Dissecando anomalias com o modelo de cinco fatores para o mercado acionário brasileiro

Abstract

Este trabalho teve como objetivo replicar para o mercado brasileiro a análise proposta por Fama e French (2016) no artigo Dissecting Anomalies with a Five-Factor Model . Buscou-se verificar e explicar através do modelo de cinco fatores de Fama e French (2015), estendido para seis fatores em algumas especificações, os retornos de 22 portfólios. Esses portfólios dividiram as empresas de acordo com o seu tamanho e cinco anomalias: beta, emissão líquida de ações, momento, volatilidade e accruals. Os fatores de risco considerados foram: mercado, tamanho, valor, rentabilidade, investimento e momento. A amostra de empresas se estende de 2001 a 2016, tendo sido observados critérios de liquidez e considerados retornos diários (3.962 observações) igualmente ponderados para a construção dos portfólios das anomalias e dos fatores de risco. Para verificar a robustez e a relevância dos modelos e explicar os retornos dos portfólios analisados, foram utilizados estatística GRS, p-valor (GRS), magnitude do intercepto médio e sua significância estatística. Analisando a significância estatística e média dos retornos dos fatores de risco individualmente, observou-se que os fatores rentabilidade e momento foram estatisticamente significantes e que o retorno médio anualizado de empresas com rentabilidade robusta foi em média 18% superior ao de empresas com rentabilidade fraca, e empresas vencedoras apresentaram em média um retorno 13,60% maior que empresas perdedoras. Quando analisadas as regressões dos portfólios tamanho-anomalia, destacou-se que a inclusão do fator rentabilidade foi o grande responsável por reduzir a magnitude dos interceptos médios e da estatística GRS para todos os portfólios tamanho-anomalia verificados, ou seja, foi o grande responsável por aumentar o poder explicativo do modelo. Além disso, o aumento do coeficiente de determinação foi maior para os portfólios de empresas pequenas quando comparado com o de grandes para todas as anomalias. Ressalta-se também que, para todos os portfólios estudados, o fator mercado foi estatisticamente significante, fazendo assim do CAPM um bom modelo para avaliação de ativos, mas incompleto. Quanto aos excessos de retornos dos portfólios tamanho-anomalia para o período analisado, apresentam-se alguns resultados: (i) portfólios com empresas vencedoras geraram maiores retornos e menores desvios-padrão; (ii) empresas que recompram apresentaram maiores retornos quando comparadas com empresas que emitem e neutras; (iii) menor volatilidade se traduziu em maiores retornos; (iv) beta alto se traduziu em maiores retornos apenas para empresas pequenas; e (v) retornos de empresas com altos accruals foram maiores do que de empresas com baixos accruals. Através dos coeficientes gerados pelas regressões dos modelos, algumas inferências podem ser feitas quanto aos resultados citados: (i) o fator de risco momento é decisivo na explicação desses retornos; (ii) empresas que recompram são, em geral, empresas mais rentáveis e conservadoras em termos de investimento quando comparadas com empresas que emitem; (iii) portfólios de empresas com menor volatilidade apresentam menor beta, essas empresas comportam-se como empresas maiores, mais rentáveis e vencedoras; (iv) portfólios de empresas pequenas com alto beta são mais sensíveis ao retorno de mercado, essas empresas comportam-se como firmas de crescimento, são agressivas em termos de investimento e menos rentáveis; e (v) não foi possível verificar um padrão claro dos coeficientes para explicar os retornos dos portfólios tamanho-accruals.

Abstract : This dissertation had as objective to replicate for the Brazilian stock market the analysis proposed by Fama and French (2016) in the article: Dissecting Anomalies with a Five-Factor Model . It has sought to verify and explain through the five-factor model of Fama and French (2015) extended to six factors in some specifications the returns of twenty-two (22) portfolios. These portfolios divided the companies according to their size and five anomalies: beta, net share issues, momentum, volatility and accruals. The risk factor considered were: market, size, value, profitability, investment and momentum. The sample extends from 2001 to 2016 observing liquity criteria and daily returns (3962 observations) equally weighted for the construction of portfolios of anomalies and risk factors. In order to verify the robustness and relevance of the models to explain the returns of the analyzed portfolios were used: GRS statistics, p-value (GRS), average intercepts and their statistical significance. Analyzing the statistical significance and mean returns of the risk factors individually, it was observed that the profitability and momentum factors were statistically significant and that the average annual returns of companies with robust profitability was on average 18% higher than the companies with weak profitability, and winning companies averaged a return of 13,60% higher than losing companies. When analyzing the regressions of the size-anomaly portfolios it is worth noting that the inclusion of the profitability factor was the major responsible for reducing the magnitude of the average intercepts and GRS statistics for all analyzed size-anomaly portfolios, in other words, was largely responsible for increasing the explanatory power of the model. In addition, the increase in the coefficient of determination was greater for small firms portfolios when compared to large, for all anomalies. It is also worth noting that for all the portfolios studied, the market factor was statistically significant, thus making CAPM a good model for asset valuation, but incomplete. As for the excess returns of the size-anomaly portfolios for the period analyzed some results are summarized: (i) portfolios with winning companies generated higher returns and lower standard deviation; (ii) companies that repurchase showed higher returns when compared to companies that issue shares and neutral; (iii) lower volatility result in higher returns; (iv) high beta result in higher returns only for small companies; (v) returns from companies with high accruals was higher than companies with low accruals. Through the coefficients generated by the regressions of the models some inferences can be made regarding the above results: (i) the momentum risk factor is decisive in explaining these returns; (ii) companies that share repurchase are generally more profitable and conservative companies in terms of investment compared to issuers; (iii) portfolios of companies with lower volatility present lower beta, behave as larger, more profitable and winning companies; (iv) portfolios with small and high betas companies are more responsive to market returns, behave as growth firms, are aggressive in terms of investment and are less profitable; (v) it was not possible to verify a clear standard of the coefficients to explain the returns of the size-accruals portfolios.