Momentum: Tested with different return adjustment model and sample period

Momentum: Tested with different return adjustment model and sample period por João Luís Rodrigues Pinto Dissertação de Mestrado em Finanças e Fiscalidade Orientada por: Prof. Doutor António de Melo da Costa Cerqueira 2014 Momentum: Tested with different return adjustment model and sample period i Breve Nota Biográfica João Luís Rodrigues Pinto nasceu na Guarda em 1991. Concluiu em 2012 a licenciatura em Economia pela Faculdade de Economia do Porto, tendo ingressado posteriormente e na mesma instituição no Mestrado em Finanças e Fiscalidade, no âmbito do qual apresenta a presente dissertação de mestrado. A nível profissional, ingressou no ano de 2014 na empresa Deloitte, onde trabalha na área de consultoria fiscal. Momentum: Tested with different return adjustment model and sample period ii Agradecimentos Gostaria de deixar agradecimentos a algumas pessoas pela colaboração e apoio na elaboração desta dissertação. Em primeiro lugar, ao Professor Doutor António de Melo da Costa Cerqueira, pela orientação na elaboração deste trabalho e pela disponibilidade sempre demonstrada. Agradeço também a revisão cuidada de todos os documentos elaborados para a realização desta dissertação e os comentários críticos e construtivos que me ajudaram a enriquecer a mesma. Em segundo, à Faculdade de Economia do Porto, onde fiz toda a minha formação académica, quer por todos os meios colocados ao meu dispor, quer pela ajuda e partilha de conhecimento por parte de todos os seus docentes. Dirijo uma palavra de agradecimento particular ao Diretor da Faculdade, o Professor Doutor João Proença. Finalmente, não posso deixar de mencionar a minha Família, pela motivação, compreensão e apoio. Em particular, tenho que agradecer à minha mãe, à minha irmã, à Rita e à Filipa. Momentum: Tested with different return adjustment model and sample period iii Resumo Neste artigo é estudado se a rentabilidade da estratégia momentum é explicada pelo seu risco sistemático, para tal a rentabilidade da estratégia é ajustada por determinados fatores de risco considerados neste estudo. Os resultados demonstram que a rentabilidade gerada pela estratégia momentum é uma compensação pelo seu nível de risco sistemático, não se verificando oportunidades de obtenção de rentabilidades anormais positivas. É estudada a contribuição do fator de risco, accruals quality, o qual está associado ao risco da informação sobre os resultados, na explicação da rentabilidade da estratégia momentum, contudo neste estudo o fator não apresentou um contributo significante. Este artigo analisa ainda se a crise financeira de 2008 teve consequências no padrão de rentabilidade da estratégia momentum, sendo que os resultados demonstram que a rentabilidade da estratégia é estatisticamente diferente entre o período que antecedeu a crise e o período de durante e após a crise financeira de 2008. Palavras chave: Momentum; Capital markets; Accruals quality; Information risk Momentum: Tested with different return adjustment model and sample period iv Abstract In this article is studied if the return of momentum strategy is explained by his systematic risk, for this the return of strategy is adjusted by certain risk factors considered in this study. The results demonstrate that the return generated by momentum strategy is a compensation by his level of systematic risk, not checking opportunities to obtain positive abnormal returns. Is studied the contribution of risk factor, accruals quality, which is associated with information risk about returns, in explaining the return of the momentum strategy, however in this study the factor showed no significant contribution. This article still analyzes if the financial crisis of 2008 had an impact on standard return of momentum strategy and the results demonstrate that the return of the strategy is statistically different between the period before the crisis and the period during and after the financial crisis of 2008. Keywords: Momentum; Capital markets; Accruals quality; Information risk Momentum: Tested with different return adjustment model and sample period v Índice Conteúdo I Introdução e Revisão da Literatura ........................................................................... 1 II Hipóteses, Metodologia e Dados ................................................................................ 6 II.1 Formulação das Hipóteses ...................................................................................... 6 II.2 Metodologia da Estratégia Momentum .................................................................. 8 II.3 Dados ...................................................................................................................... 9 III Resultados da Estratégia Momentum ................................................................... 10 III.1 Rentabilidade da Estratégia Momentum ............................................................. 10 III.2 Rentabilidade da Estratégia Momentum ajustada pelo Risco. ............................ 12 III.3 Rentabilidade da Estratégia Momentum ajustada pelo Risco com inclusão do fator: Risco da Informação. ......................................................................................... 17 IV A Influência da Crise Financeira de 2008 na Rentabilidade da Estratégia Momentum .................................................................................................................... 24 V Conclusão ................................................................................................................... 29 Referências .................................................................................................................... 31 Momentum: Tested with different return adjustment model and sample period vi Índice de Tabelas Tabela 1 (Rentabilidade da estratégia momentum) ....................................................... 11 Tabela 2 (Estimação do modelo Tri-factorial) ............................................................... 15 Tabela 3 (Rentabilidade da estratégia momentum ajustada pelos fatores de risco do modelo Tri-factorial) ....................................................................................................... 16 Tabela 4 (Estimação do modelo Tri-fatorial com inclusão da variável AQfactor) ........ 22 Tabela 5 (Rentabilidade da estratégia momentum ajustada pelos fatores de risco do modelo Tri-factorial e pelo fator de risco AQfactor) ...................................................... 23 Tabela 6 (Resultados do teste de Gujarati (1970a,1970b)) ............................................ 26 Tabela 7 (Rentabilidade da estratégia momentum no período anterior e no período de durante e após a crise financeira de 2008) ...................................................................... 28 Momentum: Tested with different return adjustment model and sample period 1 I Introdução e Revisão da Literatura A estratégia momentum tem sido usada ao longo das últimas décadas por muitos profissionais nas suas atividades de investimento, sendo vários os gestores de portfólios e os analistas que reconhecem a sua capacidade para gerar lucros significantes. De acordo com Grinblatt et al. (1995) 77 por cento dos mutual funds da sua amostra usam estratégias momentum nos seus investimentos. Jegadeesh e Titman (1993) foram os autores que divulgaram os lucros da estratégia momentum. Com base numa amostra de ações dos EUA, para o período de 1965 até 1989, eles examinaram uma variedade de estratégias momentum e documentaram que estratégias que compram Winning Stocks (ações com alta rentabilidade ao longo dos últimos 3 meses até 12 meses) e vendem Losing Stocks (ações com baixa rentabilidade ao longo do mesmo período) obtêm lucros de aproximadamente 1 por cento ao mês durante o ano seguinte. No seu estudo Jegadeesh e Titman (1993) testaram possíveis fatores explicativos para as altas rentabilidades geradas pela estratégia momentum, obtendo a evidência de que tal rentabilidade não é justificada pelo risco sistemático da estratégia e também não pode ser atribuída ao fenómeno do Lead-Lag effect sugerido por Lo e Mackinlay (1990), o qual consiste em os preços dos ativos financeiros reagirem com atraso às alterações nos fatores de risco comuns. Jegadeesh e Titman (1993) apresentam contudo a evidência de existirem reações dos preços das ações atrasadas à informação específica da empresa. Em suma os autores não obtiveram evidência sobre quais os fatores que explicam os padrões de rentabilidade da estratégia momentum, sendo tal rentabilidade uma anomalia financeira. Um aspeto digno de nota é que de acordo com a literatura, após uma anomalia financeira ser descoberta e divulgada, essa anomalia será eliminada pelo mercado, pois é de esperar que a sua divulgação leve a alterações nos comportamentos dos investidores que conduziram à sua eliminação, tal como aconteceu com várias anomalias bem conhecidas, como por exemplo a anomalia associada às empresas de pequena dimensão documentada por Banz (1981). Em relação à anomalia momentum esta foi divulgada por Jegadeesh e Titman (1993) e surpreendentemente continuou a verificar-se após esse período, sendo vários os estudos que sugerem que os participantes no mercado não alteraram as suas estratégias Momentum: Tested with different return adjustment model and sample period 2 de investimento de uma forma que elimina-se esta fonte de rentabilidade previsível, tais como demonstram os estudos de Jegadeesh e Titman (2001) e Daxue Wang (2008), sendo que este último autor estuda o comportamento da estratégia momentum em quatro mercados financeiros mundiais (Reino Unido, Alemanha, Japão e China). As controvérsias associadas à estratégia momentum levantaram e continuam a levantar algumas questões, tais como o porquê desta anomalia não ter desaparecido mesmo após ter sido descoberta e ainda quais as possíveis fontes da rentabilidade da estratégia, caso essas existam, questões para as quais as respostas continuam a não reunir consenso na literatura e a serem amplamente debatidas. Há alguns autores que defendem que os resultados da estratégia momentum fornecem forte evidência de “Ineficiência do Mercado”, enquanto outros defendem que os resultados da estratégia são uma compensação pelo seu risco e que na verdade os resultados da estratégia momentum não são uma anomalia financeira. No primeiro grupo de autores podemos destacar N. Barberis et al. (1998) e D. Hirshleifer et al. (1998) que apresentam modelos de comportamento segundo os quais a rentabilidade da estratégia momentum se deve a enviesamentos inerentes na forma como os investidores interpretam a informação, concretamente que a rentabilidade da estratégia se deve a sobre-reacções dos preços dos ativos atrasados face à informação e que dessa forma “puxa” o preço dos Winners (Loser) para cima (abaixo) do seu valor fundamental. Os autores defendem contudo que quando o preço das ações Winners e Losers reverterem para os seus valores fundamentais, a rentabilidade dos Losers deve exceder a dos Winners e dessa forma a rentabilidade do portfólio momentum deve passar a ser negativa. Jegadeesh e Titman (2001) testaram esta hipótese sugerida pelos modelos de comportamento e concluíram que embora ela se verifique no seu estudo empírico, deve ser considerada com precaução pois a sua verificação sensível à composição da amostra (pequenas vs grandes empresas) e ao período da amostra, devendo por isso os modelos de comportamento serem considerados apenas uma explicação parcial para os resultados da estratégia momentum. É de notar que a explicação da rentabilidade da estratégia momentum sugerida pelos modelos de comportamento e confirmada como uma explicação parcial por Jegadeesh e Titman (2001), sugere a ineficiência dos mercados pois a obtenção de lucros devido a sobre-reacções dos preços ativos atrasados face à informação contraria a própria definição de mercados eficientes no sentido de E. Fama (1970), segundo este autor se os Momentum: Tested with different return adjustment model and sample period 9 II.3 Dados A amostra deste estudo é constituída por 1093 empresas negociadas na London Stock Exchange (LSE), para o período de 1997 até 2013. Uma vez que é estudado o comportamento da estratégia momentum apenas para o período de 4/2004 até 3/2013, os dados relativos aos outros anos são necessários para o cálculo de algumas variáveis, nomeadamente da qualidade dos accruals que é uma proxy do isco da informação. A escolha de uma amostra de empresas da LSE, deve-se ao facto de esta ser a principal praça financeira na Europa e uma das maiores do mundo. Os dados da amostra foram recolhidos da base de dados Thomson ReutersDatastream e para que uma empresa faça parte da amostra deve ter disponível na base de dados pelo menos sete anos de dados no período considerado (o cálculo da qualidade dos acrruals é baseada em cinco resíduos anuais e inclui cash-flows de um período atrasado e futuro). Para o cálculo das rentabilidades mensais foi utilizada a variável Total Return Index em alternativa à cotação, pois é uma variável com ajustamentos pelos dividendos e aumentos de capital, tendo sido posteriormente calculado para cada empresa a série das rentabilidades mensais logarítmicas. Com o objetivo de eliminar da amostra valores outliers, sempre que a rentabilidade logarítmica é superior a 1,4 ou inferior a (-1,4) esse valor é substituído pela média do mês imediatamente anterior e do mês seguinte. As restantes variáveis consideradas neste estudo serão apresentadas ao longo do seu desenvolvimento. Momentum: Tested with different return adjustment model and sample period 10 III Resultados da Estratégia Momentum III.1 Rentabilidade da Estratégia Momentum Esta secção documenta os resultados da estratégia de formação de portfólios descrita na secção anterior, para um total de 1093 empresas negociadas na London Stock Exchange, no período de 4/2004 até 3/2013. A tabela 1 reporta a rentabilidade média mensal do portfólio Winners, no qual será tomada uma posição longa (compradora), do portfólio Losers no qual será tomada uma posição curta (vendedora), bem como do portfólio Zero-cost que corresponde ao portfólio Winners menos Losers. A rentabilidade média mensal do portfólio Zero-cost é de 1,548%, apresentando uma t-statistic de 5,571 pelo que esta rentabilidade é estatisticamente significante. Este valor está também de acordo com o verificado por outros autores, Jegadeesh e Titman (1993) para o período de 1965 a 1989 com a estratégia 6 meses/6 meses, obtiveram uma rentabilidade média mensal de 0,95% (t-statistic=3,07) para o portfólio Zero-cost, Daxue Wang (2008) para o período de 1991 até 2006 com uma amostra do Reino Unido e com a estratégia 6 meses / 6 meses, obtiveram uma rentabilidade média mensal de 1,6% (tstatistic=7,15) para o mesmo portfólio. É contudo digno de nota o facto de a elevada rentabilidade desta estratégia se dever ao portfólio de Losers, o qual apresenta uma rentabilidade média mensal de -1,99% sendo esta estatisticamente significante apresentando uma t-statistic de -4,51, por outro lado o portfólio Winners apresenta uma rentabilidade de -0,451%, não sendo este valor estatisticamente significante nem sequer para um nível de significância de 15% (nem a esse nível de significância se rejeita a hipótese desse valor ser nulo). TABELA 1 Os portfólios da estratégia momentum são formados com base na rentabilidade das ações nos últimos 6 meses e mantidos durante 6 meses. Em cada mês as ações são ordenadas por ordem ascendente com base na rentabilidade dos últimos 6 meses, posteriormente são divididas em dez decis, em que cada decil constituí um portfólio de ações igualmente ponderadas. O portfólio do primeiro decil é chamada Losers e nesse portfólio será tomada uma posição curta (vendedora), o portfólio do último decil é chamado Winners e nesse portfólio será tomada uma posição longa (compradora). Momentum: Tested with different return adjustment model and sample period 11 Esta tabela apresenta a rentabilidade média mensal desses portfólios, para o período de 10/2004 até 3/2013. Portfólio Rentabilidade média T-statistic P-value Winners -0,00451 -1,3320 0,1860 Losers -0,01999 -4,5134 0,0000 Winners-Losers 0,01548 5,5711 0,0000 Tabela 1 (Rentabilidade da estratégia momentum) Momentum: Tested with different return adjustment model and sample period 12 III.2 Rentabilidade da Estratégia Momentum ajustada pelo Risco. Nesta secção do presente capítulo será explorada a relação entre a rentabilidade dos portfólios momentum e os fatores de risco do modelo Tri-factorial de Fama e French (1993): o fator prémio de risco do mercado, (RM,t – RF,t); o fator de risco size, SMB; o fator de risco book-to-market, HML. O fator prémio de risco do mercado é obtido pela diferença entre a rentabilidade média mensal das 1093 empresas da amostra, a qual constitui uma proxy da rentabilidade do mercado (RM,t) e a rentabilidade mensal de um ativo isento de risco, a qual é dada pela taxa de juro dos Bilhetes do Tesouro do Reino unido a 3 meses (RF,t). O fator de risco size (SMB, Small minus Big stocks) é obtido ordenando as empresas da amostra por ordem ascendente com base no seu market value (código Datastream: MV) e dividindo essas em quintis, seguidamente o fator é calculado pela diferença entre a rentabilidade média para cada mês das empresas do primeiro quintil e a rentabilidade média para cada mês das empresas do quinto quintil, sendo que dessa forma o fator SMB apresenta valores numa periodicidade mensal. O fator de risco book-to-market (HML, High minus Low book-tomarket stocks) é obtido de forma semelhante ao fator SMB, as empresas são ordenadas por ordem ascendente com base no seu book-to-market, o qual é dado pelo quociente entre o book equity e o market equity, em que o book equity é dado pela soma das variáveis common equity (código: 03501) e deferred taxes (código: 03263), de acordo com Fama e French (1993), sendo as empresas divididas em quintis, posteriormente o fator é calculado pela diferença entre a rentabilidade média para cada mês das empresas do quinto quintil e a rentabilidade média para cada mês das empresas do primeiro quintil. Seguindo a metodologia de Fama e French (1993), os fatores SMB e HML são calculados usando médias ponderadas pelo valor (value-weighted) pois dessa forma os fatores capturam os diferentes comportamentos da rentabilidade das ações de pequenas e grandes empresas e de empresas com alto e baixo book-to-market, de uma forma que corresponde às oportunidades de investimento reais. Nesta secção que como referido anteriormente tem por objetivo fazer o ajustamento da rentabilidade dos portfólios momentum pelos fatores de risco do modelo Tri-factorial, foi estimado o modelo Tri-factorial para cada um dos 194 portfólios momentum. Os 194 portfólios momentum são constituídos por 97 portfólios Winners e Momentum: Tested with different return adjustment model and sample period 13 97 portfólios Losers, que correspondem aos portfólios criados em cada mês durante o período em que há detenção de portfólios que é de 9/2004 até 9/2012 (o período de 4/2004 até 9/2004 corresponde ao período de formação do primeiro portfólio a ser detido e o período de 10/2012 até 3/2013 corresponde ao período de detenção de 6 meses do último portfólio a ser criado). Desta forma é estimado o modelo Tri-factorial para o portfólio Winner 9/2004; Winner 10/2004; Winner 11/2004 e assim sucessivamente até ao portfólio Winner 9/2012 bem como para o portfólio Loser 9/2004, Loser 10/2004, …, Loser 9/2012. A estimação do modelo Tri-factorial para cada um destes 194 portfólios é feita com base no período de 4/2004 até 3/2013 e pelo seguinte modelo: EQUAÇÃO 1: Rj,t – RF,t = β1j + β2j * (RM,t – RF,t) + β3j * SMBt + β4j * HMLt + Ɛj,t Em que o Rj,t representa a rentabilidade mensal do portfólio j no período t e Rj,t – RF,t representa a rentabilidade do portfólio j no período t em excesso da taxa de juro isenta de risco, a qual é dada pela taxa de juro dos bilhetes do tesouro do Reino Unido a 3 meses. Os coeficientes β representam os coeficientes de regressão do modelo e as restantes variáveis tem o significado anteriormente representado. O Painel A da Tabela 2 fornece os resultados da estimação do modelo Trifactorial, apresentando a média dos valores obtidos para os 194 portfólios Winners e Losers, bem como a média dos valores obtidos para os 97 portfólios Winners e para os 97 portfólios Losers. Os resultados mostram que para os portfólios Losers o coeficiente β1 é em média -0,0162 enquanto para os portfólios Winners é de 0,00215, sendo tais resultados explicados pelo facto de em média os portfólios Winners apresentarem melhor rentabilidade do que os portfólios Losers durante os respetivos períodos de detenção, tal como foi verificado na tabela 1. Relativamente à significância do coeficiente β1, visto no Painel B da Tabela 2, este é significante em 56,2% (68%) dos portfólios Winners e Losers para o nível de significância de 5% (15%), sendo que os portfólios Losers apresentam maior significância para o coeficiente β1 em comparação com os portfólios Winners. O coeficiente β2, o qual está associado ao fator prémio de risco do mercado assume valores praticamente iguais para os portfólios Winners e portfólios Losers, não fazendo distinção entre estes dois grupos de portfólios, contudo este coeficiente é estatisticamente significante ao nível de 5% para todos os 194 portfólios. No que diz respeito aos Momentum: Tested with different return adjustment model and sample period 14 coeficientes β3 e β4 associados aos fatores de risco SMB e HML respetivamente, os portfólios Losers em média apresentam coeficientes bastante superiores aqueles que são em média apresentados pelos portfólios Winners, sendo esta uma evidência de que os respetivos portfólios têm diferentes níveis de risco associados aos fatores SMB e HML e que dessa forma estes fatores conseguem diferenciar entre a rentabilidade esperada de cada portfólio. Relativamente à significância dos coeficientes β3 e β4 verifica-se também que estes são estatisticamente significantes sobretudo para o portfólio Losers, sendo que para um nível de significância de 10%, o coeficiente β3 é estatisticamente significante para 56,7% dos portfólios Winners e Losers, enquanto o coeficiente β4 é para apenas 23,2% dos portfólios. Por último o coeficiente de determinação, (R^2) para os portfólios Winners e Losers apresenta o valor médio de 81,08%, significando isto que o modelo Trifactorial tem uma boa capacidade explicativa em relação à rentabilidade dos portfólios momentum. TABELA 2 Esta tabela fornece os resultados da estimação do modelo Tri-factorial (Equação 1), apresentando a média dos valores obtidos para os 194 portfólios Winners e Losers, bem como a média dos valores obtidos para os 97 portfólios Winners e para os 97 portfólios Losers, com base no período de 4/2004 até 3/2013. (Painel A) Esta tabela apresenta também para cada coeficiente estimado, a percentagem do total de portfólios em que esse mesmo coeficiente é significante para um dado nível de significância (Painel B) PAINEL A Portfólios β1 β2 β3 β4 R^2 Winners e Losers - 0,00703 1,05029 0,12631 0,02822 0,81081 Winners 0,00215 1,05046 0,08764 0,01055 0,82441 Losers - 0,0162 1,0512 0,16498 0,04589 0,7972 Momentum: Tested with different return adjustment model and sample period 15 PAINEL B Portfólios β1 β2 β3 β4 Nível de significância = 5% Winners e Losers 56,2% 100% 47,9% 6,2% Winners 26,8% 100% 35,1% 6,2% Losers 85,6% 100% 60,8% 22,7% Nível de significância = 10% Winners e Losers 62,9% 100% 56,7% 23,2% Winners 39,2% 100% 42,3% 15.5% Losers 86,6% 100% 71,1% 30,9% Nível de significância = 15% Winners e Losers 68% 100% 62,9% 30,9% Winners 46,4% 100% 48,5% 18,6% Losers 89,7% 100% 77,3% 43,3% Tabela 2 (Estimação do modelo Tri-factorial) Sendo o principal objetivo desta secção do presente capítulo, o estudo da rentabilidade da estratégia momentum ajustada pelos fatores de risco do modelo Trifactorial de Fama e French (1993), a tabela 3 reporta esses resultados. De forma semelhante à tabela 1, a tabela 3 apresenta a rentabilidade média mensal ajustada pelos fatores de risco do modelo Tri-factorial para o portfólio Winners no qual será tomada uma posição Longa (compradora), para o portfólio Losers no qual será tomada uma posição Curta (vendedora), bem como para o portfólio Zero-cost que corresponde ao portfólio Winners menos Losers. A rentabilidade média mensal do portfólio Zero-cost é de -0,34%, o que equivale a uma rentabilidade média anual de -4,04% apresentando uma t-statistic de -1,8039 pelo que embora este valor seja próximo de zero, é de rejeitar a hipótese dessa rentabilidade ser nula para um nível de significância de 10% (P-Value = 0,0744). A rentabilidade ajustada pelos fatores de risco verificada neste estudo para a estratégia momentum, contraria os resultados obtidos em vários estudos sobre a estratégia momentum, pois embora a estratégia gere uma rentabilidade média mensal sem ajustamento de 1,548%, o que equivale a uma rentabilidade média anual de 18,576% (a qual está de acordo com os resultados obtidos noutros estudos, tal como é mostrado no capítulo III.1), após o seu ajustamento pelos fatores de risco do modelo Tri-factorial a Momentum: Tested with different return adjustment model and sample period 16 rentabilidade média mensal passa a ser de -0,34%, pelo que os resultados deste estudo provam que a alta rentabilidade associada à estratégia momentum é uma compensação pelo risco sistemático também associado à estratégia. É de notar que após o ajustamento da rentabilidade pelos fatores de risco a estratégia não só deixa de ser lucrativa como gera em média um prejuízo anual de cerca de 4%. Tal como referido anteriormente estes resultados contrariam os resultados obtidos em vários estudos sobre a estratégia momentum, tais como os estudos de Jegadeesh e Titman (1993) e Daxue Wang (2008) os quais sugerem que a estratégia momentum gera uma rentabilidade média mensal de 0,95% e 1,6% respetivamente (ver apresentação desses resultados no capítulo III.1), a qual é provado no primeiro estudo não ser explicada pelo risco sistemático da estratégia e igualmente provado no segundo estudo não ser explicada pelo risco sistemático da estratégia, tendo sido usado o modelo Tri-factorial de Fama e French (1993) para fazer o ajustamento da rentabilidade pelos fatores de risco. Em conclusão, neste subcapítulo verificou-se que o modelo Tri-factorial de Fama e French (1993) tem uma boa capacidade explicativa em relação à rentabilidade dos portfólios momentum e que a alta rentabilidade associada à estratégia momentum é uma compensação pelo risco sistemático associado à estratégia. TABELA 3 Os portfólios da estratégia momentum são formados com base na rentabilidade das ações nos últimos 6 meses e mantidos durante 6 meses. Em cada mês as ações são ordenadas por ordem ascendente com base na rentabilidade dos últimos 6 meses, posteriormente são divididas em dez decis, em que cada decil constituí um portfólio de ações igualmente ponderadas. O portfólio do primeiro decil é chamado Losers e nesse portfólio será tomada uma posição curta (vendedora), o portfólio do último decil é chamado Winners e nesse portfólio será tomada uma posição longa (compradora). Esta tabela apresenta a rentabilidade média mensal desses portfólios, ajustada pelos fatores de risco do modelo Tri-factorial, para o período de 10/2004 até 3/2013. Portfólio Rentabilidade média t-statistic P-value Winners -0,00151 -1,6478 0,1027 Losers -0,00186 1,5129 0,1336 Winners-Losers 0,00337 -1,8039 0,0744 Tabela 3 (Rentabilidade da estratégia momentum ajustada pelos fatores de risco do modelo Trifactorial) Momentum: Tested with different return adjustment model and sample period 17 III.3 Rentabilidade da Estratégia Momentum ajustada pelo Risco com inclusão do fator: Risco da Informação. Daxue Wang (2008) nas suas sugestões para futuras investigações, sugeriu o estudo da rentabilidade da estratégia momentum recorrendo a modelos de ajustamento da rentabilidade com novos fatores de risco que aumentem a capacidade explicativa dos modelos em relação à rentabilidade da estratégia. Paralelamente, ao longo da última década autores como Easley e O’Hara (2004) e J. Francis et al. (2005) tem demonstrado que o risco da informação é um fator de risco não diversificável e como tal deve ser considerado nos modelos de ajustamento da rentabilidade. Concretamente J. Francis et al. (2005) demonstraram o papel preponderante do risco da informação na avaliação de ativos enquanto fator de risco, ao mostrar que as empresas com fraca qualidade dos accruals (alto risco da informação associada aos resultados) têm maiores custos de capital do que as empresas com boa qualidade dos accruals (baixo risco da informação associada aos resultados). Neste subcapítulo à semelhança do anterior será testado se a rentabilidade dos portfólios momentum é justificada pelo seu risco sistemático, usando como modelo de ajustamento o modelo Tri-factorial de Fama e French (1993) com a adição da variável explicativa, AQfactor, a qual representa um fator de risco associado ao risco da informação, sendo desta forma seguida a metodologia de J. Francis et al. (2005) em que o risco da informação associada aos resultados é medido pela proxy qualidade dos acrruals (sendo que boa qualidade dos accruals significa baixo risco da informação). Assim o objetivo fulcral deste subcapítulo é o de avaliar se a adição do fator de risco associado ao risco da informação ao modelo Tri-factorial melhora a capacidade explicativa do modelo em relação à rentabilidade da estratégia momentum. Os fatores de risco do modelo Tri-factorial de Fama e French (1993) são: o fator prémio de risco do mercado, (RM,t – RF,t); o fator de risco size, SMB e o fator de risco book-to-market, HML, sendo o seu significado e construção os apresentados no subcapítulo anterior. O fator de risco AQfactor é obtido ordenando as empresas da amostra por ordem ascendente com base na sua qualidade dos accruals e dividindo essas em quintis, seguidamente o fator é calculado pela diferença entre a rentabilidade média (valueweighted) para cada mês das empresas do quinto quintil e a rentabilidade média (value- Momentum: Tested with different return adjustment model and sample period 18 weighted) para cada mês das empresas do primeiro quintil, sendo que dessa forma o fator AQfactor apresenta valores numa periocidade mensal. Este procedimento é igual ao adotado por J. Francis et al. (2005) e semelhante ao usado por Fama e French (1993) para construir os fatores size (SMB) e book-to-market (HML). Para medir a qualidade dos accruals é seguida a metodologia de Dechow e Dichev (2002), segundo a qual a qualidade dos accruals depende da capacidade explicativa dos cash-flows operacionais sobre os accruals correntes totais. Concretamente o modelo de Dechow e Dichev (2002) tem como variável dependente os accruals correntes totais e como variáveis independentes os cash-flows operacionais do período corrente, período anterior e período futuro, sendo que a porção não explicada (resíduos) da variação nos accruals correntes totais constitui uma medida inversa da qualidade dos accruals (uma maior porção não explicada implica uma mais fraca qualidade dos accruals). Tal como no estudo de J. Francis et al. (2005) a este modelo são adicionadas as variáveis fundamentais do modelo de Jones (1991) modificado por Dechow et al. (1995), nomeadamente property plant and equipment (PPE) e a variável variação nas receitas (∆ Rev). A porção não explicada (resíduos) da variação nos accruals correntes totais é então obtida a partir do seguinte modelo (em que todas as variáveis são dimensionadas/divididas pela média dos ativos totais): EQUAÇÃO 2: TCAj,t = ϕ1,j + ϕ2,j CFOj,t-1 + ϕ3,j CFOj,t + ϕ4,j CFOj,t+1 + ϕ5,j ∆Revj,t + ϕ6,j PPEj,t + Ɛj,t em que TCAj,t = ∆CAj,t - ∆CLj,t - ∆ cashj,t + ∆STDEBTj,t = accruals correntes totais para a empresa j no ano t, CFOj,t = NIBEj,t – TAj,t = cash-flow operacional para a empresa j no ano t, NIBEj,t = resultado líquido antes de itens extraordinários para a empresa j no ano t (código Datastream: 01551), TAj,t = (∆CAj,t - ∆CLj,t - ∆ cashj,t + ∆STDEBTj,t – DEPNj,t) = accruals totais para a empresa j no ano t, ∆CAj,t = variação nos ativos correntes da empresa j (código Datastream: 02201) entre o ano t-1 e o ano t, ∆CLj,t = variação nos passivos correntes da empresa j (código Datastream: 03101) entre o ano t-1 e o ano t, ∆ cashj,t = variação no caixa da empresa j (código Datastream: 02001) entre o ano t-1 e o ano t, ∆STDEBTj,t = variação na dívida do passivo corrente da empresa j (código Momentum: Tested with different return adjustment model and sample period 25 coeficientes β representam os coeficientes de regressão do modelo e as restantes variáveis tem o significado anteriormente apresentado. Na hipótese da rentabilidade dos 194 portfólios momentum para o período de 4/2004 até 3/2013 apresentar uma quebra de estrutura, os fatores de risco do modelo Trifatorial terão diferentes preponderâncias (coeficientes) na explicação da rentabilidade mensal de cada portfólio, consoante o período seja anterior à crise financeira de 2008 (de 4/2004 até 12/2007) ou seja de durante e após a crise financeira de 2008 (de 1/2008 até 3/2013), quer isto dizer que pelo menos um dos coeficientes β5, β6, β7 ou β8 assume um valor estatisticamente diferente de zero. Assim para testar se a rentabilidade de cada um dos 194 portfólios momentum para o período de 4/2004 até 3/2013 apresenta uma quebra ou permanência de estrutura são formuladas e testadas as seguintes hipóteses: H0: β5j = β6j = β7j = β8j = 0 H1: Ǝβkj ≠ 0, com k = 5,6,7 ou 8 sendo que a hipótese H0 significa que os coeficientes associados aos factores de risco do modelo Tri-fatorial são iguais nos dois períodos considerados e que como tal não há uma quebra de estrutura entre o período de 4/2004 até 12/2007 e o período de 1/2008 até 3/2013, alternativamente rejeitar a hipótese H0 e conservar a hipótese H1 significa que a amostra total apresenta uma quebra de estrutura. O teste de Gujarati (1970a, 1970b) foi realizado para cada um dos 194 portfólios momentum e permite decidir sobre a rejeição ou aceitação das hipóteses apresentadas. Concretamente a estatística do teste de Gujarati (1970a, 1970b) é: Fobs = 𝑅𝐼𝐼^2−𝑅𝐼^2 𝐾 1− 𝑅𝐼𝐼^2 𝑛−2𝐾 , Seguindo uma distribuição F (K, n-2k) em que RI^2 é o coeficiente de determinação do modelo Tri-fatorial estimado para o total da amostra (Equação 1), RII^2 é o coeficiente de determinação do modelo Tri-fatorial estimado com divisão da amostra em duas subamostras (através do uso de uma variável Dummy) (Equação 4), K é o numero de variáveis explicativas adicionais relativamente ao modelo original que neste caso são 4 e n é a dimensão da amostra total. Momentum: Tested with different return adjustment model and sample period 26 Os resultados do teste de Gujarati (1970a, 1970b) são apresentados na tabela 6, a qual apresenta para cada nível de significância, o número de portfólios e a percentagem de portfólios para os quais a decisão é rejeitar a hipótese H0 bem como o número e a percentagem de portfólios para os quais a decisão é não rejeitar a hipótese H0. Tais resultados indicam que para um nível de significância de 10% (5%), em 130 (112) portfólios o resultado do teste de Gujarati foi a rejeição da hipótese H0, representando estes 67,01% (57,73%) dos portfólios totais. Uma vez que a rejeição da hipótese H0 significa que a amostra total apresenta uma quebra de estrutura e que esse foi o resultado para a maior parte dos portfólios (67,01%), conclui-se pelo teste de Gujarati (1970a, 1970b) que a crise financeira de 2008 implicou alterações estatisticamente significantes no padrão de rentabilidade dos portfólios momentum. TABELA 6 Esta tabela apresenta os resultados do teste de Gujarati (1970a,1970b), o qual testa se a amostra total de 4/2004 até 3/2013 apresenta uma quebra ou permanência de estrutura, concretamente testa se as subamostras de 4/2004 até 12/2007 e de 1/2008 até 3/2013 pertencem a populações estatisticamente diferentes. Este teste foi realizado através de estimação do modelo Tri-fatorial de Fama e French (1993) para 194 portfólios de ações, seguindo a metodologia apresentada neste capítulo. A tabela apresenta para cada nível de significância, o número de portfólios e a percentagem de portfólios para os quais a decisão é rejeitar a hipótese nula (H0) bem como o número de portfólios e a percentagem de portfólios para os quais a decisão é não rejeitar a hipótese nula (H0). Rejeitar H0 Não Rejeitar H0 Nível de significância de 1% 82 112 42,27% 57,73% Nível de significância de 5% 112 82 57,73% 42,27% Nível de significância de 10% 130 64 67,01% 32,99% Tabela 6 (Resultados do teste de Gujarati (1970a,1970b)) Num segundo ponto deste capítulo, tendo em conta os resultados acima apresentados, foi estudado se a crise financeira de 2008 implicou alterações no padrão de rentabilidade da própria estratégia momentum, sendo feita essa análise com base no Momentum: Tested with different return adjustment model and sample period 27 período de 10/2004 até 3/2013. Para tal foi calculada a rentabilidade média mensal ajustada pelos fatores de risco do modelo Tri-fatorial para o portfólio Winners no qual será tomada uma posição longa (compradora), para o portfólio Losers no qual será tomada uma posição curta (vendedora), bem como para o portfólio Zero-Cost que corresponde ao portfólio Winners menos Losers. Tal rentabilidade foi calculada para três períodos distintos, sendo eles o período total de 10/2004 até 3/2013, o período anterior à crise financeira de 2008 de 10/2004 até 12/2007 e o período de durante e após a crise financeira de 2008 de 1/2008 até 3/2013. A rentabilidade da estratégia momentum em cada um dos períodos considerados é apresentada na tabela 7, obtendo-se a evidência de que a rentabilidade média mensal do portfólio Zero-Cost no período total (10/2004 até 3/2013) foi de -0,34% tal como verificado anteriormente no capitulo III.2, contudo a rentabilidade média mensal do portfólio Zero-Cost no período anterior à crise financeira de 2008 (10/2004 até 12/2007) ascendeu a 0,96% o que corresponde a uma rentabilidade anormal positiva de 11,48% ao ano e que está de acordo com os padrões de rentabilidade anormal positiva documentados por estudos anteriores tais como Jegadeesh e Titman (1993) que no seu estudo documentaram rentabilidades de aproximadamente 1% ao mês não explicadas pelo risco sistemático. Alternativamente a rentabilidade média mensal do portfólio Zero-Cost no período de durante e após a crise financeira de 2008 (1/2008 até 3/2013) foi de -1,25% o que corresponde a uma rentabilidade anormal (negativa) de -14,94% ao ano e que contraria os padrões de rentabilidade anormal positiva documentadas por estudos anteriores baseados em amostras anteriores à crise financeira de 2008 tais como Jegadeesh e Titman (1993) e Daxue Wang (2008). Tais resultados revelaram que no período de durante e após a crise financeira de 2008 a estratégia momentum deixou de ser lucrativa e passou a gerar prejuízos elevadíssimos. TABELA 7 Os portfólios da estratégia momentum são formados com base na rentabilidade das ações nos últimos 6 meses e mantidos durante 6 meses. Em cada mês as ações são ordenadas por ordem ascendente com base na rentabilidade dos últimos 6 meses, posteriormente são divididas em dez decis, em que cada decil constituí um portfólio de ações igualmente ponderadas. O portfólio do primeiro decil é chamada Losers e nesse portfólio será tomada uma posição curta (vendedora), o portfólio do último decil é chamado Winners e nesse portfólio será tomada uma posição longa (compradora). Momentum: Tested with different return adjustment model and sample period 28 Esta tabela apresenta a rentabilidade média mensal desses portfólios, ajustada pelos fatores de risco do modelo Tri-fatorial, para o período total de 10/2004 até 3/2013, para o período anterior à crise financeira de 2008, de 10/2004 até 12/2007 e para o período de durante e após a crise financeira de 2008, de 1/2008 até 3/2013. Portfólio Rentabilidade média 10/2004 – 3/2013 Rentabilidade média 10/2004 – 12/2007 Rentabilidade média 1/2008 – 3/2013 Winners -0,00151 0,00349 -0,00502 Losers 0,00186 -0,00608 0,00743 Winners-Losers -0,00337 0,00957 -0,01245 Tabela 7 (Rentabilidade da estratégia momentum no período anterior e no período de durante e após a crise financeira de 2008) Em conclusão, os resultados deste capítulo sugerem que a rentabilidade anormal positiva gerada pela estratégia momentum e documentada em vários estudos, tais como Jegadeesh e Titman (1993,2001) e Daxue Wang (2008), apenas era verificada durante os anos que antecederam a crise financeira de 2008, pois neste estudo verificou-se que no período de durante e após a crise financeira de 2008 a estratégia momentum passou a gerar elevados prejuízos. Esta evidência sugere que a crise financeira de 2008 possa ter levado a alterações nos comportamentos dos investidores que conduziram à eliminação da rentabilidade anormal positiva obtida através da estratégia momentum. Momentum: Tested with different return adjustment model and sample period 29 V Conclusão Este estudo usa uma amostra de 1093 empresas negociadas no London Stock Exchange (LSE) e baseando-se na metodologia de Jegadeesh e Titman (1993) desenvolve a estratégia momentum para o período de 4/2004 até 3/2013, em que os resultados mostram que a estratégia momentum nesse período gerou uma rentabilidade média mensal (sem ajustamento) de 1,548%, a qual está de acordo com a verificada por outros autores com amostras diferentes tais como Jegadeesh e Titman (1993) e Daxue Wang (2008). Num segundo ponto deste estudo é analisado se a rentabilidade da estratégia momentum é explicada pelo seu risco sistemático, sendo para tal ajustada a rentabilidade da estratégia pelos fatores de risco do modelo Tri-factorial de Fama e French (1993), em que após tal ajustamento a rentabilidade média mensal da estratégia passa a ser de -0,34%, o que prova que a alta rentabilidade associada à estratégia momentum (sem ajustamento) é uma compensação pelo seu risco sistemático, contrariando os resultados de estudos anteriores como Jegadeesh e Titman (1993) e Daxue Wang (2008). Num terceiro ponto deste estudo é novamente analisado se a rentabilidade da estratégia momentum é explicada pelo seu risco sistemático, sendo neste caso a rentabilidade da estratégia ajustada pelos fatores de risco do modelo Tri-factorial de Fama e French (1993) e do fator de risco AQfator, o qual constituí uma proxy do risco da informação sobre os resultados e é um fator de risco não diversificável segundo J. Francis et al. (2005). Os resultados demonstram contudo que a adição do fator de risco AQfator ao modelo Tri-factorial não resultou numa melhoria significativa na capacidade explicativa do modelo, pelo que a rentabilidade da estratégia momentum ajustada pelos fatores de risco (do modelo Tri-factorial e AQfactor) é semelhante à rentabilidade verificada com o ajustamento pelos fatores de risco do modelo Tri-factorial, sendo tal rentabilidade média de -0,36% e -0,34% ao mês respetivamente. Por fim, num quarto e último ponto é analisado se a crise financeira de 2008 teve consequências ao nível da rentabilidade verificada para a estratégia momentum e a conclusão é a de que a rentabilidade anormal positiva gerada pela estratégia momentum e documentada em vários estudos, tais como Jegadeesh e Titman (1993,2001) e Daxue Wang (2008), apenas era verificada durante os anos que antecederam a crise financeira de 2008, pois neste estudo verifica-se que no período de durante e após a crise financeira de 2008 a estratégia momentum passou a gerar elevados prejuízos. Tal evidência sugere Momentum: Tested with different return adjustment model and sample period 30 que a crise financeira de 2008 possa ter levado a alterações nos comportamentos dos investidores que conduziram à eliminação da rentabilidade anormal positiva obtida através da estratégia momentum. Como sugestão para futuras investigações sugiro a realização deste estudo com uma amostra e para um período de tempo diferentes por forma a testar a robustez dos resultados verificados no presente estudo, uma vez que tal como evidenciado apresentam alguma controvérsia face a estudos anteriores (mas os quais também eram baseados sobretudo em períodos de tempo estatisticamente diferentes dos considerados no presente estudo). Momentum: Tested with different return adjustment model and sample period 31 Referências  Banz, Rolf R. (1981), “The relation between return and market value of common stocks”, Journal of Financial Economics 9, 3-18;  Barberis, N., A. Shleifer e R. Vishny (1998), “A model of investor sentiment”, Journal of Financial Economics 49, 307-343;  Daniel, K., D. Hirshleifer e A. Subrahmanyam (1998), “Investor psychology and security market under and overreactions”, Journal of Finance 53, 1839-1886;  Daxue Wang (2008), “Are anomalies still anomalous? An examination of momentum strategies in four financial markets”;  Dechow, P. e I. Dichev (2002), “The quality of accruals and earnings: the role of accrual estimation errors”, The Accounting Review 77 (Supplement), 35–59;  Dechow, P., R. Sloan e A. Sweeney (1995), “Detecting earnings management”, The Accounting Review 70, 193–225;  Easley, D. e M. O’Hara (2004), “Information and the cost of capital”, Journal of Finance (August);  Fama, E. F. e K. R. French (1970), “Efficient Capital Markets: A review of theory and empirical work”;  Fama, E. F. e K. R. French (2008), “Dissecting Anomalies”, Journal of Finance VOL. LXIII, NO. 4;  Francis, J., R. LaFond, P. Olsson e K. Schipper (2005), “The market pricing of accruals quality”, Journal of Accounting and Economics 39, 295–327;  Gore, P., P. F. Pope e A. K. Singh (2002), “Earnings Management and the Distribution of Earnings Relative to Targets: U.K. Evidence”;  Grinblatt, M., S. Titman e R. Wermers (1995), “Momentum investment strategies, portfolio performance and herding: A study of mutual fund behavior”, American Economic Review 85, 1088-1105;  Gujarati, D. (1970a), “Use of dummy variables in testing for equality between sets of coefficients in linear regressions – a note”, American Statistician, 24(1), 50-52;  Gujarati, D. (1970b), “Use of dummy variables in testing for equality between sets of coefficients in linear regressions – a generalization”, American Statistician, 24(5), 18-22; Momentum: Tested with different return adjustment model and sample period 32  Jegadeesh, N. e S. Titman (1993), “Returns to buying winners and selling losers: Implications for stock market efficiency”, Journal of Finance 48, 65-91;  Jegadeesh, N. e S. Titman (2001), “Profitability of momentum strategies: An evaluation of alternative explanations”, Journal of Finance 56, 699-720;  Jones, J. (1991), “Earnings management during import relief investigations”, Journal of Accounting Research 29, 193–228;  Lo, A. e C. MacKinlay (1990), “When are contrarian profits due to stock market overreaction”, Review of Financial Studies 3, 175-205.