pode aparecer. mais fcil pensar em contextos
nos quais conceitos abstratos so mencionados (amor em histrias de amor)
do que pensar em contextos nos quais uma palavra concreta (tal como porta)
mencionada. Se a freqncia de palavras avaliada pela disponibilidade
dos contextos nos quais ela aparece, palavras abstratas sero avaliadas como
relativamente mais numerosas do que palavras concretas.10
Imaginao Tversky e Kahneman (1974, p. 1127) afirmam que algumas vezes, uma
pessoa tem que avaliar a freqncia de uma categoria cujos exemplos no esto registrados
na memria mas podem ser gerados de acordo com uma dada regra. Em tais situaes,
uma pessoa tipicamente gera uma srie de exemplos e avalia a freqncia ou a probabilidade pela facilidade com que exemplos relevantes podem ser contrudos. No entanto, a
facilidade em construir exemplos nem sempre reflete sua freqncia real e, portanto, essa
forma de avaliar propensa a vieses.
Correlao ilusria um vis que ocorre quando uma pessoa avalia a probabilidade
de dois eventos ocorrerem ao mesmo tempo. Foi relatado inicialmente por Chapman e
Chapman (1967) que notaram que, quando a probabilidade de dois eventos ocorrerem
concomitantemente julgada pela disponibilidade de exemplos concomitantes percebidos
em nossas mentes, usualmente, atribumos um valor inadequadamente alto probabilidade de os dois eventos ocorrerem concomitantemente de novo. Bazerman (2004, p.
10
[. . . ] suppose you are asked to rate the frequency with which abstract words (thought, love) and
concrete words (door, water) appear in written English. A natural way to answer this question is to
search for contexts in which the word could appear. Is seems easier to think of contexts in which an
abstract concept is mentioned (love in love stories) than to think of contexts in which a concrete word
(such as door) is mentioned. If the frequency of words is judged by the availability of the contexts in
which they appear, abstract words will be judged as relatively more numerous than concrete words.
32
23) afirma, por exemplo, que se conhecermos muitos usurios de maconha que so delinqentes, pressupomos que o uso da maconha est relacionado com a delinquncia, ou
se conhecermos muitos casais que se casaram jovens e tm famlias grandes, pressupomos
que essa tendncia mais preponderante do que pode ser na realidade.
Representatividade versus disponibilidade at aqui, foram explorados os vieses
sistemticos oriundos da utilizao dos princpios heursticos conhecidos como representatividade e disponibilidade. Neste ponto, pertinente salientar as diferenas entre os
dois. Segundo Kahneman e Tversky (1972, p. 452), a grande diferena entre as duas
heursticas repousa na natureza do julgamento. De acordo com a heurstica da representatividade, a probabilidade subjetiva avaliada pelo grau de correspondncia entre a
amostra e sua populao ou entre uma ocorrncia e um modelo, enfatizando as caractersticas genricas ou as conotaes do evento. J conforme a heurstica da disponibilidade,
a probabilidade subjetiva avaliada pelo grau de dificuldade de recuperao e construo
de exemplos (ocorrncias), enfatizando as caractersticas particulares ou as denotaes do
evento. Nesse sentido, a heurstica da representatividade mais propensa a ser empregada
quando os eventos so caracterizados em termos de suas propriedades gerais, enquanto
a heurstica da disponibilidade mais propensa a ser empregada quando os eventos so
pensados em termos de ocorrncias especficas. Quando as caractersticas genricas de
um evento bem como suas ocorrncias especficas so consideradas, ambas as heursticas
podem estar presentes na avaliao da probabilidade subjetiva.
2.1.1.3
Ancoragem
A terceira heurstica de julgamento estudada por Tversky e Kahneman (1974) conhecida como ancoragem e preconiza que as pessoas fazem estimativas partindo de um
valor inicial que ajustado at produzir uma resposta final. O valor inicial ou ponto de
partida pode ser sugerido com base na formulao do problema ou pode ser o resultado de
um clculo parcial. Em ambos os casos, os ajustes tipicamente so insuficientes, ou seja,
diferentes pontos de partida (ncoras) produzem diferentes estimativas que so enviesadas
na direo do valor inicial.
Da heurstica da ancoragem emanam trs vieses: ajuste insuficiente da ncora, vieses
de eventos conjuntivos e disjuntivos e excesso de confiana.
Ajuste insuficiente da ncora preconiza que as pessoas desenvolvem estimativas
partindo de uma ncora inicial, com base em qualquer informao que seja fornecida,
a qual ajustada at produzir uma resposta final. Uma conseqncia importante da
33
utilizao dessa heurstica que o ajuste geralmente insuficiente, ou seja, a resposta

final freqentemente fica prxima dessa ncora.
Para demonstrar que o ajuste em relao ncora geralmente insuficiente, Tversky
e Kahneman (1974, p. 1128) realizaram um experimento no qual
[. . . ] os participantes deveriam estimar a porcentagem de pases africanos

nas Naes Unidas. Para cada participante foi dado um nmero entre 0 e
100 obtido por uma roleta na presena do participante. Os participantes ento
foram instrudos, em primeiro lugar, a indicar se aquele nmero era maior ou
menor do que a porcentagem real e, depois, foram instrudos a estimar o valor
da porcentagem real ajustando-o para cima ou para baixo a partir do nmero
dado. Diferentes participantes receberam diferentes nmeros e esses nmeros
arbitrrios produziram um efeito substancial nas estimativas. Por exemplo, a
porcentagem mediana estimada de pases africanos nas Naes Unidas era de
25 e 45 para os grupos que receberam 10 e 65, respectivamente, como pontos
de partida.11
Vieses de eventos conjuntivos e disjuntivos segundo Tversky e Kahneman (1974),

estudos indicam que as pessoas tendem a superestimar a probabilidade de eventos conjuntos (eventos que devem ocorrer em conjuno com um outro) e subestimar a probabilidade
de eventos disjuntivos (eventos que ocorrem independentemente). Tversky e Kahneman
(1974, p. 1129) afirmam que esse vis fornece explicaes importantes para os problemas de cronograma de projetos que requerem planejamento multiestgio, pois a tendncia
geral de superestimar a probabilidade de eventos conjuntivos leva a um injustificado otimismo na avaliao da propenso de que planos sero bem sucedidos ou que projetos
sero finalizados no prazo.
Excesso de confiana em anlise de deciso, especialistas freqentemente so requisitados a expressar suas crenas em relao a uma quantidade, tal como o valor mdio do
ndice da Bolsa de Valores em um determinado dia, na forma de distribuio de probabilidade. Tal distribuio geralmente construda por meio da solicitao para que as
11
[. . . ] subjects were asked to estimate various quantities, stated in percentages (for example, the
percentage of African countries in the United Nations). For each quantity, a number between 0 and 100
was determined by spinning a wheel of fortune in the subjects presence. The subjects were instructed to
indicate first whether that number was higher or lower than the value of the quantity, and then to estimate
the value of the quantity by moving upward or downward from the given number. Different groups were
given different numbers for each quantity, and these arbitrary numbers had a marked effect on estimates.
For example, the median estimates of the percentage of African countries in the United Nations were 25
and 45 for groups that received 10 and 65, respectively, as start points.
34
pessoas selecionem valores que correspondam a percentis especficos na sua distribuio

de probabilidade subjetiva (TVERSKY; KAHNEMAN, 1974, p. 1129).
Ao coletarmos distribuies de probabilidades subjetivas para diversas quantidades
diferentes, possvel testar o avaliador por meio de uma calibragem adequada. A calibragem consiste na comparao dos valores reais com aqueles declarados pelo avaliador
em sua distribuio de probabilidade subjetiva. Dessa forma, para que um avaliador seja
considerado adequadamente calibrado em um conjunto de problemas, a quantidade real
deve estar exatamente dentro do intervalo de confiana por ele selecionado.
Segundo Tversky e Kahneman (1974, p. 1129), muitos pesquisadores tm obtido distribuies de probabilidade para muitas quantidades de um grande nmero de avaliadores.
Essas distribuies indicam desvios amplos e sistemticos de calibragem adequada, o que
sugere que as pessoas declaram intervalos de confiana bastante estreitos, os quais refletem
uma certeza maior do que aquela justificada pelo seu conhecimento sobre as quantidades
avaliadas. Esse efeito, atribudo em parte ancoragem, conhecido como vis de excesso
de confiana.
Para Barberis e Thaler (2003), o excesso de confiana pode, em parte, originar-se
de outros dois vieses: auto-atribuio e previso retrospectiva. O primeiro se refere
tendncia de as pessoas atriburem aos seus prprios talentos qualquer sucesso obtido
em uma atividade, enquanto atribuem m sorte, e no sua incompetncia, qualquer
fracasso obtido. A repetio dessa tendncia leva as pessoas agradvel, porm errnea,
concluso de que so muito talentosas. Por exemplo, investidores poderiam tornar-se
excessivamente confiantes aps vrios trimestres de investimentos bem sucedidos. J o
vis de previso retrospectiva consiste na tendncia de as pessoas acreditarem, aps a
ocorrncia de um evento, que elas o previram antes de ele ter acontecido. Nesse caso, se
as pessoas pensam que previram o passado melhor do que realmente fizeram, elas tambm
podem acreditar que so capazes de prever o futuro melhor do que realmente podem.
Um outro vis intimamente relacionado ao excesso de confiana o otimismo que, segundo Shefrin (2005b), consiste na superestimao da freqncia de resultados favorveis
e na subestimao da freqncia de resultados desfavorveis. Bazerman (2004) afirma que
embora os conceitos de excesso de confiana e otimismo possuam uma estreita relao,
existe uma importante distino entre eles: quando investidores tomam decises excessivamente confiantes, conservaro esse otimismo despropositado em relao ao sucesso
futuro; retrospectivamente, eles mantero o otimismo, mesmo quando os resultados desapontadores de seus investimentos estiverem facilmente disponveis (BAZERMAN, 2004,
p. 133).
35
Em termos de modelagem, Baker, Ruback e Wurgler (2004, p. 35) afirmam que o

otimismo pode ser modelado como uma superestimao da mdia e o excesso de confiana
como uma subestimao da varincia. Em outras palavras, investidores otimistas tendem
a superestimar o retorno esperado de suas aplicaes, enquanto investidores excessivamente confiantes tendem a subestimar o risco.
2.1.2
Efeitos de estruturao
Na seo anterior, abordou-se o tema do vis heurstico que prev que os indivduos
cometem erros ao tomarem decises porque confiam em uma srie de regras prticas
(heursticas) para processar as informaes. Nesta seo, o foco central o impacto da
estruturao da informao nas decises dos indivduos. De acordo com essa abordagem,
a maneira como um problema estruturado ou a forma como a informao apresentada
exerce um impacto importante no processo decisrio.
2.1.2.1
Teoria perspectiva
A ampla maioria dos modelos que tentam entender os preos dos ativos assume que os
investidores avaliam decises em condies de risco de acordo com as suposies da teoria
da utilidade esperada, a qual baseada em um conjunto de axiomas que fornecem os
critrios de uma escolha racional. No contexto dessa teoria, as escolhas de um indivduo
podem ser descritas em termos das utilidades de diversos resultados para aquele indivduo
e a utilidade de uma perspectiva arriscada igual utilidade esperada de seus resultados,
obtida pela ponderao da utilidade de cada resultado possvel pela sua probabilidade.
Diante de uma escolha, um tomador de deciso racional ir escolher a perspectiva que
oferece a mais alta utilidade esperada.
A teoria da utilidade esperada tem dominado a anlise de tomada de deciso em condies de risco e tem sido amplamente aceita como um modelo descritivo do comportamento
econmico racional (KAHNEMAN; TVERSKY, 1979). Todavia, o resultado de uma srie de
experimentos tem mostrado que as pessoas exibem padres de preferncia incompatveis
com a teoria da utilidade esperada.
Em resposta aos resultados dos experimentos que tm mostrado que as pessoas sistematicamente violam a teoria da utilidade esperada quando tomam decises em condies
de risco, surgiu uma srie de abordagens alternativas. Segundo Barberis e Thaler (2003,
36
p. 1067), de todas as abordagens alternativas teoria da utilidade esperada, a mais

promissora em termos de aplicao em finanas a teoria perspectiva de Kahneman e
Tversky (1979).
Para aqueles autores, a teoria perspectiva contribui para explicar por que as pessoas
fazem escolhas diferentes em situaes nas quais o nvel de riqueza final o mesmo. Tratase de uma constatao que ilustra uma caracterstica importante da teoria: a capacidade
de acomodar os efeitos da descrio ou estruturao de um problema. Existem inmeras
demonstraes de mudanas de preferncias com base na descrio de um problema e
nenhuma teoria normativa de escolha pode acomodar tal comportamento, uma vez que
o primeiro princpio da escolha racional que as escolhas deveriam ser independentes da
descrio do problema.
Os resultados de um experimento realizado por Tversky e Kahneman (1981, p. 454)
ilustram as bases da teoria perspectiva. Os autores apresentaram aos participantes do
experimento um par de decises concorrentes e, ento, solicitaram a eles a indicao da
opo preferida.
Deciso 1 - Escolha entre:
a) um ganho certo de $ 240 (84%);
b) 25% de chance de ganhar $ 1.000 e 75% de chance de no ganhar nada (16%).
Deciso 2 - Escolha entre:
c) uma perda certa de $ 750 (13%);
d) 75% de chance de perder $ 1.000 e 25% de chance de no perder nada (87%).
A escolha preferida pela maioria dos respondentes (84%), na deciso 1, avessa ao
risco, ou seja, uma perspectiva menos arriscada prefervel a uma perspectiva arriscada
de valor esperado igual ou maior. Em contraste, a escolha preferida pela maioria dos
respondentes (87%), na deciso 2, propensa ao risco, ou seja, uma perspectiva arriscada
prefervel a uma perspectiva menos arriscada de igual valor esperado. De acordo com a
teoria perspectiva, quando se trata de ganhos e de perguntas estruturadas positivamente,
as pessoas tendem a ser avessas ao risco. Ao contrrio, quando se trata de perdas ou
de perguntas estruturadas negativamente, as pessoas tendem a ser propensas ao risco.
Isso acontece em virtude da funo de valor na teoria perspectiva possuir a forma de S
37
(cncava acima do ponto de referncia e convexa abaixo dele), conforme apresentado na

figura 2.
Figura 2 Funo de valor hipottica

Fonte: Kahneman e Tversky (1979, p. 279)
Os resultados do experimento mostram que o valor associado ao ganho de $ 240

maior do que 24% do valor associado ao ganho de $ 1.000 e o valor (negativo) associado
perda de $ 750 menor do que 75% do valor associado perda de $ 1.000. Dessa forma,
para os autores, a forma da funo de valor contribui para a averso ao risco na deciso
1 e para a propenso ao risco na deciso 2. Em outras palavras, a resposta das pessoas
s perdas mais extrema que a resposta a ganhos, isto , o aborrecimento associado
perda de uma soma em dinheiro geralmente maior do que o prazer associado ao ganho
do mesmo montante, fenmeno que ficou conhecido como averso perda e ser tratado
com mais detalhes na seo 2.2.1.1.
2.1.3
Mercados ineficientes
Nas duas ltimas sees, tratou-se da influncia de aspectos psicolgicos no processo

decisrio dos indivduos com base no argumento de que a confiana em princpios heursticos e os efeitos da estruturao da informao conduzem a vieses sistemticos que
afastariam as decises dos indivduos daquilo que seria previsto pela teoria da utilidade
esperada. Essa linha de investigao desempenhou um papel central na construo do
38
campo de pesquisa das finanas comportamentais. Shefrin (2002, p. 7), nessa direo,
afirmou que as finanas comportamentais floresceram quando os avanos feitos pelos
psiclogos chamaram a ateno dos economistas.
Nesta seo, o objetivo contrapor os argumentos das finanas comportamentais, que
defendem que o vis heurstico e os efeitos de estruturao afetam os preos estabelecidos
no mercado fazendo-os se desviarem de seus valores fundamentais, aos argumentos das
finanas tradicionais os quais assumem que os mercados so eficientes e que os preos
dos ttulos coincidem com seus valores fundamentais, mesmo que alguns indivduos sejam
influenciados por vieses heursticos ou por efeitos de estruturao.
2.1.3.1
Bases tericas da hiptese do mercado eficiente
A hiptese do mercado eficiente, segundo a qual os preos dos ativos, em qualquer

tempo, refletem plenamente toda a informao disponvel (FAMA, 1970, p. 383), tem sido
a proposio central em finanas nas ltimas dcadas. No contexto dessa teoria, assume-se
que os agentes so racionais e que o preo de um ttulo igual ao seu valor fundamental,
isto , a soma dos fluxos de caixa futuros esperados descontados, em que, na formao
das expectativas, os investidores processam corretamente toda informao disponvel e
a taxa de desconto reflete adequadamente as caractersticas de risco do ttulo, conforme
apresentado no esquema da figura 3. Nesse caso, nenhuma estratgia de investimentos
poderia obter retornos esperados maiores do que aqueles justificados pelo risco.
A premissa assumida pela hiptese do mercado eficiente, de que nenhuma estratgia de
investimentos pode obter retornos maiores do que aqueles justificados pelo risco, implica
a dependncia de um modelo de relao justa entre risco e retorno. Essa constatao de que a eficincia do mercado no , por si s, testvel em virtude da dependncia de
um modelo de apreamento que fornea um padro de referncia adequado considerando
a relao de risco e retorno dos ativos analisados - conhecida como hiptese conjunta,
a qual permeou grande parte do debate das finanas empricas e constituiu a grande
contribuio de Fama (1970, 1991).
Na tica de Shleifer (2000), as previses empricas da hiptese do mercado eficiente
podem ser divididas em duas grandes categorias: (1) quando notcias sobre o valor de um
ttulo chegam ao mercado, seu preo deveria reagir e incorporar essas notcias rpida e
corretamente e (2) uma vez que o preo de um ttulo deve igualar-se ao seu valor fundamental, os preos no deveriam se mover sem que houvesse qualquer notcia a respeito do
ttulo, ou seja, os preos no deveriam reagir a mudanas na oferta ou demanda de um
39
Investidores
Informao
Preos de mercado
Inferncia baseada em expectativas racionais
Figura 3 Processo simples de formao de preo

Fonte: Daniel (2004, p. 57)
ttulo que no seja acompanhada por notcias sobre o seu valor fundamental.
O raciocnio por trs da idia de que os preos devem refletir seu valor fundamental
repousa em duas afirmaes: (1) assim que constatado um desvio em relao ao valor
fundamental, uma oportunidade de investimento atrativa criada e (2) investidores racionais imediatamente iro aproveitar a oportunidade e, portanto, os preos sero corrigidos
pois tal movimento por parte dos investidores os far voltar a refletir o valor fundamental
(BARBERIS; THALER, 2003).
As afirmaes que norteiam o raciocnio apresentado remetem ao conceito de arbitragem cuja definio a compra e venda simultnea do mesmo ttulo ou de ttulos
essencialmente similares, em dois mercados diferentes, com o objetivo de tirar proveito
de diferenciais de preos sem correr riscos. De acordo com Shleifer e Vishny (1997, p.
35), a arbitragem desempenha um papel crtico na anlise do mercado de ttulos porque
seu efeito faz os preos dos ttulos refletirem seu valor fundamental, mantendo, assim, os
mercados eficientes, conforme mostrado no esquema da figura 4.
Segundo Shleifer (2000, p. 5), de fato, o campo das finanas acadmicas em geral, e
a anlise de ttulos em particular, foi criado com base na hiptese do mercado eficiente e
suas aplicaes. No entanto, nas ltimas dcadas, tanto as bases tericas da hiptese do
mercado eficiente quanto as evidncias empricas que a suportam tm sido desafiadas.
2.1.3.2
Desafios da hiptese do mercado eficiente
Conforme apresentado na seo anterior, a hiptese do mercado eficiente fortemente

calcada em dois postulados. O primeiro assume que os investidores avaliam decises em
40
Investidores ingnuos
Informao
Preos de mercado
Arbitradores
Figura 4 Processo de formao de preos com investidores ingnuos e arbitradores

Fonte: Daniel (2004, p. 58)
condies de risco de acordo com as suposies da teoria da utilidade esperada a que

fornece os critrios de uma escolha racional, ou seja, no contexto da hiptese do mercado
eficiente, assume-se que os investidores so plenamente racionais e, por conseguinte, tal
racionalidade incorporada nos preos dos ttulos no mercado, os quais refletiriam seu
valor fundamental. O segundo assume que, caso seja constatado qualquer desvio em
relao ao valor fundamental, os investidores plenamente racionais, por meio de operaes
de arbitragem, atuariam de modo a fazer os preos dos ttulos voltarem a refletir seu valor
fundamental.
Em contraposio aos postulados da hiptese do mercado eficiente, os argumentos
favorveis abordagem das finanas comportamentais colocam em xeque tanto o aspecto
da racionalidade plena dos investidores quanto a efetividade da atividade de arbitragem
como um instrumento para a manuteno de um mercado eficiente.
Com relao ao postulado que assume que os investidores so plenamente racionais,
os tericos das finanas comportamentais argumentam que alguns aspectos dos preos
dos ativos so mais plausveis de serem explicados como desvios em relao ao valor
fundamental e que esses desvios so verificados em razo da presena de investidores no
plenamente racionais (BARBERIS; THALER, 2003, p. 1054). As bases desse argumento
repousam na idia de que o comportamento enviesado dos indivduos, fruto da influncia
dos princpios heursticos e dos efeitos da estruturao da informao, pode exercer um
impacto substancial sobre os preos dos ttulos negociados no mercado, afastando-os de
seu valor fundamental. Dessa forma, os tericos defendem que o processo decisrio dos
indivduos sistematicamente se afasta daquilo que seria previsto pela teoria da utilidade
esperada e, portanto, no norteado pela racionalidade plena.
41
De acordo com Daniel (2004), quando os pesquisadores das finanas comportamentais

afirmam que os investidores se comportam de maneira no plenamente racional, no esto
dizendo que eles so desequilibrados, desmedidos ou que suas atitudes so insensatas. Ao
contrrio, tais investidores tomam atitudes que seriam consideradas bastante razoveis por
grande parte das pessoas, uma vez que utilizam a intuio - definida como um conjunto
de regras ad hoc que norteiam a tomada de decises - de forma sofisticada para decidir
sobre situaes complexas. Um grande nmero de experimentos, porm, indica que h
muitos cenrios em que a intuio conduz a equvocos e os pesquisadores argumentam que
os mercados financeiros apresentam tais cenrios para os investidores e que os pequenos
erros cometidos pelos investidores fazem os preos se desviarem daqueles previstos pelas
teorias baseadas na racionalidade plena.
Em relao a esse aspecto, no existe uma discordncia absoluta entre os partidrios
da hiptese do mercado eficiente e os partidrios da abordagem das finanas comportamentais. Conforme destacado por Daniel (2004, p. 58),
[. . . ] mesmo os fortes proponentes da teoria das expectativas racionais

concordariam que alguns indivduos no processam corretamente as informaes e esto sujeitos a vieses. Todavia, eles argumentariam que, mesmo que
muitos investidores tomem atitudes consideradas irracionais, os preos, ainda
assim, seriam estabelecidos como se todos os investidores fossem plenamente
racionais. O argumento para isso que, caso os preos de mercado no estejam corretamente estabelecidos, a atividade de arbitragem foraria os preos a
retornar para os seus valores fundamentais.12
Todavia, se, por um lado, no existe uma discordncia absoluta entre as duas abordagens em relao constatao de que o comportamento enviesado dos indivduos pode
exercer um impacto nos preos estabelecidos no mercado, por outro lado, existe uma visceral discordncia acerca da efetividade da atividade de arbitragem como um instrumento
de correo dos preos dos ttulos no sentido de faz-los refletirem o valor fundamental.
O questionamento acerca do papel desempenhado pela atividade de arbitragem encontrado em uma srie de estudos conhecidos na literatura como limites arbitragem.
Esses estudos, segundo Barberis e Thaler (2003, p. 1053), constituem uma abordagem
12
[. . . ] even strong proponents of rational expectations theory would agree that some individuals do
not perfectly process information, and that individuals process information in biased ways. Rather, they
would argue that even though many investors are irrational in this sense, prices will still be set as if all
investors are fully rational. The argument as to why this should be the case is that, if market prices were
wrong, arbitrageurs would force them back into line.
42
que mostra que, em uma economia em que agentes racionais e irracionais interagem, a
irracionalidade pode ter um impacto substancial e duradouro sobre os preos.
Para Shleifer e Vishny (1997, p. 36), os manuais de finanas tradicionais abordam a
questo da arbitragem como uma atividade exercida por um grande nmero de pequenos
arbitradores, cada um deles assumindo uma pequena posio e cuja ao coletiva conduz
os preos na direo de seus valores fundamentais. O problema dessa abordagem que os
milhes de pequenos investidores no so tipicamente aqueles que possuem o conhecimento
e a informao adequada para se envolver na atividade de arbitragem. O mais comum
a atividade de arbitragem ser relativamente conduzida por poucos profissionais altamente
especializados, tais como gestores de grandes fundos de investimento que combinam seu
conhecimento com os recursos dos investidores externos.
A constatao de que a atividade de arbitragem no mundo real conduzida por profissionais que no esto gerindo os seus prprios recursos mas os de terceiros traz consigo
uma importante implicao na qual crebros e recursos so separados por uma relao de
agncia (SHLEIFER; VISHNY, 1997) que, de acordo com Barberis e Thaler (2003, p. 1057),
tem conseqncias importantes, pois
os investidores, desprovidos de conhecimento especializado para avaliar as

estratgias de arbitragem conduzidas por profissionais, podem simplesmente
avali-los com base em retornos. Caso o desvio de preo que o arbitrador
(gestor) esteja tentando explorar aumente no curto prazo, ou seja, no reverta para o seu valor fundamental, gerando retornos negativos, os investidores podem consider-lo incompetente e sacar seus recursos. Se isso acontecer,
o gestor ser forado a liquidar sua posio de forma prematura. O medo de
tal liquidao prematura o torna menos agressivo no combate aos desvios de
preos em relao aos valores fundamentais.13
Um outro aspecto importante destacado por Shleifer e Vishny (1997, p. 52) que
a abordagem dos mercados eficientes baseada na suposio (altamente implausvel) de
que existem muitos arbitradores diversificados. Na realidade, todavia, os recursos da
atividade de arbitragem so fortemente concentrados nas mos de poucos investidores
altamente especializados em negociar poucos ativos e que esto longe de serem diversificados. Como resultado, esses investidores preocupam-se com o risco total e no apenas
13
Investors, lacking the specialized knowledge to evaluate the arbitrageurs strategy, may simply evaluate
him based on his returns. If a mispricing that the arbitrageur is trying to exploit worsens in the short
run, generating negative returns, investors may decide that he is incompetent, and withdraw their funds.
If this happens, the arbitrageur will be forced to liquidate his position prematurely. Fear of such premature
liquidation makes him less aggressive in combating the mispricing in the first place.
2.2 Efeito disposio
43
com o risco sistemtico. Dessa forma, uma vez que o retorno em excesso de equilbrio
determinado por estratgias de negociao desses investidores, considerar o risco sistemtico como nico determinante de apreamento inapropriado, pois o risco idiossincrtico
tambm intimida os arbitradores.
Um ltimo aspecto levantado por Shleifer (2000) como fator limitador da atividade de
arbitragem seria a ausncia de ativos substitutos no mercado. Esse aspecto possui uma
implicao importante pois uma condio essencial para que a atividade de arbitragem
seja rpida e efetiva a existncia de ativos substitutos prontamente disponveis.
Diante do exposto, Shleifer (2000, p. 5) destaca que as principais foras por meio
das quais o mercado deveria atingir a eficincia, tais como a atividade de arbitragem,
so, provavelmente, mais fracas e mais limitadas do que supem os tericos da eficincia
do mercado. Em suma, com novas teorias e evidncias, as finanas comportamentais
emergiram como uma nova viso alternativa dos mercados financeiros, segundo a qual
a teoria econmica no nos leva a esperar que os mercados financeiros sejam eficientes.
Ao contrrio, espera-se que desvios sistemticos e significantes em relao eficincia
persistam por um longo perodo de tempo. Empiricamente, as finanas comportamentais
tanto explicam as evidncias que se mostram anmalas sob a tica dos mercados eficientes
quanto geram novas predies que tm sido confirmadas pelos dados.
2.2
Efeito disposio
At aqui, foi feito um relato sobre a teoria de finanas comportamentais com base na
segmentao em trs temas proposta por Shefrin (2002), a qual engloba o vis heurstico, os efeitos de estruturao e os mercados ineficientes. Nesta seo, o foco o efeito
disposio, que o vis que norteia o objetivo deste trabalho.
O efeito disposio um vis comportamental baseado na noo de que os investidores

manifestam relutncia para realizar perdas. Ele foi originalmente estudado por Shefrin e
Statman (1985) dentro de uma estrutura terica que inclui quatro importantes elementos: teoria perspectiva, contabilidade mental, averso ao arrependimento e auto-controle.
Adicionalmente, cumpre abordar um quinto elemento no relatado no estudo de Shefrin
(2002), mas que foi incorporado por Odean (1998), que o vis da reverso mdia.
44
2.2.1
Estrutura terica do efeito disposio
2.2.1.1
Teoria perspectiva
O efeito disposio uma implicao direta da teoria perspectiva de Kahneman e

Tversky (1979) para os mercados financeiros. De acordo com a abordagem dessa teoria, os tomadores de deciso, em primeiro lugar, estruturam suas escolhas em termos de
ganhos/perdas potenciais relativos a um ponto de referncia fixado. Em seguida, empregam uma funo de avaliao em forma de S (uma funo utilidade no domnio de
perdas.
Weber e Camerer (1998, p. 170) ilustram esse raciocnio por meio do seguinte exemplo: suponha que um investidor compre uma ao por um preo P e que, no perodo
subseqente, a ao perca valor no montante L, para um preo P L (essa ao denominada de ao perdedora). Nesse caso, o investidor pode vender a ao ou mant-la.
Caso ele mantenha a ao, existe uma probabilidade igual de a ao retornar para o seu
preo de compra P ou cair pelo montante L novamente, para um preo P LL = P 2L.
Na situao inversa, a ao ganha valor no montante G, para um preo P + G. Caso o
investidor mantenha a ao, existe uma probabilidade igual de a ao cair de volta para
o preo P ou subir pelo montante G novamente, para um preo P + 2G.
Na figura 5, ilustra-se o que acontece quando o ponto de referncia do investidor o
preo de compra original da ao (P ). Nesse caso, a ao perdedora vale P L, se ela for
vendida, e P ou P 2L, se for mantida. Se o ponto de referncia do investidor for o preo
de compra original da ao (P ), o investidor ir estruturar sua deciso de investimento
como uma escolha entre uma perda certa com valor negativo v(L) ou a manuteno
da ao e aceitao de um jogo com valor v(0) (ponto de equilbrio) ou v(2L). Caso o
investidor esteja propenso ao risco no domnio das perdas (e a probabilidade de atingir
o ponto de equilbrio ou perder novamente o montante L seja igual), ele manter a ao.
Weber e Camerer (1998, p. 170) afirmam: os investidores mantero as aes perdedoras
porque a dor de uma perda adicional no montante L menor que o prazer de recuperar
o preo de compra.
Para o caso da ao vencedora, seu valor P + G, se ela for vendida e P ou P + 2G, se
for mantida. Se o investidor for avesso ao risco no domnio dos ganhos, ele vender a ao
para ficar com o ganho certo (G), criando um ganho com valor v(G) ao invs de aceitar
um jogo com valor v(2G) ou v(0). O investidor, nesse caso, vender as aes vencedoras
45
2.2 Efeito disposio

Valor
v (x)
Preo de
compra (P)
v (2G)
v (G)
Aes
vencedoras
Preo
corrente
P - 2L
P-L
P +G
P + 2G
Preo
corrente
Aes
perdedoras
Ganhos ou
Perdas
v (- L)
v (- 2L)
Figura 5 Teoria perspectiva e o efeito disposio

Fonte: Weber e Camerer (1998, p. 170)
porque o prazer de um ganho adicional no montante G menor do que a dor de ver o

preo da ao retornar para o preo P .
Um aspecto importante destacado por Odean (1998) que testar o efeito disposio
implica testar uma hiptese conjunta que assume que tanto o modelo previsto pela teoria
perspectiva quanto a especificao do ponto de referncia escolhido pelo investidor esto
corretos. Segundo o autor, qualquer teste do efeito disposio um teste conjunto da
hiptese de que as pessoas realizam ganhos mais prontamente do que perdas e da especificao do ponto de referncia a partir do qual os ganhos ou perdas so determinados
(ODEAN, 1998, p. 1782).
2.2.1.2
Contabilidade mental
A discusso da teoria perspectiva enfatiza a importncia da fase da estruturao da

escolha e da localizao do ponto de referncia. Para fornecer uma base a partir da qual os
tomadores de deciso estruturam escolhas, Thaler (1985, 1999a) formulou um estrutura
conhecida como contabilidade mental. A idia central que os tomadores de deciso
tendem a segregar os diferentes tipos de escolhas em contas separadas e, ento, aplicam
46
regras de deciso baseadas na teoria perspectiva para cada conta ignorando possveis
interaes.
A aplicao desse conceito para investimentos em aes implica que, quando uma
ao comprada, uma nova conta mental aberta e, caso o investidor especifique seu
ponto de referncia como sendo o preo de compra original, um marcador de pontos
mantido nessa conta indicando ganhos ou perdas em relao ao preo de compra. Shefrin
e Statman (1985) afirmam que o conceito de contabilidade mental serve para explicar
por que provvel que um investidor evite reajustar seu ponto de referncia para uma
ao, pois o preo de compra geralmente o ponto de referncia natural escolhido pelo
investidor a partir do qual so avaliados os ganhos e perdas.
Um raciocnio tpico que envolve a aplicao do conceito de contabilidade mental
apresentado por Karsten (2005, p. 10) que afirma: um investidor pode tomar dinheiro
emprestado a custos exorbitantes para no tocar na poupana do filho que, certamente,
tem um rendimento inferior ao custo do emprstimo.
2.2.1.3
Averso ao arrependimento
Um terceiro elemento que contribui para explicar o efeito disposio a averso ao

arrependimento. Shefrin (2002, p. 10) considera que arrependimento experimentar a
emoo de no ter tomado a deciso correta. Assim, para ele, arrependimento mais
do que a dor da perda; a dor associada ao sentimento de ter sido responsvel pela
perda. Nesse sentido, Shefrin e Statman (1985) afirmam que os investidores podem resistir realizao de perdas porque tal atitude uma prova de que sua avaliao estava
errada. Nesse caso, os investidores mostrariam relutncia em realizar perdas, pois seriam
obrigados a admitir seus prprios erros.
Shefrin e Statman (1985) tambm afirmam que a contrapartida positiva do arrependimento o orgulho. Enquanto fechar uma posio em aes com perda induz ao arrependimento, fech-la com ganho induz ao orgulho. Desse modo, a busca pelo orgulho e a
averso ao arrependimento levam a uma disposio para realizar ganhos e adiar perdas.
Contudo, os autores tambm ponderam que uma assimetria entre a fora do orgulho e
a do arrependimento (o arrependimento mais forte) leva a inao a ser favorecida em
detrimento da ao. Conseqentemente, os investidores propensos a esse vis podem ficar
relutantes em realizar tanto ganhos quanto perdas, conforme mostram a seguir Shefrin e
Statman (1985, p. 782):
2.2 Efeito disposio
47
[. . . ] considere um investidor que vende uma ao especfica, por exemplo

a GM, com um ganho, mas continua a monitorar o seu progresso. Caso o
preo da ao da GM continue subindo, ento, o sentimento inicial de orgulho
ser envolvido pelo arrependimento de ter vendido to rapidamente.14
2.2.1.4
Auto-controle
O quarto elemento do arcabouo terico do efeito disposio o problema do autocontrole, abordado por Thaler e Shefrin (1981) como um conflito de agncia intrapessoal
entre uma parte racional (principal) e uma parte emocional (agente) do indivduo. Esse
conflito pode ser entendido de forma similar ao conflito de agncia entre proprietrios e
gestores de uma empresa.
Thaler e Shefrin (1981, p. 392) afirmam que tanto os indivduos quanto as empresas
utilizam alguns instrumentos para mitigar os problemas que esses conflitos criam. Por um
lado, as empresas utilizam mecanismos de incentivo para alinhar os interesses de gestores
e acionistas. Por outro lado, para lidar com o problema do auto-controle, os investidores
tambm podem utilizar tcnicas para minimizar a influncia de seu lado emocional sobre
seu lado racional.
No que diz respeito ao efeito disposio, para minimizar a relutncia em realizar
perdas, a tcnica mais comum utilizada pelos investidores a ordem de stop loss. Geralmente, essas ordens so promovidas como uma maneira eficaz de gerenciar risco, mas
a sua principal vantagem consiste em permitir que o investidor realize suas perdas em
um ponto pr-determinado automaticamente. Nesse sentido, transformar a realizao de
perdas em um procedimento automtico funciona como uma ferramenta eficaz no sentido
de minimizar a influncia do lado emocional do investidor.
2.2.1.5
Reverso mdia
Por fim, mas no menos importante, o ltimo elemento que contribui para explicar as
razes da manifestao do efeito disposio o vis conhecido como interpretao errada
da reverso mdia. Conforme j abordado em 2.1.1.1, a interpretao errada da reverso
mdia um vis de julgamento que emana da heurstica da representatividade.
14
[. . . ] consider an investor who sells a particular stock, say GM, at a gain, but continues to monitor
its progress. Should the price of GM continue to rise, then the initial feeling of pride will be tempered by
the regret at having sold too quickly.
48
Para Chan, Frankel e Kothari (2004), a representatividade implica que uma seqncia
consistente de desempenho passado faz os investidores classificarem uma empresa em uma
determinada categoria e formarem expectativas enviesadas previsveis sobre o desempenho
futuro. O efeito da aplicao da heurstica da representatividade nos preos das aes
que os investidores poderiam extrapolar de maneira excessiva o desempenho passado e,
portanto, estabelecer preos muito altos ou muito baixos, o que produziria uma reverso
dos retornos no futuro. Esse efeito, conhecido como efeito sobre-reao (overreaction),
sugere duas importantes hipteses: (1) movimentos extremos nos preos das aes sero
seguidos por movimentos na direo oposta e (2) quanto mais extremo for o movimento
inicial de preos, maior ser o ajuste subseqente. Ambas as hipteses implicam uma
violao da forma fraca de eficincia de mercado e foram objeto de estudo de diversos
autores.
O estudo pioneiro sobre o efeito sobre-reao foi realizado por De Bondt e Thaler
(1985), os quais formaram carteiras de aes perdedoras e vencedoras com base no desempenho de trinta e seis meses precedentes e verificaram que a carteira de aes perdedoras obteve um desempenho superior ao da carteira de aes vencedoras nos trinta e seis
meses subseqentes. As aes perdedoras obtiveram um retorno aproximadamente 25%
maior em relaao s aes vencedoras, mesmo sendo essas ltimas significativamente mais
arriscadas.
Chopra, Lakonishok e Ritter (1992) tambm encontraram resultados consistentes com
a hiptese de sobre-reao. Os autores formaram carteiras de aes perdedoras e vencedoras com base no desempenho de cinco anos precedentes e verificaram que a carteira de
aes perdedoras obteve um desempenho superior ao da carteira de aes vencedoras nos
cinco anos subseqentes.
No Brasil, alguns autores tambm procuraram documentar o efeito sobre-reao. Dentre eles, destacam-se Costa Jr. (1994) e Kimura (2002). O primeiro investigou o efeito
sobre-reao no mercado brasileiro utilizando a mesma metodologia proposta por De
Bondt e Thaler (1985) com base em uma amostra de 121 aes negociadas na Bolsa de
Valores de So Paulo de janeiro de 1970 a dezembro de 1989. O autor encontrou evidncias que corroboram a hiptese de sobre-reao no mercado brasileiro, ou seja, carteiras
vencedoras no passado, isto , que apresentaram desempenho passado elevado, tendem a
gerar resultados extremamente pobres no futuro, e carteiras perdedoras no passado, inversamente, tm desempenho posterior elevado. O efeito sobre-reao foi verificado com
base tanto em retornos anormais no ajustados ao risco quanto em retornos ajustados
pelo risco a partir do modelo capital asset pricing model (CAPM).
J o trabalho de Kimura (2002) procurou avaliar a possibilidade de existncia do
2.2 Efeito disposio
49
efeito sobre-reao no mercado brasileiro com base em reaes associadas aos preos e
reaes associadas volatilidade. Com relao s primeiras, o autor buscou verificar se
estratgias baseadas na compra de ativos com desempenho passado desfavorvel e venda
de ativos com desempenho passado favorvel poderiam conduzir a ganhos extraordinrios
consistentes ajustados ao risco.
No entanto, a despeito do efeito sobre-reao ter sido verificado em prazos longos (entre
trinta e seis e sessenta meses), Jegadeesh e Titman (1993, 2003) mostraram que, no curto
prazo (entre trs e doze meses), as carteiras de aes vencedoras tendem a apresentar
um desempenho superior ao da carteira de aes perdedoras. Esse outro efeito, que se
contrape ao efeito sobre-reao, ficou conhecido como efeito sub-reao (underreaction)
ou, em outras palavras, momentum. Esses achados, em suma, mostram que tendncias
de longo prazo tendem a reverter e tendncias de curto prazo tendem a continuar.
Diante do exposto, pode-se concluir que, de fato, existem razes que justificam o raciocnio de que a crena na reverso ou na manuteno de tendncias pode ajudar a explicar
o efeito disposio. De acordo com Odean (1998), os investidores podem escolher manter
suas aes perdedoras e vender suas aes vencedoras no porque eles so relutantes em
realizar suas perdas, mas porque acreditam que as perdedoras de hoje iro, em breve,
superar as vencedoras de hoje. Todavia, o autor argumenta que, por um lado, se o retorno esperado para a ao perdedora maior do que para a ao vencedora, a crena do
investidor seria racional e justificvel. Por outro lado, se o retorno esperado para a ao
perdedora no maior do que para a ao vencedora, mas os investidores continuam a
acreditar que ele a despeito das evidncias persistentes em contrrio, ento, essa crena
seria irracional e no justificvel.
O autor ainda verificou, em seu estudo, que as aes vencedoras vendidas apresentaram
um retorno anormal mdio 3,4% superior ao das aes perdedoras mantidas ao longo de um
perodo subseqente de 12 meses. Esse resultado trouxe evidncias de que os investidores
que tendem a vender aes vencedoras em um curto perodo de tempo e a manter aes
perdedoras por um longo perodo de tempo esto, na mdia, equivocados.
2.2.2
Evidncias empricas
O efeito disposio, originalmente estudado por Shefrin e Statman (1985), passou a ser
objeto de um grande nmero de trabalhos em diferentes pases. Nesta seo, compilam-se
os principais estudos que versam sobre o tema, buscando-se, conforme recomenda Eco
(2003), harmonizar os vrios pontos de vista, a fim de oferecer uma viso panormica do
50
estado da questo.
2.2.2.1
Estudo de Shefrin e Statman (1985)
O trabalho de Shefrin e Statman (1985) foi o estudo pioneiro que formalizou as bases
tericas do efeito disposio. Alm da formalizao terica, os autores tambm trouxeram
resultados empricos, em relao aos quais os principais interesses foram verificar se o
timing de realizao de perdas diferente do timing de realizao de ganhos e investigar
a natureza dessa diferena, uma vez que consideraes fiscais sugerem que as perdas
deveriam ser realizadas no curto prazo, enquanto os ganhos deveriam ser realizados no
longo prazo.
Para testar empiricamente o efeito disposio, eles utilizaram duas fontes de dados:
a primeira teve como base informaes sobre transaes de investidores individuais entre
1964 e 1970; a segunda consistiu em dados agregados de transaes efetuadas por fundos
mtuos.
No primeiro caso, os dados sobre as transaes efetuadas pelos investidores individuais foram divididos em trs categorias, de acordo com o perodo de tempo em que
um indivduo mantinha uma ao antes de vend-la. As trs categorias correspondiam
a perodos de 1 ms ou menos, 1 ms at 6 meses e 6 meses at 1 ano. Os resultados
revelaram que, independentemente da categoria selecionada, aproximadamente 40% de
todas as transaes correspondiam a perdas corroborando a presena do efeito disposio.
No segundo caso, foram analisadas as compras e vendas agregadas efetuadas por fundos
mtuos, os quais tambm foram divididos em trs categorias, de acordo com a classificao
de cada um. Os resultados mostraram que a proporo mdia de vendas associadas a
ganhos era maior do que a proporo mdia de vendas associadas a perdas.
2.2.2.2
Estudo de Lakonishok e Smidt (1986)
Lakonishok e Smidt (1986) verificaram a influncia de padres de preos passados nos

volumes transacionados com base no argumento de que a tributao sobre os ganhos de
capital deveria produzir padres de volumes previsveis. Em outras palavras, essa pesquisa
baseou-se na idia de que a resposta dos investidores aos ganhos de capital tributados
poderia criar uma relao entre o volume transacionado e um dado ms e variaes de
preo nos meses antecedentes.
2.2 Efeito disposio
51
Especificamente, eles investigaram o volume anormal de um conjunto de aes negociadas na New York Stock Exchange (NYSE) e na American Stock Exchange (AMEX) que
tiveram seus preos valorizados (aes vencedoras) ou desvalorizados (aes perdedoras)
em um perodo prvio de 5, 11, 23 e 35 meses.
Os resultados indicaram que as aes vencedoras tendem a ter um volume anormal
maior do que as aes perdedoras, mostrando, assim, indcios da presena do efeito disposio na amostra analisada. No entanto, a despeito dos resultados gerais se mostrarem
favorveis ao efeito disposio, motivos relacionados a questes fiscais tambm influenciaram o volume transacionado, pois o volume anormal das aes perdedoras mostrou-se
maior em dezembro e o volume anormal das aes vencedoras mostrou-se maior em janeiro.
O ltimo resultado d suporte hiptese tax-loss-selling 15 que preconiza que, ao final
do ano, o volume de transaes com aes que tiveram um desempenho fraco em perodos
anteriores aumentar na medida em que os investidores vendem tais aes para realizar
perdas antes do fim do ano fiscal. Inversamente, o volume de transaes com aes cujos
preos aumentaram ir diminuir ao final do ano fiscal, porque os investidores adiam as
vendas dessas aes a fim de evitar os impostos sobre os ganhos de capital no ano fiscal
corrente.
2.2.2.3
Estudo de Ferris, Haugen e Makhija (1988)
Com o objetivo de comparar dois modelos que tentam explicar os volumes transacionados com aes: a hiptese tax-loss-selling e o efeito disposio, Ferris, Haugen e Makhija
(1988) analisaram os dados de preo e volume de 30 aes de empresas americanas.
O objetivo central do estudo consistiu em comparar o volume de transaes atual com
o volume de transaes histrico e, para cumpri-lo, os autores introduziram uma nova
metodologia que examinou a relao entre o volume em um dado ponto do tempo e o
volume que ocorreu no passado em diferentes nveis de preo para uma ao.
Conforme previsto pelo efeito disposio, os resultados revelaram uma correlao negativa entre o volume atual e o volume em perodos anteriores nos quais o preo da ao
era maior do que o preo atual. De forma geral, os resultados mostraram-se inconsistentes
15
O termo tax-loss-selling foi mantido em ingls porque no foi encontrada uma traduo oficial dele
para o portugus. Segundo Costa Jr. (1990, p. 84), essa hiptese diz que, em mercados onde existe
taxao sobre ganhos de capital, os investidores que possuem aes que sofreram perdas de valor ao longo
do ano so motivados a vend-las no ms de dezembro para fins de abatimento no imposto de renda.
52
com a hiptese tax-loss-selling e consistentes com o efeito disposio no apenas como

um determinante do volume ao final do ano, mas como um determinante dos nveis de
volume durante o ano como um todo.
2.2.2.4
Estudo de Odean (1998)
Um dos mais importantes trabalhos empricos sobre o efeito disposio foi realizado por
Odean (1998), que analisou os registros das negociaes de 10.000 contas de uma grande
corretora (discount broker) americana entre 1987 e 1993. A vantagem da base de dados
obtida pelo autor que, nos Estados Unidos, as corretoras conhecidas como Discount
Brokerage Firms apenas executam as ordens de seus clientes, ao contrrio das corretoras
conhecidas como Full-Service Brokerage Firms que, alm da execuo, tambm fazem
pesquisa e aconselhamento. Dessa forma, os dados analisados descartam a possibilidade
de que o efeito disposio tenha sido influenciado pela presso dos corretores sobre os seus
clientes.
Feita a anlise do comportamento individual dos investidores, os resultados mostraram
que eles exibem o efeito disposio, ou seja, realizam seus investimentos rentveis em aes
a uma taxa muito maior do que seus investimentos no rentveis, exceto em dezembro. O
fato de o efeito disposio no ser verificado em dezembro d suporte hiptese tax-lossselling, segundo a qual os investidores tenderiam a realizar um nmero maior de perdas
ao final do ano por motivos fiscais.
Adicionalmente, Odean (1998) testou se o efeito disposio era influenciado pela crena
na reverso mdia. Para tanto, analisou o desempenho das aes vencedoras vendidas
e das aes perdedoras mantidas no ano subseqente. Os resultados revelaram que o
retorno anormal mdio das aes vencedoras superava em 3,4% o retorno anormal mdio
das aes perdedoras, evidenciando, assim, que os investidores que vendem vencedoras e
mantm perdedoras, porque acreditam que as perdedoras iro superar as vencedoras no
futuro, esto, na mdia, equivocados.
2.2.2.5
Estudo de Weber e Camerer (1998)
Ao contrrio dos autores anteriores, Weber e Camerer (1998), no utilizaram dados de

transaes com aes e volumes negociados. Eles testaram o efeito disposio por meio
de um experimento conduzido junto a alunos de engenharia, administrao e economia na
Alemanha, no qual era solicitado aos participantes que escolhessem uma carteira dentro de
2.2 Efeito disposio
53
um universo de seis aes hipotticas ao longo de quatorze perodos. Os preos das aes
ao longo desses perodos flutuavam aleatoriamente e os participantes, em cada perodo,
podiam comprar, vender ou manter os papis em suas carteiras.
O efeito disposio foi testado levando em considerao dois pontos de referncia alternativos para designar aes vencedoras e perdedoras: o primeiro foi definido como sendo o
preo de compra da ao e o segundo, o preo da ao no perodo imediatamente anterior.
Os resultados agregados para as seis aes hipotticas, ao longo dos quatorze perodos,
indicaram que 58% das aes vendidas eram vencedoras e 37% eram perdedoras, quando o
ponto de referncia foi definido como sendo o preo de compra da ao. O mesmo padro
foi verificado quando o ponto de referncia foi definido como sendo o preo da ao no
perodo anterior. Em termos gerais, ambos os resultados ratificaram a presena do efeito
disposio.
Os autores fizeram, ainda, a proposio de um coeficiente de disposio para cada
participante do experimento com base na diferena entre o nmero de aes vendidas
com ganho e o nmero de aes vendidas com perda em relao s vendas totais. Um
coeficiente positivo mostraria a presena do efeito disposio e um coeficiente negativo
mostraria a ausncia do efeito disposio.
2.2.2.6
Estudo de Grinblatt e Keloharju (2000)
Grinblatt e Keloharju (2000) analisaram as transaes realizadas com as aes das 16

maiores empresas finlandesas entre 1995 e 1996. Os autores procuraram verificar como o
comportamento de investimento de diferentes classes de investidores (investidores individuais, instituies financeiras, instituies no-financeiras, governo, instituies sem fins
lucrativos e investidores estrangeiros) se relaciona com os retornos passados, examinando
se a proporo de compra das aes vencedoras no passado excede a proporo de compra
das aes perdedoras no passado.
Os resultados revelaram que os investidores individuais tendem a adotar estratgias
contrrias de investimento (diferena negativa entre a proporo de compra das aes
vencedoras no passado e a proporo de compra das aes perdedoras no passado). Tal
resultado, segundo os autores, consistente com o estudo de Odean (1998).
Alm disso, as evidncias mostraram que a freqncia de estratgias contrrias de investimento na Finlndia parece ser um comportamento inversamente relacionado com o
54
grau de sofisticao do investidor, uma vez que os resultados apontaram que os investidores institucionais (presumivelmente mais sofisticados do que os investidores individuais)
tendem a adotar estratgias de momentum (diferena positiva entre a proporo de compra das aes vencedoras no passado e a proporo de compra das aes perdedoras no
passado).
2.2.2.7
Estudo de Boebel e Taylor (2000)
O efeito disposio no mercado neozelands foi investigado por meio da anlise de

125 contas de clientes de uma corretora selecionados aleatoriamente por Boebel e Taylor
(2000) entre junho de 1988 e abril de 1999. Ao contrrio de Odean (1998), que analisou
a base de dados de uma Discount Brokerage Firm que apenas executa as ordens de seus
clientes, os autores analisaram a base de dados de uma Full-Service Brokerage Firm que,
alm da executar as ordens de compra e venda, tambm faz aconselhamento.
Os autores utilizaram dois pontos de referncia distintos para determinar aes vencedoras e perdedoras. Em uma primeira anlise, foi utilizado o preo mdio de compra e,
em uma segunda anlise, foi utilizado um ponto de referncia denominado ndice de fora
relativa, calculado com base no desempenho da ao nos trs meses precedentes. Com o
uso desse ndice, os autores tinham por objetivo verificar se a relutncia dos investidores
em realizar perdas era influenciada pelo desempenho recente das aes.
Por um lado, os resultados mostraram que, quando o preo mdio de compra foi utilizado para determinar aes vencedoras e perdedoras, os investidores neozelandeses, de
forma agregada, no apresentaram relutncia para realizar perdas, ou seja, no manifestaram o efeito disposio. Por outro lado, quando o ndice de fora relativa foi utilizado
para determinar aes vencedoras e perdedoras, os resultados revelaram fortes evidncias
de manifestao do efeito disposio.
2.2.2.8
Estudo de Locke e Mann (2000)
O comportamento de operadores profissionais de contratos futuros foi estudado por

Locke e Mann (2000) que utilizaram dados de transaes da Bolsa Mercantil de Chicago
(Chicago Mercantile Exchange) realizadas no ano de 1995. Eles analisaram as transaes
intradirias com os dois contratos de moeda mais negociados (marco alemo e franco
suo) e os dois contratos de commodities no financeiras mais negociados (boi gordo e
porco).
2.2 Efeito disposio
55
Os resultados indicaram que os operadores mantinham, em mdia, posies perdedoras

por mais tempo do que posies vencedoras. Adicionalmente, os autores constataram que
os operadores profissionais de contratos futuros mais bem sucedidos eram aqueles que no
manifestavam o efeito disposio. Em outras palavras, eles concluram que o sucesso das
operaes era negativamente correlacionado com o grau de averso perda.
As evidncias apresentadas, segundo os autores, contrariam a suposio de que os
profissionais de mercado so operadores disciplinados que estariam menos propensos a
exibir tendncias comportamentais alternativas.
2.2.2.9
Estudo de Ranguelova (2001)
No estudo de Ranguelova (2001), foram analisados os registros de transaes dirias

de 78.000 clientes de uma corretora americana entre janeiro de 1991 e dezembro de 1996.
Com base na mesma metodologia adotada por Odean (1998), os resultados confirmaram
a presena do efeito disposio, com exceo do ms de dezembro (confirmando tambm
a hiptese tax-loss-selling). Ao longo do perodo analisado, os investidores realizaram,
em mdia, 15,6% de todos os ganhos disponveis e apenas 11,7% de todas as perdas
disponveis. J em dezembro, os investidores realizaram uma frao maior de perdas
(15,8%) em comparao aos ganhos realizados (12,1%).
Uma anlise adicional dos dados investigou a relao entre o chamado efeito tamanho
(size effect) e o desejo dos investidores em realizar ganhos ou perdas. Os resultados dessa
anlise mostraram que, quando a amostra foi dividida em quintis com base no critrio da
capitalizao de mercado, a proporo de ganhos realizados aumentava monotonicamente
com o tamanho da capitalizao e, simetricamente, a proporo de perdas realizadas
diminua monotonicamente com o aumento da capitalizao. Para as aes de empresas
inseridas nos dois primeiros quintis (grupo das 40% com menor capitalizao de mercado),
os resultados revelaram um efeito disposio reverso (reverse disposition effect), ou seja,
os investidores mantinham as vencedoras e vendiam as perdedoras.
O ltimo resultado contradiz a idia de que o efeito disposio uma implicao da
teoria perspectiva. Segundo Ranguelova (2001, p. 3) o fato de os investidores reagirem
de forma diferente a classes diferentes de ativos sugere que a resposta s causas do efeito
disposio pode repousar fora da teoria perspectiva. A justificativa que o fenmeno de
averso perda deveria ser verificado de forma generalizada e no poderia ser influenciado
pela capitalizao de mercado das empresas.
56
2.2.2.10
Estudo de Shapira e Venezia (2001)
Shapira e Venezia (2001) analisaram o padro de investimento de um grande nmero

de clientes de uma corretora israelense ao longo do ano de 2004 com o objetivo central de
comparar o comportamento de clientes independentes e clientes gerenciados. Os primeiros
so aqueles que gerenciam suas prprias carteiras e os ltimos so aqueles cujas carteiras
so gerenciadas por profissionais.
Para cumprir o objetivo, eles efetuaram uma comparao entre o prazo mdio de permanncia das aes perdedoras e o prazo mdio de permanncia das aes vencedoras
para as duas segmentaes. Os resultados indicaram que o prazo mdio de permanncia
das aes vencedoras era menor do que o prazo mdio de permanncia das aes perdedoras, constituindo, assim, evidncias favorveis presena do efeito disposio. J os
resultados segmentados por tipo de cliente mostraram que o efeito disposio era mais
evidente para os clientes independentes do que para os gerenciados.
2.2.2.11
Estudo de Genesove e Mayer (2001)
Procurando relatar a presena do efeito disposio no mercado imobilirio americano

(real state market), Genesove e Mayer (2001) analisaram o comportamento de vendedores
de residncias na regio central da cidade de Boston no perodo de 1990 e 1997. De acordo
com eles, o fenmeno da averso perda poderia explicar a escolha dos vendedores no
que tange aceitao ou no de uma oferta de compra. A justificativa desse raciocnio
que, quando o preo de uma residncia cai aps uma bolha de preos, muitas unidades
passam a ter um valor de mercado inferior quele pago pelo proprietrio.
Nesse caso, os proprietrios avessos a perdas teriam um incentivo para atenuar essa
perda decidindo por estabelecer um preo muito alto pelo imvel, o qual excederia o
nvel que seria estabelecido na ausncia de tal perda. Os resultados mostraram que os
proprietrios que tiveram perdas realmente estabeleciam preos de venda acima daqueles
praticados pelo mercado em comparao com os proprietrios que no haviam sofrido tais
perdas.
2.2.2.12
Estudo de Grinblatt e Han (2002)
Grinblatt e Han (2002) procuraram relacionar tanto terica quanto empiricamente

o efeito disposio com o efeito momentum. O efeito momentum preconiza que aes
2.2 Efeito disposio
57
vencedoras no passado tendem a superar a performance de aes perdedoras no passado.

Esse efeito foi amplamente estudado por Jegadeesh e Titman (1993, 2003).
O principal objetivo de Grinblatt e Han (2002) foi analisar o modo como a demanda
agregada e o equilbrio de preos evoluem ao longo do tempo, quando so afetados pela
existncia de uma proporo fixa de investidores que exibem o efeito disposio. De acordo
com os autores, seria possvel provar que, se alguns investidores esto sujeitos ao efeito
disposio, ento, aes com ganhos de capital no realizados tendem a superar aes
com perdas de capital no realizadas, ou seja, seria possvel justificar o efeito momentum
em razo do efeito disposio.
A intuio do modelo proposto por eles parte da hiptese de que o efeito disposio
cria um spread entre o valor fundamental de uma ao e seu preo de mercado e esse
spread seria uma varivel crtica para explicar o efeito momentum. O argumento central
que, no curto prazo, para as aes vencedoras associadas com boas notcias, a venda
de tais aes induzida pelo efeito disposio produziria uma presso negativa no preo,
impedindo-o de alcanar seu valor fundamental. J para as aes perdedoras associadas
com ms notcias, a manuteno de tais aes induzida pela relutncia na realizao de
perdas retardaria um movimento de queda no preo. Com base nesse raciocnio, os autores
postularam a hiptese de que o efeito disposio produz o efeito momentum nos preos.
Para testar tal hiptese, eles estimaram um modelo de regresso para explicar os
retornos das aes no qual uma das variveis utilizadas foi uma proxy para o spread
acima citado. Os resultados revelaram que, quando esse spread era inserido no modelo, o
efeito momentum desaparecia.
2.2.2.13
Estudo de Dhar e Zhu (2002)
No trabalho de Dhar e Zhu (2002), foram analisados os registros de 50.000 transaes

de investidores individuais de uma grande corretora americana entre 1991 e 1996. Ao
contrrio da grande maioria dos estudos que demonstraram a presena do efeito disposio
de forma agregada entre os investidores, os autores procuraram identificar diferenas
individuais que pudessem responder pela variao do efeito disposio.
O argumento central, nesse caso, que grupos de investidores com maior grau de acesso
informao e maior grau de sofisticao em termos de conhecimento sobre os mercados
financeiros manifestam o efeito disposio em um grau significativamente menor do que
os demais investidores.
58
Os resultados encontrados corroboraram a hiptese dos autores uma vez que mostraram que caractersticas associadas a um maior grau de sofisticao do investidor, tais
como renda, profisso e experincia na transao com aes, atenuam a magnitude do
efeito disposio. Especificamente, as evidncias apontaram para o fato de que investidores com maior grau de riqueza e ocupao profissional relevante apresentam um efeito
disposio significativamente menor. Adicionalmente, investidores que realizam transaes mais freqentemente tambm apresentam menor efeito disposio, o que implica que
a experincia em transaes pode ajudar os investidores a evitar esse vis.
2.2.2.14
Estudo de Macedo Jr. (2003)
A exemplo de Weber e Camerer (1998), Macedo Jr. (2003) utilizou uma simulao de
investimentos para testar o efeito disposio em 226 estudantes universitrios que estavam
cursando a disciplina mercado de capitais em 4 universidades de Santa Catarina. O autor
utilizou um programa de computador que simulava o mercado financeiro e os participantes foram incumbidos de gerenciar uma carteira de investimentos de R$ 300.000,00 por
um perodo hipottico de cinco anos, sendo que cada deciso equivalia a um trimestre
de mercado. Dessa forma, cada participante deveria tomar 21 decises de alocao de
recursos. Os preos das aes que faziam parte da simulao foram baseados nos preos
reais das aes negociadas na Bovespa e colhidos no perodo compreendido entre janeiro
de 1997 e dezembro de 2001.
Os resultados da simulao realizada pelo autor revelaram que, ao final do perodo
de cinco anos, das vendas totais, 58,22% foram realizadas com lucro e 32,82% foram
realizadas com prejuzo (8,96% das vendas foram feitas pelo mesmo preo de compra e
classificadas como neutras). A diferena entre a proporo de vendas realizadas com lucro
e de vendas realizadas com prejuzo (25,40%) foi submetida a um teste t de diferena de
propores e o resultado foi estatisticamente significante ao nvel de 5% corroborando a
presena do efeito disposio.
2.2.2.15
Estudo de Karsten (2005)
O efeito disposio entre diferentes tipos de investidores brasileiros que transacionaram

na Bolsa de Valores de So Paulo entre 2001 e 2004 foi pesquisado por Karsten (2005).
Com base na mesma metodologia adotada por Odean (1998), o autor testou se a proporo
de ganhos realizados era maior do que a proporo de perdas realizadas. Para conduzir
os testes, ele utilizou uma base de dados fornecida pela Bovespa com 2.410.255 transaes
2.2 Efeito disposio
59
realizadas por 12.000 investidores, os quais contemplavam trs grupos distintos: pessoa
fsica, pessoa jurdica institucional e pessoa jurdica no institucional.
Os resultados mostraram que todos os grupos de investidores tendem a realizar ganhos
antes de perdas ao longo de todo o perodo analisado assim como para cada ano. No
entanto, esses resultados foram obtidos com base no nmero de transaes realizadas.
Quando a anlise considerou os volumes monetrios de ganhos e perdas realizados, no
foi possvel identificar a presena do efeito disposio para nenhum grupo de investidores.
Para validar esse resultado, o autor aplicou testes complementares comparando os
resultados aps isolar alguns fatores como vendas motivadas pela tributao, rebalanceamento da carteira, dividendos e juros sobre o capital prprio e a influncia de quedas
bruscas de preos de trs aes com liquidez. De maneira geral, todos esses efeitos no
tiveram impacto sobre o efeito disposio a ponto de modificar os resultados encontrados
antes.
2.2.2.16
Estudo de Mineto (2005)
Considerando o contexto brasileiro, Mineto (2005) desenvolveu um estudo sobre o

efeito disposio baseado no delineamento do experimento realizado por Weber e Camerer (1998). Alm de testar de forma experimental o efeito disposio, o autor tambm
procurou verificar se a intensidade desse efeito varia quando so analisados grupos de
diferentes gneros.
A pesquisa contou com uma amostra de 176 estudantes universitrios (majoritariamente alunos de graduao em administrao), sendo 81 homens e 95 mulheres. A maioria
dos estudantes ainda no havia cursado a disciplina mercado de capitais e o experimento
seguiu essencialmente os mesmos procedimentos adotados por Weber e Camerer (1998).
Os resultados a que chegou o autor foram bastante similares queles encontrados por
Weber e Camerer (1998). Em relao amostra completa, quando o ponto de referncia
foi definido como sendo o preo de compra, 66% das aes vendidas eram vencedoras e
30% eram perdedoras. No estudo de Weber e Camerer (1998), o percentual encontrado
foi de 58% e 37%, respectivamente. J os resultados segmentados por gnero indicaram
que, para os estudantes do sexo masculino, 65% das aes vendidas eram vencedoras e
30% eram perdedoras e, para as estudantes do sexo feminino, 66% das aes vendidas
eram vencedoras e 30% eram perdedoras. De forma geral, os resultados do experimento
ratificaram a presena do efeito disposio.
60
2.2.2.17
Estudo de Pereira (2005)
Com o objetivo de investigar a manifestao do efeito disposio em fundos de investimentos em aes brasileiros, Pereira (2005) analisou 3 fundos de investimento segmentados
em funo do retorno passado no perodo de julho de 2002 a maio de 2004. Os resultados
desse estudo indicaram que os trs fundos considerados em conjunto no apresentaram
sinais significantes do efeito disposio. Quando a anlise foi realizada considerando cada
fundo individualmente, dos 3 fundos analisados, apenas 1 apresentou indcios da presena
do efeito disposio.
2.2.2.18
Estudo de Arruda (2006)
Arruda (2006) procurou testar a presena do efeito disposio por meio de uma simulao de investimentos aplicada em uma amostra de estudantes dos cursos de engenharia
de produo, administrao, economia e contabilidade da Universidade Federal de Santa
Catarina (UFSC) e da Escola Superior de Ensino e Gerncia (ESAG). Alm disso, ela
procurou verificar se os indivduos do sexo masculino e feminino manifestavam o efeito
disposio de forma diferente.
A amostra estudada pela autora contou com 88 estudantes sendo que 50 eram do
sexo masculino e 38 do sexo feminino. Os resultados mostraram que o efeito disposio
foi verificado no grupo de 88 estudantes que participaram da simulao de investimentos,
pois a mdia das propores de vendas com lucro em relao s vendas totais foi de 63,95%,
ou seja, os estudantes apresentaram uma tendncia de liquidar mais seus investimentos
quando estavam ganhando do que quando estavam perdendo. No entanto, a autora no
encontrou diferena significativa na intensidade com que o efeito disposio afetou o grupo
de estudantes do sexo masculino e feminino.
2.2.2.19
Estudo de Brown et al. (2006)
J Brown et al. (2006) analisaram os fatores que poderiam mitigar o efeito disposio
com base nas transaes de investidores que subscreveram 450 ofertas pblicas iniciais
(IPOs) na Bolsa de Valores da Austrlia entre dezembro de 1995 e dezembro de 2000. O
motivo da utilizao de dados de ofertas pblicas iniciais que eles permitem identificar,
com preciso, o preo praticado pelos investidores em sua primeira compra.
2.2 Efeito disposio
61
Os autores testaram trs fatores que potencialmente poderiam amenizar a manifestao do efeito disposio: (1) sofisticao do investidor; (2) passagem do tempo e (3)
experincia do investidor com ganhos e perdas anteriores (house money effect).
Com relao ao primeiro aspecto, eles afirmam que razovel supor que investidores
mais sofisticados sejam menos suscetveis ao vis do efeito disposio, dado que ele pode
conduzir a investimentos sub-timos (no aproveitamento de benefcios fiscais). No que
diz respeito ao segundo aspecto, embora os autores tenham investigado diretamente se
a passagem do tempo amenizava o efeito disposio, a explicao da razo por que tal
efeito mitigado ad hoc. J o terceiro aspecto (house money effect) supe que o grau
de averso perda do investidor depende de seus ganhos e perdas precedentes. Uma
perda que vem aps um ganho anterior menos dolorosa do que o oposto, porque ela
amenizada por tal ganho precedente. Ao contrrio, uma perda que vem aps uma perda
anterior mais dolorosa. Dessa forma, as pessoas so menos avessas ao risco aps um
ganho e mais avessas ao risco aps uma perda.
Os resultados apresentados pelos autores revelaram que: (1) os investidores mais sofisticados so menos relutantes para realizar uma perda, (2) no longo prazo, os investidores
mostram-se indiferentes entre realizar ganhos ou perdas, ou seja, a propenso dos investidores para realizar ganhos e perdas se modifica na medida em que suas aes so mantidas
por um longo perodo de tempo e (3) a fora do efeito disposio depende da experincia
do investidor com ganhos e perdas anteriores, isto , os investidores so mais propensos a
realizar uma perda seguida de um ganho anterior e mais propensos a realizar um ganho
seguido de uma perda anterior.
2.2.2.20
Estudo de Frazzini (2006)
O objetivo, no trabalho de Frazzini (2006), foi testar se o efeito disposio induz a uma
sub-reao nos preos das aes quando novas informaes sobre os ttulos so tornadas
pblicas, gerando, assim, uma previsibilidade acerca dos retornos esperados.
O argumento central que, quando so divulgadas notcias positivas sobre uma ao e
seu preo aumenta em relao ao preo transacionado anteriormente, os investidores desejam vend-la para garantir o ganho de capital. Esse aumento da oferta do papel no curto
prazo causaria uma depreciao no valor da ao (assumindo uma curva negativamente
inclinada) e, a partir dessa base menor, os retornos subseqentes seriam maiores, uma vez
que a presena do efeito disposio (a tendncia em realizar prontamente os ganhos de
investimentos vencedores) prejudicou a incorporao plena e instantnea da informao
62
no preo do ttulo. Por essa razo, notcias positivas tendem a produzir altos retornos
futuros em virtude do ajuste lento do mercado causado pela presena do efeito disposio.
De forma similar, quando notcias negativas so divulgadas ao mercado e o preo da
ao cai em relao ao preo transacionado anteriormente, a presena do efeito disposio
faz os investidores ficarem relutantes em vender suas posies com perda. Nesse caso, os
preos dos papis ficariam temporariamente inflacionados e, a partir dessa base maior, os
retornos subseqentes seriam menores. Portanto, notcias negativas tendem a ser seguidas
por um movimento negativo de preos.
O autor testou essa hiptese com base nos dados de transaes realizadas por 29.000
fundos mtuos entre janeiro de 1980 e dezembro de 2003 e encontrou evidncias de que
notcias positivas so incorporadas de forma lenta pelos ativos transacionados com ganho,
o que gera retornos positivos previsveis no perodo posterior divulgao da informao
e de que notcias negativas so incorporadas de forma lenta pelos ativos transacionados
com perda, o que gera retornos negativos previsveis no perodo posterior divulgao da
informao.
2.2.2.21
Estudo de Barber et al. (2007)
A manifestao do efeito disposio foi investigada, no trabalho de Barber et al. (2007),

por meio da anlise do histrico de transaes de uma amostra de diferentes tipos de investidores na Bolsa de Valores de Taiwan entre 1995 e 1999. A amostra englobou investidores
individuais, empresas, instituies financeiras, investidores estrangeiros e fundos mtuos.
Diferentemente de Odean (1998), que analisou os ganhos e perdas apenas nos dias em
que os investidores realizaram vendas, os autores calcularam os ganhos e perdas diariamente, comparando o preo mdio de compra com o preo mximo e mnimo observado
no dia. Com base nesse mtodo, o efeito disposio foi explorado em diferentes aspectos,
tais como: tipo de investidor, gnero, operaes de venda a descoberto e influncia do
comportamento do mercado.
Em suma, as evidncias revelaram que o efeito disposio pde ser verificado em
investidores individuais, empresas e instituies financeiras, mas no pde ser verificado
em investidores estrangeiros e fundos mtuos. Em relao ao gnero, tanto homens quanto
mulheres manifestaram o efeito disposio e os mesmos resultados foram obtidos na anlise
das operaes de venda a descoberto.
2.2 Efeito disposio
2.2.2.22
63
Estudo de Tizziani (2008)
O efeito disposio foi testado, por Tizziani (2008), em fundos de investimento em

aes no Brasil no perodo de novembro de 2003 a fevereiro de 2008. Para efeito de
anlise das carteiras dos fundos, o autor considerou apenas as aes que integravam o
ndice IbrX-50, j que elas representam as aes com maior liquidez e capitalizao de
mercado. Os resultados indicaram que o efeito disposio pde ser identificado apenas
com base no nmero de transaes mensais realizadas pelos fundos de investimento para
o cmputo do percentual de ganhos e perdas realizados.
Quando a anlise conduzida pelo autor considerou os volumes monetrios transacionados como fator de ponderao de ganhos e perdas realizados, no foi possvel identificar a
presena do efeito disposio. Uma segunda bateria de testes conduzida por ele dividiu a
base de dados em duas categorias de fundos: (1) fundos de varejo e (2) fundos destinados
a investidores qualificados. Nesse caso, tambm no foi possvel identificar a presena do
efeito disposio quando foi considerado o volume monetrio transacionado como fator de
ponderao de ganhos e perdas realizados.
2.2.2.23
Estudo de Barberis e Xiong (2009)
Barberis e Xiong (2009), por sua vez, discutiram a manifestao do efeito disposio
com base em duas implementaes da teoria perspectiva. Na primeira, eles simularam um
cenrio no qual os investidores, no incio do ano, compram aes de uma empresa e, ao
longo do ano, realizam diversas transaes. Para cada ano, foi simulada uma estratgia
tima de investimento com base na funo de valor da teoria perspectiva e, ao final de
cada ano, foi utilizada a metodologia adotada por Odean (1998) para o clculo de ganhos
e perdas realizados com o objetivo de verificar se a teoria perspectiva prediz o efeito
disposio. Essa implementao foi denominada pelos autores modelo anual de ganhos e
perdas.
Na segunda implementao, os autores simularam outro cenrio no qual os investidores
compram aes de uma empresa no incio do ano e, ento, alguns meses depois, vendem
parte delas. Nesse caso, eles aplicaram a funo de valor da teoria perspectiva para os
ganhos e perdas realizados no momento da venda. Essa implementao foi denominada
pelos autores modelo de ganhos/perdas realizados.
Os resultados das simulaes feitas evidenciaram que o modelo de ganhos/perdas
realizados prediz o efeito disposio de forma mais apropriada, ao contrrio do modelo
64
anual de ganhos e perdas cujos resultados mostraram o oposto daquilo que preconizado
pelo efeito disposio.
Aps a apresentao dos principais trabalhos que procuraram relatar, empiricamente, a
manifestao do efeito disposio, a seguir, objetivando fazer a sntese do que foi abordado,
apresenta-se o quadro 1 que contm um resumo dos dados utilizados e dos procedimentos
metodolgicos adotados pelos autores citados anteriormente.
2.2.3
Estudos no-empricos
Por fim, para finalizar o captulo, cumpre citar trs trabalhos que, ao contrrio dos
estudos anteriores que abordam o efeito disposio de uma tica emprica, fazem a proposio de diferentes modelagens para tratar o tema. O trabalho de Strobl (2003) apresenta
um modelo dinmico de expectativas racionais para apreamento de ativos que permite
derivar estratgias timas de investimento. O objetivo do modelo proposto pelo autor
analisar a maneira pela qual mudanas dinmicas em termos de assimetria informacional
influenciam o comportamento do investidor. J no trabalho de Hens e Vlcek (2005) feita
a proposio de um modelo que questiona a capacidade da teoria perspectiva em explicar
o efeito disposio. Por fim, o trabalho de Roger (2007) faz a proposio de um modelo
que tenta relacionar o efeito disposio com o prmio de risco das aes.
AUTOR/ANO
DADOS UTILIZADOS
PROCEDIMENTOS METODOLGICOS
Shefrin e Statman (1985)
Transaes dirias realizadas por investidores individuais e transaes mensais realizadas

por fundos mtuos
Teste de diferena entre propores e teste de diferena de

mdias
Preos e volumes mensais de um conjunto de aes negociadas na NYSE e AMEX
Regresso linear em corte transversal
Ferris, Haugen e Makhija (1988)
Preos e volumes dirios de um conjunto de aes negociadas na NYSE e AMEX
Odean (1998)
Transaes dirias realizadas por clientes de uma corretora americana
Teste de diferena entre propores
Weber e Camerer (1998)
Dados experimentais
Teste de diferena entre propores e teste de diferena de

mdias
Grinblatt e Keloharju (2000)
Transaes dirias realizadas por diferentes classes de investidores
Teste do sinal baseado na distribuio binomial
Boebel e Taylor (2000)
Transaes dirias realizadas por clientes de uma corretora neozelandesa
Locke e Mann (2000)
Transaes intra-dirias realizadas por operadores profissionais de contratos futuros
Teste de diferena de mdias
Ranguelova (2001)
Teste de diferena entre propores e regresso logstica
Shapira e Venezia (2001)
Transaes dirias realizadas por clientes de uma corretora israelense
Teste de diferena de mdias
Genesove e Mayer (2001)
Preos de residncias na cidade de Boston
Grinblatt e Han (2002)
Retornos semanais de todas as aes ordinrias negociadas na NYSE e AMEX
Dhar e Zhu (2002)
Regresso linear em corte transversal e teste de diferena

entre propores
Macedo Jr. (2003)
Dados experimentais
Teste de diferena entre propores e anlise de correlao
Karsten (2005)
Transaes dirias realizadas por diferentes classes de investidores na Bovespa
Mineto (2005)
Dados experimentais
Pereira (2005)
Transaes mensais realizadas por fundos de aes
Arruda (2006)
Dados experimentais
Brown et al. (2006)
Dados relativos a subscrio de ofertas pblicas na Bolsa de Valores da Austrlia
Frazzini (2006)
Dados trimestrais das composies das carteiras de fundos mtuos
Barber et al. (2007)
Transaes dirias realizadas por diferentes classes de investidores na Bolsa de Taiwan
Regresso linear em corte transversal e teste de diferena

entre propores
Tizziani (2008)
Transaes mensais realizadas por fundos de aes
Barberis e Xiong (2009)
Dados simulados
Teste de diferena entre propores e modelos de otimizao
65
Lakonishok e Smidt (1986)
2.2 Efeito disposio
Quadro 1 Procedimentos metodolgicos adotados em pesquisas sobre o efeito disposio
66
Captulo 3
Metodologia da Pesquisa
We make models to abstract reality. But there is a

meta-model beyond the model that assures us that the
model will eventually fail. Models fail because they
fail to incorporate the inter-relationships that exist in
the real world.
Myron Scholes, em um discurso dado na conferncia
da NYU/IXIS sobre Fundos de Investimento, Nova
Iorque, setembro de 2005
3.1
Seleo da amostra e coleta dos dados
Para testar a manifestao do efeito disposio em gestores profissionais brasileiros, foi

selecionada uma amostra de fundos de investimento em aes classificados pela Associao
Nacional de Bancos de Investimento (ANBID) como Fundos de Aes Ibovespa Ativos.
De acordo com a definio que consta no website da ANBID,16 esses fundos utilizam o
ndice Bovespa como referncia, tendo como objetivo explcito super-lo. Alm disso,
eles devem possuir, no mnimo, 67% da carteira em: aes vista, bnus ou recibos de
subscrio, certificados de depsito de aes, cotas de fundos de aes, cotas dos fundos
de ndice de aes, Brazilian Depositary Receipts classificados como nvel II e III e podem
ou no admitir alavancagem. Neste trabalho, por motivos que sero explicados adiante,17
foram escolhidos apenas os fundos que no admitem alavancagem.
16
17
www.anbid.com.br
seo 3.2.1
67
68
De acordo com os critrios mencionados, foi selecionada uma amostra de 120 fundos
com base em uma relao de Fundos de Aes Ibovespa Ativos publicada pelo jornal Valor
Econmico no Caderno de Finanas, pgina C5, em 5 de janeiro de 2009. O passo seguinte
consistiu em verificar a disponibilidade da composio mensal das carteiras desses fundos
no website da Comisso de Valores Mobilirios (CVM).18 A Instruo CVM 302/99, artigo
64, prev a obrigatoriedade, por parte do administrador do fundo, da divulgao mensal
da composio da carteira. No entanto, o administrador conta com um prazo mximo de
90 (noventa) dias aps o encerramento do ms para divulgar essas informaes, conforme
prev a Instruo CVM 409/04, artigo 68.
At o ano de 2002, as informaes sobre as composies das carteiras dos fundos eram
enviadas por meio de documentos fsicos. A partir de julho de 2002, elas passaram a
ser enviadas eletronicamente para a CVM que as disponibiliza em seu website. Como os
dados foram coletados entre janeiro e abril de 2009, dependendo do ano da constituio do
fundo, foi possvel obter um histrico de julho de 2002 at dezembro de 2008. No entanto,
por razes que sero discutidas na seo 3.5, que trata das limitaes da pesquisa, o
horizonte de anlise limitou-se ao perodo de julho de 2002 a junho de 2008.
Aps a verificao da disponibilidade da composio mensal das carteiras dos fundos da
amostra selecionada, foram tomadas duas providncias. A primeira foi excluir os Fundos
de Investimento em Cotas de Fundos de Aes (FIC-FIA), em virtude de tais fundos no
investirem em aes propriamente, mas, sim, em cotas de outros fundos de investimento.
Nessa primeira filtragem, foram excludos 35 fundos. A segunda providncia consistiu em
excluir os fundos que apresentaram dados incompletos, filtragem por meio da qual foram
excludos mais 34 fundos.
Aps essas duas providncias, a amostra final analisada contou com 51 fundos. No
apndice A, apresentada uma descrio da amostra de fundos analisada com as seguintes informaes: nome do fundo, CNPJ e administrador do fundo. No apndice B,
apresentada uma segunda descrio da amostra com o nome do gestor do fundo e o valor
do patrimnio lquido em 31 de dezembro de 2008.
Para cada um dos fundos da amostra, foram coletados mensalmente, do website da
CVM, os seguintes dados referentes composio da carteira: nome e cdigo do ativo;
quantidade e valor das vendas realizadas no ms; quantidade e valor das compras realizadas no ms; posio final (contemplando a quantidade, o custo e o valor de mercado)
e participao percentual do ativo no total do patrimnio lquido do fundo. Em seguida,
foi feita uma reorganizao dos dados com o objetivo de agrupar os ativos em ordem
18
www.cvm.gov.br
3.2 Anlise dos dados
69
alfabtica e cronolgica.
Para efeito de anlise, apenas as aes ou ttulos representativos de aes (tais como
UNITs e BDRs) foram mantidos nas carteiras dos fundos. Os demais ativos integrantes
da carteira que no se enquadravam nessas categorias, tais como ttulos pblicos, foram
excludos.
3.2
Anlise dos dados
Aps a seleo da amostra de fundos e da coleta dos dados referentes composio das
carteiras, foram construdos alguns indicadores com o objetivo de verificar a manifestao
do efeito disposio por parte dos gestores dos fundos e, posteriormente, foram realizados
testes estatsticos de significncia. Um ponto relevante destacado por Odean (1998), e
que diz respeito construo de indicadores, que no seria suficiente verificar o nmero
de ttulos vendidos com ganho versus o nmero de ttulos vendidos com perda, pois,
dependendo da tendncia do mercado, tais resultados poderiam se mostrar equivocados.
O autor afirma:
Suponha que um investidor indiferente em relao venda de aes vencedoras ou perdedoras. Caso o mercado como um todo apresente um movimento
de alta, o investidor ter mais aes vencedoras em sua carteira e tender
a vender mais vencedoras do que perdedoras, mesmo que ele no tenha preferncia em faz-lo. Para testar se os investidores esto dispostos a vender
vencedoras e manter perdedoras, preciso verificar a freqncia com que eles
vendem vencedoras e perdedoras haja vista as suas oportunidades para vender
cada uma.19 (ODEAN, 1998, p. 1781).
Para corrigir esse aspecto, o autor recomenda o clculo de ganhos e perdas realizados
e de ganhos e perdas no realizados. Assim, por um lado, uma ao que produz ganhos e
perdas realizados uma ao que vendida a um preo, respectivamente, acima e abaixo
do ponto de referncia estabelecido. Por outro lado, uma ao que produz ganhos e perdas
19
Suppose investors are indifferent to selling winners or losers. Then in an upward-moving market
they will have more winners in their portfolios and will tend to sell more winners than losers even though
they had no preference for doing so. To test whether investors are disposed to selling winners and holding
losers, we must look at the frequency with which they sell winners and losers relative to their opportunities
to sell each.
70
no realizados uma ao mantida em carteira com um preo de mercado, respectivamente, acima e abaixo do ponto de referncia estabelecido. Dessa forma, a composio
da carteira de cada um dos fundos da amostra selecionada foi analisada mensalmente e
foram calculados os ganhos e perdas mensais realizados e no realizados.
Antes de discorrer sobre os procedimentos de clculo de ganhos e perdas realizados
e no realizados, cumpre especificar, a priori, o ponto de referncia a partir do qual
os ganhos e perdas sero determinados. Nesse sentido, importante retomar a questo
de que testar o efeito disposio implica testar uma hiptese conjunta que contempla
tanto a relutncia dos investidores em realizar perdas quanto a especificao do ponto de
referncia escolhido pelos investidores.
De acordo com Odean (1998), algumas possveis escolhas do ponto de referncia para
as aes so: o preo mdio de compra; o preo de compra mais alto; o primeiro preo
de compra e o preo de compra mais recente. Esses, porm, no so os nicos critrios
para estimar o ponto de referncia. Frazzini (2006), por exemplo, utilizou o critrio FIFO
(first in, first out) para determinar como os investidores contabilizam mentalmente seus
ganhos e perdas. J Weber e Camerer (1998) afirmam que, para um grande nmero de
perodos, o ltimo preo de cada perodo pode ser utilizado como ponto de referncia.
Neste trabalho, sero utilizados dois pontos de referncia para especificar ganhos e perdas
de acordo com os procedimentos explicados em detalhes nas prximas duas sees.
3.2.1
Ganhos e perdas calculados com base no preo mdio de

compra
O primeiro ponto de referncia escolhido para determinar ganhos e perdas, a exemplo

do que ocorre nos trabalhos de Odean (1998), Barber et al. (2007) e Karsten (2005),
foi o preo mdio de compra unitrio (neste caso, apurado mensalmente). Uma vez
determinado o ponto de referncia como sendo o preo mdio de compra unitrio (PMCU ),
esse ltimo foi calculado para cada ao mantida em carteira de acordo com o seguinte
exemplo: suponha que, no ms 1, o fundo A tenha em sua carteira 1.000 aes da empresa
X por um preo unitrio de $40,00, totalizando uma posio de $40.000,00. No ms 2,
o fundo A adquire mais 1.000 aes da empresa X por um preo unitrio de $50,00,
totalizando uma posio de $50.000,00. Nesse caso, o PMCU calculado do seguinte
modo:
PMCU =
40.000,00 + 50.000,00
= 45,00
1.000,00 + 1.000,00
(1)
71
O clculo do PMCU para os meses subseqentes foi realizado de forma anloga, ou seja,
quando novas aes da empresa X eram adquiridas, seu valor era somado ao valor total do
estoque das aes da empresa X na carteira e o resultado dessa soma era, ento, dividido
pela quantidade total de aes da empresa X em carteira aps a nova aquisio.
Ganhos e perdas realizados
Para proceder ao clculo dos ganhos e perdas realizados, foi feita uma comparao
entre o preo de venda unitrio (PVU ) e o preo mdio de compra unitrio (PMCU ), em
todos os meses em que foram efetuadas vendas por parte do fundo. Toda vez que o PVU
superava o PMCU , um ganho realizado era registrado e, de forma anloga, toda vez que
o PMCU superava o PVU , uma perda realizada era registrada.
Retomando o exemplo anterior, por um lado, caso o fundo no ms 2 vendesse 500 aes
da empresa X por um preo de venda unitrio (PVU ) de $50,00, um ganho realizado seria
registrado, pois o PVU ($50,00) superaria o PMCU ($45,00). Por outro lado, caso o fundo
vendesse 500 aes da empresa X por um preo de venda unitrio de $40,00, uma perda
realizada seria registrada, pois o PMCU ($45,00) superaria o PVU ($40,00).
Uma importante limitao desse critrio verificada em razo da periodicidade da
divulgao dos dados das carteiras dos fundos. Como os dados relativos s compras e
vendas so divulgados mensalmente, quando ocorrem compras e vendas no mesmo ms,
no possvel determinar qual operao ocorreu primeiro. Dessa forma, o pressuposto
aqui considerado foi o de que as compras sempre foram realizadas antes das vendas, o que
implica que os fundos no ficaram vendidos a descoberto no perodo. Essa a razo pela
qual, neste estudo, foram escolhidos apenas os fundos que no admitem alavancagem.
Ganhos e perdas no realizados
Para calcular os ganhos e perdas no realizados, foi feita uma comparao entre o
preo de mercado unitrio (PMU ) e o preo mdio de compra unitrio (PMCU ), em todos
os meses em que no foram efetuadas vendas por parte do fundo. Toda vez que o PMU
superava o PMCU , um ganho no realizado era registrado e, de forma anloga, toda vez
que o PMCU superava o PMU , uma perda no realizada era registrada.
Retomando novamente o exemplo anterior, por um lado, caso as aes da empresa
X no ms 2 estivessem cotadas a um preo de mercado unitrio (PMU ) de $42,00, uma
72
perda no realizada seria registrada, pois o PMCU ($45,00) superaria o PMU ($42,00).
Por outro lado, caso as aes da empresa X no ms 2 estivessem cotadas a um preo de
mercado unitrio (PMU ) de $48,00, um ganho no realizado seria registrado, pois o PMU
($48,00) superaria o PMCU ($45,00).
importante destacar que os ganhos e perdas no realizados foram calculados apenas nos meses em que o fundo no efetuou vendas. Dessa forma, tais ganhos e perdas
so considerados potenciais pois so provenientes de transaes no realizadas. No quadro 2 esto resumidos os procedimentos de registro de ganhos e perdas realizados e no
realizados com base nesse primeiro ponto de referncia estabelecido.
Quadro 2 Registro de ganhos e perdas realizados e no realizados com base no
preo mdio de compra
Classificao
3.2.2
Condio 1
Condio 2
Ganho realizado (GR)
PVU > PMCU
ao vendida
Perda realizada (PR)
PVU < PMCU
ao vendida
Ganho no realizado (GNR)
PMU > PMCU
ao mantida
Perda no realizada (PNR)
PMU < PMCU
ao mantida
Ganhos e perdas calculados com base no retorno em excesso de mercado
A despeito de ser razoavelmente aceitvel a adoo do preo mdio de compra unitrio

como ponto de referncia para determinar ganhos e perdas, pertinente destacar que,
como os Fundos de Aes Ibovespa Ativos tm como objetivo explcito superar o ndice
Bovespa, talvez seja mais adequada a especificao de um ponto de referncia que possa
comparar o desempenho da ao com o desempenho do mercado.
Para um gestor de um Fundo de Aes Ibovespa Ativo, quando o mercado apresenta
uma apreciao da ordem de 10%, mas a ao sofre uma apreciao de apenas 5% no
mesmo perodo, provvel que esse gestor veja tal investimento como uma perda. De
forma anloga, quando o mercado apresenta uma depreciao de 10%, mas a ao sofre
uma depreciao de apenas 5% no mesmo perodo, provvel que o gestor considere esse
investimento como um ganho. Na figura 6, ilustra-se esse raciocnio.
Nesse sentido, foi estabelecido um segundo ponto de referncia para determinar ga-
73

Base
A
Perda
Evoluo do
preo da ao
B
C
Ganho
100
Evoluo do
ndice Bovespa
Tempo
Figura 6 Ganhos e perdas com base no retorno em excesso de mercado

nhos e perdas com o objetivo de comparar o desempenho da ao com o desempenho do

mercado. Para tanto, foram construdos nmeros-ndices para medir a evoluo do preo
da ao e a evoluo do ndice Bovespa, conforme exemplificado a seguir.
Suponha que, no final do ms 0, o fundo A tenha em sua carteira uma ao cujo preo
mdio de compra unitrio (PMCU ) seja de $40,00. Essa ao foi adquirida em algum
momento ao longo do ms 0, ou em vrios momentos ao longo do perodo precedente,
mas, como os dados sobre a composio das carteiras dos fundos so referentes ao ltimo
dia do ms, no possvel saber exatamente quando tal ao foi adquirida. No entanto,
possvel identificar que, na mdia, o custo de aquisio dessa ao foi de $40,00. Conseqentemente, possvel avaliar a evoluo do preo dessa ao por meio da comparao
entre o seu preo mdio de compra unitrio PMCU e seu preo de mercado unitrio PMU .
Dessa forma, o pressuposto aqui adotado foi que a relao entre o preo mdio de
compra unitrio e o preo de mercado unitrio da ao no final do ms 0 poderia expressar de forma razovel a evoluo do preo daquele papel. Assim, caso o preo de
mercado unitrio (PMU ) esteja cotado a $40,80 no final do ms 0, uma evoluo de 2%
foi computada de acordo com a seguinte frmula:
Nmero-ndice da ao (NIA) =
40,80
100 = 102,00
40,00
(2)
74
O mesmo procedimento foi adotado em relao ao ndice Bovespa, ou seja, foi coletado
o valor em pontos do ndice Bovespa no final do ms 0 e o seu valor no final do ms
precedente com o objetivo de avaliar a evoluo do comportamento do ndice de mercado.
Dessa forma, caso o ndice Bovespa no ms precedente apresentasse um valor de 10.000
pontos e no final do ms 0 apresentasse um valor de 10.500 pontos, uma evoluo de 5%
foi computada de acordo com a seguinte frmula:
Nmero-ndice do mercado (NIM) =
10.500
100 = 105,00
10.000
(3)
A partir dos nmeros-ndices calculados tanto para as aes quanto para o ndice
Bovespa, foram computados os ganhos e perdas realizados e no realizados, conforme
apresentado a seguir:
Ganhos e perdas realizados
Para proceder ao registro dos ganhos e perdas realizados com base no retorno em
excesso de mercado, foi feita uma comparao entre o nmero-ndice da ao e o nmerondice do mercado. Em todos os meses em que foram efetuadas vendas por parte do
fundo, quando o nmero-ndice da ao superava o nmero-ndice do mercado, um ganho
realizado era registrado. De forma anloga, em todos os meses em que foram efetuadas
vendas por parte do fundo, quando o nmero-ndice do mercado superava o nmero-ndice
da ao, uma perda realizada era registrada.
Ganhos e perdas no realizados
O registro dos ganhos e perdas no realizados foi feito de forma similar, mas apenas
nos meses em que o fundo no efetuou vendas. Desse modo, em todos os meses em que
no foram efetuadas vendas por parte do fundo, quando o nmero-ndice da ao superava
o nmero-ndice do mercado, um ganho no realizado era registrado. De maneira similar,
em todos os meses em que no foram efetuadas vendas por parte do fundo, quando o
nmero-ndice do mercado superava o nmero-ndice da ao, uma perda no realizada
era registrada. No quadro 3 esto resumidos os procedimentos de registro de ganhos e
perdas realizados e no realizados com base no segundo ponto de referncia estabelecido.
75
3.3 Teste de Propores
Quadro 3 Registro de ganhos e perdas realizados e no realizados com base no

retorno em excesso de mercado
3.2.3
Classificao
Condio 1
Condio 2
Ganho realizado (GR)
NIA > NIM
ao vendida
Perda realizada (PR)
NIA < NIM
ao vendida
Ganho no realizado (GNR)
NIA > NIM
ao mantida
Perda no realizada (PNR)
NIA < NIM
ao mantida
Ajustes realizados nos preos das aes
Para proceder aos clculos descritos, os dados das aes foram ajustados em virtude
de desdobramentos, agrupamentos e bonificaes, uma vez que esses eventos afetam a
quantidade de ttulos possudos pelos fundos. O ajuste envolveu um exaustivo esforo
manual, uma vez que 45.668 observaes tiveram que ser ajustadas em virtude dos referidos proventos. As informaes sobre desdobramentos, agrupamentos e bonificaes foram
obtidas na base de dados Economtica . No entanto, no foram realizados ajustes em
funo do pagamento de dividendos e de juros sobre o capital prprio. A no incluso
desses dois ltimos proventos ser discutida na seo 3.5, que trata das limitaes da
pesquisa.
A seguir, so descritos os dois procedimentos metodolgicos adotados neste trabalho.
O primeiro deles consiste em um teste de diferena entre propores e o segundo, em um
modelo de regresso de varivel dependente qualitativa. pertinente ressaltar que, embora a contribuio deste trabalho esteja fortemente apoiada na proposio de um modelo
de regresso de varivel dependente qualitativa, tambm sero reportados os resultados
oriundos dos testes de propores para efeito de comparao entre as duas abordagens.
3.3
3.3.1
Teste de Propores
Proporo de ganhos e perdas realizados
Aps o clculo dos ganhos e perdas realizados e no realizados, foram calculados

dois indicadores de acordo com Odean (1998, p. 1782). O primeiro indicador mostra a
76
proporo de ganhos realizados em um determinado perodo em relao aos ganhos totais

(realizados e no realizados) no mesmo perodo:
P GR =
GR
GR + GN R
(4)
em que
PGR = proporo de ganhos realizados
GR = ganhos realizados
GNR = ganhos no realizados
Dessa forma, uma ao que produz ganhos realizados uma ao que foi vendida
acima do preo mdio de compra unitrio (ponto de referncia estabelecido) e uma ao
que produz ganhos no realizados uma ao mantida em carteira com um preo de
mercado unitrio acima do preo mdio de compra unitrio.
O segundo indicador mostra a proporo de perdas realizadas (PPR) em um determinado perodo em relao s perdas totais (realizadas e no realizadas) no mesmo perodo:
PPR =
PR
P R + P NR
(5)
em que
PPR = proporo de perdas realizadas
PR = perdas realizadas
PNR = perdas no realizadas
Assim, uma ao que produz perdas realizadas uma ao que foi vendida abaixo do
preo mdio de compra unitrio (ponto de referncia estabelecido) e uma ao que produz
perdas no realizadas uma ao mantida em carteira com um preo de mercado unitrio
abaixo do preo mdio de compra unitrio.
3.3.2
Teste de significncia
Para testar se os gestores dos fundos de investimento da amostra estudada manifestam

o efeito disposio, foi conduzido um teste de diferena de propores com o objetivo de
verificar a existncia ou no de uma diferena significante entre a proporo de ganhos
realizados e a proporo de perdas realizadas. Dessa maneira, as seguintes hipteses foram
testadas:
77
H0 : P GR P P R = 0
H1 : P GR P P R > 0
A hiptese nula postula que no existe diferena entre a proporo de ganhos realizados
e a proporo de perdas realizadas, enquanto a hiptese alternativa postula que existe
uma diferena positiva entre a proporo de ganhos realizados e a proporo de perdas
realizadas. Nesse sentido, caso a hiptese nula seja rejeitada, seria confirmada a presena
do efeito disposio.
Em conformidade com o que ponderam Anderson, Sweeney e Williams (2005), antes de
desenvolver um intervalo de confiana para a diferena entre propores, preciso estimar
o erro padro dessa diferena. Nesse caso, o erro padro da diferena entre a proporo de
ganhos realizados e a proporo de perdas realizadas foi calculado com base nos mesmos
procedimentos adotados por Odean (1998, p. 1784), ou seja, da seguinte maneira:
s
P GRP P R =
P GR(1 P GR) P P R(1 P P R)

+
NGR + NGN R
NP R + NP N R
(6)
em que
NGR = nmero de ganhos realizados
NGNR = nmero de ganhos no realizados
NPR = nmero de perdas realizadas
NPNR = nmero de perdas no realizadas
Segundo o autor, a estatstica de teste para a diferena entre as propores pode ser
calculada conforme segue:
t=
(P GR P P R)
P GRP P R
(7)
Por fim, os valores de t encontrados foram ento comparados aos valores crticos dessa
distribuio correspondentes aos seguintes nveis de significncia: = 1%, = 5% e
= 10%.
3.3.3
Consideraes sobre o volume transacionado
importante destacar que os procedimentos de registro de ganhos e perdas descritos

anteriormente consideraram cada transao realizada ou no realizada como uma obser-
78
vao independente e com a mesma ponderao qualquer que fosse o volume envolvido
na transao. Todavia, Tizziani (2008, p. 56) argumenta que, com relao ponderao
das transaes, considerar cada negcio com a mesma relevncia, independentemente do
volume transacionado, parece no representar a realidade e o comportamento dos fundos
de investimento com boa acuracidade.
Para mostrar como o volume transacionado poderia influenciar a proporo de ganhos
realizados (PGR) e a proporo de perdas realizadas (PPR), o autor sugere a seguinte
situao:
Imagine que um fundo de investimento qualquer possui uma carteira formada por quatro aes: X, Y, Z e W. Suponha que o montante investido em
cada ao igual e equivalente a R$ 100 mil e que X e Y esto sendo negociadas com lucro, enquanto Z e W esto sendo negociadas com prejuzo. Se
o fundo necessitar vender R$ 200 mil e faz isso por intermdio da alienao
de R$ 90 mil de cada ao com lucro (X e Y) e R$ 10 mil de cada ao com
prejuzo (Z e W), isso quer dizer que o fundo realizou muito mais de seus
ganhos do que de suas perdas (TIZZIANI, 2008, p. 56).
Por um lado, o raciocnio embutido nesse exemplo que, se for considerado o nmero
de transaes realizadas, tem-se a seguinte situao:
Ganhos realizados (GR) = 2
Ganhos no realizados (GNR) = 0
Perdas realizadas (PR) = 2
Perdas no realizadas (PNR) = 0
Dessa forma, a proporo de ganhos realizados (PGR) seria:
PGR =
2
=1
2+0
(8)
e a proporo de perdas realizadas (PPR) seria:

PPR =
2
=1
2+0
(9)
79
Se, por outro lado, for considerado o volume transacionado, preciso considerar tanto
o volume efetivamente realizado (seja ele com ganho ou com perda) quanto o volume
no realizado. Dessa forma, se o fundo vendeu R$ 90 mil de cada ao com lucro (X
e Y), totalizando R$ 180 mil, os R$ 20 mil restantes so computados como ganhos no
realizados. Da mesma forma, se o fundo vendeu R$ 10 mil de cada ao com prejuzo (Z
e W), totalizando R$ 20 mil, os R$ 180 mil restantes so computados como perdas no
realizadas.
Com base nesse novo procedimento de registro, a proporo de ganhos realizados
(PGR) e a proporo de perdas realizadas (PPR) apresentaro resultados completamente
diferentes daqueles obtidos anteriormente, quando o registro foi feito com base no nmero
de transaes, conforme apresentado a seguir:
Ganhos realizados (GR) = R$ 180 mil
Ganhos no realizados (GNR) = R$ 20 mil
Perdas realizadas (PR) = R$ 20 mil
Perdas no realizadas (PNR) = R$ 180 mil
Dessa forma, a proporo de ganhos realizados (PGR) seria:
PGR =
180
= 0,90
180 + 20
(10)
e a proporo de perdas realizadas (PPR) seria:

PPR =
20
= 0,10
20 + 180
(11)
Os exemplos mencionados mostram que, caso se considere o nmero de transaes

realizadas, PGR e PPR sero iguais a 1. Se, todavia, forem considerados os volumes
transacionados, PGR ser igual a 0,90 e PPR ser igual a 0,10. notrio que o cmputo
de ganhos e perdas realizados e no realizados com base no nmero de transaes, nesse
caso, implicar em uma distoro ntida dos resultados.
Diante do exposto, para obter maior preciso nos resultados, foram calculados os
ganhos e perdas realizados e no realizados em termos de volume monetrio. Para ganhos
e perdas realizados, os volumes monetrios foram calculados da seguinte forma:
GR/P R = (P VU P M CU ) QV
(12)
80
em que
GR = ganhos realizados
PR = perdas realizadas
PVU = preo de venda unitrio
PMCU = preo mdio de compra unitrio
QV = quantidade vendida
Para os ganhos e perdas no realizados, os volumes monetrios foram calculados do
seguinte modo:
GN R/P N R = (P MU P M CU ) QM
(13)
em que
GNR = ganhos no realizados
PNR = perdas no realizadas
PMU = preo de mercado unitrio
PMCU = preo mdio de compra unitrio
QM = quantidade mantida em carteira
3.4
Modelo de regresso de varivel dependente qualitativa
A metodologia descrita na seo anterior, que apresentou as bases de um teste de duas

amostras para propores, foi amplamente utilizada pelos autores que testaram de forma
emprica o efeito disposio e cujos achados foram apresentados na seo 2.2.2.
Segundo Stevenson (2001), a finalidade de um teste para propores verificar a diferena relativa entre duas propores amostrais, sendo que pequenas diferenas implicam
apenas variao casual devida amostragem, enquanto grandes diferenas implicam precisamente o contrrio.
No caso do efeito disposio, a utilizao de um teste de propores tem como objetivo verificar se a proporo de transaes realizadas com ganho supera a proporo
de transaes realizadas com perda. O mesmo teste, conforme j abordado, pode ser
feito substituindo-se o nmero de transaes pelo volume monetrio envolvido em cada
transao.
3.4 Modelo de regresso de varivel dependente qualitativa
81
Nesta seo, feita a proposio de um modelo de regresso de varivel dependente

qualitativa para testar a presena do efeito disposio. De acordo com Long e Freese
(2001), tais modelos permitem ao pesquisador explorar como cada varivel explanatria
afeta a probabilidade de um evento ocorrer. Dessa maneira, o modelo aqui proposto tem
como propsito central estimar a probabilidade de se observar a venda de uma determinada ao em um dado ms. Nesse caso, como a varivel dependente envolve apenas duas
escolhas (vender ou no vender), o modelo proposto do tipo binrio.
Pindyck e Rubinfeld (2004) afirmam que os modelos de escolha binria supem que os
indivduos se defrontam com uma escolha entre duas alternativas e que a escolha depende
de caractersticas passveis de identificao. No caso da presente pesquisa, a escolha
consiste na venda ou no de uma ao em um determinado ms e a caracterstica que
influenciaria tal escolha seria o comportamento do preo da ao que, com base em um
determinado ponto de referncia estabelecido, poderia produzir a concretizao de um
ganho ou de uma perda.
3.4.1
Modelo de regresso logstica binrio
O modelo de regresso escolhido para estimar a probabilidade de se observar a venda

de uma ao em um determinado ms a regresso logstica (logistic regression), tambm
conhecida como modelo logit. Para Hair Jr. et al. (2005), a regresso logstica uma
tcnica estatstica apropriada quando a varivel dependente categrica (nominal ou no
mtrica) e as variveis independentes so mtricas. Esse modelo, porm, limitado em
sua forma bsica, pois, em razo de ser binrio, a varivel dependente se restringe a apenas
dois grupos ou classificaes.
Antes de discutirmos o modelo de modo aprofundado, importante ressaltar que a
regresso logstica no o nico modelo para resultados binrios que permite explorar
como variveis independentes afetam a probabilidade de um evento ocorrer. Existem
dois outros modelos utilizados de forma recorrente e que tambm produzem resultados
semelhantes: o modelo de probabilidade linear e o modelo probit.
Com relao ao primeiro modelo, Gujarati (2006) afirma que ele afetado por vrios
problemas que dificultam a sua aplicao. So eles: suposio de normalidade e homocedasticidade dos termos de erro, possibilidade que o valor estimado da varivel dependente
se situe fora da faixa 0-1 e valores geralmente baixos de R2 . Adicionalmente, para o autor,
o modelo de probabilidade linear no atrativo do ponto de vista lgico porque pressupe que mudanas na varivel independente afetam linearmente a varivel dependente,
82
ou seja, o efeito marginal ou incremental da varivel independente permanece constante.

Em outras palavras, o modelo de probabilidade linear incapaz de captar efeitos que no
sejam estritamente lineares.
Conforme ponderam Neter et al. (1996), a restrio de que todos os valores da varivel dependente devem estar situados na faixa 0-1 o principal entrave do modelo de
probabilidade linear. De acordo com os autores, possvel utilizar o mtodo dos mnimos
quadrados ponderados para lidar com o problema da ausncia de homocedasticidade nos
termos de erro e grandes amostras geralmente so capazes de minimizar o problema da
suposio de normalidade. Nesse sentido, a justificativa da escolha do modelo logit em
detrimento do modelo de probabilidade linear que, no caso do logit, todos os valores estimados da varivel dependente situam-se dentro da faixa 0-1 e ele capaz de incorporar
efeitos no lineares. Alm disso, o logit tambm dispe de medidas de diagnstico e sua
interpretao semelhante da regresso linear tradicional, uma vez que os coeficientes
estimados indicam o impacto relativo de cada varivel preditora.
No que diz respeito ao modelo probit, para Gujarati (2006), ele bastante similar
ao logit sendo possvel identificar apenas duas diferenas importantes. A primeira delas
que o modelo logit utiliza a funo de probabilidade logstica acumulada e o modelo
probit utiliza a funo de probabilidade normal acumulada. A segunda diferena que a
distribuio logstica tem caudas ligeiramente mais gordas, conforme mostrado na figura
7. Desse modo, a probabilidade condicional se aproxima de 0 e 1 em um ritmo mais lento
no logit do que no probit. Segundo o autor, no h razes convincentes para preferir um
dos modelos ao outro. No entanto, Pindyck e Rubinfeld (2004) argumentam que, como
o modelo logit mais fcil de computar, ele, com freqncia, usado como substituto
do probit. Diante dos argumentos expostos, justifica-se a adoo do modelo logit para
proceder anlise dos dados nesta pesquisa.
3.4.2
Descrio do modelo
De acordo com Neter et al. (1996), o modelo de regresso logstica baseia-se na funo
de probabilidade logstica acumulada e pode ser descrito como
E[Y = 1|Xi ] =
exp(0 + 1 Xi )
1 + exp(0 + 1 Xi )
(14)
83
Fx
Logit
Probit
x
Figura 7 Modelo logit versus probit
em que
Yi =
1, se escolhida a primeira alternativa

0, se escolhida a segunda alternativa
Trata-se de um modelo que, segundo Gujarati (2006), possui duas caractersticas importantes. A primeira delas que mudanas no valor da varivel independente produzem
mudanas no valor esperado da varivel dependente, mas esse ltimo nunca sai da faixa
0-1, ou seja, para qualquer valor da varivel independente no domnio definido, a funo
resposta estimada pela regresso logstica sempre produzir um valor para a varivel dependente no intervalo entre 0 e 1. Esse valor pode ser interpretado como a probabilidade
de uma escolha ser feita ou de um evento ocorrer.
A segunda delas que a relao entre o valor esperado da varivel dependente e o
valor da varivel independente no linear, isto , a forma da funo resposta estimada
pela regresso logstica se assemelha a uma curva em S, tambm conhecida como curva
sigmide. Nas figuras 8 e 9 so apresentadas, para o caso de uma nica varivel preditora,
as curvas sigmides resultantes da funo estimada pela regresso logstica. Na figura 8, h
uma associao positiva entre a varivel dependente e a varivel independente, enquanto
na figura 9 h uma relao negativa.
No que se refere interpretao do modelo logit, cumpre destacar dois importantes
aspectos. O primeiro, abordado por Cohen et al. (2003), que no modelo de regresso
logstica, apesar da varivel dependente ser binria, a funo resposta estimada pelo
modelo no dicotmica. Em outras palavras, o modelo no tem como objetivo predizer
84
EY
Figura 8 Associao positiva entre a varivel dependente e a varivel independente

EY
Figura 9 Associao negativa entre a varivel dependente e a varivel independente

85
se um indivduo far ou no uma determinada escolha, mas, sim, estimar a probabilidade

de ele fazer tal escolha com base em um conjunto de caractersticas que so fornecidas
pelas variveis preditoras.
Nesse sentido, h uma diferena fundamental entre o que observado na amostra e a
funo resposta estimada pelo modelo logit. Segundo Cohen et al. (2003), o que realmente
se observa na amostra que cada indivduo pode ser classificado em um ou outro grupo,
mas o que predito pelo modelo a probabilidade de um indivduo pertencer a um grupo.
Esse raciocnio ilustrado na figura 10 que contm diferentes probabilidades associadas
a cada nvel da varivel independente. Por exemplo, a probabilidade de um indivduo
pertencer a um grupo considerando o primeiro nvel da varivel independente (X1 ) dada
pela rea sob a curva situada acima da linha pontilhada. Caso haja uma relao positiva
entre a varivel dependente e a varivel independente, de se esperar que, para nveis
mais altos de X, sejam observadas reas cada vez maiores acima da linha pontilhada e,
para nveis baixos de X, seja observado exatamente o oposto.
[Y = 1 | X 2 ]
[Y = 1 | X 1 ]
Y =1
=0
Y =0
[Y = 0 | X 2 ]
[Y = 0 | X 1 ]
X1
X2
Figura 10 Probabilidade associada varivel dependente dado o nvel da varivel

independente
O segundo aspecto, abordado por Neter et al. (1996), diz respeito interpretao dos
coeficientes. Para eles, quando estimamos um modelo de regresso logstica de uma nica
varivel preditora, a interpretao do coeficiente 1 no exatamente igual interpretao
da inclinao da reta de regresso de um modelo linear. A razo disso que o efeito de
um aumento unitrio em X varia para o modelo de regresso logstica de acordo com
86
a localizao do ponto de partida na escala de X. Esse aspecto pode ser constatado

mediante a observao do formato das curvas apresentadas nas figuras 8 e 9. Pindyck
e Rubinfeld (2004) afirmam que a inclinao da distribuio logstica acumulada mais
elevada quando E[Y ] = 0,5. Isso implica que mudanas nas variveis preditoras tero um
maior efeito sobre a probabilidade estimada no ponto do meio da distribuio. As baixas
inclinaes perto dos extremos implicam que so necessrias grandes mudanas em X
para levar a pequenas mudanas na probabilidade.
3.4.3
Definio operacional das variveis
A estimao do modelo de regresso logstica tem como objetivo determinar a probabilidade de uma ao ser vendida em um determinado ms. Para cumprir esse objetivo,
so definidas as seguintes variveis:
varivel dependente
A varivel dependente binria e consiste em uma escolha entre duas alternativas: vender
uma ao em um determinado ms e no vender uma ao em um determinado ms. Dessa
maneira, podemos escrever a definio operacional da varivel dependente da seguinte
forma:
1, se a ao i do fundo f foi vendida no ms t

Yi,f,t =
0, se a ao i do fundo f no foi vendida no ms t
A seguir, sero definidas as variveis independentes, ou seja, as variveis que, de acordo

com a estrutura terica do efeito disposio, deveriam influenciar a deciso de vender ou
no vender uma ao em um determinado ms.
variveis independentes
As variveis independentes utilizadas no modelo baseiam-se nos dois pontos de referncia

estabelecidos para especificar ganhos e perdas (eles j foram objeto de discusso nas sees
3.2.1 e 3.2.2). Desse modo, sero estimados dois modelos cujas variveis independentes
sero construdas para representar tais pontos de referncia.
87
Como o primeiro ponto de referncia estabelecido para determinar ganhos e perdas foi
o preo mdio de compra unitrio (PMCU ), a varivel independente que ser utilizada na
estimao do primeiro modelo de regresso foi definida sendo o retorno contnuo da ao
calculado com base na relao entre o preo de mercado unitrio (PMU ) e o preo mdio
de compra unitrio (PMCU ). Nesse sentido, pode-se escrever a definio operacional dessa
varivel da seguinte maneira:
RCAi,f,t
PMUi,t
= ln
PMCUi,f,t
(15)
em que
RCAi,f,t = o retorno contnuo da ao i do fundo f no ms t;
PMUi,t = o preo de mercado da ao i no ms t;
PMCUi,f,t = o preo mdio de compra unitrio da ao i do fundo f no ms t.
A idia da construo dessa varivel que, quanto maior for o retorno contnuo da
ao, maior ser a probabilidade de essa ao ser vendida. Assim, espera-se uma relao
positiva entre essa varivel e a varivel dependente.
A varivel independente que ser utilizada na estimao do segundo modelo de regresso baseia-se no segundo ponto de referncia estabelecido para determinar ganhos e
perdas, que o retorno em excesso de mercado. Dessa forma, podemos escrever a definio
operacional dessa varivel do seguinte modo:20
REMi,f,t
NIAi,f,t
= ln
100
NIMt
ln
100
(16)
em que
REMi,f,t = o retorno em excesso de mercado da ao i do fundo f no ms t;
NIAi,f,t = o nmero ndice da ao i do fundo f no ms t;
NIMt = o nmero ndice do mercado no ms t.
Nesse caso, espera-se que uma ao que apresente uma rentabilidade acima daquela
proporcionada pelo ndice de mercado (ndice Bovespa) possua uma probabilidade maior
de ser vendida. Nesse sentido, tambm esperada uma relao positiva entre essa varivel
e a varivel dependente.
20
O nmero ndice da ao (NIA) e o nmero ndice do mercado (NIM) foram definidos na seo 3.2.2.
88
variveis de controle
Considerando que a amostra analisada conta com fundos que apresentam patrimnio
lquido de diferentes magnitudes, foi inserida no modelo uma varivel de controle para
tamanho, dada pelo logaritmo neperiano do patrimnio lquido de cada fundo. O objetivo
observar a relevncia da varivel explicativa lquida do efeito do tamanho do patrimnio
lquido do fundo. Desse modo, a varivel de controle definida abaixo ser incorporada nos
dois modelos estimados:
LN P Lf,t = ln (P Lf,t )
(17)
em que
P Lf,t = o valor monetrio do patrimnio lquido do fundo f no ms t;
Considerando a definio operacional das variveis, o primeiro modelo de regresso
logstica, cuja varivel independente o retorno contnuo das aes, pode ser assim especificado:
E[Y = 1|Xi,f,t ] =
exp(0 + 1 RCAi,f,t + 2 LN P Lf,t )

1 + exp(0 + 1 RCAi,f,t + 2 LN P Lf,t )
(18)
Esse modelo tem como objetivo verificar se o retorno contnuo da ao, lquido dos
efeitos do tamanho do patrimnio do fundo, possui uma relao positiva e estatisticamente
significante com a probabilidade de a ao ser vendida.
J o segundo modelo, cuja varivel independente o retorno em excesso de mercado,
possui a seguinte especificao:
E[Y = 1|Xi,f,t ] =
exp(0 + 1 REMi,f,t + 2 LN P Lf,t )

1 + exp(0 + 1 REMi,f,t + 2 LN P Lf,t )
(19)
Nesse caso, o objetivo do modelo verificar se o retorno em excesso de mercado de

uma ao, lquido dos efeitos do tamanho do patrimnio do fundo, possui uma relao
positiva e estatisticamente significante com a probabilidade de a ao ser vendida.
89
Retomando a contribuio desta pesquisa, cumpre destacar, neste ponto, que o objetivo principal da proposio desses dois modelos estimar um coeficiente de disposio
para os gestores dos fundos da amostra estudada. Tal coeficiente dado pelo parmetro
1 nos dois modelos especificados, o qual exprime a relao entre a probabilidade de uma
ao ser vendida e as variveis de retorno RCAi,f,t e REMi,f,t .
Por um lado, um coeficiente de disposio positivo e estatisticamente significante indicaria a presena do efeito disposio, ou seja, mostraria que a probabilidade de se observar
a venda de uma ao com ganho maior do que probabilidade de se observar a venda de
uma ao com perda. Por outro lado, um coeficiente de disposio negativo e estatisticamente significante indicaria exatamente o efeito oposto.
3.4.4
Diagnsticos do modelo
As medidas de diagnstico para o modelo de regresso logstica so um pouco mais

limitadas em comparao com aquelas disponveis para o modelo de regresso linear tradicional. Todavia, segundo Hair Jr. et al. (2005), h algumas medidas disponveis para
avaliar o ajuste do modelo logit: a primeira delas a estatstica da razo de verossimilhana; a segunda o pseudo R2 e a terceira o valor de Hosmer e Lemeshow. Alm
disso, h ainda os testes de significncia para os coeficientes estimados pelo modelo.
A primeira medida de ajuste do modelo de regresso logstica a estatstica da razo
de verossimilhana. Gujarati (2006) afirma que o seu objetivo testar a hiptese nula
de que todos os coeficientes angulares so simultaneamente iguais a zero. Em outras
palavras, essa estatstica mostra se todos os regressores em conjunto tm um impacto
significante na varivel dependente e equivalente ao teste F para o modelo de regresso
linear tradicional. A significncia da estatstica da razo de verossimilhana dada por
um teste qui-quadrado.
A segunda medida uma estatstica comparvel com o R2 da regresso linear tradicional, conhecida como pseudo R2 . No entanto, segundo Pindyck e Rubinfeld (2004),
existe um problema com o uso do pseudo R2 como medida de qualidade do ajuste, pois
um modelo de varivel dependente binria no tende a gerar um pseudo R2 prximo de
1. O motivo o fato de a varivel dependente ser binria e a funo resposta estimada
pelo modelo estar em uma faixa entre 0 e 1. Assim, previses que no sejam exatamente
0 e 1 (por exemplo 0,80 ou 0,40) nunca podero ser corretas ex post, o que produz um
aumento nos resduos estimados e, por conseguinte, uma reduo no valor do pseudo R2 .
90
A terceira medida o valor de Hosmer e Lemeshow que mede a correspondncia entre

os valores reais da varivel dependente e os valores previstos pelo modelo. Nesse caso,
quanto menor for a diferena entre a classificao observada e a prevista, melhor ser o
ajuste do modelo. A significncia estatstica da diferena entre os valores observados e
previstos dada pela estatstica qui-quadrado e um bom ajuste do modelo indicado por
um valor qui-quadrado no significante.
Assim como o pseudo R2 , o valor de Hosmer e Lemeshow tambm apresenta problemas, pois, de acordo com Hair Jr. et al. (2005), a estatstica qui-quadrado sensvel ao
tamanho da amostra, permitindo que essa medida encontre diferenas muito pequenas
estatisticamente significantes quando o tamanho da amostra grande.
Por fim, a regresso logstica tambm permite testar a hiptese de que um coeficiente
diferente de zero. Ao contrrio da regresso linear tradicional, que utiliza a estatstica
t para avaliar a significncia de cada coeficiente, na regresso logstica so utilizadas as
estatsticas z e de Wald.
Em relao aos diagnsticos do modelo de regresso logstica, Gujarati (2006, p. 488)
afirma que em modelos com regressando binrio, a qualidade do ajustamento de importncia secundria. O que importa so os sinais esperados dos coeficientes de regresso
e sua significncia estatstica e/ou prtica.
3.4.5
Modelo de regresso logstica ordenado
Na seo anterior, foi feita a proposio de dois modelos de regresso logstica binrios
com o intuito de verificar a influncia de variveis de retorno na probabilidade de se
observar a venda de uma ao em um determinado ms. Dada a natureza binria da
varivel dependente (venda = 1 e no venda = 0), o modelo no permite a incorporao
de informaes acerca do volume monetrio envolvido em cada transao. Para resolver
esse problema, nesta seo, feita a proposio de um modelo logit ordenado (ordered
logit), cujo propsito central fazer a varivel dependente levar em conta a informao
sobre o volume monetrio transacionado.
De acordo com Gujarati (2006), o modelo logit binrio adequado quando o interesse do pesquisador modelar uma varivel de resposta do tipo sim ou no. No entanto,
quando o interesse modelar uma varivel de resposta com mais de duas alternativas e, supondo uma hierarquia entre tais alternativas, preciso recorrer ao modelo logit ordenado.
Segundo Pindyck e Rubinfeld (2004), o modelo logit ordenado se aplica em situaes em
91
que h um ordenamento das categorias associadas com a varivel dependente.

Especificamente, a varivel dependente observada (Yi ) determinada a partir de uma
varivel latente (Yi ), conforme mostra o exemplo a seguir, extrado de Long e Freese
(2001):
Yi
1, se
2, se
3, se
4, se
0
1
2
3
= Yi < 1
Yi < 2
Yi < 3
Yi < 4 =
Nesse caso, a ttulo de exemplo, a varivel dependente (Yi ) dividida em quatro

categorias ordenadas de acordo com os pontos de corte (cutpoints) determinados pelo
pesquisador, os quais so representados pela letra grega tau ( ). Conforme pode ser
observado na figura 11, caso o valor da varivel latente (Yi ) esteja no intervalo entre 0
e 1 , a varivel dependente (Yi ) assume o valor 1 que corresponde primeira categoria.
De forma similar, caso o valor da varivel latente (Yi ) esteja no intervalo entre 1 e 2 , a
varivel dependente (Yi ) assume o valor 2 que corresponde segunda categoria e, assim,
sucessivamente.
O objetivo central do modelo estimar, para cada nvel da varivel independente (Xi ),
probabilidades associadas a cada categoria da varivel dependente (Yi ). Tais probabilidades so dadas pela rea sob a curva entre os pontos de corte, sendo que a soma das
probabilidades ser sempre igual a 1. Na figura 11, possvel observar que, por um lado,
para o primeiro nvel da varivel independente (X1 ), existe uma alta probabilidade de se
observar um valor de Yi nas categorias 1 e 2. Por outro lado, para o terceiro nvel da
varivel independente (X3 ), existe uma alta probabilidade de se observar um valor de Yi
nas categorias 2 e 3. Em termos gerais, a probabilidade de observar um valor de Yi na
categoria m corresponde regio da distribuio onde Yi situa-se entre m1 e m .
importante ressaltar que a principal diferena entre as figuras 10 e 11 que, para
o caso do modelo no ordenado, a varivel dependente binria e possui apenas duas
faixas (Y = 1 e Y = 0) divididas por uma nica linha pontilhada ( = 0). J no modelo
ordenado, a varivel dependente no binria justamente por ser dividida em mais de
duas categorias. Em outras palavras, a varivel dependente pode assumir diversos valores
ordenados que correspondem s categorias de interesse do pesquisador (Y = 1, Y =
2,...,Y = n). Nesse caso, a funo resposta do modelo estima probabilidades associadas
a cada categoria de Y de maneira que a soma das probabilidades ser sempre igual a 1
(rea total sob a curva para cada nvel de X).
92
Y*
=4
Y =4
=3
Y =3
=2
Y =2
=1
Y =1
=0
X1
X2
X3
Figura 11 Modelo de regresso logstica ordenado

De acordo com Long e Freese (2001), o modelo logit ordenado tambm baseia-se na
funo de probabilidade logstica acumulada e pode ser descrito em termos matriciais da
seguinte forma:
E[Y = m|Xi ] = F (m XTi ) F (m1 XTi )
(20)
em que
XTi representa o vetor, transposto, das k variveis independentes;
representa o vetor de dimenso (1 k) de parmetros das variveis independentes;
m o ponto de corte estimado para a categoria m;
m1 o ponto de corte estimado para a categoria m 1;
F a funo distribuio logstica cumulativa.
Dessa forma, a probabilidade de se observar cada valor de Yi dada por:
93
E[Yi =1|Xi ,, ] = F (1 XTi )
(21)
E[Yi =2|Xi ,, ] = F (2 XTi ) F (1 XTi )
(22)
E[Yi =3|Xi ,, ] = F (3 XTi ) F (2 XTi )
(23)
E[Yi =4|Xi ,, ] = 1 F (4 XTi )
(24)
Retomando o exemplo ilustrado na figura 11, para cada nvel da varivel independente,
a equao 21 fornece a rea sob a curva abaixo da linha pontilhada onde = 1. A equao
22 fornece a rea sob a curva entre as linhas pontilhadas onde = 1 e = 2. J a equao
23 fornece a rea sob a curva entre as linhas pontilhadas onde = 2 e = 3 e, por fim,
a equao 24 fornece a rea sob a curva acima da linha pontilhada onde = 3.
3.4.6
Definio operacional da varivel dependente para o modelo ordenado
Com o objetivo de considerar a informao sobre o volume monetrio envolvido em

cada transao, em primeiro lugar, foi definida uma varivel latente (Yi ) com o propsito
de expressar o volume relativo vendido de cada ao em cada um dos meses analisados.
Nesse sentido, a varivel latente definida do seguinte modo:
PVRi,f,t =
VRi,f,t
VRi,f,t + VNRi,f,t
(25)
em que
PVRi,f,t = a proporo vendida da ao i do fundo f no ms t em relao ao volume
total;
VRi,f,t = o volume monetrio vendido da ao i do fundo f no ms t;
VNRi,f,t = o volume monetrio no vendido da ao i do fundo f no ms t.
Com base na varivel latente descrita, foi determinada a varivel dependente observada
94
(Yi,f,t ), conforme segue:
Yi,f,t =
0, se
1, se
2, se
3, se
4, se
5, se
PVRi,f,t = 0
0,00 < PVRi,f,t
0,20 < PVRi,f,t
0,40 < PVRi,f,t
0,60 < PVRi,f,t
0,80 < PVRi,f,t
0,20
0,40
0,60
0,80
Como se pode observar, a varivel dependente observada foi dividida em seis categorias, sendo que a primeira delas agrupa todos os casos nos quais no foram realizadas
vendas (portanto, PVRi,f,t = 0). J as demais categorias agrupam as propores vendidas positivas em cinco intervalos de igual amplitude, atingindo o limite superior quando
PVRi,f,t = 1, ou seja, quando toda a posio de uma ao especfica vendida em um
determinado ms.
O principal propsito desse modelo ordenado verificar se existe uma associao positiva entre as medidas de retorno j definidas e o volume monetrio vendido de cada
ao. Nesse caso, o volume monetrio expresso por meio de uma proporo que visa
relacionar o volume vendido de uma ao especfica em um determinado ms e o volume
total investido pelo fundo nessa ao antes da concretizao da venda. Assim, espera-se
que, quanto maior for o retorno proporcionado pela ao, maior ser a proporo vendida.
Com relao s variveis independentes, sero utilizadas as mesmas j definidas na
seo anterior quando da descrio do modelo no ordenado. Assim, a utilizao do
modelo logit ordenado mantm o propsito de estimar um coeficiente de disposio com
base nos parmetros estimados para as variveis de retorno. A diferena, nesse caso,
que a varivel dependente incorpora informaes sobre o volume transacionado, o que no
ocorre no modelo no ordenado.
Um aspecto importante, citado por Long e Freese (2001), que, no modelo logit
ordenado, a constante substituda pelos pontos de corte (cutpoints). Assim, o coeficiente
de disposio no modelo ordenado dado pelo parmetro 0 e no 1 . J em relao s
medidas diagnsticas, com exceo do valor de Hosmer e Lemeshow, as mesmas medidas
tambm se aplicam ao modelo ordenado.
Considerando a definio operacional da nova varivel dependente, o primeiro modelo
de regresso logstica ordenado cuja varivel independente o retorno contnuo das aes
pode ser especificado da seguinte maneira:
95
"
exp[m (0 RCAi,f,t + 1 LN P Lf,t )]

E[Y = m|Xi,f,t ] =
1 + exp[m (0 RCAi,f,t + 1 LN P Lf,t )]

"
#
exp[m1 (0 RCAi,f,t + 1 LN P Lf,t )]
(26)
1 + exp[m1 (0 RCAi,f,t + 1 LN P Lf,t )]
em que
RCAi,f,t = o retorno contnuo da ao i do fundo f no ms t;
LN P Lf,t = o logaritmo neperiano do valor monetrio do patrimnio lquido do fundo
f no ms t.
Esse modelo tem como objetivo verificar se o retorno contnuo da ao, lquido dos
significante com a proporo vendida da ao.
J o segundo modelo de regresso logstica ordenado, cuja varivel independente o
retorno em excesso de mercado, pode ser especificado do seguinte modo:
"
exp[m (0 REMi,f,t + 1 LN P Lf,t )]
E[Y = m|Xi,f,t ] =
1 + exp[m (0 REMi,f,t + 1 LN P Lf,t )]
#
"
exp[m1 (0 REMi,f,t + 1 LN P Lf,t )]
(27)
1 + exp[m1 (0 REMi,f,t + 1 LN P Lf,t )]
em que
LN P Lf,t = o logaritmo neperiano do valor monetrio do patrimnio lquido do fundo
f no ms t.
Esse modelo tem como objetivo verificar se o retorno em excesso da ao, lquido dos
significante com a proporo vendida da ao.
No prximo captulo, so apresentados os resultados tanto dos testes de propores
quanto dos modelos de regresso logstica. O objetivo comparar essas duas abordagens
96
metodolgicas. Dessa forma, o teste de propores considerando o nmero de transaes

realizadas ser comparado com o modelo de regresso logstica binrio, uma vez que em
ambos os casos no considerada a informao sobre o volume monetrio transacionado.
J o teste de propores calculado com base no volume monetrio transacionado ser
comparado com o modelo de regresso logstica ordenado, haja vista que ambos consideram o volume monetrio envolvido nas transaes. Antes da apresentao dos resultados
finais, porm, so abordadas as limitaes da pesquisa.
3.5
Limitaes da pesquisa
Na presente pesquisa, foram identificados alguns aspectos que limitam a abrangncia

dos resultados que sero relatados no prximo captulo. A seguir ser feita uma discusso
sobre cada um deles:
Divulgao mensal da composio das carteiras
A principal limitao deste trabalho diz respeito periodicidade dos dados relativos
composio das carteiras dos fundos. Os dados disponibilizados no website da Comisso
de Valores Mobilirios (CVM) contemplam, de maneira agregada, as transaes que foram
realizadas pelos fundos ao longo do ms. Dessa forma, possvel saber a quantidade e
o valor das vendas e a quantidade e o valor das compras realizadas em um determinado
ms, mas no possvel saber em qual dia do ms elas efetivamente ocorreram. Alm
disso, importante destacar que, como a posio final da carteira do fundo referente ao
ltimo dia do ms, o valor de mercado dessa posio calculado por meio da multiplicao
da quantidade final de cada ao em carteira pelo seu respectivo preo de fechamento no
ltimo dia til do ms. Isso implica que os clculos de ganhos e perdas no realizados, que
comparam o preo mdio de compra unitrio da ao com seu preo de mercado, possam
apresentar algum vis, pois possvel que o preo de mercado de uma determinada ao
ao longo do ms tenha flutuado acima e abaixo do preo mdio de compra unitrio. No
entanto, como a posio final da carteira do fundo divulgada apenas no ltimo dia do
ms, o pressuposto aqui assumido que o gestor decidiu manter determinada posio
ganhadora ou perdedora exatamente nessa data.
Amostra no probabilstica
Um segundo aspecto limitador da pesquisa o fato de a amostra analisada no ter sido
selecionada de acordo com procedimentos estatsticos de amostragem. Da amostra inicial
de 120 fundos, muitos deles foram excludos em conseqncia da disponibilidade de dados.
Como esse critrio no respeita os procedimentos adequados de amostragem de populaes
3.5 Limitaes da pesquisa
97
finitas, como o caso da populao de Fundos de Aes Ibovespa Ativos, pode ser que
esse aspecto tenha restringido a representatividade dos resultados apresentados.
Perodo estudado
Um terceiro aspecto que cumpre salientar que o perodo estudado poderia ter sido
estendido at o final do ano de 2008. No entanto, optou-se por delimitar o horizonte de
anlise at 31 de junho de 2008 em razo do agravamento da crise no sistema financeiro
americano, no segundo semestre de 2008, que teve seu pice verificado em setembro de 2008
com o pedido de concordata do Lehman Brothers, quarto maior banco de investimento
dos Estados Unidos. A crise, considerada a mais grave desde a grande depresso em 1929,
produziu uma intensa e rpida depreciao nos preos dos ativos no segundo semestre
de 2008. Por se tratar de um cenrio em que os gestores dos fundos poderiam utilizar
mecanismos automticos para evitar perdas, como por exemplo a ordem de stop loss, esse
perodo foi excludo da anlise aqui desenvolvida.
Aportes e resgates
Um quarto aspecto que merece ser destacado diz respeito influncia de aportes e resgates
efetuados pelos cotistas dos fundos na realizao de ganhos e perdas. Da amostra final
de 51 fundos analisados, todos eles so constitudos sob a forma de condomnio aberto
que, segundo informaes do website da ANBID, so fundos em que os cotistas podem
solicitar o resgate de suas cotas a qualquer tempo. Dessa forma, toda vez que feito
um aporte de recursos no fundo, o gestor, necessariamente, deve realizar compras de
novas aes e, do mesmo modo, quando feito um resgate por parte de um cotista, o
gestor, necessariamente, precisa vender alguma posio para poder atender a demanda
pelos recursos solicitados.
Diante disso, possvel que diferentes gestores respondam a essas situaes de maneiras
diferentes. Por exemplo, caso um fundo seja administrado por um gestor disciplinado, toda
vez que houver aportes de recursos, esse gestor pode tentar alocar os novos recursos de
forma a manter inalterada a composio de sua carteira e, portanto, manter sua estratgia
de alocao. Da mesma forma, toda vez que houver resgates de cotas, esse gestor pode
tentar vender posies para manter o status quo de sua carteira.
Uma situao alternativa seria dada caso um fundo fosse administrado por um gestor
oportunista. Por exemplo, caso haja um resgate de recursos, um gestor oportunista pode
tentar modificar a gesto ativa de sua carteira vendendo uma ao que ele considera estar
altamente valorizada. Alternativamente, o gestor pode aproveitar uma situao de resgate
para vender uma posio perdedora na qual ele prefere no insistir.
Essas duas situaes produzem diferentes implicaes para a realizao de ganhos e
98
perdas. Na primeira situao, que contempla um gestor disciplinado, ganhos e perdas so

realizados mesmo que o gestor no tenha preferncia em realiz-las, pois, nesse caso, a
opo do gestor manter inalterada a composio da carteira. Desse modo, possvel
que, para alcanar esse objetivo, ele tenha que vender uma quantidade maior de aes
valorizadas e menor de aes desvalorizadas justamente para manter inalterada a participao relativa de cada ao na carteira. J na segunda situao, os ganhos e perdas
seriam realizados com base em uma deciso deliberada do gestor.
Um outro fator importante que afeta as compras decorrentes de novos aportes e vendas em funo de resgates a liquidez das aes. A ausncia de liquidez que algumas
aes apresentam realmente constitui um impedimento importante associado vontade
de transacionar. Assim, um gestor seria impedido de realizar um ganho ou uma perda
com determinada ao em razo da falta de liquidez associada quele papel.
Ajustes sem levar em conta dividendos
Conforme j abordado, as aes foram ajustadas em virtude de desdobramentos, agrupamentos e bonificaes, mas no foram realizados ajustes em razo do pagamento de
dividendos e de juros sobre o capital prprio. Segundo Odean (1998), dividendos podem
ou no ser considerados quando da determinao do ponto de referncia a partir do qual
os ganhos e perdas so calculados. Como a incluso ou excluso de dividendos no afetou os resultados dos testes realizados pelo autor no mercado americano, neste estudo,
optou-se pela no realizao desses ajustes. No entanto, a opo por no ajustar as aes
em funo de dividendos e juros sobre o capital prprio pode ter produzido algum vis
quando da comparao entre o desempenho das aes e o desempenho do ndice Bovespa,
uma vez que esse ltimo divulgado aps a realizao de ajustes por dividendos e juros
sobre o capital prprio.
Descasamento de prazo das medidas de retorno
Por fim, mas no menos importante, uma ltima importante limitao do trabalho diz
respeito ao descasamento de prazo das medidas de retorno. Conforme abordado na seo
3.2.2, o nmero-ndice de cada ao (NIA) foi calculado com base na relao entre o
preo de mercado da ao no final de um determinado ms e seu preo mdio de compra
unitrio, de acordo com a seguinte frmula:
Nmero-ndice da ao (NIA) =
PMUi,t
100
PMCUi,f,t
(28)
J o nmero-ndice do mercado (NIM) foi calculado com base na relao entre o valor
99
3.5 Limitaes da pesquisa
em pontos do ndice Bovespa no final de um determinado ms e o valor em pontos do

mesmo ndice no final do ms precedente, conforme a frmula a seguir:
Nmero-ndice do mercado (NIM) =
Ibovespat
100
Ibovespat-1
(29)
O problema do descasamento de prazos ocorre pois, embora os numeradores das duas

frmulas estejam na mesma unidade de tempo, os denominadores no esto. Isso acontece
porque os dados divulgados pela CVM acerca da composio das carteiras dos fundos so
referentes ao ltimo dia til do ms, no sendo possvel saber com exatido em que dia
especificamente o gestor comprou uma determinada ao. Dessa maneira, a unidade de
tempo do valor em pontos do ndice Bovespa em t 1 no corresponde unidade de
tempo do preo mdio de compra unitrio. Todavia, a despeito da constatao desse
descasamento considerou-se razovel estimar uma proxy para o retorno em excesso de
mercado com base na diferena entre o logaritmo neperiano dos dois nmeros-ndices.
100
Captulo 4
Resultados da Pesquisa
[. . . ] there is only one scientific way to compare

alternative theories, behavioral or rational, and that
is with empirical tests.
(BARBERIS; THALER, 2003, p.1112)
Neste captulo, em primeiro lugar, feita uma discusso dos resultados considerando
os dois pontos de referncia estabelecidos para determinar ganhos e perdas: o preo mdio
de compra e o retorno em excesso de mercado. Em ambos os casos, so apresentados os
resultados tanto dos testes de propores quanto dos modelos de regresso logstica. Em
seguida, apresentam-se os resultados dos testes que visam identificar se o vis da reverso
mdia pode contribuir para explicar o efeito disposio. Ao final de cada seo, so
discutidas as hipteses formuladas na introduo deste trabalho.
4.1
4.1.1
Resultados com base no preo mdio de compra

Resultados dos testes de propores
Os resultados dos testes de propores, considerando tanto o nmero de transaes

quanto o volume monetrio transacionado, so aqui apresentados. Em primeiro lugar
discutem-se os resultados gerais da amostra completa de fundos e, em seguida, analisamse os resultados segmentados por gestor.
101
102
4.1.1.1
Resultados gerais para a amostra completa
Os resultados gerais da amostra completa de transaes realizadas pelos 51 fundos,

analisados ao longo do perodo de julho de 2002 a junho de 2008, esto na tabela 1. Nas
primeiras quatro linhas, so apresentados os ganhos e perdas realizados e no realizados.
Na seqncia, so expostas as propores de ganhos e perdas realizados, a diferena entre
elas, o erro padro e a respectiva estatstica t.
Tabela 1 Resultados gerais por transao realizada obtidos com base no preo
mdio de compra
Ganhos no realizados (GNR)

Ganhos realizados (GR)
Perdas no realizadas (PNR)
Perdas realizadas (PR)
17.619
12.621
9.849
5.579
Proporo de ganhos realizados (PGR)

Proporo de perdas realizadas (PPR)
(PGR PPR)
Erro Padro
Estatstica t
0,4174
0,3616
0,0557
0,0048
11,62
Os smbolos , e denotam significncia estatstica nos

nveis de 1%, 5% e 10%, respectivamente
Considerando os resultados apresentados na tabela 1, possvel verificar que, quando

o preo mdio de compra foi utilizado como ponto de referncia para determinar ganhos
e perdas, os gestores dos fundos analisados, de forma geral, venderam uma proporo
maior de aes vencedoras do que aes perdedoras. Nesse caso, a proporo de ganhos
realizados em relao aos ganhos totais (PGR) foi de 0,4174 e a proporo de perdas
realizadas em relao s perdas totais (PPR) foi de 0,3616.
Esse resultado mostra evidncias que confirmam a manifestao do efeito disposio
por parte dos gestores dos fundos, uma vez que a diferena positiva entre PGR e PPR
(0,0557) estatisticamente significante ao nvel de 1%. O resultado vai na mesma linha
do resultado do estudo de Odean (1998) que encontrou uma diferena positiva (0,050)
e estatisticamente significante (1%) entre PGR e PPR. A nica distino entre os dois
resultados a magnitude da estatstica t. Para o presente estudo, tal estatstica apresentou
um valor de 11,62, enquanto no estudo de Odean (1998) esse valor foi de 35,00.
Os resultados com base nos volumes monetrios transacionados esto expostos na
tabela 2. Tais dados mostram que, embora os gestores dos fundos analisados tenham
realizado um nmero maior de transaes com aes vencedoras, eles operam um volume
monetrio proporcionalmente menor com elas. A proporo de ganhos realizados em
103
4.1 Resultados com base no preo mdio de compra
relao aos ganhos totais (PGR) foi de 0,0823 e a proporo de perdas realizadas em
relao s perdas totais (PPR) foi de 0,1203. Desse modo, com base nesses resultados,
no foi possvel encontrar evidncias que confirmem a manifestao do efeito disposio
por parte dos gestores dos fundos. A diferena negativa e estatisticamente significante
ao nvel de 1% entre PGR e PPR (-0,0380) indica que os gestores realizaram um volume
monetrio de transaes com perdas proporcionalmente maior ao volume monetrio de
transaes com ganhos.
Tabela 2 Resultados gerais por volume transacionado obtidos com base no preo
mdio de compra

(PGR - PPR)
Erro Padro
Estatstica t
R$ 15.396.030.222
R$ 1.380.650.440
R$ 2.684.853.406
R$ 367.238.688
0,0823
0,1203
-0,0380
0,0000
-6.075,20
Os smbolos , e denotam significncia estatstica nos nveis

de 1%, 5% e 10%, respectivamente
Trata-se de um resultado que se contrape quele encontrado por Odean (1998), pois,
quando o autor considerou os volumes monetrios transacionados, a proporo de ganhos realizados (PGR) foi de 0,58 e a proporo de perdas realizadas (PPR) foi de 0,42,
sendo que a diferena positiva entre PGR e PPR (0,16) foi considerada estatisticamente
significante ao nvel de 1%, com uma estatstica t de 13,00.
4.1.1.2
Resultados segmentados por gestor
Aqui apresentam-se e discutem-se os resultados segmentados por gestor, considerando

tanto o nmero de transaes realizadas quanto o volume monetrio transacionado. Segundo a definio que consta no website da ANBID, o gestor da carteira o responsvel
pela compra e venda dos ativos do fundo, segundo os objetivos e polticas de investimentos definidos no regulamento. Nesse sentido, a segmentao pertinente haja vista que
o objetivo central neste trabalho verificar se os gestores dos fundos manifestam o efeito
disposio.
Adicionalmente, a segmentao pode revelar se, eventualmente, os resultados gerais
obtidos esto concentrados em algum gestor especfico que tem sob sua responsabilidade
104
um grande nmero de fundos, como o caso da Bradesco Asset Management (BRAM),

que faz a gesto de sete fundos da amostra analisada bem como da Votorantim Asset
Management que faz a gesto de outros 6 fundos da amostra.
Os resultados segmentados por gestor com base no nmero de transaes realizadas
esto expostos na tabela 3. Nas primeiras cinco colunas, h o nome da instituio gestora,
os ganhos e perdas realizados e no realizados e, nas quatro ltimas, as propores de
ganhos e perdas realizados bem como a diferena entre elas e a respectiva estatstica t. O
desvio-padro e o p-valor figuram entre parnteses abaixo da diferena entre PGR e PPR
e da estatstica t, respectivamente.
Conforme pode ser observado na tabela 3, dos 23 gestores analisados, 18 apresentaram
uma diferena positiva entre PGR e PPR, sendo que, para 11 gestores, essa diferena
estaticamente significante ao nvel de 1%; para 4 deles, ao nvel de 5%; para 1 deles, ao
nvel de 10% e, para 2 deles, a diferena no estatisticamente significante. Os outros
5 gestores restantes apresentaram uma diferena negativa entre PGR e PPR, sendo que,
em 1 deles, essa diferena significante, ao nvel de 5%; em 2 deles, ao nvel de 10% e,
em 2 deles, ela no estatisticamente significante.
Em suma, aproximadamente 78% (18 de um total de 23) dos gestores apresentaram
evidncias da manifestao do efeito disposio. Se considerarmos apenas os resultados
estatisticamente significantes, esse percentual cai para 70%, mas, ainda assim, corrobora
a hiptese de que os gestores dos fundos analisados venderam uma proporo maior de
aes vencedoras em comparao com as aes perdedoras.
Na tabela 4, expem-se os resultados segmentados por gestor com base no volume
monetrio transacionado. Nesse caso, dos 23 gestores analisados, 10 apresentaram uma
diferena positiva entre PGR e PPR e 13 apresentaram uma diferena negativa entre
PGR e PPR. As diferenas, tanto positivas quanto negativas, so todas estatisticamente
significantes ao nvel de 1%. Em suma, os resultados por volume monetrio mostram
que, aproximadamente, 57% (13 de um total de 23) dos gestores no apresentaram evidncias da manifestao do efeito disposio. Dessa forma, no foi possvel corroborar a
hiptese de que os gestores realizaram um volume monetrio de transaes com ganhos
proporcionalmente maior ao volume monetrio de transaes com perdas.
Um problema potencial dos resultados apresentados na tabela 4 que, embora realmente atribuam peso maior para as transaes de maior magnitude em termos de volume
monetrio e peso menor para as de menor magnitude, eles no consideram a representatividade do volume transacionado para o gestor do fundo. Em outras palavras, um gestor
pode administrar um fundo X com patrimnio lquido de R$ 20 milhes e um fundo Y
926
78
175
76
433
816
337
202
572
247
111
120
2.338
1.092
1.222
2.330
BTG Pactual Asset Management S/A DTVM
Caixa Econmica Federal
FAR - Fator Administrao de Recursos Ltda.
Focus Assessoria em Investimentos S.C. LTDA.
Global Equity Administradora de Recursos S/A
HSBC Gesto de Recursos Ltda.
J. Malucelli DTVM Ltda.
Pragma Gesto de Patrimnio Ltda.
Santander Brasil Asset Management DTVM S/A
Schroder Investment Management Brasil DTVM S/A
SLW - Corretora de Valores e Cmbio Ltda.
Somma Investimentos S/S
UAM - Assessoria e Gesto de Investimentos Ltda.
UBS Pactual Asset Management S/A DTVM
Votorantim Asset Management DTVM Ltda.
Western Asset Management Company DTVM Ltda.
Os smbolos ,
37
1.388
782
745
1.831
85
43
161
759
55
107
1.040
130
81
146
77
839
2.157
45
20
1.694
212
187
GR
45
1.024
652
620
917
129
205
92
461
74
222
500
141
67
170
43
485
1.495
299
55
1.744
111
298
PNR
40
563
468
395
641
47
12
66
370
12
40
462
57
32
77
43
257
829
33
901
142
84
PR
PGR
0,3394
0,3733
0,3902
0,4056
0,4392
0,4146
0,2792
0,3946
0,5702
0,2140
0,2410
0,5603
0,2309
0,5159
0,4548
0,4968
0,4754
0,4140
0,1471
0,2469
0,3964
0,5699
0,3438
PPR
0,4706
0,3548
0,4179
0,3892
0,4114
0,2670
0,0553
0,4177
0,4452
0,1395
0,1527
0,4802
0,2879
0,3232
0,3117
0,5000
0,3464
0,3567
0,0994
0,1270
0,3406
0,5613
0,2199
0,1239
(0,0294)
0,0086
(0,0404)
0,0557
(0,0119)
0,1199
(0,0637)
0,0477
(0,0261)
0,0573
(0,0121)
0,1290
(0,0211)
-0,0032
(0,0672)
0,1431
(0,0405)
0,1927
(0,0616)
-0,0570
(0,0368)
0,0801
(0,0198)
0,0883
(0,0301)
0,0745
(0,0453)
0,1250
(0,0219)
-0,0231
(0,0461)
0,2239
(0,0393)
0,1476
(0,0479)
0,0278
(0,0146)
0,0164
(0,0191)
-0,0276
(0,0183)
0,0186
(0,0144)
-0,1311
(0,0706)
(PGR - PPR)
denotam significncia estatstica nos nveis de 1%, 5% e 10%, respectivamente
72
3.053
Bram Bradesco Asset Management S/A DTVM
XP Administrao de Recursos Ltda.
261
Banrisul S/A CVMC
2.580
Banco Ita S/A

61
160
tico Administradora de Recursos Ltda.
Bancoob Administrao e Gesto de Recursos Ltda.
357
GNR
ABN Amro Asset Management DTVM S/A
GESTOR
4,21
(0,000)
0,21
(0,415)
4,69
(0,000)
1,88
(0,031)
1,83
(0,034)
4,75
(0,000)
6,11
(0,000)
-0,05
(0,481)
3,53
(0,000)
3,13
(0,001)
-1,55
(0,061)
4,04
(0,000)
2,93
(0,002)
1,64
(0,050)
5,70
(0,000)
-0,50
(0,308)
5,69
(0,000)
3,08
(0,001)
1,90
(0,029)
0,86
(0,196)
-1,51
(0,066)
1,29
(0,099)
-1,86
(0,032)
Tabela 3 Resultados segmentados por gestor, por transao realizada, obtidos com base no preo mdio de compra

105
106
com patrimnio lquido de R$ 200 milhes. Nesse caso, um volume monetrio (seja um
ganho ou uma perda) da ordem de R$ 10 milhes representa 50% do patrimnio do fundo
X e, portanto, extremamente representativo para esse fundo. Contudo, no caso do fundo
Y, esse montante representa apenas 5% do patrimnio lquido do fundo e, desse modo,
no possui a mesma representatividade.
Uma maneira de resolver esse problema foi calcular a proporo de ganhos realizados
(PGR) e a proporo de perdas realizadas (PPR) para cada fundo individualmente e, em
seguida, calcular uma mdia de PGR e PPR para o grupo de fundos administrados pelo
mesmo gestor. Esses resultados, apresentados nas tabelas 25 e 26 do apndice C, no
mostraram inconsistncias importantes em relao aos resultados reportados nas tabelas
3 e 4, sendo possvel observar apenas um resultado discrepante na tabela 25 (Votorantim
Asset Management Company DTVM Ltda.) e um outro na tabela 26 (Banco Ita S/A).
4.1.2
Resultados dos modelos de regresso logstica
A sequncia dos resultados dos modelos de regresso logstica estimados segue a mesma
estrutura adotada na seo anterior, sendo que, primeiramente, so apresentados os resultados gerais para a amostra completa de fundos e, em seguida, analisam-se os resultados
segmentados por gestor.
Tanto para a amostra completa quanto para os resultados segmentados por gestor,
so apresentados os resultados dos modelos binrios (que consideram apenas a deciso de
vender ou no uma ao em determinado ms) bem como dos modelos ordenados (que
consideram a informao sobre o volume monetrio envolvido em cada transao).
Com relao ao diagnstico dos modelos, foi utilizada a estatstica z para avaliar a
significncia de cada um dos coeficientes estimados e a estatstica da razo de verossimilhana para avaliar o ajuste geral. O pseudo R2 e o valor de Hosmer e Lemeshow no
foram utilizados em virtude dos problemas descritos na seo 3.4.4. Para estimar tanto
os modelos binrios quanto os modelos ordenados, foi utilizado o software Eviews 4.1 .
Em todos os modelos, os resduos estimados das regresses foram calculados de maneira
robusta, de acordo com o procedimento de Huber/White.
R$ 109.131.459
R$ 108.047.573
R$ 82.916.401
R$ 11.093.550
R$ 457.596.774
R$ 25.864.641
R$ 24.326.302
R$ 753.822.662
R$ 89.794.215
R$ 1.557.857
R$ 12.791.099
R$ 3.431.063.922
Os smbolos ,
R$ 5.603.726
R$ 232.335.708
R$ 26.023.622
R$ 12.010.659
R$ 269.587.768
R$ 5.274.977
R$ 200.922
R$ 9.468.122
R$ 92.550.612
R$ 2.767.774
R$ 2.065.796
R$ 66.509.077
R$ 1.752.569
R$ 9.919.118
R$ 23.574.299
R$ 15.799.740
R$ 31.307.974
R$ 191.154.789
R$ 373.378
R$ 41.647
R$ 367.732.913
R$ 2.832.631
R$ 11.762.619
GR
R$ 13.854.177
R$ 418.696.794
R$ 24.751.882
R$ 28.033.190
R$ 325.084.970
R$ 6.028.370
R$ 2.065.932
R$ 17.231.760
R$ 151.264.648
R$ 2.249.756
R$ 5.590.377
R$ 107.102.552
R$ 1.857.951
R$ 19.502.307
R$ 57.758.975
R$ 32.688.477
R$ 63.253.667
R$ 512.617.551
R$ 14.673.605
R$ 234.867
R$ 850.159.833
R$ 3.065.835
R$ 27.085.930
PNR
PR
R$ 1.301.362
R$ 44.962.694
R$ 14.068.610
R$ 9.477.085
R$ 75.266.316
R$ 1.352.431
R$ 53.341
R$ 3.538.863
R$ 26.750.088
R$ 166.061
R$ 178.462
R$ 30.109.720
R$ 455.706
R$ 1.688.284
R$ 6.705.532
R$ 7.967.422
R$ 6.276.660
R$ 56.948.141
R$ 316.453
R$ 11.109
R$ 75.149.567
R$ 1.244.322
R$ 3.250.461
R$ 32.806.742
R$ 102.678.134
R$ 41.766.285
R$ 2.551.306.285
R$ 313.742.971
R$ 2.650.122.089
R$ 11.423.300
R$ 488.391
R$ 4.469.192.281
R$ 8.791.506
R$ 105.705.785
GNR
Banrisul S/A CVMC
Banco Ita S/A
GESTOR
0,1459
0,0634
0,2022
0,2233
0,0956
0,2920
0,1142
0,0954
0,1093
0,1022
0,0740
0,1269
0,1364
0,1068
0,1791
0,1265
0,0907
0,0673
0,0317
0,0786
0,0760
0,2437
0,1001
PGR
0,0859
0,0970
0,3624
0,2527
0,1880
0,1832
0,0252
0,1704
0,1503
0,0687
0,0309
0,2194
0,1970
0,0797
0,1040
0,1960
0,0903
0,1000
0,0211
0,0452
0,0812
0,2887
0,1071
PPR
-112,00
(0,000)
-178,62
(0,000)
-531,96
(0,000)
59,82
(0,000)
167,14
(0,000)
-2.437,33
(0,000)
12,26
(0,000)
-1.007,43
(0,000)
1.483,24
(0,000)
405,63
(0,000)
-217,40
(0,000)
-2.422,08
(0,000)
491,97
(0,000)
193,30
(0,000)
-1.418,32
(0,000)
-856,05
(0,000)
338,81
(0,000)
610,59
(0,000)
-4.554,11
(0,000)
-322,52
(0,000)
-1.887,25
(0,000)
-2.342,97
(0,000)
654,00
(0,000)
-0,0070
(0,0001)
-0,0450
(0,0003)
-0,0052
(0,0000)
0,0334
(0,0006)
0,0105
(0,0001)
-0,0327
(0,0000)
0,0005
(0,0000)
-0,0695
(0,0001)
0,0751
(0,0001)
0,0272
(0,0001)
-0,0605
(0,0003)
-0,0925
(0,0000)
0,0430
(0,0001)
0,0334
(0,0002)
-0,0409
(0,0000)
-0,0750
(0,0001)
0,0891
(0,0003)
0,1087
(0,0002)
-0,0924
(0,0000)
-0,0293
(0,0001)
-0,1602
(0,0001)
-0,0336
(0,0000)
0,0600
(0,0001)
(PGR - PPR)
Tabela 4 Resultados segmentados por gestor, por volume transacionado, obtidos com base no preo mdio de compra

107
108
4.1.2.1
Na tabela 5, esto os resultados da estimao do modelo de regresso logstica binrio

para a amostra completa de fundos analisados. Nas primeiras trs linhas, so apresentados
os coeficientes estimados para cada varivel independente bem como o erro padro associado a cada um deles. Na seqncia, expem-se a estatstica da razo de verossimilhana
e o nmero de observaes utilizado na estimao do modelo.
Observa-se na tabela 5, que o coeficiente da varivel RCAi,f,t , o qual denominamos
coeficiente de disposio, apresentou um valor positivo e estatisticamente significante ao
nvel de 1%. Esse sinal positivo indica que, em geral, quanto maior for o retorno contnuo
de uma ao, maior ser a probabilidade de a ao ser vendida. Com relao estatstica
de verossimilhana, o valor apresentado mostra que todos os regressores em conjunto tm
um impacto estatisticamente significante ao nvel de 1% na varivel dependente.
Trata-se de um resultado que mostra um alinhamento entre o modelo logit, apresentado
na tabela 5, e o teste de propores, apresentado na tabela 1. Em ambos os casos, os
resultados trouxeram indcios que confirmam a presena do efeito disposio.
Tabela 5 Resultados gerais do modelo de regresso logstica binrio
Varivel Independente
RCAi,f,t
LN P Lf,t
Constante
Razo de Verossimilhana
Observaes
Coeficiente
Erro Padro
0,5256
0,0411
-1,1667
0,0378
0,0058
0,1005
252,6107
45.668
Em cada um dos meses analisados, a varivel dependente assume o

valor 1 para as aes que foram vendidas e valor 0 para as demais.
As variveis independentes utilizadas so o retorno contnuo da ao
e o logaritmo neperiano do patrimnio lquido do fundo. A definio
operacional das variveis consta na seo 3.4.3. Os smbolos , e
denotam significncia estatstica da estimativa nos nveis de 1%, 5%
e 10%, respectivamente. Os resduos estimados foram calculados de
maneira robusta, de acordo com o procedimento de Huber/White.
Na tabela 6, so apresentados os resultados da estimao do modelo de regresso

logstica ordenado para a amostra completa de fundos analisados. Ela encontra-se dividida
em trs partes: na parte superior, esto expostos os coeficientes estimados para cada
varivel independente bem como o erro padro associado a cada um deles; na parte
intermediria, so apresentados os pontos de corte estimados e, na inferior, verificam-se a
estatstica da razo de verossimilhana e o nmero de observaes utilizado na estimao
109
do modelo.
Os resultados constantes na tabela 6, para o modelo ordenado, mostram que o coeficiente da varivel RCAi,f,t (coeficiente de disposio) tambm apresentou um valor positivo
e estatisticamente significante ao nvel de 1%. Nesse caso, o sinal positivo indica que, em
geral, quanto maior for o retorno contnuo de uma ao, maior ser a proporo vendida
da ao. Com relao estatstica de verossimilhana, o valor exposto mostra que todos
os regressores, em conjunto, tm um impacto estatisticamente significante ao nvel de 1%
na varivel dependente.
Tabela 6 Resultados gerais do modelo de regresso logstica ordenado
Coeficiente
Erro Padro
RCAi,f,t
LN P Lf,t
0,2926
0,0374
0,0343
0,0057
1
2
3
4
5
1,0872
2,0433
2,5312
2,8854
3,1654
0,0981
0,0987
0,0991
0,0995
0,1001
Observaes
113,8497
45.668
A varivel dependente utilizada na estimao foi obtida com base na

varivel latente (PVRi,f,t ). As variveis independentes utilizadas so o
retorno contnuo da ao e o logaritmo neperiano do patrimnio lquido
do fundo. A definio operacional das variveis consta nas sees 3.4.3 e
3.4.6. Os smbolos , e denotam significncia estatstica da estimativa nos nveis de 1%, 5% e 10%, respectivamente. Os resduos estimados
foram calculados de maneira robusta, de acordo com o procedimento de
Huber/White.
Com base nesse resultado, possvel constatar uma divergncia entre o modelo logit
ordenado, apresentado na tabela 6, e o teste de propores, contido na tabela 2. Os
resultados dos testes de propores (considerando o volume monetrio transacionado)
revelaram uma diferena negativa entre PGR e PPR, indicando exatamente o oposto do
que preconiza o efeito disposio. J no caso do modelo logit ordenado, o coeficiente de
disposio estimado mostra uma associao positiva entre a proporo vendida de uma
ao e seu retorno contnuo, ou seja, indica que, quanto maior for a diferena entre o preo
de mercado de uma ao e seu preo mdio de compra, maior ser o volume monetrio
vendido dessa ao.21
21
Uma discusso detalhada dos motivos potenciais dessa divergncia feita na seo 4.3.
110
4.1.2.2
Feita a discusso dos resultados gerais, apresentam-se e discutem-se, nesta seo, os

resultados dos modelos de regresso logstica binrios e ordenados segmentados por gestor.
Na tabela 7, h os resultados da estimao do modelo de regresso logstica binrio segmentados por gestor. A primeira coluna mostra o nome da instituio gestora
e as demais colunas, direita, apresentam os coeficientes estimados para cada varivel
independente bem como a estatstica da razo de verossimilhana (RV) e o nmero de
observaes utilizado na estimao. O erro padro figura entre parnteses abaixo de cada
coeficiente estimado.
Os resultados constantes na tabela 7 mostram que, dos 23 gestores analisados, 20
apresentaram um coeficiente positivo para a varivel RCAi,f,t (coeficiente de disposio).
Considerando a significncia estatstica de tais coeficientes, constata-se que, desses 20
casos, 12 mostram-se significantes ao nvel de 1%; 1 deles ao nvel de 5%; 3 ao nvel de
10% e, em 4 deles, o coeficiente de disposio no apresenta signficncia estatstica.
Dessa forma, possvel verificar que, aproximadamente, 87% (20 de um total de 23)
dos gestores apresentaram evidncias da manifestao do efeito disposio. Se considerarmos apenas os resultados estatisticamente significantes, embora esse percentual apresente
uma reduo para 70% dos casos, ele ainda bastante expressivo no sentido de corroborar a hiptese de que, quanto maior for o retorno contnuo de uma ao, maior ser a
probabilidade de a ao ser vendida.
No que diz respeito ao diagnstico dos modelos estimados, em todos os 16 casos em
que foram verificados coeficientes de disposio positivos e significantes, a estatstica da
razo de verossimilhana tambm apresentou significncia estatstica (1% em 12 casos;
5% em 2 casos e 10% nos 2 casos restantes).
Os resultados relatados para o modelo logit binrio mostram-se totalmente alinhados
com aqueles reportados para os testes de propores, apresentados na tabela 3. Em ambos
os casos, foi constatado o mesmo percentual de gestores (70%) que apresentaram resultados estatisticamente significantes, indicando a presena do efeito disposio. Apenas
1 gestor (Schroder) apresentou resultados ambguos, ou seja, apresentou uma diferena
negativa (embora no significante) entre PGR e PPR no teste de propores e um coeficiente de disposio positivo e estatisticamente significante ao nvel de 10% no modelo
logit binrio.
J na prxima tabela, a 8, esto expostos os resultados da estimao do modelo de
1,5316
(0,3567)
0,4892
(0,4649)
0,5559
(0,0964)
1,2585
(1,6582)
0,6410
(0,2752)
0,3447
(0,1011)
0,5668
(0,1329)
0,8241
(0,9770)
1,1838
(0,3248)
0,9855
(0,6445)
-0,1042
(0,3860)
1,0197
(0,1691)
1,1219
(0,4087)
1,3885
(0,3871)
1,5806
(0,2348)
0,8398
(0,4931)
2,6489
(0,5067)
2,5259
(0,9045)
0,1995
(0,1151)
0,2485
(0,1512)
-0,3950
(0,1765)
0,5180
(0,0986)
-0,6659
(0,6773)
-0,1695
(0,1879)
-0,0158
(0,1267)
0,0262
(0,0145)
0,0022
(0,1055)
0,2190
(0,1469)
0,0065
(0,0167)
0,7022
(0,0843)
-0,2011
(0,2681)
0,0765
(0,1786)
-0,8786
(0,3112)
-0,0622
(0,0693)
0,0569
(0,0235)
-0,2139
(0,0656)
0,0675
(0,1618)
0,1016
(0,0279)
-0,0694
(0,0501)
0,2478
(0,0760)
0,4051
(0,0897)
0,0664
(0,0314)
0,1009
(0,0470)
0,0655
(0,0222)
0,1238
(0,0218)
3,2136
(2,7289)
LN P Lf,t
1,8657
(3,1564)
0,4874
(1,9373)
-1,0058
(0,2562)
-1,4673
(1,7785)
-5,1720
(2,1552)
-0,5691
(0,2890)
-12,9005
(1,5115)
3,5704
(4,8086)
-1,8507
(3,1324)
14,6174
(5,2891)
-0,0772
(1,1498)
-0,8708
(0,3770)
2,4244
(1,1818)
-3,0091
(2,9006)
-1,6388
(0,4540)
0,6530
(0,8365)
-5,2449
(1,1045)
-7,5805
(1,5523)
-1,5182
(0,5772)
-2,3134
(0,8811)
-1,4735
(0,3719)
-2,6334
(0,3570)
-57,2707
(48,2952)
Constante
RV
2,1062
64,9079
15,0242
7,2403
7,5994
37,1534
35,4665
5,3816
70,2719
15,1686
16,9295
43,4741
0,8878
13,0007
15,7483
1,1667
95,0071
11,8314
5,4381
0,8857
42,3409
1,0992
22,1920
194
5.305
3.124
2.852
5.727
381
371
566
2.162
343
706
2.818
761
256
568
241
2.507
7.534
638
144
6.919
625
926
Obs.
Os smbolos , e denotam significncia estatstica nos nveis de 1%, 5% e 10%, respectivamente
Banrisul S/A CVMC
Banco Ita S/A
RCAi,f,t
GESTOR
Tabela 7 Resultados do modelo de regresso logstica binrio segmentados por gestor

111
112
regresso logstica ordenado segmentados por gestor. Na primeira coluna, h o nome da

instituio gestora e, nas demais colunas, direita, os coeficientes estimados para cada
varivel independente; os pontos de corte estimados pelo modelo; a estatstica da razo de
verossimilhana (RV) e o nmero de observaes utilizado na estimao. O erro padro
figura entre parnteses abaixo de cada coeficiente estimado.
Os resultados revelaram que, dos 23 gestores analisados, 17 apresentaram um coeficiente positivo para a varivel RCAi,f,t (coeficiente de disposio). Considerando a significncia estatstica de tais coeficientes, verifica-se que, desses 17 casos, 10 mostram-se
significantes ao nvel de 1%; 2 deles ao nvel de 5% e, em 5 deles, o coeficiente de disposio
no apresenta signficncia estatstica. possvel, desse modo, verificar que, aproximadamente, 74% (17 de um total de 23) dos gestores apresentaram evidncias da manifestao
do efeito disposio. No entanto, se considerarmos apenas os resultados estatisticamente
significantes, esse percentual reduzido para 52%.
Nesse caso, novamente, possvel constatar uma divergncia entre o modelo logit
ordenado, apresentado na tabela 8, e o teste de propores, apresentado na tabela 4.
Os resultados dos testes de propores (considerando o volume monetrio transacionado)
indicaram que, dos 23 gestores, 13 apresentaram uma diferena negativa e estatisticamente
significante entre PGR e PPR. J no caso do modelo logit ordenado, dos 23 gestores, 17
apresentaram um coeficiente de disposio estimado positivo (embora apenas 12 tenham
se revelado estatisticamente significantes).
Um aspecto importante que merece ser destacado que, embora os resultados significantes no tenham se mostrado to expressivos (apenas 52% dos casos), o modelo logit
ordenado no identificou o efeito oposto na maioria dos gestores, como foi o caso dos
resultados nos testes de propores, em que, aproximadamente, 57% dos gestores (13 de
um total de 23) apresentaram uma propenso maior realizao de perdas.

que foram verificados coeficientes de disposio positivos e significantes, a estatstica da
razo de verossimilhana tambm apresentou significncia estatstica (1% em 11 casos e
10% em 1 caso).
1,1368
(0,3275)
-0,0154
(0,4073)
0,4971
(0,0929)
1,2472
(1,6153)
0,6452
(0,2677)
0,0226
(0,0903)
0,3252
(0,1216)
-0,7588
(0,9938)
0,9495
(0,2401)
0,5178
(0,4063)
-0,0281
(0,4005)
0,3585
(0,1530)
1,0660
(0,4112)
1,3953
(0,4043)
0,9368
(0,2079)
0,4334
(0,4872)
2,8833
(0,5452)
1,7344
(0,8501)
0,0260
(0,1121)
-0,0469
(0,1426)
-0,5216
(0,1741)
0,3037
(0,0898)
-0,5022
(0,6161)
Os smbolos ,
-0,1058
(0,1852)
-0,0109
(0,1179)
0,0153
(0,0145)
-0,0071
(0,1030)
0,2161
(0,1450)
0,0027
(0,0173)
0,6790
(0,0781)
-0,2923
(0,2601)
0,0723
(0,1602)
-0,7520
(0,2755)
-0,0292
(0,0674)
0,0464
(0,0214)
-0,2220
(0,0662)
0,0510
(0,1686)
0,1152
(0,0246)
-0,0854
(0,0487)
0,2704
(0,0769)
0,3905
(0,0893)
0,0564
(0,0290)
0,0885
(0,0461)
0,0565
(0,0213)
0,1062
(0,0210)
2,3168
(2,7178)
LN P Lf,t
-0,8105
(3,1109)
-0,3756
(1,8037)
0,8115
(0,2576)
1,3103
(1,7387)
5,1297
(2,1288)
0,4695
(0,2984)
12,4594
(1,4023)
-5,2718
(4,6845)
1,7682
(2,8100)
-12,4526
(4,6700)
0,6696
(1,1200)
0,6471
(0,3461)
-2,4976
(1,1945)
2,7157
(3,0139)
1,8369
(0,4016)
-0,9580
(0,8151)
5,5987
(1,1198)
7,3361
(1,5456)
1,3175
(0,5348)
2,0714
(0,8657)
1,3227
(0,3572)
2,3196
(0,3454)
41,4308
(48,1086)
1
-0,0703
(3,1075)
0,2990
(1,8033)
1,9568
(0,2600)
1,6593
(1,7498)
5,7406
(2,1384)
1,4130
(0,2993)
13,8756
(1,4084)
-4,1732
(4,6850)
2,5540
(2,8104)
-11,4641
(4,6524)
1,0110
(1,1188)
1,9345
(0,3494)
-2,1953
(1,1953)
3,6087
(3,0193)
3,0920
(0,4047)
0,2488
(0,8213)
5,7226
(1,1208)
7,8715
(1,5582)
2,2240
(0,5357)
2,7500
(0,8669)
1,9543
(0,3590)
3,4253
(0,3495)
42,2511
(48,1132)
2
0,3733
(3,1045)
0,7073
(1,8025)
2,5283
(0,2611)
2,2943
(1,7538)
6,4969
(2,1358)
1,8644
(0,2998)
14,6688
(1,4048)
-3,5622
(4,6895)
2,9865
(2,8128)
-11,2252
(4,6591)
1,3559
(1,1130)
2,6247
(0,3532)
-2,0186
(1,1965)
4,1251
(3,0069)
3,6216
(0,4062)
0,6567
(0,8275)
5,9136
(1,1312)
8,2318
(1,5608)
2,6871
(0,5356)
3,2786
(0,8669)
2,2699
(0,3591)
3,9655
(0,3512)
42,6920
(48,1133)
Banrisul S/A CVMC
Banco Ita S/A
RCAi,f,t
GESTOR
0,5821
(3,0974)
0,9860
(1,8030)
2,9609
(0,2616)
2,6056
(1,7581)
7,2086
(2,1475)
2,2270
(0,3006)
15,1224
(1,4072)
-3,4263
(4,6841)
3,3376
(2,8115)
-11,1464
(4,6567)
1,7258
(1,1141)
2,9523
(0,3552)
-1,6480
(1,1997)
4,5805
(3,0128)
3,9354
(0,4068)
0,9403
(0,8305)
6,2049
(1,1305)
8,5253
(1,5653)
3,0631
(0,5363)
3,6797
(0,8674)
2,6159
(0,3596)
4,3064
(0,3527)
43,0494
(48,1133)
4
0,7587
(3,0999)
1,1997
(1,7994)
3,2185
(0,2626)
2,7308
(1,7411)
8,0068
(2,1941)
2,5027
(0,3017)
15,6756
(1,4119)
-3,1507
(4,6846)
3,6335
(2,8090)
-11,0344
(4,6640)
1,9706
(1,1159)
3,1034
(0,3571)
-1,4908
(1,1995)
4,6647
(2,9960)
4,2828
(0,4085)
1,0512
(0,8309)
6,4008
(1,1334)
8,7810
(1,5669)
3,3398
(0,5369)
4,1142
(0,8721)
2,9980
(0,3613)
4,5425
(0,3541)
43,2137
(48,1133)
RV
1,2745
38,2842
17,6538
3,9146
3,7242
31,1694
39,3611
4,2026
46,2829
15,2014
16,8792
9,8250
0,1866
9,0173
12,7203
2,0791
85,2997
0,0774
5,4253
0,8786
34,3229
0,0098
13,1384
Tabela 8 Resultados do modelo de regresso logstica ordenado segmentados por gestor
194
5.305
3.124
2.852
5.727
381
371
566
2.162
343
706
2.818
761
256
568
241
2.507
7.534
638
144
6.919
625
926
Obs.

113
114
4.2
Resultados com base no retorno em excesso de

mercado
Nesta segunda seo do captulo, apresentam-se os resultados considerando o retorno

em excesso de mercado como ponto de referncia para determinar ganhos e perdas. As
tabelas aqui seguem a mesma estrutura das tabelas da seo anterior. Primeiramente, so
expostos os resultados gerais e, em seguida, so apresentados os resultados segmentados
por gestor.
Tambm a exemplo da seo anterior, primeiramente, realizada a apresentao dos
resultados dos testes de propores considerando tanto o nmero de transaes quanto o
volume monetrio transacionado e, na seqncia, expem-se os resultados dos modelos de
regresso logstica binrios e ordenados.
4.2.1
4.2.1.1
Na tabela 9, constam os resultados gerais por transao realizada, os quais so bastante

similares queles obtidos na seo anterior, quando o preo mdio de compra foi estabelecido como ponto de referncia para determinar ganhos e perdas. Nesse caso, calculando
os ganhos e perdas tendo como base o retorno em excesso de mercado, a proporo de ganhos realizados em relao aos ganhos totais (PGR) foi de 0,4237 e a proporo de perdas
realizadas em relao s perdas totais (PPR) foi de 0,3690. Como a diferena entre PGR
e PPR (0,0548) estatisticamente significante ao nvel de 1%, novamente, o resultado
baseado no nmero de transaes realizadas confirma a manifestao do efeito disposio
por parte dos gestores dos fundos, ou seja, as transaes envolvendo ganhos realizados
foram mais numerosas proporcionalmente quelas envolvendo perdas realizadas.
J na tabela 10, so expostos os resultados com base nos volumes monetrios negociados. Novamente, os resultados seguem a mesma linha daqueles apresentados na seo
anterior e revelaram que, quando so computados os ganhos e perdas realizados e no
realizados por volume monetrio, os gestores dos fundos analisados operam um volume
monetrio proporcionalmente maior de aes perdedoras em relao quele negociado
com as aes vencedoras. A proporo de ganhos realizados em relao aos ganhos totais
(PGR) foi de 0,0798 e a proporo de perdas realizadas em relao s perdas totais (PPR)
115
4.2 Resultados com base no retorno em excesso de mercado
Tabela 9 Resultados gerais por transao realizada obtidos com base no retorno
em excesso de mercado

14.200
10.442
13.268
7.758

(PGR - PPR)
Erro Padro
Estatstica t
0,4237
0,3690
0,0548
0,0046
11,96
Os smbolos , e denotam significncia estatstica nos

nveis de 1%, 5% e 10%, respectivamente
foi de 0,1244. Como a diferena negativa entre PGR e PPR (-0,0446) estatisticamente
significante ao nvel de 1%, tais resultados ratificam os encontrados na seo anterior e evidenciam que, quando as propores de ganhos e perdas realizados so calculadas com base
no volume monetrio negociado pelos gestores, no possvel identificar a manifestao
do efeito disposio.
Tabela 10 Resultados gerais por volume transacionado obtidos com base no retorno em excesso de mercado

(PGR - PPR)
Erro Padro
Estatstica t
R$ 14.822.526.566
R$ 1.285.078.672
R$ 3.258.357.062
R$ 462.810.456
0,0798
0,1244
-0,0446
0,0000
-7.667,26

4.2.1.2
Os resultados segmentados por gestor com base no nmero de transaes realizadas

esto expostos na tabela 11. Do total de 23 gestores analisados, 19 apresentaram uma
diferena positiva entre PGR e PPR. Considerando a significncia estatstica dessas diferenas, verifica-se que, desses 19 casos, 14 mostram-se significantes ao nvel de 1%; 2 deles
ao nvel de 5%; 1 deles ao nvel de 10% e 2 casos no apresentam significncia estatstica.
116
Esse resultado, embora similar, relativamente mais expressivo em favor do efeito

disposio do que aquele verificado na seo anterior, quando o ponto de referncia adotado para determinar ganhos e perdas foi o preo mdio de compra. Aproximadamente,
83% (19 de um total de 23) dos gestores apresentaram evidncias da manifestao do
efeito disposio e, se considerarmos apenas os resultados estatisticamente significantes,
esse percentual cai ligeiramente para 74%, mantendo-se, ainda assim, expressivo. J em
relao aos gestores nos quais foi verificada uma diferena negativa entre PGR e PPR,
pode-se observar 1 resultado significante ao nvel de 5%; 1 ao nvel de 10% e dois sem
significncia estatstica.
Os resultados segmentados por gestor com base no volume transacionado esto na tabela 12. Ao contrrio da situao anterior, em que os resultados por transao realizada,
apresentados na tabela 11, se mostraram mais expressivos na manifestao do efeito disposio em relao queles verificados na tabela 3, neste caso, constatado exatamente
o efeito oposto. A comparao dos resultados da tabela 12 com aqueles apresentados na
tabela 4 leva concluso de que, quando adotado o retorno em excesso de mercado
como ponto de referncia para determinar ganhos e perdas, as evidncias em termos de
volume negociado se contrapem mais fortemente presena do efeito disposio. Dos 23
gestores analisados, 9 deles apresentaram uma diferena positiva entre PGR e PPR e 14
apresentaram uma diferena negativa entre PGR e PPR. As diferenas, tanto positivas
quanto negativas, so todas estatisticamente significantes ao nvel de 1%.
Nesse caso, o percentual de gestores que no apresentaram evidncias da manifestao

do efeito disposio de, aproximadamente, 61% (14 de um total de 23). Novamente,
os resultados obtidos com base em volumes negociados no confirmam a hiptese de que
os gestores realizam um volume monetrio de transaes com ganhos proporcionalmente
maior ao volume monetrio de transaes com perdas. Com o objetivo de verificar se os
volumes no esto concentrados em fundos com patrimnio lquido de diferente magnitude,
novamente foi calculada a mdia de PGR e PPR para o grupo de fundos administrado pelo
mesmo gestor. Esses resultados, apresentados nas tabelas 27 e 28 do apndice C, tambm
no mostraram inconsistncias relevantes em relao aos resultados reportados nas tabelas
11 e 12. Na tabela 27, no verificada nenhuma discrepncia e, na 28, so encontrados
dois resultados discrepantes (Banco Ita S/A e BTG Pactual Asset Management S/A
DTVM).
804
47
127
64
291
672
228
162
549
200
69
102
1.847
792
965
1.916
Os smbolos ,
36
1.174
595
601
1.485
80
28
141
676
53
80
907
94
67
106
64
708
1.821
34
11
1.380
168
133
GR
50
1.438
909
920
1.408
147
247
139
484
114
331
644
283
79
218
74
607
1.987
415
65
2.195
159
355
PNR
41
777
655
539
987
52
27
86
453
14
67
595
93
46
117
56
388
1.165
44
17
1.215
186
138
PR
0,3495
0,3799
0,3814
0,4314
0,4457
0,4396
0,2887
0,4135
0,5518
0,2465
0,2597
0,5744
0,2442
0,5115
0,4549
0,5766
0,4683
0,4156
0,1899
0,1774
0,3933
0,6000
0,3072
PGR
0,4505
0,3508
0,4188
0,3694
0,4121
0,2613
0,0985
0,3822
0,4835
0,1094
0,1683
0,4802
0,2473
0,3680
0,3493
0,4308
0,3899
0,3696
0,0959
0,2073
0,3563
0,5391
0,2799
PPR
0,0272
(0,0300)
0,0609
(0,0397)
0,0370
(0,0116)
-0,0299
(0,0660)
0,0941
(0,0324)
0,0460
(0,0114)
0,0783
(0,0201)
0,1458
(0,0639)
0,1057
(0,0417)
0,1435
(0,0614)
-0,0032
(0,0312)
0,0942
(0,0189)
0,0914
(0,0312)
0,1371
(0,0403)
0,0684
(0,0216)
0,0313
(0,0420)
0,1901
(0,0494)
0,1783
(0,0482)
0,0336
(0,0132)
0,0620
(0,0183)
-0,0374
(0,0175)
0,0291
(0,0134)
-0,1010
(0,0702)
(PGR - PPR)
67
2.561
145
Banrisul S/A CVMC
2.129
Banco Ita S/A

51
112
300
GNR
GESTOR
0,91
(0,182)
1,53
(0,063)
3,18
(0,001)
-0,45
(0,326)
2,91
(0,002)
4,04
(0,000)
3,90
(0,000)
2,28
(0,012)
2,53
(0,006)
2,34
(0,010)
-0,10
(0,459)
4,99
(0,000)
2,93
(0,002)
3,40
(0,000)
3,16
(0,001)
0,75
(0,228)
3,85
(0,000)
3,70
(0,000)
2,54
(0,006)
3,38
(0,000)
-2,13
(0,016)
2,18
(0,015)
-1,44
(0,076)
Tabela 11 Resultados segmentados por gestor, por transao realizada, obtidos com base no retorno em excesso de mercado

117
118
Banrisul S/A CVMC
R$ 746.095.116
R$ 22.096.828
R$ 24.056.386
R$ 447.640.954
R$ 10.092.170
R$ 79.665.088
R$ 90.356.823
R$ 102.599.653
R$ 295.916.625
R$ 2.585.812.053
R$ 7.943.652
R$ 429.803
R$ 4.293.708.440
R$ 7.852.345
R$ 100.714.317
GNR
R$ 8.801.441
R$ 90.275.637
R$ 2.704.553
R$ 1.930.896
R$ 62.613.509
R$ 1.593.679
R$ 9.040.054
R$ 18.221.563
R$ 16.110.486
R$ 29.355.851
R$ 185.163.483
R$ 294.799
R$ 33.849
R$ 342.582.139
R$ 2.625.189
R$ 9.216.505
GR
R$ 2.631.277
R$ 20.581.420
R$ 158.992.193
R$ 4.479.229
R$ 7.398.633
R$ 117.058.371
R$ 2.859.330
R$ 22.753.620
R$ 75.449.724
R$ 39.220.283
R$ 81.080.012
R$ 576.927.587
R$ 18.153.253
R$ 293.455
R$ 1.025.643.674
R$ 4.004.996
R$ 32.077.399
PNR
R$ 1.391.324
R$ 110.374
R$ 4.205.544
R$ 29.025.064
R$ 229.282
R$ 313.362
R$ 34.005.288
R$ 614.597
R$ 2.567.347
R$ 12.058.268
R$ 7.656.677
R$ 8.228.783
R$ 62.939.447
R$ 395.032
R$ 18.907
R$ 100.300.341
R$ 1.451.764
R$ 5.796.574
PR
0,0917
0,2959
0,1266
0,0924
0,1079
0,1090
0,0743
0,1227
0,1364
0,1019
0,1678
0,1357
0,0903
0,0668
0,0358
0,0730
0,0739
0,2506
0,0838
PGR
0,2656
0,1807
0,1795
0,0403
0,1697
0,1544
0,0487
0,0406
0,2251
0,1769
0,1014
0,1378
0,1633
0,0921
0,0984
0,0213
0,0605
0,0891
0,2660
Tabela 12 Resultados segmentados por gestor, por volume transacionado, obtidos com base no retorno em excesso de mercado
R$ 86.444.555
R$ 143.889
R$ 6.360.219
R$ 100.200.482
0,2085
0,3251

Banco Ita S/A

R$ 992.512
R$ 5.236.083
R$ 454.234.990
R$ 11.423.328
0,1967
0,1028
(PGR - PPR)
R$ 12.459.250
R$ 244.653.602
R$ 31.588.564
R$ 18.082.862
0,0613
PPR
R$ 2.422.156.265
R$ 10.064.416
R$ 37.546.513
R$ 60.182.282
0,1046
GESTOR
R$ 38.210.912
R$ 22.009.370
R$ 525.203.034
0,1388
0,1530
R$ 89.883.503
R$ 217.116.119
R$ 1.613.527
R$ 3.324.557.682
R$ 13.819.285
-1.078,09
(0,000)
-66,86
(0,000)
-1.630,11
(0,000)
21,78
(0,000)
198,76
(0,000)
-2.484,94
(0,000)
-54,77
(0,000)
-442,13
(0,000)
583,89
(0,000)
7,63
(0,000)
-177,79
(0,000)
-2.770,81
(0,000)
383,65
(0,000)
514,59
(0,000)
-1.632,20
(0,000)
-953,60
(0,000)
258,74
(0,000)
663,61
(0,000)
-5.152,19
(0,000)
-640,35
(0,000)
-1.753,90
(0,000)
-3.148,12
(0,000)
356,69
(0,000)
R$ 5.291.561
-0,0692
(0,0001)
-0,0155
(0,0002)
-0,0152
(0,0000)
0,0125
(0,0006)
0,0145
(0,0001)
-0,0315
(0,0000)
-0,0019
(0,0000)
-0,0276
(0,0001)
0,0300
(0,0001)
0,0005
(0,0001)
-0,0405
(0,0002)
-0,1024
(0,0000)
0,0337
(0,0001)
0,0604
(0,0001)
-0,0464
(0,0000)
-0,0773
(0,0001)
0,0864
(0,0003)
0,1164
(0,0002)
-0,0890
(0,0000)
-0,0571
(0,0001)
-0,1284
(0,0001)
-0,0415
(0,0000)
0,0342
(0,0001)
R$ 32.841.634
Os smbolos ,
119
4.2.2
Resultados dos modelos de regresso logstica
A seguir, so apresentados e discutidos os resultados dos modelos de regresso logstica estimados. A seqncia dos resultados segue a mesma estrutura da seo anterior.
Primeiramente, so expostos os resultados gerais para a amostra completa de fundos e,
em seguida, feita uma anlise dos resultados segmentados por gestor.
4.2.2.1
Os resultados da estimao do modelo de regresso logstica binrio para a amostra

completa de fundos analisados esto na tabela 13. Eles mostram que o coeficiente da varivel REMi,f,t (coeficiente de disposio) apresentou um valor positivo e estatisticamente
significante ao nvel de 1%. No caso, esse sinal positivo indica que, em geral, quanto maior
for o retorno em excesso de mercado de uma ao, maior ser a probabilidade de a ao
ser vendida. J com relao estatstica de verossimilhana, o valor apresentado indica
que todos os regressores, em conjunto, tm um impacto estatisticamente significante ao
nvel de 1% na varivel dependente.
Nesse caso, tambm possvel identificar um padro de alinhamento entre o modelo
logit, apresentado na tabela 13, e o teste de propores, que consta na tabela 9. Em
ambos os casos, os resultados trouxeram fortes indcios que confirmam a presena do
efeito disposio.
Tabela 13 Resultados gerais do modelo de regresso logstica binrio
REMi,f,t
LN P Lf,t
Constante
Observaes
Coeficiente
Erro Padro
0,4609
0,0415
-1,1380
0,0400
0,0058
0,1004
189,7605
45.668
Em cada um dos meses analisados, a varivel dependente assume o

valor 1 para as aes que foram vendidas e valor 0 para as demais.
As variveis independentes utilizadas so o retorno em excesso de
mercado da ao e o logaritmo neperiano do patrimnio lquido do
fundo. A definio operacional das variveis consta na seo 3.4.3.
Os smbolos , e denotam significncia estatstica da estimativa
nos nveis de 1%, 5% e 10%, respectivamente. Os resduos estimados
foram calculados de maneira robusta, de acordo com o procedimento
de Huber/White.
120
Na tabela 14, so expostos os resultados da estimao do modelo de regresso logstica ordenado para a amostra completa de fundos analisados. Nesse caso, os resultados
tambm revelam um coeficiente positivo e estatisticamente significante ao nvel de 1%
para a varivel REMi,f,t (coeficiente de disposio), o que indica que, em geral, quanto
maior for o retorno em excesso de uma ao, maior ser a proporo vendida da ao.
Com relao estatstica de verossimilhana, o valor apresentado indica que todos os
regressores, em conjunto, tm um impacto estatisticamente significante ao nvel de 1% na
varivel dependente.
Novamente, os resultados do modelo logit ordenado, apresentados na tabela 14, destoam daqueles reportados, na tabela 10, para o teste de propores. No caso desse ltimo,
constatada uma diferena negativa e estatisticamente significante ao nvel de 1% entre
PGR e PPR, ao passo que o modelo logit ordenado reporta um coeficiente de disposio
positivo e estatisticamente significante ao nvel de 1%.
Tabela 14 Resultados gerais do modelo de regresso logstica ordenado
Coeficiente
Erro Padro
REMi,f,t
LN P Lf,t
0,1745
0,0378
0,0365
0,0057
1
2
3
4
5
1,0723
2,0273
2,5153
2,8696
3,1497
0,0981
0,0986
0,0990
0,0994
0,1000
Observaes
67,1709
45.668

varivel latente (PVRi,f,t ). As variveis independentes utilizadas so
o retorno em excesso de mercado da ao e o logaritmo neperiano do
patrimnio lquido do fundo. A definio operacional das variveis consta
nas sees 3.4.3 e 3.4.6. Os smbolos , e denotam significncia
estatstica da estimativa nos nveis de 1%, 5% e 10%, respectivamente.
Os resduos estimados foram calculados de maneira robusta, de acordo
com o procedimento de Huber/White.
4.2.2.2
Na tabela 15, h os resultados da estimao do modelo de regresso logstica binrio

segmentados por gestor, os quais mostram que, dos 23 gestores analisados, 20 apresentaram um coeficiente positivo para a varivel REMi,f,t (coeficiente de disposio). Desses
121
20 casos, 11 so significantes ao nvel de 1%; 2 deles ao nvel de 5%; 1 deles ao nvel de

10% e, em 6 deles, o coeficiente de disposio no apresenta signficncia estatstica.
Constata-se, dessa maneira, que, aproximadamente, 87% (20 de um total de 23) dos
gestores apresentaram evidncias da manifestao do efeito disposio, sendo 14 deles
estatisticamente signficantes (61% dos casos). No que diz respeito ao diagnstico dos modelos estimados, em todos os 14 casos em que foram verificados coeficientes de disposio
positivos e significantes, a estatstica de verossimilhana tambm apresentou significncia
estatstica (1% em 12 casos e 10% nos 2 casos restantes).
Os resultados apresentados para o modelo logit binrio revelam a existncia de um

alinhamento menor com o teste de propores, apresentado na tabela 11, no que se refere
significncia estatstica. No caso desse ltimo, 17 gestores apresentaram uma diferena
positiva significante entre PGR e PPR. J no caso do modelo logit binrio, apenas 14
deles apresentaram um coeficiente de disposio positivo e estatisticamente significante.
Por fim, na tabela 16, so apresentados os resultados do modelo de regresso logstica

ordenado segmentados por gestor. Nesse caso, observa-se que, dos 23 gestores analisados,
15 apresentaram um coeficiente positivo para a varivel REMi,f,t (coeficiente de disposio). No entanto, como apenas 6 gestores apresentaram coeficientes estatisticamente
significantes, de todos os resultados reportados, esse o que aponta para as evidncias
menos favorveis manifestao do efeito disposio.
Uma comparao dos resultados apresentados na tabela 16 com aqueles reportados na

tabela 12 mostra novamente que, embora a maioria dos coeficientes de disposio estimados no tenha se mostrado to expressivo em termos de significncia estatstica (apenas
26% dos casos), o modelo logit ordenado no identificou o efeito oposto na maioria dos
gestores, uma vez que, aproxidamente, 61% deles apresentou um coeficiente de disposio
positivo (embora no signficante). J no caso do teste de propores, 61% dos gestores
(14 de um total de 23) apresentaram uma propenso maior realizao de perdas dada a
verificao de uma diferena negativa entre PGR e PPR (todas significantes ao nvel de
1%).

que foram verificados coeficientes de disposio positivos e significantes, a estatstica de
verossimilhana tambm apresentou significncia estatstica ao nvel de 1%.
122
GESTOR
REMi,f,t
LN P Lf,t
2,4429
(3,1282)
0,4663
(1,9479)
-1,0050
(0,2551)
-1,7898
(1,7942)
-5,0026
(2,1715)
-0,5372
(0,2885)
-12,6767
(1,5073)
4,0967
(4,8837)
-1,5292
(3,1233)
15,1384
(5,2560)
-0,0966
(1,1484)
-0,7718
(0,3753)
2,4643
(1,1755)
-3,3564
(2,9072)
-1,7479
(0,4476)
0,7655
(0,8310)
-4,5218
(1,1426)
-7,3800
(1,5405)
-1,5063
(0,5768)
-2,2652
(0,8840)
-1,6045
(0,3716)
-2,6133
(0,3566)
-50,8933
(47,9847)
Constante
Banco Ita S/A

Banrisul S/A CVMC
1,5133
45,9508
10,7617
16,2190
6,4964
47,2396
34,4367
2,7888
26,7486
16,3159
21,4583
28,3253
0,8776
10,1754
13,0943
4,7458
80,1101
12,1951
9,6201
0,0749
5,8275
4,7904
2,6101
RV
194
5.305
3.124
2.852
5.727
381
371
566
2.162
343
706
2.818
761
256
568
241
2.507
7.534
638
144
6.919
625
926
Obs.
Tabela 15 Resultados do modelo de regresso logstica binrio segmentados por gestor
-0,1981
(0,1862)
-0,0125
(0,1275)
0,0281
(0,0144)
0,0214
(0,1050)
0,2161
(0,1478)
0,0058
(0,0167)
0,6930
(0,0841)
-0,2284
(0,2721)
0,0635
(0,1779)
-0,9056
(0,3091)
-0,0617
(0,0694)
0,0547
(0,0234)
-0,2119
(0,0653)
0,0927
(0,1618)
0,1123
(0,0275)
-0,0720
(0,0500)
0,2152
(0,0790)
0,3969
(0,0891)
0,0666
(0,0314)
0,0990
(0,0471)
0,0722
(0,0223)
0,1259
(0,0218)
2,8519
(2,7112)
0,3938
(0,3563)
1,1293
(0,5080)
0,1283
(0,0983)
-0,2955
(1,5184)
1,1031
(0,3417)
0,3621
(0,1047)
0,2731
(0,1349)
2,1239
(1,1065)
1,3606
(0,3992)
0,4793
(0,6705)
-0,1114
(0,4606)
0,8060
(0,1682)
1,5395
(0,4323)
1,7734
(0,5010)
0,6462
(0,2244)
0,3687
(0,5039)
2,8674
(0,5999)
3,7499
(0,9761)
0,1762
(0,1270)
0,5728
(0,1652)
0,1489
(0,1671)
0,3196
(0,1036)
-0,4690
(0,6911)
Os smbolos , e denotam significncia estatstica nos nveis de 1%, 5% e 10%, respectivamente
-0,0487
(0,3480)
0,3691
(0,4639)
0,0072
(0,0933)
-0,3973
(1,4459)
1,0969
(0,3367)
-0,0190
(0,0940)
0,0803
(0,1307)
0,5085
(1,0035)
1,0326
(0,2843)
0,0982
(0,5765)
-0,0909
(0,4778)
0,0642
(0,1538)
1,3635
(0,4220)
1,6399
(0,4909)
0,1174
(0,2163)
-0,1236
(0,5111)
2,9471
(0,6212)
2,8730
(0,8467)
-0,0862
(0,1222)
0,2371
(0,1489)
-0,0955
(0,1659)
0,0553
(0,0974)
-0,3176
(0,6801)
Os smbolos ,
-0,1529
(0,1875)
-0,0050
(0,1187)
0,0176
(0,0145)
0,0178
(0,1016)
0,2158
(0,1460)
0,0023
(0,0173)
0,6754
(0,0783)
-0,3012
(0,2599)
0,0664
(0,1595)
-0,7783
(0,2750)
-0,0290
(0,0673)
0,0440
(0,0215)
-0,2212
(0,0660)
0,0787
(0,1668)
0,1226
(0,0247)
-0,0877
(0,0490)
0,2344
(0,0790)
0,3803
(0,0888)
0,0562
(0,0290)
0,0872
(0,0461)
0,0615
(0,0213)
0,1080
(0,0210)
2,0751
(2,5437)
LN P Lf,t
-1,6872
(3,1489)
-0,2841
(1,8145)
0,8210
(0,2569)
1,7312
(1,7434)
5,0004
(2,1438)
0,4598
(0,2978)
12,3536
(1,4043)
-5,3923
(4,6751)
1,5906
(2,7998)
-12,9437
(4,6607)
0,6738
(1,1139)
0,5724
(0,3458)
-2,5561
(1,1869)
3,0932
(2,9922)
1,8997
(0,4026)
-1,0535
(0,8167)
4,8145
(1,1384)
7,1238
(1,5370)
1,3056
(0,5348)
2,0550
(0,8652)
1,4309
(0,3563)
2,3073
(0,3455)
37,1698
(45,0321)
1
-0,9571
(3,1456)
0,3923
(1,8145)
1,9614
(0,2593)
2,0773
(1,7569)
5,6139
(2,1539)
1,4032
(0,2986)
13,7659
(1,4099)
-4,2899
(4,6791)
2,3715
(2,8004)
-11,9621
(4,6430)
1,0152
(1,1128)
1,8564
(0,3488)
-2,2521
(1,1875)
3,9840
(2,9949)
3,1418
(0,4054)
0,1509
(0,8221)
4,9380
(1,1375)
7,6758
(1,5502)
2,2119
(0,5357)
2,7348
(0,8663)
2,0615
(0,3582)
3,4108
(0,3495)
37,9893
(45,0471)
2
-0,5122
(3,1428)
0,8004
(1,8138)
2,5319
(0,2604)
2,7070
(1,7643)
6,3713
(2,1516)
1,8547
(0,2991)
14,5598
(1,4059)
-3,6851
(4,6860)
2,8014
(2,8025)
-11,7229
(4,6499)
1,3602
(1,1066)
2,5479
(0,3524)
-2,0747
(1,1886)
4,4951
(2,9842)
3,6710
(0,4067)
0,5597
(0,8278)
5,1274
(1,1473)
8,0460
(1,5521)
2,6750
(0,5356)
3,2630
(0,8663)
2,3764
(0,3583)
3,9515
(0,3511)
38,4310
(45,0559)
Banrisul S/A CVMC
Banco Ita S/A
REMi,f,t
GESTOR
-0,3024
(3,1358)
1,0785
(1,8144)
2,9641
(0,2609)
3,0171
(1,7668)
7,0834
(2,1634)
2,2174
(0,2999)
15,0142
(1,4081)
-3,5510
(4,6814)
3,1504
(2,8006)
-11,6438
(4,6478)
1,7302
(1,1079)
2,8762
(0,3544)
-1,7036
(1,1912)
4,9478
(2,9883)
3,9854
(0,4074)
0,8442
(0,8309)
5,4151
(1,1482)
8,3450
(1,5568)
3,0512
(0,5363)
3,6635
(0,8667)
2,7216
(0,3589)
4,2928
(0,3526)
38,7883
(45,0511)
4
-0,1253
(3,1383)
1,2917
(1,8109)
3,2217
(0,2619)
3,1424
(1,7452)
7,8820
(2,2106)
2,4932
(0,3010)
15,5683
(1,4128)
-3,2795
(4,6837)
3,4457
(2,7999)
-11,5314
(4,6557)
1,9750
(1,1098)
3,0276
(0,3562)
-1,5465
(1,1909)
5,0314
(2,9709)
4,3338
(0,4089)
0,9554
(0,8314)
5,6085
(1,1523)
8,6023
(1,5579)
3,3282
(0,5370)
4,0971
(0,8714)
3,1030
(0,3605)
4,5290
(0,3540)
38,9523
(45,0715)
RV
0,8446
27,7091
8,8252
5,9995
4,1846
39,7380
36,0971
3,3628
24,5543
14,4329
19,6047
4,2893
0,2245
7,7244
9,7527
1,6904
78,7174
0,0580
9,5106
0,0957
1,6118
0,6425
0,6626
Tabela 16 Resultados do modelo de regresso logstica ordenado segmentados por gestor
194
5.305
3.124
2.852
5.727
381
371
566
2162
343
706
2.818
761
256
568
241
2.507
7.534
638
144
6.919
625
926
Obs.

123
124
4.3
Discusso da hiptese H1a
Em face dos resultados obtidos at aqui, possvel discutir a hiptese H1a formulada
na introduo deste trabalho. Em primeiro lugar, cumpre destacar que os procedimentos
metodolgicos que proporcionaram os resultados obtidos at este ponto esto de acordo
com o primeiro argumento comportamental que se prope a explicar o efeito disposio
que a teoria perspectiva.
Conforme j mencionado tanto na parte introdutria quanto na fundamentao terica, a teoria perspectiva aplicada em finanas defende que os investidores estruturam
suas escolhas em termos de ganhos/perdas potenciais relativos a um ponto de referncia
fixado e, em seguida, empregam uma funo de avaliao em forma de S (uma funo
utilidade no domnio de ganhos/perdas), a qual cncava na regio de ganhos e convexa
na regio de perdas, o que reflete averso ao risco no domnio dos ganhos e propenso ao
risco no domnio das perdas.
Para verificar se a teoria perspectiva permeia o processo decisrio dos gestores dos
fundos analisados, foram definidos dois pontos de referncia para determinar ganhos e
perdas: o preo mdio de compra e o retorno em excesso de mercado. Ambos os pontos
estabelecidos realmente refletem posies ganhadoras e perdedoras, mas o segundo ponto,
em virtude dos motivos abordados anteriormente, reflete melhor a realidade dos gestores
de Fundos de Aes Ibovespa Ativos.
Com base nos dois pontos de referncia estabelecidos, foram adotadas duas metodologias com o intuito de identificar a presena do efeito disposio. A primeira, amplamente
utilizada em grande parte das pesquisas que abordam o efeito disposio, consistiu em um
teste de diferena entre propores. A segunda, que remete contribuio original desta
pesquisa, consistiu na utilizao de um modelo de regresso logstica com o propsito de
determinar um coeficiente de disposio com base nos parmetros estimados pelo modelo.
Tanto no caso dos testes de propores quanto no do modelo de regresso logstica,
foram utilizadas medidas que procuraram captar ganhos e perdas realizados com base
tanto no nmero de transaes quanto no volume monetrio transacionado.
Com relao aos testes de propores, por um lado, quando foi considerado o nmero
de transaes para efeito de clculo das propores de ganhos e perdas realizados, os
resultados trouxeram fortes indcios de que os gestores dos fundos da amostra analisada
manifestam o efeito disposio. Por outro lado, quando o volume monetrio transacionado
foi utilizado para calcular as propores de ganhos e perdas realizados, os resultados
4.3 Discusso da hiptese H1a
125
mostraram exatamente o efeito oposto.

Um aspecto importante a ser destacado que o padro de resultado apresentado pelos
testes de propores pode ser identificado tanto nos resultados gerais quanto nos resultados segmentados por gestor e por fundo individualmente. Adicionalmente, esse padro
foi identificado independentemente do ponto de referncia estabelecido para determinar
ganhos e perdas.
Um outro aspecto relevante que, embora os resultados dos testes de propores,
considerando o volume monetrio transacionado, tenham se mostrado diferentes daqueles encontrados por Odean (1998) no mercado americano, eles vo na mesma linha dos
verificados por Karsten (2005) e Tizziani (2008) no mercado brasileiro, que tambm no
constataram a manifestao do efeito disposio em gestores de fundos de investimento
quando foram considerados os volumes monetrios transacionados.
Nesse sentido, constata-se que a discrepncia dos resultados dos testes de propores
repousa exatamente na forma pela qual ganhos e perdas so medidos. Assim, tendo em
vista que neste trabalho foi assumida a premissa adotada por Tizziani (2008), de que o
volume negociado parece representar melhor a realidade dos investidores, particularmente
dos gestores de fundos de aes, a concluso que no foi possvel encontrar evidncias
da manifestao do efeito disposio nos gestores da amostra de fundos analisada.
Com relao aos resultados do modelo de regresso logstica, foi possvel verificar que,
quando o retorno contnuo da ao (RCAi,f,t ) foi utilizado como varivel independente
tanto no modelo binrio (que considera a deciso de vender ou no uma ao) quanto no
ordenado (que considera o volume monetrio transacionado), os coeficientes de disposio
estimados trouxeram fortes evidncias em favor da presena do efeito disposio. Tais coeficientes mostraram-se positivos e estatisticamente significantes tanto no que diz respeito
aos resultados gerais quanto em relao segmentao por gestor.
No caso dos modelos em que foi utilizado o retorno em excesso de mercado (REMi,f,t )
como varivel independente, os resultados tanto do modelo binrio quanto do ordenado
tambm mostraram-se de acordo com o efeito disposio. A nica exceo verificada foi
o modelo ordenado segmentado por gestor no qual, apesar de a maioria dos coeficientes de disposio ter apresentado sinal positivo, poucos mostraram-se estatisticamente
significantes.
Comparando os resultados das duas metodologias, conclui-se que, em geral, os resultados dos testes de propores obtidos com base no nmero de transaes realizadas esto
alinhados com os resultados dos modelos de regresso logstica binrios. Em ambos, pos-
126
svel identificar fortes indcios a favor da manifestao do efeito disposio. Entretanto,

quando comparamos os resultados dos testes de propores obtidos com base no volume
monetrio transacionado com os resultados dos modelos de regresso logstica ordenados,
no possvel identificar o mesmo alinhamento. Enquanto os testes de propores refutam fortemente a presena do efeito disposio, os coeficientes de disposio estimados
pelo modelo logstico ordenado apresentam sinais positivos e estatisticamente significantes
praticamente em todas as segmentaes, com uma nica exceo.
Uma possvel explicao para essa discrepncia que a medida utilizada para captar
a informao sobre o volume monetrio transacionado no teste de propores diferente
daquela utilizada no modelo de regresso logstica ordenado. Enquanto, no primeiro, so
utilizados ganhos e perdas em termos de valores monetrios efetivos (R$), no segundo,
utilizada uma proporo que visa relacionar o volume monetrio vendido de uma ao
especfica em um determinado ms ao volume monetrio total investido pelo fundo nessa
ao antes da concretizao da venda.
Nesse sentido, possvel que a utilizao de valores monetrios efetivos possa ter enviesado os resultados dos testes de propores dada a escala dessa medida. Tal situao
envolve uma certa dose de contradio pois, embora o uso de valores monetrios efetivos
atue no sentido de atribuir maior peso para as transaes maiores em termos de volume,
ao mesmo tempo, sua utilizao pode fazer um nico resultado especfico de grande magnitude (seja um ganho ou uma perda) influenciar o resultado final do teste.
Em suma, a utilizao de modelos de regresso logstica com o objetivo de determinar
um coeficiente de disposio com base nos parmetros estimados pelo modelo mostrou
resultados consistentes com aquilo que preconiza o efeito disposio, os quais corroboram
a hiptese de que a teoria perspectiva permeia o processo decisrio dos gestores dos fundos
de investimento da amostra aqui analisada.
4.4
Resultados dos testes da hiptese da reverso

mdia
Os resultados dos testes da hiptese de que a manifestao do efeito disposio

influenciada pelo vis da reverso mdia so expostos nesta seo. Conforme abordado
em 2.2.1.5, o vis da reverso mdia oriundo da heurstica da representatividade, cuja
implicao para o processo de apreamento de aes que uma seqncia consistente de
desempenho passado faz os investidores classificarem uma empresa em uma determinada
4.4 Resultados dos testes da hiptese da reverso mdia
127
categoria (vencedoras e perdedoras, por exemplo) e formarem expectativas enviesadas

previsveis sobre o desempenho futuro.
Dessa forma, a tendncia de manter aes perdedoras e vender aes vencedoras no
seria atribuda a uma relutncia dos investidores em realizar suas perdas, conforme preconiza a teoria perspectiva, mas, sim, a uma crena de que haver uma reverso de tendncia
no futuro, ou seja, aes vencedoras no passado seriam as perdedoras no futuro e aes
perdedoras no passado seriam as vencedoras no futuro.
Para testar a influncia do vis da revero mdia na proporo de ganhos e perdas realizados, foram adotados alguns procedimentos, apresentados na seqncia. Em
primeiro lugar, selecionaram-se os ganhos e perdas realizados e no realizados com cada
uma das aes componentes da carteira dos fundos da amostra em cada um dos meses
analisados. Os ganhos e perdas realizados e no realizados utilizados nesse teste foram
aqueles determinados com base no retorno em excesso de mercado. A escolha do retorno
em excesso de mercado, como ponto de referncia para determinar ganhos e perdas, pode
ser justificada em razo de representar melhor a realidade do gestor de um Fundo de
Aes Ibovespa Ativo, conforme discutido em 3.2.2.
Uma vez selecionados os ganhos e perdas realizados e no realizados, conforme exposto, o passo seguinte consistiu na verificao da consistncia do desempenho passado
da ao. Trata-se de um procedimento de fundamental importncia, pois exatamente a
consistncia do desempenho passado de uma ao que proporcionar as condies para a
formao de um esteretipo vencedor ou perdedor, conforme prev a heurstica da representatividade.
Em outras palavras, uma determinada ao pode superar o desempenho do mercado
em um determinado ms, mas, para que um gestor possa classificar esta ao na categoria
vencedora ou perdedora, seria imprescindvel que esse desempenho positivo apresentasse
uma consistncia ao longo de um perodo precedente. A conseqncia desse raciocnio
que a consistncia do desempenho passado funcionaria como um estmulo fundamental
para a efetiva realizao de um ganho ou de uma perda, caso o processo decisrio dos
gestores fosse influenciado pelo vis da reverso mdia.
A figura 12 contm um resumo dos procedimentos para determinar a consistncia dos
ganhos e perdas realizados e no realizados. Para cada ao que proporcionou ganhos
ou perdas realizados e no realizados em cada um dos meses analisados, foi calculado
o retorno em excesso acumulado nos trs meses precedentes. Em seguida, os ganhos e
perdas realizados e no realizados foram classificados como consistentes ou inconsistentes.
Para o caso de aes que proporcionaram ganhos realizados e no realizados, eles foram
128
classificados como consistentes quando a ao apresentou retorno em excesso acumulado

positivo nos trs meses precedentes. Para o caso de aes que proporcionaram perdas
realizadas e no realizadas, elas foram classificadas como consistentes quando a ao
apresentou retorno em excesso acumulado negativo nos trs meses precedentes. O mesmo
procedimento foi realizado com base no retorno em excesso acumulado nos seis e doze
meses precedentes.
Amostra de
GR e GNR
Amostra de
PR e PNR
Retorno em excesso
acumulado nos trs
meses precedentes
Retorno em excesso
acumulado nos trs
meses precedentes
(+)
Consistente
(-)
Inconsistente
(+)
Inconsistente
(-)
Consistente
Desempenho
precedente
Figura 12 Consistncia de ganhos e perdas

O objetivo desse procedimento foi eliminar as aes que em determinado ms apresentaram um desempenho superior ao do mercado, mas que poderiam estar classificadas
como perdedoras de acordo com o desempenho passado. Da mesma forma, foram eliminadas as aes que em determinado ms apresentaram um desempenho inferior ao do
mercado, mas que poderiam receber o esteretipo de vencedora com base no desempenho
precedente.
Uma vez eliminados os ganhos e perdas inconsistentes de acordo com o procedimento

acima descrito, as propores de ganhos e perdas realizados foram recalculadas. Nos
resultados apresentados a seguir, foram considerados apenas os volumes monetrios transacionados em virtude de essa medida ser mais adequada para quantificar ganhos e perdas,
conforme discutido em 3.3.3.
129
4.4.1
Nas tabelas 17, 18 e 19 so apresentados os resultados gerais dos testes de propores

com base na consistncia do desempenho precedente. No apndice D so apresentados os
resultados segmentados por gestor.
A tabela 17 contm os resultados de ganhos e perdas consistentes com base no retorno
em excesso acumulado dos trs meses precedentes. Nesse caso, a proporo de ganhos
realizados em relao aos ganhos totais (PGR) foi de 0,0840 e a proporo de perdas
realizadas em relao as perdas totais (PPR) foi de 0,1253. A diferena negativa e estatisticamente significante ao nvel de 1% entre PGR e PPR (-0,0413) indica que os gestores
realizaram um volume monetrio de transaes com perdas proporcionalmente maior ao
volume monetrio de transaes com ganhos, mesmo quando tais ganhos e perdas eram
considerados consistentes com base no desempenho dos trs meses precedentes.
Tabela 17 Resultados gerais por volume transacionado com base na consistncia
do desempenho dos trs meses precedentes

(PGR - PPR)
Erro Padro
Estatstica t
R$ 9.973.375.494
R$ 914.898.687
R$ 2.255.598.583
R$ 323.232.901
0,0840
0,1253
-0,0413
0,0000
-5.867,47

Na tabela 18, esto expostos os resultados de ganhos e perdas consistentes com base no
retorno em excesso acumulado dos seis meses precedentes. Conforme pode ser observado,
os resultados so bastante similares queles encontrados com base na consistncia de
desempenho dos trs meses precedentes (tabela 17). A proporo de ganhos realizados
em relao aos ganhos totais (PGR) foi de 0,0857 e a proporo de perdas realizadas em
relao s perdas totais (PPR) foi de 0,1241, sendo a diferena negativa entre PGR e PPR
(-0,0384) estatisticamente significante ao nvel de 1%.
Por fim, a tabela 19 contm os resultados de ganhos e perdas consistentes com base
no retorno em excesso acumulado dos doze meses precedentes. Os resultados seguem a
mesma linha daqueles j encontrados quanto aos trs e seis meses precedentes. Para essa
ltima situao, a proporo de ganhos realizados em relao aos ganhos totais (PGR)
130

do desempenho dos seis meses precedentes

(PGR - PPR)
Erro Padro
Estatstica t
R$ 10.297.500.288
R$ 965.556.031
R$ 2.220.559.661
R$ 314.636.388
0,0857
0,1241
-0,0384
0,0000
-5.436,56

foi de 0,0812 e a proporo de perdas realizadas em relao s perdas totais (PPR) foi
de 0,1240. Novamente, a diferena entre PGR e PPR (-0,0428) mostrou-se negativa e
estatisticamente significante ao nvel de 1%.
do desempenho dos doze meses precedentes

(PGR - PPR)
Erro Padro
Estatstica t
R$ 11.129.923.309
R$ 983.165.567
R$ 1.956.549.792
R$ 276.893.532
0,0812
0,1240
-0,0428
0,0000
-5.783,94

Os resultados segmentados por gestor para essas trs situaes so apresentados no

apndice D. Nas tabelas 29, 30 e 31, verifica-se um padro bastante similar. Em relao
aos resultados referentes ao desempenho dos trs meses precedentes, dos 23 gestores analisados, 13 apresentaram uma diferena negativa e estatisticamente significante ao nvel de
1% entre PGR e PPR. Quanto aos resultados relativos aos seis meses precedentes, dos 23
gestores, 12 revelaram uma diferena negativa e estatisticamente significante ao nvel de
1% entre PGR e PPR. Por fim, no que se refere aos resultados com relao aos doze meses precedentes, dos 23 gestores, 13 indicaram uma diferena negativa e estatisticamente
significante ao nvel de 1% entre PGR e PPR.
131
Em suma, tais resultados, relativos aos trs, seis e doze meses precedentes, no mostraram a presena do efeito disposio, razo pela qual verifica-se a existncia do indcio
de que o vis da reverso mdia, pelo menos no curto prazo, no permeia o processo
decisrio da maior parte dos gestores analisados.
4.4.2
Resultados do modelo de regresso logstica ordenado
Aps os resultados dos testes de propores, nesta seo so expostos os resultados do

modelo de regresso logstica ordenado. Com o objetivo de verificar se o vis da reverso
mdia influencia a realizao de ganhos e perdas por parte dos gestores e, para que os
resultados do modelo ordenado possam ser comparados com os resultados dos testes de
propores, foram adotados os procedimentos a seguir descritos.
Em primeiro lugar foram incorporadas no modelo ordenado original, cuja varivel
dependente o retorno em excesso de mercado (REMi,f,t ), duas variveis dummies para
captar a consistncia dos ganhos e perdas realizados com base no desempenho precedente
das aes. Na primeira varivel, denominada dummy de consistncia de ganho (DCG),
para todos os ganhos realizados e no realizados, atribuiu-se o valor 1 para os ganhos
consistentes com base no desempenho dos trs meses precedentes e valor 0 para os ganhos
no consistentes bem como para todas as perdas realizadas e no realizadas. Nesse sentido,
a varivel DCG definida da seguinte forma:
DCGi,f,t =
1, se o ganho realizado ou no realizado for consistente

0, para todos os demais casos
Na segunda varivel, denominada dummy de consistncia de perda (DCP), para todas

as perdas realizadas e no realizadas, atribuiu-se o valor 1 para as perdas consistentes com
base no desempenho dos trs meses precedentes e valor 0 para as perdas no consistentes
bem como para todos os ganhos realizados e no realizados. Nesse sentido, a varivel
DCP definida da seguinte forma:
DCPi,f,t =
1, se a perda realizada ou no realizada for consistente

0, para todos os demais casos
O mesmo procedimento foi realizado com base no retorno em excesso acumulado nos
seis e doze meses precedentes. Dessa forma, considerando as variveis dummies para
132
captar a consistncia dos ganhos e perdas com base no perodo precedente, o modelo de
regresso logstica ordenado, nesse caso, pode ser especificado da seguinte forma:
"
exp[m (0 REMi,f,t + 1 DCGi,f,t + 2 DCPi,f,t + 3 LN P Lf,t )]

E[Y = m|Xi,f,t ] =
1 + exp[m (0 REMi,f,t + 1 DCGi,f,t + 2 DCPi,f,t + 3 LN P Lf,t )]

#
"
exp[m1 (0 REMi,f,t + 1 DCGi,f,t + 2 DCPi,f,t + 3 LN P Lf,t )]
(30)
1 + exp[m1 (0 REMi,f,t + 1 DCGi,f,t + 2 DCPi,f,t + 3 LN P Lf,t )]
em que
DCGi,f,t a varivel dummy de consistncia de ganho;
DCPi,f,t a varivel dummy de consistncia de perda;
LN P Lf,t o logaritmo neperiano do valor monetrio do patrimnio lquido do fundo f
no ms t.
Com esse modelo, o objetivo verificar se a consistncia do desempenho passado da
ao, lquida dos efeitos do tamanho do patrimnio do fundo, possui uma relao com
a proporo vendida da ao. Espera-se, por um lado, um sinal positivo para a varivel
DCG, ou seja, quanto maior for a consistncia do ganho, maior ser a probabilidade de
um gestor vender uma grande proporo dessa ao e, por outro lado, um sinal negativo
para a varivel DCP, ou seja, quanto maior for a consistncia da perda, menor ser a
probabilidade de um gestor vender uma grande proporo dessa ao. Em outras palavras,
quanto maior for a consistncia da perda, maior ser a probabilidade de um gestor manter
a posio com aquela ao.
Na seqncia, as tabelas 20, 21 e 22 contm os resultados gerais dos modelos de regresso logstica ordenados com a incorporao das variveis dummies para consistncia.
No apndice E so apresentados os resultados segmentados por gestor nas tabelas 32,
33 e 34. Na tabela 20, h os resultados do modelo ordenado com a incorporao das
variveis dummies para consistncia com base no desempenho dos trs meses precedentes. Conforme pode ser observado, a varivel dummy para consistncia de ganho (DCG)
apresentou um sinal positivo e estatisticamente significante ao nvel de 1%. No entanto, a
varivel dummy para consistncia de perda (DCP) tambm apresentou um sinal positivo
(contrrio ao esperado) no significante.
Na tabela 21 so apresentados os resultados com a incorporao das variveis dum-
133
Tabela 20 Resultados do modelo de regresso logstica ordenado com base na consistncia do desempenho dos trs meses precedentes
Coeficiente
Erro Padro
REMi,f,t
DCGi,f,t
DCPi,f,t
LN P Lf,t
0,1030
0,0859
0,0171
0,0382
0,0465
0,0229
0,0259
0,0057
1
2
3
4
5
1,1095
2,0649
2,5530
2,9073
3,1874
0,0989
0,0994
0,0997
0,1002
0,1007
Observaes
80,4838
45.668

retorno em excesso de mercado da ao, a varivel dummy para consistncia de ganho (DCG), a varivel dummy para consistncia de perda
(DCP) e o logaritmo neperiano do patrimnio lquido do fundo. A definio operacional das variveis consta nas sees 3.4.3, 3.4.6 e 4.4.2.
Os smbolos , e denotam significncia estatstica da estimativa nos
nveis de 1%, 5% e 10%, respectivamente. Os resduos estimados foram calculados de maneira robusta, de acordo com o procedimento de
Huber/White.
mies para consistncia com base no desempenho dos seis meses precedentes. Nesse caso,
constata-se o mesmo padro encontrado no modelo anterior. A varivel dummy para consistncia de ganho (DCG) apresentou um sinal positivo e estatisticamente significante ao
nvel de 1%, ao passo que a varivel dummy para consistncia de perda (DCP) tambm
apresentou um sinal positivo no significante. Um aspecto surpreendente que, nesse
modelo estimado, com a incorporao das variveis dummies para consistncia, a varivel
REMi,f,t apresentou sinal positivo, mas no significante.
Os resultados reportados na tabela 22, com a incorporao das variveis dummies
para consistncia com base no desempenho dos doze meses precedentes, seguem o mesmo
padro dos modelos anteriores. A varivel dummy para consistncia de ganho (DCG)
apresentou um sinal positivo e estatisticamente significante ao nvel de 1%, ao passo que
a varivel dummy para consistncia de perda (DCP) tambm apresentou um sinal positivo
no significante.
A nica diferena que, nesse caso, a varivel dummy para consistncia de ganho
(DCG) mostrou-se significante ao nvel de 5%. Em suma, os resultados gerais dos modelos
134
Tabela 21 Resultados do modelo de regresso logstica ordenado com base na consistncia do desempenho dos seis meses precedentes
Coeficiente
Erro Padro
REMi,f,t
DCGi,f,t
DCPi,f,t
LN P Lf,t
0,0730
0,1176
0,0227
0,0393
0,0477
0,0235
0,0261
0,0057
1
2
3
4
5
1,1399
2,0984
2,5894
2,9463
3,2298
0,0997
0,1003
0,1006
0,1011
0,1017
Observaes
93,2341
45.668

Huber/White.
ordenados com a incorporao das variveis dummy para consistncia de ganhos e perdas
com base no desempenho precedente mostraram uma certa assimetria.
Os resultados trouxeram, por um lado, indcios de que ganhos cada vez mais consistentes com base no desempenho precedente de uma ao fazem os gestores venderem
propores cada vez maiores dessa ao, haja vista o sinal positivo e estatisticamente
significante do coeficiente estimado para a varivel DCG nas trs situaes reportadas.
Perdas consistentes, por outro lado, produzem o mesmo efeito, embora no de maneira
estatisticamente significante.
Os resultados segmentados por gestor para as trs situaes esto contidos nas tabelas
32, 33 e 34 do apndice E. Para a primeira situao, na qual so utilizadas variveis dummies para medir a consistncia de ganhos e perdas com base no desempenho dos trs meses
precedentes, a tabela 32 mostra que, dos 23 gestores, foi observado um coeficiente positivo para a varivel DCG em 17 casos. No entanto, apenas 7 deles revelaram significncia
estatstica (1% em 2 casos e 5% nos demais casos). J quanto varivel DCP, dos 23
gestores, 12 apresentaram um coeficiente negativo, sendo apenas 1 deles estatisticamente
135
Tabela 22 Resultados do modelo de regresso logstica ordenado com base na consistncia do desempenho dos doze meses precedentes
Coeficiente
Erro Padro
REMi,f,t
DCGi,f,t
DCPi,f,t
LN P Lf,t
0,1387
0,0577
0,0230
0,0402
0,0486
0,0239
0,0269
0,0058
1
2
3
4
5
1,1321
2,0982
2,5892
2,9517
3,2403
0,1013
0,1018
0,1022
0,1027
0,1033
Observaes
76,8127
45.668

Huber/White.
significante.
Para a segunda situao, na qual as variveis dummies medem a consistncia de ganhos

e perdas com base no desempenho dos seis meses precedentes, na tabela 33, possvel
observar que, dos 23 gestores, 20 apresentaram um coeficiente positivo para a varivel
DCG, sendo apenas 6 deles significantes (1% em 4 casos e 5% nos 2 casos restantes).
No caso da varivel DCP, o resultado absolutamente similar ao anterior sendo que, dos
23 gestores, 12 revelaram um coeficiente negativo com apenas 3 casos estatisticamente
significantes (1% em 2 casos e 5% em 1 caso).
Por fim, na terceira situao, em que as variveis dummies medem a consistncia de

ganhos e perdas com base no desempenho dos doze meses precedentes, a tabela 34 contm
o dado de que 14 dos 23 gestores apresentaram um coeficiente positivo para a varivel
DCG, sendo apenas 6 deles significantes (1% em 3 casos, 5% em 2 casos e 10% em 1
caso). J no caso da varivel DCP, dos 23 gestores, 11 deles apresentaram um coeficiente
negativo com 3 casos estatisticamente significantes (1% em 1 caso e 5% em 2 casos).
136
4.5
Discusso da hiptese H1b
Os resultados obtidos na seo anterior permitem discutir a hiptese H1b formulada

na parte introdutria deste trabalho que assume que a manifestao do efeito disposio
oriunda da aplicao do vis da reverso mdia. Nesse caso, os procedimentos metodolgicos adotados tentaram captar se a realizao de um ganho ou de uma perda estava
associada a um esteretipo vencedor ou perdedor formado com base na consistncia do
desempenho da ao em um perodo precedente de trs, seis e doze meses.
O propsito central, com esse procedimento, foi verificar a presena de dois padres:
(1) se a propenso dos gestores em realizar um determinado ganho aumentava quando
tal ganho estava associado a uma ao classificada como vencedora em virtude da consistncia de seu desempenho em um perodo precedente e
(2) se a propenso dos gestores em manter uma determinada perda aumentava quando
tal perda estava associado a uma ao classificada como perdedora em virtude da consistncia de seu desempenho em um perodo precedente.
Caso esses padres fossem verificados, isso traria evidncias de que processo decisrio
dos gestores realmente influenciado pelo vis da reverso mdia, ou seja, a atuao
dos gestores seria compatvel com a crena de que as aes vencedoras no passado sero
as perdedoras no futuro e de que as perdedoras no passado sero as vencedoras no futuro.
No que se refere aos testes de propores, tanto os resultados gerais quanto os resultados segmentados por gestor mostraram-se contrrios idia de que a consistncia
do desempenho passado da ao funcionaria como um estmulo para a realizao de um
ganho ou manuteno de uma perda. Tendo como base os desempenhos verificados nos
trs, seis e doze meses precedentes, foi observada uma propenso maior realizao de
perdas proporcionalmente realizao de ganhos. Nesse sentido, os testes de propores
no revelaram evidncias para confirmar a hiptese da influncia do vis da reverso
mdia na manifestao do efeito disposio.
J quanto aos resultados do modelo de regresso logstica ordenado, eles indicaram que
a varivel dummy para consistncia de ganho (DCG) apresentou um coeficiente positivo
e estatisticamente significante e que a varivel dummy para consistncia de perda (DCP)
no apresentou o sinal esperado tampouco mostrou-se estatisticamente significante.
Em relao aos resultados segmentados por gestor, esses tambm no mostraram evidncias contundentes a favor da hiptese da reverso mdia. No caso da varivel dummy
4.5 Discusso da hiptese H1b
137
para consistncia de ganho (DCG), embora os coeficientes nas trs situaes analisadas
tenham apresentado, em sua maioria, o sinal positivo esperado, poucos deles mostraramse significantes. J quanto varivel dummy para consistncia de perda (DCP), os sinais
dos coeficientes nas trs situaes mostraram-se absolutamente divididos e praticamente
no significantes. Desse modo, os resultados do modelo de regresso logstica ordenado
tambm no mostraram evidncias suficientes no sentido de corroborar a hiptese de que
o vis da reverso mdia uma causa potencial da manifestao do efeito disposio.
138
Captulo 5
Concluso
The failure in the rational model is. . . in the human
brain it requires. Who could design a brain that could
perform in the way this model mandates? Every
single one of us would have to know and understand
everything, completely, and at once.
Daniel Kahneman
A constatao de que os agentes econmicos violam de forma sistemtica as suposies

da teoria da utilidade esperada quando tomam decises em condies de incerteza impulsionou o surgimento de uma srie de abordagens alternativas, dentre as quais, destaca-se
a teoria perspectiva de Kahneman e Tversky (1979). A principal implicao dessa abordagem a identificao de uma importante caracterstica do processo decisrio: a averso
perda.
A identificao desse padro sistemtico de comportamento incentivou pesquisas no
campo das finanas comportamentais com o propsito de verificar se os investidores apresentavam a tendncia de vender aes com lucro em um curto perodo de tempo e manter
aes com prejuzo por um longo perodo de tempo. Shefrin e Statman (1985) foram os
primeiros que estudaram de maneira mais aprofundada essa tendncia, a qual denominaram efeito disposio.
Aps o trabalho de Shefrin e Statman (1985), diversos autores em diferentes pases
procuraram relatar a manifestao do efeito disposio, utilizando dados sobre transaes
realizadas tanto por investidores individuais quanto por investidores institucionais. No
entanto, a despeito da ampla gama de evidncias sobre o assunto, as razes que levariam os
139
140
5 Concluso
investidores a agir desse modo ainda motivo de uma solene controvrsia entre motivaes
racionais e comportamentais.
Um outro aspecto importante presente na literatura sobre o efeito disposio o argumento de que os gestores profissionais seriam menos propensos a desvios de julgamento
e, portanto, apresentariam uma suposta imunidade aos vieses comportamentais. Tal imunidade seria justificada pela experincia, pelo treinamento e, sobretudo, pela conscientizao, por parte dos gestores, dos vieses que afetam as suas decises, haja vista a exigncia de tais conhecimentos nos processos obrigatrios de certificao.
Considerando esse cenrio, neste trabalho, o objetivo central foi identificar a presena
do efeito disposio em gestores de fundos de investimento em aes brasileiros por meio
da proposio de uma metodologia inovadora. Para tanto, foi feita uma anlise das
transaes de compra e venda de uma amostra de 51 fundos de investimento classificados
como Fundos de Aes Ibovespa Ativos no perodo de julho de 2002 a junho de 2008. Tal
objetivo desdobrou-se em objetivos secundrios: testar duas motivaes comportamentais
concorrentes para explicar o efeito disposio (a teoria perspectiva e o vis da reverso
mdia) e gerar evidncias empricas para contribuir com a discusso acerca da imunidade
dos gestores profissionais aos vieses comportamentais.
Para cumprir os objetivos propostos, primeiramente, foram realizados testes de diferena entre propores com o objetivo de verificar se a proporo de ganhos realizados
pelos gestores superava a proporo de perdas realizadas. Esse procedimento metodolgico foi utilizado pela grande maioria dos autores que investigaram, de forma emprica, o
efeito disposio, conforme foi apresentado no quadro 1 (seo 2.2.2). Em segundo lugar,
foi feita a proposio de um coeficiente de disposio com base nos parmetros estimados
por um modelo de regresso logstica. A proposio dessa metodologia para testar o efeito
disposio consistiu na principal contribuio da pesquisa para o estudo do tema, pois,
com base na ampla pesquisa bibliogrfica realizada, no foi constatada uma proposta
semelhante aqui adotada.
A apresentao da discusso dos resultados proporcionada pelos procedimentos acima
descritos foram divididos em duas partes. Na primeira, foram reportados os achados dos
testes da primeira motivao comportamental para explicar o efeito disposio: a teoria
perspectiva. J na segunda, foram apresentados os resultados dos testes da hiptese da
influncia do vis da reverso mdia como causa do efeito disposio.
Para testar se a manifestao do efeito disposio era uma decorrncia da aplicao da
funo de valor preconizada pela teoria perspectiva, foram estabelecidos dois pontos de
referncia para determinar ganhos e perdas de capital. O primeiro deles foi o preo mdio
141
de compra da ao e o segundo foi o retorno em excesso de mercado. Com base nessas

referncias, ganhos e perdas foram calculados tanto em termos de nmero de transaes
realizadas quanto de volume monetrio transacionado. Tais ganhos e perdas formaram a
base de dados a partir da qual foram conduzidos os testes de propores.
J em relao abordagem da regresso logstica, foram definidas duas variveis independentes com vistas a representar os dois pontos de referncia estabelecidos para determinar ganhos e perdas de capital. A primeira delas foi definida como o retorno contnuo
da ao calculado com base na relao entre o preo de mercado unitrio e o preo mdio
de compra unitrio. J a segunda consistiu no retorno em excesso de mercado da ao
calculado com base na diferena entre o retorno contnuo da ao e o retorno contnuo
do ndice Bovespa. Adicionalmente, foi utilizado o logaritmo neperiano do patrimnio
lquido do fundo como varivel de controle.
Com base nas variveis independentes definidas, foram estimados dois modelos com o
intuito de captar efeitos distintos. Primeiramente, foram estimados modelos de regresso
logstica binrios com o propsito de determinar a probabilidade de um gestor realizar
um ganho ou uma perda de capital em funo das variveis de retorno. Em seguida,
foram especificados modelos de regresso logstica ordenados com o objetivo de verificar
a existncia de uma relao entre as variveis de retorno e o volume monetrio vendido
das aes. Em ambos os modelos, os parmetros estimados para as variveis de retorno
foram interpretados como um coeficiente de disposio.
A despeito de a contribuio da pesquisa estar baseada nos resultados dos modelos de
regresso logstica, com a realizao dos testes de propores objetivou-se uma comparao
entre as duas abordagens metodolgicas: os resultados dos testes de propores calculados
com base no nmero de transaes realizadas foram comparados com os resultados dos
modelos de regresso binrios e os resultados dos testes de propores calculados com base
no volume monetrio transacionado foram comparados com os resultados dos modelos de
regresso logstica ordenados.
De forma geral, os resultados dos modelos de regresso logstica binrios mostraram
um expressivo alinhamento com os testes de propores com base no nmero de transaes realizadas. Em ambos os casos, foram constatados fortes indcios da manifestao
do efeito disposio. Esse padro foi verificado tanto para os resultados gerais quanto
para os resultados segmentados por gestor, independentemente do ponto de referncia
estabelecido.
No entanto, uma comparao entre os testes de propores com base no volume monetrio transacionado e modelo de regresso logstica ordenado mostraram resultados con-
142
5 Concluso
traditrios. Por um lado, os testes de propores no trouxeram evidncias que suportam

a manifestao do efeito disposio. Por outro lado, os coeficientes de disposio estimados
pelos modelos de regresso logstica ordenados mostraram-se positivos e estatisticamente
significantes. Tal contradio entre os resultados foi verificada no s para os resultados
gerais como tambm para os resultados segmentados por gestor, independentemente do
ponto de referncia estabelecido.
Nesse sentido, surge uma importante reflexo acerca da afirmao de Odean (1998) que
preconiza que testar o efeito disposio implica testar uma hiptese conjunta que assume
que tanto o modelo previsto pela teoria perspectiva quanto a especificao do ponto de
referncia escolhido pelo investidor esto corretos. Ora, se a utilizao de um modelo logit
proporcionou resultados diferentes daqueles reportados pelos testes de propores, talvez
a hiptese conjunta sugerida por Odean (1998) tambm precise englobar a adequao da
metodologia utilizada para testar o efeito disposio.
A ttulo de analogia, da mesma forma que a hiptese do mercado eficiente s pode
ser testada com base em um modelo de apreamento adequado que fornea uma relao
justa entre risco e retorno, o efeito disposio tambm s pode ser testado com base em
uma metodologia que descreva de maneira adequada o comportamento dos investidores.
Os argumentos apresentados ao final da seo 4.3, em que se discute a hiptese H1a deste
trabalho, mostram de forma objetiva que as medidas de ganhos e perdas utilizadas nos
testes de diferena entre propores apresentam problemas. Se, de um lado, o nmero de
transaes realizadas no considera a informao sobre o volume monetrio envolvido em
cada transao, a utilizao de valores monetrios efetivos, de outro lado, pode enviesar
os resultados em virtude do problema de escala apresentado por essa medida.
Aps a discusso dos testes que permitiram identificar se a teoria perspectiva permeia o
processo decisrios dos gestores dos fundos, foram discutidos os resultados da hiptese da
influncia do vis da reverso mdia como explicao potencial da manifestao do efeito
disposio. Para tanto, foram adotados procedimentos para determinar a consistncia dos
ganhos e perdas com base no desempenho verificado em um perodo precedente de trs,
seis e doze meses.
Para o modelo de regresso logstica, foram incorporadas variveis dummy para captar
a consistncia dos ganhos e perdas e, para os testes de propores, foram excludos os ganhos e perdas classificados como no consistentes. Nessa segunda parte, foram estimados
modelos de regresso logstica ordenados e, para efeito de comparao, foram realizados
testes de propores considerando apenas os valores monetrios efetivos transacionados.
Com relao aos resultados do modelo de regresso logstica ordenado, os coeficientes
143
estimados para a varivel dummy de consistncia de ganho mostraram-se positivos e estatisticamente significantes, porm, os coeficientes estimados para a varivel dummy de
consistncia de perda no apresentarem o sinal esperado tampouco mostraram significncia estatstica.
Quando a amostra foi segmentada por gestor, os coeficientes das variveis dummy
para consistncia tanto de ganhos quanto de perdas, alm de no apresentarem de forma
generalizada os sinais esperados, apresentaram em poucos casos significncia estatstica.
J no que se refere aos testes de propores, tanto os resultados gerais quanto os
resultados segmentados por gestor trouxeram evidncias contrrias idia de que a consistncia do desempenho passado de uma ao atuaria como um estmulo para a realizao
de um ganho ou manuteno de uma perda.
Nesse sentido, considerando que os testes de propores foram calculados apenas a
ttulo de comparao e, tendo em vista o objetivo desta pesquisa e a contribuio que
fornece, os quais esto descritos na introduo deste trabalho, pode-se afirmar que as
principais concluses a que se chegou com este estudo so: (1) a teoria perspectiva parece
permear o processo decisrio dos gestores dos fundos analisados considerando os resultados
dos modelos de regresso logstica, (2) a hiptese de que o efeito disposio decorrente
do vis da reverso mdia no pode ser corroborada pelos resultados dos coeficientes
estimados para as variveis dummy de consistncia com base no desempenho precedente.
A primeira concluso coloca em xeque a suposta imunidade dos gestores profissionais
aos vieses comportamentais, o que corrobora a afirmao de Locke e Mann (2000, p.
27), segundo a qual os gestores profissionais realmente no so diferentes do resto de
ns.22 J a segunda concluso mostra que a atuao dos gestores dos fundos analisados
no encontra-se alinhada com a idia de que o efeito disposio motivado pela crena
injustificada na reverso mdia.
Por fim, em relao ao tema do efeito disposio, possvel identificar uma srie de
alternativas para pesquisas futuras. Particularmente no Brasil, at onde se sabe, no
existe um estudo que tenha analisado uma base de dados de transaes efetuadas por
pessoas fsicas fornecida diretamente por uma corretora de valores. Tal base de dados
permitiria relacionar o efeito disposio com uma srie de caractersticas dos investidores
individuais, tais como clientes gerenciados e no gerenciados, gnero, nvel de renda, grau
de escolaridade, entre outras.
Com relao ao estudo do efeito disposio em gestores profissionais, uma alternativa
22
[. . . ] professional traders are really no different than the rest of us.
144
5 Concluso
importante seria relacionar esse vis comportamental com o desempenho dos fundos de
investimento, na mesma linha do trabalho de Pereira (2005), s que contemplando uma
amostra de fundos mais representativa. Essas constataes indicam que, a despeito da
ampla gama de evidncias empricas disponveis sobre o efeito disposio em diferentes
pases e mercados, essa linha de investigao, indubitavelmente, ainda apresenta lacunas
a serem preenchidas por trabalhos futuros.
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas A. Estatstica aplicada administrao e economia. So Paulo: Pioneira Thomson Learning, 2005.
ARRUDA, Paula B. Uma investigao sobre o efeito disposio. Dissertao (Mestrado
em Engenharia de Produo) Universidade Federal de Santa Catarina, Florianpolis,
2006.
BAKER, Malcolm; RUBACK, Richard S.; WURGLER, Jeffrey. Behavioral corporate
finance: a survey. In: Handbook of corporate finance: Empirical corporate finance. New
Hampshire: B. Espen Eckbo, 2004.
BARBER, Brad M. et al. Is the aggregate investor reluctant to realise losses? Evidence
from Taiwan. European Financial Management, v. 13, n. 3, p. 423447, June 2007.
BARBERIS, Nicholas; XIONG, Wei. What drives the disposition effect? an analysis of
a long-standing preference-based explanation. The Journal of Finance, v. 64, n. 2, p.
751784, Apr 2009.
BARBERIS, Nicholas C.; THALER, Richard H. A survey of behavioral finance. In:
CONSTANTINIDES, George; HARRIS, Milton; STULZ, Ren M. (Ed.). Handbook of
the Economics of Finance. New York: [s.n.], 2003.
BAZERMAN, Max H. Processo decisrio. Rio de Janeiro: Campus/Elsevier, 2004.
BLACK, Fischer; SCHOLES, Myron. The valuation of options and corporate liabilities.
Journal of Political Economy, v. 81, n. 3, p. 637654, May/June 1973.
145
146
BOEBEL, Richard B.; TAYLOR, Luke. The disposition effect: Do New Zealand investors
keep their mistakes? 2000. Acessado em 9 de dezembro de 2008. Disponvel em: http:
//www.business.otago.ac.nz/FINC/research/pdf/01/NZLossesold.pdf.
BROWN, Philip et al. The reach of the disposition effect: large sample evidence across
investor classes. International Review of Finance, v. 6, n. 1-2, p. 4378, 2006.
CARDOSO, Onsimo O. Hiptese na pesquisa cientfica: conjecturas necessrias. Revista
Unicsul, n. 5, p. 121138, Abr 1999.
. Hiptese e causalidade: uma abordagem epistemolgica. Administrao em Dilogo, n. 4, p. 177202, 2002.
CASTRO, Claudio M. A prtica da pesquisa. So Paulo: McGraw-Hill, 1978.
CHAN, Wesley S.; FRANKEL, Richard; KOTHARI, S. P. Testing behavioral finance
theories using trends and consistency in financial performance. Journal of Accounting
and Economics, v. 38, p. 350, Dec 2004.
CHAPMAN, Loren J.; CHAPMAN, Jean P. Genesis of popular but erroneous psychodiagnostic observations. Journal of Abnormal Psychology, v. 72, n. 3, p. 193204, Jun
1967.
CHOPRA, Navin; LAKONISHOK, Josef; RITTER, Jay R. Measuring abnormal performance: Do stocks overreact. Journal of Financial Economics, v. 31, n. 2, p. 235268, Apr
1992.
COHEN, Jacob et al. Applied multiple regression/correlation analysis for behavioral sciences. 3. ed. New Jersey: Lawrence Erlbaum Associates Publishers, 2003.
COSTA JR., Newton C. A. Sazonalidades do Ibovespa. Revista de Administrao de
Empresas, v. 30, n. 3, p. 7984, Jul/Sep 1990.
. Overreaction in the Brazilian stock market. Journal of Banking and Finance, v. 18,
n. 4, p. 633642, Sep 1994.
147
DANIEL, Kent. Discussion of: Testing behavioral finance theories using trends and consistency in financial performance by Wesley Chan, Richard Frankel and S.P. Kothari.
Journal of Accounting and Economics, v. 38, p. 5164, Dec 2004.
DANIEL, Kent; HIRSHLEIFER, David; SUBRAHMANYAM, Avanidhar. Investor psychology and security market under- and overreactions. The Journal of Finance, v. 53,
n. 6, p. 18391885, Dec 1998.
DE BONDT, Werner F.M.; THALER, Richard. Does the stock market overreact. Journal
of Finance, v. 40, n. 3, p. 793805, July 1985.
DHAR, Ravi; ZHU, Ning. Up close and personal: an individual level analysis of the
disposition effect. SSRN eLibrary, 2002. Acessado em 9 de dezembro de 2008. Disponvel
em: http://ssrn.com/paper=302245.
ECO, Umberto. Como se faz uma tese. So Paulo: Perspectiva, 2003.
FAMA, Eugene F. Efficient capital markets: a review of theory and empirical work. The
Journal of Finance, v. 25, n. 2, p. 383417, May 1970.
. Efficient capital markets II. The Journal of Finance, v. 46, n. 5, p. 15751617,
Dec 1991.
FERRIS, Stephen P.; HAUGEN, Robert A.; MAKHIJA, Anil K. Predicting contemporary volume with historic volume at differential price levels: evidence supporting the
disposition effect. The Journal of Finance, v. 43, n. 3, p. 677697, July 1988.
FRAZZINI, Andrea. The disposition effect and underreaction to news. The Journal of
Finance, v. 61, n. 4, p. 20172046, Aug 2006.
GENESOVE, David; MAYER, Christopher. Loss aversion and seller behavior: evidence
from the housing market. The Quarterly Journal of Economics, v. 116, n. 4, p. 12331260,
Nov 2001.
148
GRINBLATT, Mark; HAN, Bing. The disposition effect and momentum. SSRN eLibrary,
2002. Acessado em 9 de dezembro de 2008. Disponvel em: http://ssrn.com/paper=
298258.
GRINBLATT, Mark; KELOHARJU, Matti. The investment behavior and performance
of various investor types: a study of Finlands unique data set. Journal of Financial
Economics, v. 55, n. 1, p. 4367, Jan 2000.
GUJARATI, Damodar. Econometria Bsica. Rio de Janeiro: Campus/Elsevier, 2006.
HAIR JR., Joseph F. et al. Anlise multivariada de dados. 5. ed. Porto Alegre: Bookman,
2005.
HARRIS, Lawrence. Predicting contemporary volume with historic volume at differential price levels: evidence supporting the disposition effect: discussion. The Journal of
Finance, v. 43, n. 3, p. 698699, July 1988.
HENS, Thorsten; VLCEK, Martin. Does prospect theory explain the disposition effect?
SSRN eLibrary, 2005. Acessado em 9 de dezembro de 2008. Disponvel em: http://ssrn.
com/paper=970450.
JEGADEESH, Narasimhan; TITMAN, Sheridan. Returns to buying winners and selling
losers: implications for stock market efficiency. The Journal of Finance, v. 48, n. 1, p.
6591, Mar 1993.
. Momentum. In: FOUNDATION, Russell Sage (Ed.). Advances in behavioral finance II. New York: [s.n.], 2003.
KAHNEMAN, Daniel; TVERSKY, Amos. Subjective probability: a judgment of representativeness. Cognitive Psychology, v. 3, n. 3, p. 430454, July 1972.
. On the psychology of prediction. Psychological Review, v. 80, n. 4, p. 237251,
July 1973.
. Prospect theory: an analysis of decision under risk. Econometrica, v. 47, n. 2, p.
263292, Mar 1979.
149
. Choices, values, and frames. Cambridge: Cambridge University Press, 2000.

KARSTEN, Jan G. O efeito disposio: um estudo emprico no Brasil. Dissertao (Mestrado em Economia) Escola de Administrao de Empresas da Fundao Getlio Vargas
de So Paulo, So Paulo, 2005.
KERLINGER, Fred N. Metodologia da pesquisa em cincias sociais. So Paulo: Editora
Pedaggica e Universitria, 1979.
KIMURA, Herbert. Finanas comportamentais e o estudo de reaes do mercado de capitais brasileiro. Tese (Doutorado em Administrao) Universidade de So Paulo, So
Paulo, 2002.
LAKONISHOK, Josef; SMIDT, Seymour. Volume for winners and losers: taxation and
other motives for stock trading. The Journal of Finance, v. 41, n. 4, p. 951974, Sep 1986.
LINTNER, John. The valuation of risk assets and the selection of risk investments in
stock portfolios and capital budgets. Review of Economics and Statistics, v. 47, p. 1337,
Feb 1965.
LOCKE, Peter R.; MANN, Steven C. Do professional traders exhibit loss realization
aversion. SSRN eLibrary, 2000. Acessado em 9 de dezembro de 2008. Disponvel em:
http://ssrn.com/paper=251942.
LONG, J. Scott; FREESE, Jeremy. Regression models for categorical dependent variables
using STATA. Texas: Stata Press, 2001.
MACEDO JR., Jurandir S. Teoria do prospecto: uma investigao utilizando simulao
de investimentos. Tese (Doutorado em Engenharia de Produo) Universidade Federal
de Santa Catarina, Florianpolis, 2003.
MARKOWITZ, Harry. Portfolio selection. The Journal of Finance, v. 7, n. 1, p. 7791,
Mar 1952.
MARTINS, Gilberto A. Manual para elaborao de monografias e dissertaes. So Paulo:
Atlas, 2002.
150
MINETO, Carlos Augusto L. Percepo ao risco e efeito disposio: uma anlise experimental da teoria dos prospectos. Tese (Doutorado em Engenharia de Produo)
Universidade Federal de Santa Catarina, Florianpolis, 2005.
MODIGLIANI, Franco; MILLER, Merton H. The cost of capital, corporation finance and
the theory of investment. The American Economic Review, v. 48, n. 3, p. 261297, June
1958.
NETER, John et al. Applied linear regression models. Chicago: Irwin, 1996.
ODEAN, Terrance. Are investors reluctant to realize their losses? The Journal of Finance,
v. 53, n. 5, p. 17751798, Oct 1998.
PEREIRA, Ricardo B. Propenso dos gestores de fundos de investimento em aes em
vender ganhadoras e manter perdedora: uma contribuio das finanas comportamentais.
Dissertao (Trabalho de Concluso de Curso) Universidade de So Paulo, So Paulo,
2005.
PINDYCK, Robert S.; RUBINFELD, Daniel L. Econometria - Modelos e Previses. Rio
de Janeiro: Campus/Elsevier, 2004.
RANGUELOVA, Elena. Disposition effect and firm size: new evidence on individual
investor trading activity. SSRN eLibrary, 2001. Acessado em 9 de dezembro de 2008.
Disponvel em: http://ssrn.com/paper=293618.
ROGER, Patrick. Does the Consciousness of the Disposition Effect Increase the Equity
Premium? SSRN eLibrary, 2007. Acessado em 9 de dezembro de 2008. Disponvel em:
http://ssrn.com/paper=969431.
SEVERINO, Antnio J. Metodologia do trabalho cientfico. So Paulo: Cortez, 2000.
SHAPIRA, Zur; VENEZIA, Itzhak. Patterns of behavior of professionally managed and
independent investors. Journal of Banking and Finance, v. 25, n. 8, p. 15731587, Aug
2001.
151
SHARPE, William F. Capital asset prices: a theory of market equilibrium under conditions of risk. The Journal of Finance, v. 19, n. 3, p. 425442, Sept 1964.
SHEFRIN, Hersh. Beyond greed and fear: understanding behavioral finance and psychology of investing. New York: Oxford University Press, 2002.
. A behavioral approach to asset pricing. Amsterdam: Elsevier Academic Press,
2005a.
. Behavioral corporate finance. New York: McGraw-Hill/Irwin, 2005b.
SHEFRIN, Hersh; STATMAN, Meir. The disposition to sell winners too early and ride
losers too long: theory and evidence. The Journal of Finance, v. 40, n. 3, p. 777790, Jul
1985.
. Behavioral portfolio theory. Journal of Financial and Quantitative Analysis, v. 35,
n. 2, p. 127151, Jun 2000.
SHILLER, Robert J. From efficient markets theory to behavioral finance. Journal of
Economic Perspectives, v. 17, n. 1, p. 83104, Winter 2003.
SHLEIFER, Andrei. Inefficient markets: an introduction to behavioral finance. Oxford:
Oxford University Press, 2000.
SHLEIFER, Andrei; VISHNY, Robert W. The limits of arbitrage. The Journal of Finance,
v. 52, n. 1, p. 3555, Mar 1997.
SIMON, Herbert A. Models of man. New York: Wiley, 1957.
STATMAN, Meir. Behavioral finance: past battles and future engagements. Financial
Analysts Journal, v. 55, n. 6, p. 1827, Nov/Dec 1999.
STEVENSON, William J. Estatstica aplicada administrao. So Paulo: Editora Harbra, 2001.
152
STROBL, Gnter. Information asymmetry, price momentum, and the disposition effect.
SSRN eLibrary, 2003. Acessado em 9 de dezembro de 2008. Disponvel em: http://ssrn.
com/paper=474221.
THALER, Richard H. Mental accounting and consumer choice. Marketing Science, v. 4,
n. 3, p. 199214, Summer 1985.
. Advances in behavioral finance I. New York: Russell Sage Foundation, 1993.
. Mental accounting matters. Journal of Behavioral Decision Making, v. 12, n. 3, p.
183206, 1999a.
. The end of behavioral finance. Financial Analysts Journal, v. 55, n. 6, p. 1217,
Nov/Dec 1999b.
. Advances in behavioral finance II. New York: Russell Sage Foundation, 2003.
THALER, Richard H; SHEFRIN, Hersh. An economic theory of self-control. Journal of
Political Economy, v. 89, p. 392410, Apr 1981.
TIZZIANI, Elton. O efeito disposio na indstria brasileira de fundos de investimento
em aes: um estudo em finanas comportamentais. Dissertao (Mestrado em Administrao) Pontifcia Universidade Catlica do Rio de Janeiro, Rio de Janeiro, 2008.
TVERSKY, Amos; KAHNEMAN, Daniel. Availability: a heuristic for judging frequency
and probability. Cognitive Psychology, v. 5, n. 2, p. 207232, Sept 1973.
. Judgment under uncertainty: heuristics and biases. Science, v. 185, n. 4157, p.
11241131, Sept 1974.
. The framing of decisions and the psychology of choice. Science, v. 211, n. 4481, p.
453458, Jan 1981.
. Rational choice and the framing of decisions. The Journal of Business, v. 59, n. 4,
p. 251278, Oct 1986.
153
WEBER, Martin; CAMERER, Colin F. The disposition effect in securities trading: an

experimental analysis. Journal of Economic Behavior and Organization, v. 33, n. 2, p.
167184, 1998.
154
Apndice A
Amostra de fundos estudada por

CNPJ e Administrador
155
Fundo
tico Aes Fundo de Investimento em Aes
Bancoob Aes Fundo de Investimento em Aes
Banrisul ndice Fundo de Investimento em Aes
Bradesco Fundo de Investimento em Aes Stock Picking
Bradesco Fundo de Investimento em Aes Seguridade FI
Bradesco Fundo de Investimento em Aes Selection
Bradesco Fundo de Investimento em Aes Super Ao
Bradesco Private Fundo de Investimento em Aes
Bram Fundo de Investimento em Aes
Bram Fundo de Investimento em Aes Ibovespa Ativo
Fundo de Investimento em Aes Caixa Ibovespa Ativo
Fundo de Investimento Fator ELO Aes
Fundo de Investimento de Aes Bells
Rapsag Fundo de Investimento de Aes
Fundo de Investimento Araquari em Aes
Fundo de Investimento Armazm em Aes
Fundo de Investimento Atalanta em Aes
Fundo de Investimento Fator Aes Institucional
Fundo de Investimento Garuva em Aes
Fundo de Investimento Votorantim em Aes
UBS Pactual Blue Chips Fundo de Investimento de Aes
Fundo de Investimento Votorantim Equity Allocation em Aes
Fundo de Investimento em Aes Merlot
BTG Pactual Andrmeda Fundo de Investimento de Aes
Focus Fundo de Investimento em Aes
Galxia Aes - Fundo de Investimento
Global Equity Fund Fundo de Investimento em Aes
HSBC Fundo de Investimento de Aes Nite
HSBC Fundo de Investimento Aes Plus
Institucional Fundo de Investimento em Aes Ibovespa
Ita Flexprev Aes - Fundo de Investimento
Ita Institucional Ibovespa Ativo Aes - Fundo de Investimento
Ita Private Ativo Aes - Fundo de Investimento
J. Malucelli Aoes Fundo de Investimento em Aes
Legg Mason Hub Selection Aes - Fundo de Investimento
Legg Mason Portfolio Aes FI
Life Fundo de Investimento em Aes
Luxor Aes - Fundo de Investimento
Real Fundo de Investimento em Aes Ativo II
Santander Fundo de Investimento Aes
39.547.534/0001-78
08.692.596/0001-40
02.131.725/0001-44
09.298.401/0001-44
01.661.746/0001-09
03.660.879/0001-96
71.739.445/0001-36
04.088.125/0001-76
05.589.424/0001-57
05.589.433/0001-48
08.046.355/0001-23
03.707.396/0001-08
02.547.088/0001-91
74.054.800/0001-21
09.083.903/0001-58
09.077.988/0001-61
09.081.817/0001-06
01.619.647/0001-69
09.077.984/0001-83
68.169.457/0001-68
02.091.335/0001-98
08.702.251/0001-20
05.035.891/0001-35
40.428.039/0001-29
02.961.315/0001-20
00.737.556/0001-65
03.883.597/0001-58
03.189.567/0001-46
02.526.154/0001-47
07.905.205/0001-65
04.699.738/0001-40
01.715.238/0001-66
73.960.635/0001-04
04.745.400/0001-87
08.708.355/0001-41
01.789.400/0001-90
01.715.969/0001-01
01.665.498/0001-74
02.832.972/0001-78
47.179.288/0001-77
Continua na prxima pgina
Administrador
BNY Mellon Servios Financeiros DTVM S/A
Banrisul S/A CVMC
Banco Bradesco S/A
Banco Fator S/A
UBS Pactual Servios Financeiros S/A DTVM
Banco Fator S/A
BEM DTVM LTDA
BTG Pactual Servios Financeiros S/A DTVM
Sul Amrica Investimentos DTVM S/A
Banco Ita S/A
BEM DTVM LTDA
HSBC Bank Brasil S/A - Banco Mltiplo
HSBC Bank Brasil S/A - Banco Mltiplo
BEM DTVM LTDA.
Banco Itaucard S/A
Banco Itaucard S/A
Banco Itaucard S/A
Intrag DTVM Ltda.
Banco Itaucard S/A
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
CNPJ
156
Tabela 23 Amostra de fundos estudada por CNPJ e Administrador
Tabela 23 continuao da pgina anterior

Fundo
41
42
43
44
45
46
47
48
49
50
51
Santander Fundo de Investimento Institucional em Aes

Schroder Foco Fundo de Investimento em Aes Previdencirio
SLW Fundo de Investimento - Aes
Top Condor Fundo de Investimento em Aes
Top Safira Aes - Fundo de Investimento
Top Ultra Fundo de Investimento em Aes
Fundo de Investimento de Aes Itapo
Unibanco Blue Fundo de Investimento em Aes
Unibanco Previdncia Ibovespa Fundo de Investimento em Aes
Unibanco Seleo Aes Brasil Fundo de Investimento em Aes
XP Investor Fundo de Investimento de Aes
CNPJ
01.699.688/0001-02
06.234.282/0001-78
00.110.792/0001-57
03.483.698/0001-31
03.805.166/0001-73
03.616.821/0001-45
02.284.483/0001-29
29.546.256/0001-80
00.979.992/0001-40
04.340.068/0001-70
07.152.170/0001-30
Administrador
SLW CVC Ltda.
BEM DTVM LTDA.
Banco Itaucard S/A
BEM DTVM LTDA.
BTG Pactual Servios Financeiros S/A DTVM
Banco Ita S/A
Banco Ita S/A
Banco Ita S/A
BNY Mellon Servios Financeiros DTVM S/A
157
158
Apndice B
Amostra de fundos estudada por
Gestor e Patrimnio Lquido
159
160
Tabela 24 Amostra de fundos estudada por Gestor e Patrimnio Lquido

Gestor
tico Aes Fundo de Investimento em Aes

Bancoob Aes Fundo de Investimento em Aes
Banrisul ndice Fundo de Investimento em Aes
Bradesco Fundo de Investimento em Aes Stock Picking
Bradesco Fundo de Investimento em Aes Seguridade FI
Bradesco Fundo de Investimento em Aes Selection
Bradesco Fundo de Investimento em Aes Super Ao
Bradesco Private Fundo de Investimento em Aes
Bram Fundo de Investimento em Aes
Bram Fundo de Investimento em Aes Ibovespa Ativo
Fundo de Investimento em Aes Caixa Ibovespa Ativo
Fundo de Investimento Fator ELO Aes
Fundo de Investimento de Aes Bells
Rapsag Fundo de Investimento de Aes
Fundo de Investimento Araquari em Aes
Fundo de Investimento Armazm em Aes
Fundo de Investimento Atalanta em Aes
Fundo de Investimento Fator Aes Institucional
Fundo de Investimento Garuva em Aes
Fundo de Investimento Votorantim em Aes
UBS Pactual Blue Chips Fundo de Investimento de Aes
Fundo de Investimento Votorantim Equity Allocation em Aes
Fundo de Investimento em Aes Merlot
BTG Pactual Andrmeda Fundo de Investimento de Aes
Focus Fundo de Investimento em Aes
Galxia Aes - Fundo de Investimento
Global Equity Fund Fundo de Investimento em Aes
HSBC Fundo de Investimento de Aes Nite
HSBC Fundo de Investimento Aes Plus
Institucional Fundo de Investimento em Aes Ibovespa
Ita Flexprev Aes - Fundo de Investimento
Ita Institucional Ibovespa Ativo Aes - Fundo de Investimento
Ita Private Ativo Aes - Fundo de Investimento
J. Malucelli Aoes Fundo de Investimento em Aes
Legg Mason Hub Selection Aes - Fundo de Investimento
Legg Mason Portfolio Aes FI
Life Fundo de Investimento em Aes
Luxor Aes - Fundo de Investimento
Real Fundo de Investimento em Aes Ativo II

Banrisul S/A CVMC
ABN Ambro Asset Management DTVM S/A
Banco Ita S/A
Banco Ita S/A
Banco Ita S/A
Banco Ita S/A
Banco Ita S/A
Continua na prxima pgina
PL em 31/12/2008
(R$/Mil)
10.141
605
12.095
828
654
108.106
46.949
17.698
325.421
124.961
83.505
26.752
30.774
3.091
1.935
1.755
3.480
33.018
1.889
20.099
1.446
25.701
53.058
40.174
38.625
733.412
1.588
18.794
63.683
17.872
810.448
14.650
28.872
6.288
2.359
75.260
29.707
71.240
149.029
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
Fundo
Tabela 24 continuao da pgina anterior
40
41
42
43
44
45
46
47
48
49
50
51
Fundo
Gestor
Santander Fundo de Investimento Aes

Santander Fundo de Investimento Institucional em Aes
Schroder Foco Fundo de Investimento em Aes Previdencirio
SLW Fundo de Investimento - Aes
Top Condor Fundo de Investimento em Aes
Top Safira Aes - Fundo de Investimento
Top Ultra Fundo de Investimento em Aes
Fundo de Investimento de Aes Itapo
Unibanco Blue Fundo de Investimento em Aes
Unibanco Previdncia Ibovespa Fundo de Investimento em Aes
Unibanco Seleo Aes Brasil Fundo de Investimento em Aes
XP Investor Fundo de Investimento de Aes

SLW CVC Ltda.
Banco Ita S/A
PL em 31/12/2008
(R$/Mil)
85.967
48.434
21.810
3.574
170.609
325.632
220.947
36.335
96.753
29.853
6.583
25.162
161
162
Apndice C
PGR e PPR mdia por grupo de
fundos administrados pelo mesmo
gestor
163
164
C PGR e PPR mdia por grupo de fundos administrados pelo mesmo gestor
Tabela 25 Resultados segmentados por gestor, por transao realizada, obtidos

com base no preo mdio de compra
GESTOR
PGR
PPR
(PGR - PPR)
0,3438
0,2199
0,1239
0,5699
0,5613
0,0086
Banco Ita S/A
0,3957
0,3451
0,0505
0,2469
0,1270
0,1199
Banrisul S/A CVMC
0,1471
0,0994
0,0477
0,4357
0,3676
0,0681
0,5002
0,3864
0,1139
0,4968
0,5000
-0,0032
0,4548
0,3117
0,1431
0,5159
0,3232
0,1927
0,2309
0,2879
-0,0570
0,5093
0,4643
0,0450
0,2410
0,1527
0,0883
0,2140
0,1395
0,0745
0,5336
0,4397
0,0940
0,3946
0,4177
-0,0231
0,2792
0,0553
0,2239
0,4146
0,2670
0,1476
0,4728
0,4332
0,0396
0,4001
0,3887
0,0114
0,2985
0,2874
0,0111
0,4090
0,3956
0,0134
0,3394
0,4706
-0,1311
165
Tabela 26 Resultados segmentados por gestor, por volume transacionado, obtidos

com base no preo mdio de compra
GESTOR
PGR
PPR
(PGR - PPR)
0,100
0,107
-0,007
0,244
0,289
-0,045
Banco Ita S/A
0,165
0,078
0,087
0,079
0,045
0,033
Banrisul S/A CVMC
0,032
0,021
0,011
0,135
0,136
-0,001
0,141
0,130
0,011
0,126
0,196
-0,070
0,179
0,104
0,075
0,107
0,080
0,027
0,136
0,197
-0,061
0,105
0,255
-0,150
0,074
0,031
0,043
0,102
0,069
0,033
0,105
0,150
-0,045
0,095
0,170
-0,075
0,114
0,025
0,089
0,292
0,183
0,109
0,134
0,197
-0,063
0,215
0,215
0,000
0,111
0,269
-0,157
0,073
0,093
-0,020
0,146
0,086
0,060
166
Tabela 27 Resultados segmentados por gestor, por transao realizada, obtidos

com base no retorno em excesso de mercado
GESTOR
PGR
PPR
(PGR - PPR)
0,3072
0,2799
0,0272
0,6000
0,5391
0,0609
Banco Ita S/A
0,3972
0,3539
0,0433
0,1774
0,2073
-0,0299
Banrisul S/A CVMC
0,1899
0,0959
0,0941
0,4313
0,3861
0,0452
0,4949
0,4177
0,0771
0,5766
0,4308
0,1458
0,4549
0,3493
0,1057
0,5115
0,3680
0,1435
0,2442
0,2473
-0,0032
0,5144
0,4677
0,0468
0,2597
0,1683
0,0914
0,2465
0,1094
0,1371
0,5210
0,4685
0,0525
0,4135
0,3822
0,0313
0,2887
0,0985
0,1901
0,4396
0,2613
0,1783
0,4820
0,4433
0,0387
0,4280
0,3682
0,0599
0,2997
0,3173
-0,0176
0,4190
0,3891
0,0299
0,3495
0,4505
-0,1010
167
Tabela 28 Resultados segmentados por gestor, por volume transacionado, obtidos

com base no retorno em excesso de mercado
GESTOR
PGR
PPR
(PGR - PPR)
0,0838
0,1530
-0,0692
0,2506
0,2660
-0,0155
Banco Ita S/A
0,1694
0,0842
0,0852
0,0730
0,0605
0,0125
Banrisul S/A CVMC
0,0358
0,0213
0,0145
0,1329
0,1427
-0,0097
0,1415
0,1304
0,0111
0,1357
0,1633
-0,0276
0,1678
0,1378
0,0300
0,1019
0,1014
0,0005
0,1364
0,1769
-0,0405
0,1021
0,2618
-0,1598
0,0743
0,0406
0,0337
0,1090
0,0487
0,0604
0,1040
0,1531
-0,0491
0,0924
0,1697
-0,0773
0,1266
0,0403
0,0864
0,2959
0,1795
0,1164
0,1348
0,1842
-0,0494
0,2087
0,2231
-0,0144
0,1096
0,2089
-0,0993
0,0723
0,0959
-0,0236
0,1388
0,1046
0,0342
168
Apndice D
Resultados da hiptese da reverso
mdia - testes de propores
169

170
Banrisul S/A CVMC
R$ 542.787.259
R$ 16.478.381
R$ 18.520.917
R$ 296.375.656
R$ 7.476.397
R$ 40.673.446
R$ 69.779.838
R$ 87.538.073
R$ 195.300.067
R$ 1.799.682.241
R$ 4.767.831
R$ 307.876
R$ 2.918.413.132
R$ 5.547.336
R$ 71.935.126
GNR
R$ 5.774.388
R$ 70.220.691
R$ 2.242.567
R$ 1.522.932
R$ 42.294.687
R$ 1.124.768
R$ 5.076.284
R$ 13.382.976
R$ 14.708.835
R$ 21.756.620
R$ 135.573.936
R$ 187.724
R$ 33.402
R$ 255.573.431
R$ 1.977.671
R$ 6.959.858
GR
R$ 1.420.709
R$ 15.210.006
R$ 119.752.580
R$ 3.201.955
R$ 5.182.778
R$ 84.342.551
R$ 2.076.095
R$ 19.431.659
R$ 46.907.137
R$ 27.763.316
R$ 52.137.558
R$ 399.861.690
R$ 11.016.682
R$ 229.260
R$ 720.883.954
R$ 2.657.681
R$ 23.856.592
PNR
R$ 708.652
R$ 74.722
R$ 3.019.785
R$ 23.362.590
R$ 187.853
R$ 172.223
R$ 26.758.040
R$ 377.463
R$ 1.922.976
R$ 6.541.110
R$ 6.059.414
R$ 4.987.156
R$ 48.400.509
R$ 149.559
R$ 13.370
R$ 70.521.926
R$ 997.846
R$ 3.854.968
PR
0,0938
0,2403
0,1535
0,0891
0,1146
0,1198
0,0760
0,1249
0,1308
0,1110
0,1609
0,1439
0,1002
0,0701
0,0379
0,0979
0,0805
0,2628
0,0882
PGR
0,2594
0,1817
0,1668
0,0500
0,1657
0,1632
0,0554
0,0322
0,2408
0,1538
0,0900
0,1224
0,1792
0,0873
0,1080
0,0134
0,0551
0,0891
0,2730
Tabela 29 Resultados segmentados por gestor, por volume transacionado, com base na consistncia do desempenho dos trs
meses precedentes
R$ 59.006.048
R$ 96.827
R$ 3.538.814
R$ 66.422.401
0,2228
0,2470
R$ 533.968
R$ 2.732.267
R$ 299.236.253
R$ 5.161.243
0,2254
0,1099
(PGR - PPR)
R$ 8.640.154
R$ 162.692.472
R$ 14.737.824
R$ 7.051.218
0,0626
PPR
R$ 1.571.386.362
R$ 6.861.930
R$ 21.497.395
R$ 45.343.802
0,0793
0,1391
R$ 23.940.940
R$ 17.811.060
R$ 367.369.267
0,1297
GESTOR
R$ 61.197.054
R$ 144.333.342
R$ 1.144.079
Banco Ita S/A
R$ 2.159.939.715
R$ 13.286.827
-696,38
(0,000)
-35,90
(0,000)
-765,45
(0,000)
62,17
(0,000)
265,01
(0,000)
-2.405,30
(0,000)
303,93
(0,000)
-473,68
(0,000)
639,44
(0,000)
270,07
(0,000)
-89,63
(0,000)
-2.613,69
(0,000)
454,01
(0,000)
443,43
(0,000)
-1.455,02
(0,000)
-814,02
(0,000)
212,34
(0,000)
332,40
(0,000)
-4.115,01
(0,000)
-296,15
(0,000)
-230,78
(0,000)
-2.915,45
(0,000)
450,73
(0,000)
R$ 1.960.018
-0,0509
(0,0001)
-0,0102
(0,0003)
-0,0086
(0,0000)
0,0428
(0,0007)
0,0245
(0,0001)
-0,0379
(0,0000)
0,0129
(0,0000)
-0,0353
(0,0001)
0,0385
(0,0001)
0,0209
(0,0001)
-0,0231
(0,0003)
-0,1160
(0,0000)
0,0438
(0,0001)
0,0644
(0,0001)
-0,0487
(0,0000)
-0,0765
(0,0001)
0,1035
(0,0005)
0,0734
(0,0002)
-0,0878
(0,0000)
-0,0366
(0,0001)
-0,0216
(0,0001)
-0,0472
(0,0000)
0,0505
(0,0001)
R$ 13.147.678
Os smbolos ,
Os smbolos ,
R$ 15.340.209
R$ 4.387.293
R$ 154.145.617
R$ 17.146.736
R$ 6.864.832
R$ 165.341.454
R$ 4.660.455
R$ 115.545
R$ 5.778.450
R$ 72.713.011
R$ 2.246.765
R$ 1.712.798
R$ 43.919.465
R$ 1.287.988
R$ 4.590.928
R$ 14.108.756
R$ 14.907.683
R$ 20.464.233
R$ 142.470.548
R$ 234.160
R$ 29.294
R$ 279.636.621
R$ 1.821.941
R$ 6.971.458
GR
R$ 12.501.336
R$ 364.018.893
R$ 20.396.575
R$ 13.467.003
R$ 293.561.325
R$ 3.357.473
R$ 1.500.927
R$ 13.649.875
R$ 122.115.936
R$ 2.881.949
R$ 6.126.082
R$ 72.708.149
R$ 2.125.406
R$ 18.496.985
R$ 44.594.358
R$ 15.605.673
R$ 50.416.564
R$ 415.244.800
R$ 11.336.551
R$ 217.193
R$ 709.830.846
R$ 2.967.033
R$ 23.438.726
PNR
PR
R$ 1.066.268
R$ 47.227.948
R$ 6.097.234
R$ 5.739.548
R$ 60.618.164
R$ 1.066.404
R$ 39.408
R$ 3.441.508
R$ 23.409.398
R$ 185.155
R$ 221.054
R$ 21.932.963
R$ 386.567
R$ 2.205.184
R$ 6.973.960
R$ 3.293.346
R$ 4.946.615
R$ 48.378.050
R$ 218.678
R$ 14.682
R$ 72.576.205
R$ 933.275
R$ 3.664.773
R$ 2.207.102.324
R$ 67.693.857
R$ 24.815.147
R$ 1.634.181.617
R$ 9.008.592
R$ 62.838.396

R$ 301.736
R$ 561.887.434
R$ 15.296.287
R$ 7.503.825
R$ 38.428.421
R$ 18.373.472
R$ 72.773.800
R$ 78.943.007
R$ 296.466.063
R$ 186.370.633
R$ 1.927.053.523
R$ 6.237.339
Banrisul S/A CVMC
R$ 345.476
R$ 2.992.406.408
R$ 5.323.786
Banco Ita S/A
R$ 68.808.935
GNR
GESTOR
0,2224
0,0653
0,2021
0,2167
0,0919
0,3409
0,2769
0,0842
0,1146
0,1281
0,0853
0,1290
0,1465
0,1067
0,1624
0,1588
0,0989
0,0688
0,0362
0,0782
0,0855
0,2550
0,0920
PGR
0,0786
0,1148
0,2301
0,2988
0,1712
0,2411
0,0256
0,2014
0,1609
0,0604
0,0348
0,2317
0,1539
0,1065
0,1352
0,1743
0,0893
0,1043
0,0189
0,0633
0,0928
0,2393
0,1352
PPR
-0,0432
(0,0001)
0,0157
(0,0003)
-0,0073
(0,0000)
0,0148
(0,0007)
0,0173
(0,0001)
-0,0355
(0,0000)
0,0096
(0,0000)
-0,0154
(0,0001)
0,0272
(0,0001)
0,0002
(0,0001)
-0,0074
(0,0003)
-0,1027
(0,0000)
0,0504
(0,0001)
0,0677
(0,0002)
-0,0463
(0,0000)
-0,1171
(0,0001)
0,2513
(0,0007)
0,0999
(0,0002)
-0,0793
(0,0000)
-0,0821
(0,0001)
-0,0280
(0,0001)
-0,0496
(0,0000)
0,1438
(0,0001)
(PGR - PPR)
-587,23
(0,000)
57,96
(0,000)
-636,52
(0,000)
22,18
(0,000)
206,35
(0,000)
-2.328,26
(0,000)
220,00
(0,000)
-162,16
(0,000)
438,53
(0,000)
2,40
(0,008)
-28,76
(0,000)
-2.184,36
(0,000)
526,52
(0,000)
429,40
(0,000)
-1.403,45
(0,000)
-1.141,44
(0,000)
356,84
(0,000)
415,52
(0,000)
-3.749,80
(0,000)
-644,02
(0,000)
-302,49
(0,000)
-2.999,35
(0,000)
1.210,91
(0,000)
Tabela 30 Resultados segmentados por gestor, por volume transacionado, com base na consistncia do desempenho dos seis
meses precedentes
171

172
Banrisul S/A CVMC
R$ 602.387.924
R$ 16.983.237
R$ 19.364.259
R$ 312.317.537
R$ 7.875.585
R$ 40.018.839
R$ 66.733.939
R$ 72.593.971
R$ 200.084.103
R$ 2.072.124.646
R$ 6.780.271
R$ 377.575
R$ 3.280.722.799
R$ 5.459.812
R$ 76.351.644
GNR
R$ 6.202.576
R$ 75.578.516
R$ 2.422.192
R$ 1.725.777
R$ 42.984.521
R$ 1.216.660
R$ 5.119.749
R$ 14.679.690
R$ 14.262.909
R$ 19.285.653
R$ 147.538.274
R$ 249.308
R$ 28.906
R$ 284.595.070
R$ 1.664.424
R$ 7.533.435
GR
R$ 1.637.114
R$ 11.121.912
R$ 84.863.472
R$ 2.398.657
R$ 5.153.872
R$ 54.403.749
R$ 2.036.343
R$ 16.510.885
R$ 41.661.755
R$ 10.430.315
R$ 46.648.031
R$ 416.051.796
R$ 10.709.376
R$ 140.360
R$ 620.539.051
R$ 1.912.670
R$ 20.102.024
PNR
R$ 681.409
R$ 49.014
R$ 2.883.632
R$ 19.723.662
R$ 144.970
R$ 137.009
R$ 16.001.004
R$ 344.680
R$ 1.946.686
R$ 7.479.051
R$ 1.190.156
R$ 4.865.829
R$ 45.761.767
R$ 126.278
R$ 11.245
R$ 61.788.710
R$ 538.201
R$ 3.651.268
PR
0,0892
0,3324
0,2893
0,0824
0,1115
0,1248
0,0818
0,1210
0,1338
0,1134
0,1803
0,1642
0,0879
0,0665
0,0355
0,0711
0,0798
0,2336
0,0898
PGR
0,2651
0,1787
0,1922
0,0291
0,2059
0,1886
0,0570
0,0259
0,2273
0,1448
0,1055
0,1522
0,1024
0,0945
0,0991
0,0117
0,0742
0,0906
0,2196
Tabela 31 Resultados segmentados por gestor, por volume transacionado, com base na consistncia do desempenho dos doze
meses precedentes
R$ 69.079.386
R$ 112.712
R$ 2.864.339
R$ 55.722.849
0,2086
0,2617
R$ 276.855
R$ 4.935.245
R$ 256.181.446
R$ 3.257.320
0,1976
0,1209
(PGR - PPR)
R$ 9.914.066
R$ 169.216.903
R$ 9.029.064
R$ 6.140.595
0,0604
PPR
R$ 1.727.665.167
R$ 7.448.478
R$ 17.320.790
R$ 43.678.493
0,0956
0,1537
R$ 28.265.241
R$ 16.058.665
R$ 317.552.401
0,1924
GESTOR
R$ 65.194.165
R$ 156.298.356
R$ 769.701
Banco Ita S/A
R$ 2.432.525.542
R$ 7.280.366
-795,70
(0,000)
45,51
(0,000)
-902,89
(0,000)
-3,90
(0,000)
309,24
(0,000)
-2.193,13
(0,000)
-145,36
(0,000)
634,28
(0,000)
421,86
(0,000)
92,85
(0,000)
-43,03
(0,000)
-2.010,97
(0,000)
612,84
(0,000)
414,64
(0,000)
-1.922,17
(0,000)
-1.096,83
(0,000)
352,68
(0,000)
578,45
(0,000)
-3.948,02
(0,000)
-395,20
(0,000)
-635,01
(0,000)
-3.404,80
(0,000)
717,11
(0,000)
R$ 4.007.549
-0,0639
(0,0001)
0,0140
(0,0003)
-0,0107
(0,0000)
-0,0031
(0,0008)
0,0238
(0,0001)
-0,0326
(0,0000)
-0,0065
(0,0000)
0,0618
(0,0001)
0,0281
(0,0001)
0,0080
(0,0001)
-0,0109
(0,0003)
-0,1063
(0,0001)
0,0559
(0,0001)
0,0678
(0,0002)
-0,0771
(0,0000)
-0,1235
(0,0001)
0,2603
(0,0007)
0,1402
(0,0002)
-0,0894
(0,0000)
-0,0566
(0,0001)
-0,0641
(0,0001)
-0,0605
(0,0000)
0,0967
(0,0001)
R$ 16.826.748
Os smbolos ,
Apndice E
Resultados da hiptese da reverso
mdia - modelo logit ordenado
173

174
GESTOR
REMi,f,t
DCG
-0,0330
(0,1843)
0,3878
(0,1887)
0,0497
(0,0633)
-0,1247
(0,5737)
0,5529
(0,3403)
0,0053
(0,0558)
0,4238
(0,0954)
0,3316
(0,3122)
-0,1860
(0,2304)
-0,3883
(0,3430)
-0,3332
(0,2394)
0,3096
(0,0842)
0,6222
(0,2479)
0,7149
(0,3479)
0,0339
(0,0996)
0,1694
(0,2108)
0,8717
(0,4156)
0,3638
(0,2636)
0,0136
(0,0627)
0,2073
(0,0925)
0,0786
(0,0887)
0,0063
(0,0658)
-0,2916
(0,4570)
DCP
-0,1540
(0,1879)
0,0020
(0,1182)
0,0175
(0,0145)
0,0475
(0,1078)
0,2342
(0,1499)
0,0021
(0,0173)
0,6554
(0,0792)
-0,3232
(0,2620)
0,0649
(0,1602)
-0,7772
(0,2873)
-0,0287
(0,0675)
0,0474
(0,0215)
-0,2189
(0,0687)
0,0973
(0,1671)
0,1229
(0,0247)
-0,0835
(0,0492)
0,2360
(0,0782)
0,3664
(0,0886)
0,0566
(0,0291)
0,0798
(0,0462)
0,0614
(0,0213)
0,1066
(0,0210)
1,5252
(2,5509)
LN P Lf,t
-1,7170
(3,1635)
-0,0298
(1,8040)
0,8198
(0,2587)
1,8282
(1,8209)
5,3317
(2,2159)
0,4435
(0,2995)
12,0757
(1,4242)
-5,6444
(4,6865)
1,4873
(2,8218)
-13,1798
(4,8717)
0,5461
(1,1199)
0,7669
(0,3509)
-2,4148
(1,2690)
3,8685
(2,9994)
1,9152
(0,4052)
-1,0800
(0,8152)
5,1748
(1,1580)
7,0998
(1,5297)
1,3770
(0,5364)
1,9153
(0,8672)
1,5184
(0,3598)
2,3350
(0,3467)
27,5363
(45,1635)
-0,9868
(3,1604)
0,6511
(1,8038)
1,9605
(0,2609)
2,1776
(1,8364)
5,9531
(2,2271)
1,3870
(0,3003)
13,4999
(1,4298)
-4,5371
(4,6899)
2,2683
(2,8225)
-12,1895
(4,8529)
0,8881
(1,1188)
2,0560
(0,3538)
-2,1077
(1,2699)
4,7676
(3,0032)
3,1575
(0,4079)
0,1300
(0,8199)
5,3017
(1,1539)
7,6572
(1,5431)
2,2839
(0,5373)
2,5979
(0,8681)
2,1501
(0,3617)
3,4388
(0,3505)
28,3626
(45,1736)
-0,5420
(3,1578)
1,0599
(1,8030)
2,5310
(0,2620)
2,8168
(1,8383)
6,7157
(2,2270)
1,8385
(0,3009)
14,2978
(1,4257)
-3,9301
(4,6965)
2,6989
(2,8246)
-11,9493
(4,8597)
1,2338
(1,1127)
2,7500
(0,3576)
-1,9291
(1,2721)
5,2800
(2,9956)
3,6867
(0,4096)
0,5407
(0,8255)
5,4960
(1,1633)
8,0288
(1,5453)
2,7476
(0,5372)
3,1274
(0,8681)
2,4655
(0,3620)
3,9798
(0,3522)
28,8052
(45,1805)
-0,3322
(3,1511)
1,3378
(1,8034)
2,9633
(0,2624)
3,1328
(1,8512)
7,4287
(2,2400)
2,2013
(0,3017)
14,7529
(1,4278)
-3,7957
(4,6922)
3,0487
(2,8224)
-11,8700
(4,8572)
1,6047
(1,1139)
3,0791
(0,3598)
-1,5564
(1,2741)
5,7327
(2,9961)
4,0011
(0,4102)
0,8262
(0,8291)
5,7897
(1,1661)
8,3273
(1,5502)
3,1243
(0,5379)
3,5284
(0,8684)
2,8112
(0,3627)
4,3212
(0,3538)
29,1624
(45,1723)
-0,1551
(3,1536)
1,5512
(1,7998)
3,2209
(0,2634)
3,2608
(1,8365)
8,2274
(2,2832)
2,4771
(0,3028)
15,3077
(1,4326)
-3,5234
(4,6939)
3,3444
(2,8214)
-11,7571
(4,8644)
1,8499
(1,1156)
3,2306
(0,3617)
-1,3984
(1,2734)
5,8164
(2,9794)
4,3494
(0,4117)
0,9379
(0,8305)
5,9869
(1,1751)
8,5838
(1,5510)
3,4016
(0,5385)
3,9621
(0,8729)
3,1930
(0,3645)
4,5576
(0,3550)
29,3258
(45,1900)
-0,0085
(0,1933)
0,1099
(0,2015)
-0,0450
(0,0639)
-1,0622
(0,7371)
-0,4618
(0,3188)
-0,0472
(0,0669)
-0,1251
(0,1180)
0,1364
(0,3372)
-0,0727
(0,2081)
-0,4438
(0,3108)
-0,1146
(0,2256)
0,1523
(0,1059)
-0,2678
(0,2662)
0,4854
(0,4726)
0,0046
(0,1174)
-0,3933
(0,2523)
0,2436
(0,3841)
0,2732
(0,3232)
0,1888
(0,0726)
-0,2015
(0,1016)
0,2137
(0,0949)
0,1479
(0,0828)
0,3494
(0,4282)
Tabela 32 Resultados segmentados por gestor com base nas variveis dummy de consistncia de trs meses
Banrisul S/A CVMC
Banco Ita S/A
-0,0213
(0,4657)
-0,1414
(0,6046)
-0,0852
(0,1198)
-2,7566
(2,6081)
0,2523
(0,4440)
-0,0751
(0,1222)
-0,3607
(0,1704)
0,1065
(1,2601)
1,1697
(0,3602)
0,0291
(0,7901)
0,2760
(0,7005)
-0,1163
(0,1997)
0,2465
(0,5454)
1,3518
(0,5279)
0,0768
(0,2892)
-0,9966
(0,7215)
2,2773
(0,6393)
2,7947
(1,1093)
0,1136
(0,1564)
-0,1760
(0,1898)
0,0550
(0,2065)
0,1833
(0,1240)
0,4749
(1,0317)
Os smbolos ,
2,2192
31,2547
14,3346
17,3157
11,2908
41,7303
40,4390
7,0868
24,6628
18,6289
28,0111
17,1966
2,2515
10,5961
10,3996
2,8396
101,0881
0,6572
15,4960
2,7588
3,0627
4,4673
0,6920
RV
194
5.305
3.124
2.852
5.727
381
371
566
2.162
343
706
2.818
761
256
568
241
2.507
7.534
638
144
6.919
625
926
Obs.
-0,0366
(0,4693)
-0,1846
(0,6005)
-0,0281
(0,1214)
-1,3978
(2,5704)
0,4173
(0,4454)
-0,2900
(0,1293)
-0,3702
(0,1737)
-0,6594
(1,2533)
0,9355
(0,3704)
-0,1316
(0,7660)
-0,1555
(0,7588)
-0,0500
(0,2068)
0,5714
(0,5506)
1,3278
(0,4986)
0,0317
(0,2990)
-0,4624
(0,7527)
1,9048
(0,5745)
2,4301
(1,1175)
0,0065
(0,1579)
-0,1442
(0,1901)
-0,0256
(0,2120)
0,2808
(0,1284)
0,1123
(0,9785)
Os smbolos ,
-0,0310
(0,1879)
0,3403
(0,1901)
0,1689
(0,0653)
0,0224
(0,6331)
0,5078
(0,3599)
0,0346
(0,0574)
0,2939
(0,0973)
0,3199
(0,3080)
-0,0898
(0,2329)
-0,0997
(0,3545)
0,0797
(0,2643)
0,2538
(0,0870)
0,3532
(0,2566)
0,7274
(0,3369)
0,0380
(0,1045)
0,1582
(0,2243)
1,2143
(0,3829)
0,6877
(0,2886)
0,0924
(0,0639)
0,0951
(0,0923)
0,1333
(0,0893)
0,0888
(0,0691)
0,4931
(0,4137)
DCG
-0,0657
(0,1929)
0,0205
(0,1975)
0,1506
(0,0640)
-0,4233
(0,6482)
-0,2031
(0,3145)
-0,2139
(0,0686)
-0,2587
(0,1198)
-0,3279
(0,3624)
-0,2262
(0,2080)
-0,3043
(0,2989)
0,0218
(0,2298)
0,1963
(0,1081)
-0,2556
(0,2569)
0,4172
(0,4804)
-0,0517
(0,1171)
0,0402
(0,2527)
-0,0057
(0,4138)
0,3643
(0,3106)
0,1442
(0,0730)
-0,2906
(0,1020)
0,2068
(0,0962)
0,3455
(0,0836)
0,5847
(0,4381)
DCP
-0,1980
(0,1889)
0,0312
(0,1185)
0,0180
(0,0146)
0,0405
(0,1144)
0,2197
(0,1484)
-0,0005
(0,0173)
0,6645
(0,0792)
-0,2801
(0,2598)
0,0568
(0,1579)
-0,7720
(0,2768)
-0,0274
(0,0679)
0,0494
(0,0218)
-0,2130
(0,0675)
0,0748
(0,1636)
0,1240
(0,0251)
-0,0931
(0,0499)
0,2518
(0,0799)
0,3805
(0,0928)
0,0621
(0,0292)
0,0734
(0,0463)
0,0591
(0,0215)
0,1126
(0,0213)
2,3225
(2,7558)
LN P Lf,t
-2,4760
(3,1801)
0,3579
(1,8082)
0,9291
(0,2606)
1,9897
(1,9846)
5,1875
(2,1564)
0,3512
(0,3002)
12,1551
(1,4249)
-5,0039
(4,6678)
1,3193
(2,7783)
-12,9771
(4,6902)
0,7360
(1,1189)
0,7969
(0,3591)
-2,4034
(1,2377)
3,4572
(2,9187)
1,9128
(0,4127)
-1,0860
(0,8347)
5,3993
(1,1834)
7,4753
(1,6103)
1,4872
(0,5400)
1,7283
(0,8708)
1,4936
(0,3613)
2,5267
(0,3518)
41,9094
(48,7972)
Banrisul S/A CVMC
Banco Ita S/A
REMi,f,t
GESTOR
-1,7315
(3,1772)
1,0439
(1,8081)
2,0681
(0,2630)
2,3367
(1,9931)
5,8058
(2,1677)
1,2993
(0,3010)
13,5749
(1,4305)
-3,8900
(4,6718)
2,1020
(2,7789)
-11,9939
(4,6735)
1,0793
(1,1181)
2,0938
(0,3622)
-2,0975
(1,2377)
4,3371
(2,9202)
3,1541
(0,4155)
0,1507
(0,8400)
5,5281
(1,1807)
8,0411
(1,6238)
2,4033
(0,5409)
2,4109
(0,8717)
2,1234
(0,3632)
3,6435
(0,3558)
42,7397
(48,8027)
2
-1,2734
(3,1749)
1,4551
(1,8073)
2,6371
(0,2641)
2,9684
(1,9812)
6,5671
(2,1662)
1,7552
(0,3016)
14,3726
(1,4265)
-3,2810
(4,6789)
2,5325
(2,7810)
-11,7546
(4,6802)
1,4268
(1,1117)
2,8001
(0,3661)
-1,9191
(1,2384)
4,8508
(2,9115)
3,6784
(0,4168)
0,5852
(0,8456)
5,7266
(1,1903)
8,4079
(1,6305)
2,8742
(0,5409)
2,9413
(0,8716)
2,4371
(0,3633)
4,1946
(0,3574)
43,1589
(48,8037)
3
-1,0685
(3,1676)
1,7350
(1,8078)
3,0683
(0,2646)
3,2794
(1,9899)
7,2799
(2,1810)
2,1219
(0,3024)
14,8285
(1,4288)
-3,1467
(4,6739)
2,8820
(2,7791)
-11,6753
(4,6783)
1,8007
(1,1130)
3,1276
(0,3682)
-1,5470
(1,2417)
5,3047
(2,9126)
3,9964
(0,4175)
0,8488
(0,8488)
6,0309
(1,1906)
8,7113
(1,6366)
3,2571
(0,5417)
3,3428
(0,8720)
2,7797
(0,3638)
4,5506
(0,3590)
43,5193
(48,8040)
4
-0,8849
(3,1707)
1,9500
(1,8042)
3,3262
(0,2656)
3,4050
(1,9742)
8,0778
(2,2302)
2,4008
(0,3037)
15,3835
(1,4336)
-2,8749
(4,6763)
3,1778
(2,7785)
-11,5626
(4,6859)
2,0489
(1,1146)
3,2809
(0,3700)
-1,3897
(1,2408)
5,3886
(2,8952)
4,3496
(0,4192)
0,9672
(0,8491)
6,2359
(1,2011)
8,9690
(1,6374)
3,5358
(0,5425)
3,7769
(0,8766)
3,1653
(0,3656)
4,7966
(0,3605)
43,6835
(48,8039)
3,5144
48,7896
13,7218
16,9184
9,5385
47,2569
45,8861
4,5538
24,8806
18,4741
22,6178
13,9224
0,2739
8,7424
10,9344
3,9831
94,8139
12,3596
12,5999
0,5913
11,4907
3,5343
1,2169
RV
Tabela 33 Resultados segmentados por gestor com base nas variveis dummy de consistncia de seis meses
194
5.305
3.124
2.852
5.727
381
371
566
2.162
343
706
2.818
761
256
568
241
2.507
7.534
638
144
6.919
625
926
Obs.
175

176
GESTOR
REMi,f,t
DCG
0,2043
(0,2003)
-0,0771
(0,1922)
0,1987
(0,0655)
-0,6701
(0,6322)
0,4281
(0,3735)
-0,0143
(0,0597)
0,1568
(0,0986)
0,6742
(0,3170)
0,2147
(0,2299)
-0,2146
(0,3454)
-0,1997
(0,2540)
0,1303
(0,0909)
0,2349
(0,2430)
0,2480
(0,3511)
0,0224
(0,1099)
-0,1144
(0,2398)
0,9968
(0,3670)
0,7762
(0,2767)
0,1242
(0,0645)
0,1889
(0,0915)
-0,1470
(0,0907)
-0,0308
(0,0714)
-0,2379
(0,4523)
DCP
-0,2138
(0,1922)
-0,0757
(0,1289)
0,0170
(0,0147)
0,0125
(0,1178)
0,2204
(0,1442)
0,0021
(0,0175)
0,6672
(0,0798)
-0,1161
(0,2662)
0,0729
(0,1633)
-0,7365
(0,2828)
-0,0361
(0,0675)
0,0393
(0,0223)
-0,2192
(0,0678)
0,0675
(0,1684)
0,1413
(0,0259)
-0,0895
(0,0505)
0,2476
(0,0860)
0,3704
(0,0946)
0,0693
(0,0297)
0,0726
(0,0469)
0,0590
(0,0221)
0,1194
(0,0216)
1,0965
(2,6208)
LN P Lf,t
-2,6249
(3,2284)
-1,3623
(1,9648)
0,9451
(0,2632)
1,2334
(2,0383)
5,0307
(2,1066)
0,4166
(0,3050)
12,1940
(1,4381)
-2,0228
(4,8019)
1,8112
(2,8797)
-12,3633
(4,7759)
0,4374
(1,1143)
0,5724
(0,3660)
-2,6611
(1,2164)
3,0807
(3,0104)
2,2076
(0,4249)
-1,2006
(0,8465)
5,3585
(1,2747)
7,1359
(1,6391)
1,6199
(0,5486)
1,7125
(0,8813)
1,3449
(0,3726)
2,5506
(0,3570)
19,9686
(46,4179)
-1,8618
(3,2267)
-0,6617
(1,9646)
2,0968
(0,2658)
1,5870
(2,0485)
5,6531
(2,1180)
1,3691
(0,3060)
13,6049
(1,4439)
-0,8758
(4,8080)
2,5904
(2,8804)
-11,3762
(4,7599)
0,7872
(1,1134)
1,9067
(0,3688)
-2,3529
(1,2174)
3,9517
(3,0122)
3,4757
(0,4289)
0,0464
(0,8515)
5,4853
(1,2711)
7,7274
(1,6550)
2,5476
(0,5497)
2,3969
(0,8824)
1,9750
(0,3745)
3,6618
(0,3606)
20,8253
(46,4263)
-1,3905
(3,2249)
-0,2332
(1,9636)
2,6620
(0,2669)
2,2238
(2,0333)
6,4159
(2,1171)
1,8262
(0,3066)
14,4010
(1,4398)
-0,2437
(4,8184)
3,0137
(2,8816)
-11,1367
(4,7664)
1,1319
(1,1074)
2,5974
(0,3719)
-2,1737
(1,2182)
4,4635
(3,0007)
4,0095
(0,4307)
0,4889
(0,8574)
5,6815
(1,2810)
8,1098
(1,6626)
3,0207
(0,5497)
2,9333
(0,8823)
2,2826
(0,3743)
4,2119
(0,3625)
21,2389
(46,4305)
-1,1732
(3,2176)
0,0354
(1,9630)
3,0920
(0,2673)
2,5349
(2,0455)
7,1309
(2,1335)
2,1965
(0,3076)
14,8590
(1,4422)
-0,1040
(4,8117)
3,3647
(2,8800)
-11,0576
(4,7648)
1,5147
(1,1090)
2,9266
(0,3734)
-1,8001
(1,2205)
4,9172
(3,0041)
4,3432
(0,4314)
0,7577
(0,8606)
5,9813
(1,2777)
8,4308
(1,6693)
3,4180
(0,5505)
3,3321
(0,8829)
2,6351
(0,3750)
4,5727
(0,3641)
21,6309
(46,4260)
-0,9931
(3,2213)
0,2485
(1,9584)
3,3479
(0,2682)
2,6608
(2,0316)
7,9307
(2,1787)
2,4783
(0,3088)
15,4059
(1,4472)
0,1808
(4,8089)
3,6610
(2,8799)
-10,9454
(4,7735)
1,7704
(1,1109)
3,0759
(0,3754)
-1,6421
(1,2200)
5,0010
(2,9873)
4,7135
(0,4331)
0,8787
(0,8601)
6,1834
(1,2863)
8,7085
(1,6714)
3,7067
(0,5513)
3,7636
(0,8876)
3,0380
(0,3770)
4,8232
(0,3656)
21,8141
(46,4468)
0,1653
(0,1949)
0,0397
(0,2090)
0,2352
(0,0667)
-0,5258
(0,5558)
-0,8422
(0,3298)
-0,0726
(0,0697)
-0,1909
(0,1198)
-0,3992
(0,4004)
0,1937
(0,2131)
-0,2518
(0,3081)
-0,2288
(0,2312)
0,1770
(0,1124)
-0,6207
(0,2718)
0,4024
(0,5114)
0,1126
(0,1208)
-0,0854
(0,2581)
0,4719
(0,4583)
-0,2385
(0,3346)
0,0922
(0,0752)
-0,3779
(0,1052)
0,0602
(0,0985)
0,2345
(0,0870)
0,7284
(0,4339)
Tabela 34 Resultados segmentados por gestor com base nas variveis dummy de consistncia de doze meses
Banrisul S/A CVMC
Banco Ita S/A
-0,1562
(0,4893)
0,7457
(0,6108)
-0,0050
(0,1236)
0,0569
(2,1567)
-0,0357
(0,5081)
-0,0729
(0,1328)
-0,1985
(0,1748)
-1,5004
(1,2338)
0,9859
(0,3625)
0,1062
(0,7065)
0,0334
(0,7368)
0,0537
(0,2139)
0,3620
(0,5430)
1,5504
(0,5504)
0,2300
(0,3127)
-0,1895
(0,7655)
2,6014
(0,6515)
1,3920
(1,0477)
-0,0731
(0,1562)
-0,3080
(0,1896)
0,2360
(0,2107)
0,2543
(0,1321)
0,6809
(1,2335)
Os smbolos ,
4,4254
40,6853
10,9927
26,8146
9,2922
52,3494
42,8479
3,9218
31,6969
14,7683
26,2579
6,7108
1,7207
8,3741
11,0144
7,2431
83,9856
1,2089
19,5254
1,9886
19,1466
1,9279
2,7340
RV
194
5.305
3.124
2.852
5.727
381
371
566
2.162
343
706
2.818
761
256
568
241
2.507
7.534
638
144
6.919
625
926
Obs.

Anderson, D. R. 77, 145
Arruda, P. B. 2, 60, 65, 145
Gujarati, D. 82, 83, 89, 90,

148
Baker, M. 35, 145

Barber, B. M. 2, 62, 65, 70,
145
Barberis, N. 2, 63, 65, 145
Barberis, N. C. 34, 36, 3942,
101, 145
Bazerman, M. H. 10, 15, 21,
22, 25, 29, 31, 34, 145
Black, F. 21, 145
Boebel, R. B. 2, 54, 65, 146
Brown, P. 2, 12, 60, 65, 146
Hair Jr., J. F. 81, 89, 90, 148

Han, B. 2, 56, 57, 65, 148
Harris, L. 11, 148
Haugen, R. A. 2, 51, 65, 147
Hens, T. 64, 148
Hirshleifer, D. 14, 147
Jegadeesh, N. 49, 57, 148
Odean, T. 2, 11, 12, 15, 43,

45, 49, 5255, 58, 62, 63, 65,
69, 70, 75, 77, 98, 102, 103,
125, 142, 150
Pereira, R. B. 2, 60, 65, 144,
150
Pindyck, R. S. 81, 82, 86, 89,
91, 150
Ranguelova, E. 2, 15, 55, 65,

150
Kahneman, D. 9, 10, 14, 22,
2437, 44, 139, 148, 149, 152 Ritter, J. R. 48, 146
Roger, P. 64, 150
Karsten, J. G. 2, 46, 58, 65,
Ruback, R. S. 35, 145
70, 125, 149
Camerer, C. F. 2, 16, 44, 45,
Rubinfeld, D. L. 81, 82, 86,
Keloharju, M. 2, 53, 65, 148
52, 58, 59, 65, 70, 153
89, 91, 150
Kerlinger, F. N. 17, 149
Cardoso, O. O. 17, 146
Kimura, H. 48, 149
Castro, C. M. 1517, 146
Scholes, M. 21, 145
Kothari, S. P. 47, 146
Chan, W. S. 47, 146
Severino, A. J. 17, 150
Chapman, J. P. 31, 146
Lakonishok, J. 2, 11, 48, 50,
Shapira, Z. 2, 12, 56, 65, 150
Chapman, L. J. 31, 146
65, 146, 149
Sharpe, W. F. 21, 151
Chopra, N. 48, 146
Lintner, J. 21, 149
Shefrin, H. ix, xi, 2, 10, 1214,
Cohen, J. 85, 146
Locke, P. R. 2, 12, 54, 65,
20, 2224, 34, 37, 43, 46, 47,
Costa Jr., N. C. A. 48, 51, 146
143, 149
49, 50, 65, 139, 151, 152
Long, J. S. 81, 91, 92, 94, 149 Shiller, R. J. 13, 21, 151
Daniel, K. 14, 3941, 147
De, W. F., Bondt 48, 147
Shleifer, A. 3840, 42, 43, 151
Macedo Jr., J. S. 2, 58, 65,
Dhar, R. 2, 57, 65, 147
Simon, H. A. 22, 151
149
Smidt, S. 2, 11, 50, 65, 149
Makhija, A. K. 2, 51, 65, 147
Eco, U. 15, 49, 147
Statman, M. ix, xi, 2, 10, 14,
Mann, S. C. 2, 12, 54, 65, 143,
22, 43, 46, 49, 50, 65, 139,
149
Fama, E. F. 21, 38, 147
151
Markowitz, H. 21, 149
Ferris, S. P. 2, 51, 65, 147
Stevenson, W. J. 80, 151
Martins, G. A. 17, 149
Frankel, R. 47, 146
Strobl, G. 64, 152
Frazzini, A. 2, 61, 65, 70, 147 Mayer, C. 2, 56, 65, 147
Subrahmanyam, A. 14, 147
Miller, M. H. 21, 150
Freese, J. 81, 91, 92, 94, 149
Mineto, C. A. L. 2, 59, 65, 150 Sweeney, D. J. 77, 145
Genesove, D. 2, 56, 65, 147
Modigliani, F. 21, 150
Taylor, L. 2, 54, 65, 146
Grinblatt, M. 2, 53, 56, 57,
Thaler, R. 48, 147
Neter, J. 82, 85, 150
65, 148
177
178
Thaler, R. H. 14, 2123, 34,

36, 3942, 45, 47, 101, 145,
152
Titman, S. 49, 57, 148
Tizziani, E. 2, 63, 65, 78, 125,
152
Tversky, A. 9, 10, 14, 22,
2437, 44, 139, 148, 149, 152

Venezia, I. 2, 12, 56, 65, 150
Vishny, R. W. 39, 42, 151
Vlcek, M. 64, 148
Weber, M. 2, 16, 44, 45, 52,
58, 59, 65, 70, 153

Williams, T. A. 77, 145
Wurgler, J. 35, 145
Xiong, W. 2, 63, 65, 145
Zhu, N. 2, 57, 65, 147

O Efeito Disposição e Suas Motivações Comportamentais: Um Estudo Com Base Na Atuação de Gestores de Fundos de Investimento em Ações

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

O Efeito Disposição e Suas Motivações Comportamentais: Um Estudo Com Base Na Atuação de Gestores de Fundos de Investimento em Ações

Uploaded by

Copyright:

Available Formats

UNIVERSIDADE DE SO PAULO

FACULDADE DE ECONOMIA, ADMINISTRAO E CONTABILIDADE

O EFEITO DISPOSIO E SUAS MOTIVAES COMPORTAMENTAIS:

Eduardo Pozzi Lucchesi

Orientador: Prof. Dr. Jos Roberto Securato

Prof. Dr. Joo Grandino Rodas

EDUARDO POZZI LUCCHESI

O EFEITO DISPOSIO E SUAS MOTIVAES COMPORTAMENTAIS:

Orientador: Prof. Dr. Jos Roberto Securato

Tese defendida no Departamento de Administrao da Faculdade

Prof. Dr. Jos Roberto Securato (Presidente)

Lucchesi, Eduardo Pozzi

Aos meus queridos e saudosos avs, Ceclio Pozzi e

I get by with a little help from my friends

ao Prof. Dr. Rubens Fam, membro da banca de qualificao e meu orientador

aos professores do Programa de Ps-Graduao em Administrao da FEA/USP

ao Fabio Oliveira, gestor da Schroder Investment Management Brasil e ao Herculano

We have an irrational tendency to be less willing to

O efeito disposio, originalmente proposto por Shefrin e Statman (1985), preconiza

AUTORIZO A REPRODUO E DIVULGAO TOTAL OU PARCIAL DESTE

Esta tese foi formatada em LATEX, com estilo de citao ABNTEX.

Bases tericas da hiptese do mercado eficiente . . . . . . 38

Desafios da hiptese do mercado eficiente . . . . . . . . . 39

Estrutura terica do efeito disposio . . . . . . . . . . . . . . . . . 44

Estudo de Shefrin e Statman (1985) . . . . . . . . . . . . 50

Estudo de Lakonishok e Smidt (1986)

Estudo de Ferris, Haugen e Makhija (1988) . . . . . . . . 51

Estudo de Odean (1998) . . . . . . . . . . . . . . . . . . . 52

Estudo de Weber e Camerer (1998) . . . . . . . . . . . . . 52

Estudo de Grinblatt e Keloharju (2000) . . . . . . . . . . 53

Estudo de Boebel e Taylor (2000) . . . . . . . . . . . . . . 54

Estudo de Locke e Mann (2000) . . . . . . . . . . . . . . . 54

Estudo de Ranguelova (2001) . . . . . . . . . . . . . . . . 55

2.2.2.10 Estudo de Shapira e Venezia (2001) . . . . . . . . . . . . . 56

2.2.2.12 Estudo de Grinblatt e Han (2002) . . . . . . . . . . . . . . 56

2.2.2.19 Estudo de Brown et al. (2006) . . . . . . . . . . . . . . . . 60

Seleo da amostra e coleta dos dados . . . . . . . . . . . . . . . . . . . . . 67

Anlise dos dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

Ganhos e perdas calculados com base no preo mdio de compra . . 70

Ganhos e perdas calculados com base no retorno em excesso de

Ajustes realizados nos preos das aes . . . . . . . . . . . . . . . . 75

Proporo de ganhos e perdas realizados . . . . . . . . . . . . . . . 75

Consideraes sobre o volume transacionado . . . . . . . . . . . . . 77

Modelo de regresso de varivel dependente qualitativa . . . . . . . . . . . 80

Modelo de regresso logstica binrio . . . . . . . . . . . . . . . . . 81

Definio operacional das variveis . . . . . . . . . . . . . . . . . . 86

Modelo de regresso logstica ordenado . . . . . . . . . . . . . . . . 90

Definio operacional da varivel dependente para o modelo ordenado 93

Resultados com base no preo mdio de compra . . . . . . . . . . . . . . . 101

Resultados dos testes de propores . . . . . . . . . . . . . . . . . . 101

Resultados gerais para a amostra completa . . . . . . . . . 102

Resultados segmentados por gestor . . . . . . . . . . . . . 103

Resultados dos modelos de regresso logstica . . . . . . . . . . . . 106

Resultados gerais para a amostra completa . . . . . . . . . 108

Resultados segmentados por gestor . . . . . . . . . . . . . 110

Resultados com base no retorno em excesso de mercado . . . . . . . . . . . 114

Resultados dos testes de propores . . . . . . . . . . . . . . . . . . 114

Resultados gerais para a amostra completa . . . . . . . . . 114

Resultados segmentados por gestor . . . . . . . . . . . . . 115

Resultados dos modelos de regresso logstica . . . . . . . . . . . . 119

Resultados gerais para a amostra completa . . . . . . . . . 119

Resultados segmentados por gestor . . . . . . . . . . . . . 120

Discusso da hiptese H1a . . . . . . . . . . . . . . . . . . . . . . . . . . . 124