Fundos de Investimento Mobiliário e Fundos Especiais de Investimento: Uma Análise Comparativa

Fundos de Investimento Mobiliário e Fundos Especiais de Investimento: Uma Análise Comparativa por: Filipe Pais Oliveira Bernardes Dissertação de Mestrado em Finanças Orientado por: Professor Doutor Júlio Fernando Seara Sequeira da Mota Lobão i Nota Biográfica Filipe Pais Bernardes nascido a 25 de Junho de 1987, reside atualmente em Mozelos, Santa Maria da Feira. Licenciou-se em gestão, em 2009, pela Faculdade de Economia do Porto. Depois de um estágio internacional de seis meses na Polónia no início de 2010 regressou à FEP para ingressar no mestrado em Finanças em Setembro de 2011. Desde Junho de 2012, sob orientação do Prof. Dr. Júlio Lobão, iniciou a presente dissertação de mestrado através da qual se propõem obter o grau de mestre. Iniciou a sua atividade profissional em Setembro de 2009 com um estágio internacional ao abrigo do programa Inov Contacto que decorreu entre Janeiro e Julho de 2010 na cidade de Varsóvia. Mais tarde, nesse mesmo ano, ingressou no Banco Português de Investimento. Desde 2010 mantém-se em funções no BPI, estando atualmente integrado na equipa do Centro de Investimento de São João da Madeira, onde desempenha as funções de assistente comercial as quais incluem entre outras a análise dos produtos oferecidos aos clientes (seguros de capitalização, produtos estruturados, fundos de investimento mobiliário, etc.) e a análise da evolução de carteiras dos clientes. ii Agradecimentos O contentamento sentido no término da dissertação, apesar de individual, teve vários contributos que importa destacar. Ao Prof. Dr. Júlio Lobão, orientador da dissertação, cabe o maior agradecimento, quer pelas contribuições e sugestões dadas durante todo o processo, quer pela disponibilidade demonstrada e ainda pela motivação e apoio que sempre transmitiu. À Faculdade de Economia do Porto cabe também um agradecimento dado que grande parte do conhecimento necessário para a realização deste trabalho foi adquirido nesta instituição. Instituição que continua a destacar-se pela sua qualidade e exigência em benefício de todos os seus alunos, antigos, atuais e futuros. Para terminar restam dois agradecimentos pessoais. À família por todas as condições proporcionadas que permitiram a chegada a este ponto, e por todo o apoio e incentivo dados. À mestre Ana, não só por ter mostrado que era possível mas também pela constante disponibilidade demonstrada para ajudar a ultrapassar todos os obstáculos que foram surgindo. iii Resumo Os fundos de investimento, também conhecidos por organismos de investimento coletivo, são hoje um dos veículos de investimento preferidos pelos investidores particulares e institucionais, sendo que os volumes sob gestão, em Portugal, equivalem a aproximadamente 7,43% do PIB português. Os fundos de investimento dividem-se por várias tipologias e classes sendo que o presente estudo irá analisar apenas os fundos especiais de investimento e estabelecer as devidas comparações com os fundos de investimento mobiliário. Os fundos especiais de investimento são um organismo especial de investimento coletivo, beneficiando desta forma de um enquadramento jurídico diferente, sendo as restrições impostas consideravelmente menores. Apesar desta substancial diferença os fundos especiais de investimento não foram, tanto quanto é do nosso conhecimento, alvo de qualquer estudo comparativo face aos fundos de investimento tradicionais. A menor regulação dos fundos especiais de investimento traduz-se, ceteris paribus, num aumento de risco para o investidor, pelo que importa perceber se este aumento do risco se traduz no aumento das rendibilidades. Este estudo visa aferir se os fundos especiais de investimento apresentam melhores rendibilidades quando comparados com os fundos de investimento mobiliário e propor um modelo que visa explicar essas mesmas rendibilidades. O modelo consiste numa regressão linear, usando o método dos mínimos quadrados. Esta regressão será aplicada às rendibilidades mensais dos fundos de investimento obtidas através das cotações dos mesmos, dados fornecidos pela Associação Portuguesa de Fundos de Investimento. Desta forma, recorrendo ao desempenho passado destes fundos, iremos concluir que os fundos especiais de investimento serão a melhor alternativa de investimento para um investidor que assuma que o desvio padrão capta a totalidade dos riscos em que estes fundos incorrem. Palavras-chave: Fundos Especiais de Investimento (FEI), Fundos de Investimento Mobiliário (FIM), Hedge Funds, Mutual Funds. iv Abstract Nowadays, investment funds, also known as collective investment vehicles, are one of the most popular instruments to private and institutional investors. The amounts invested in this instruments account for 7,43% of the Portuguese GDP. In Portugal there are several types of funds however, this study will focus on fundos de investimento mobiliários (FIMs) and fundos especiais de investimento (FEIs). Fundos especiais de investimento are regulated by a diferente set of laws than the ones that regulate FIMs this means that the restrictions and constrains enforced to FEIs management are much smoother. Despite this fact, as far as we know, there isn’t any studies comparing this two types of funds. Ceteris Paribus, smoother regulation will represent an increased risk for the investor so it’s important to understand if this will mean an increased return as well. With this study we looked at the returns of the both categories of funds and present a model which attempt to explain that same returns. The model was based on a linear regression using the least squares method. The regression will be based in the mensal rate of return of every fund. This data was gather from the portuguese association of investment funds. Using past data on the funds performance, we will conclude FEIs are a better investment when comparing with FIMs. In other words, we will conclude FEIs have superior returns and less volatility, making these instruments the best investment for those whose investments are decided using standard deviation as a risk measure toll. Key-words: Fundos Especiais de Investimento (FEI), Fundos de Investimento Mobiliário (FIM), Hedge Funds, Mutual Funds. v Índice 1. Introdução ..................................................................................................................... 1 2. Revisão de literatura ..................................................................................................... 4 2.1 Fundos de Investimento Mobiliário e Fundos Especiais de Investimento .................. 4 2.2 Estudos Mais Relevantes ............................................................................................ 7 3.Os Fundos de Investimento em Portugal ..................................................................... 12 4. Dados e Metodologia .................................................................................................. 17 4.1 Dados ........................................................................................................................ 17 4.2 Variáveis Explicativas .............................................................................................. 19 4.3 Modelo ...................................................................................................................... 22 5. Resultados ................................................................................................................... 23 5.1 Estatísticas descritivas .............................................................................................. 23 5.2 Resultados da Aplicação do Modelo ........................................................................ 28 5.2.1 Aplicação à totalidade dos fundos de investimento ............................................... 28 5.2.2 Aplicação do Modelo aos Fundos de Investimento Mobiliário ............................. 30 5.2.3 Aplicação do Modelo aos Fundos Especiais de Investimento ............................... 31 5.2.4 Comparação entre FIMs e FEIs ............................................................................. 32 6. Conclusões .................................................................................................................. 36 7. Bibliografia ................................................................................................................. 40 8. Anexos ........................................................................................................................ 42 vi Índice de Tabelas Tabela 1: Distribuição dos ativos sob gestão dos Fundos de Investimento .................... 15 Tabela 2: Estatísticas Descritivas ................................................................................... 23 Tabela 3: Rácio de Sharpe .............................................................................................. 25 Tabela 4: Correlações entre as rendibilidades verificadas .............................................. 26 Tabela 5: Resultados da regressão para todos os fundos. ............................................... 28 Tabela 6: Resultados da regressão aplicada aos FIMs. ................................................... 30 Tabela 7: Resultados da regressão aplicada aos FEIs. .................................................... 31 Tabela 8: Resultados da regressão aplicada a FEIs e FIMs de ações. ............................ 33 Tabela 9: Resultados da regressão aplicada a FEIs e FIMs de obrigações. .................... 34 vii Índice de Gráficos Gráfico 1: Volumes Sob Gestão ..................................................................................... 13 Gráfico 2: Volumes Sob Gestão por Tipologia, excluindo PPRs ................................... 14 Gráfico 3: Evolução das Rendibilidades Médias Mensais .............................................. 25 Gráfico 4: Evolução do Desvio Padrão das Rendibilidades Mensais ............................. 26 1 1. Introdução Os fundos de investimento são um dos instrumentos financeiros existentes mais populares. Este veículo de investimento surgiu na Holanda na segunda metade do século XVII1, tendo como propósito proporcionar, ao pequeno investidor, diversificação. Presentemente os fundos de investimento continuam a ser procurados por investidores particulares e institucionais. Face a esta procura significativa os ativos sob gestão dos fundos de investimento atingiram, a nível mundial, no último trimestre de 2012, mais de 20 biliões de euros, valor que corresponde a mais do dobro do PIB da zona euro para o ano de 2012. A nível geográfico, como seria expectável, a Europa e os EUA representam aproximadamente 60% do total de fundos existentes o que corresponde a aproximadamente 80% dos ativos sob gestão. Em Portugal, segundo a Associação Portuguesa de Fundos de Investimento, Pensões e Património (APFIPP) os ativos sob gestão rondavam, em Dezembro de 2012, os 12,3 mil milhões de euros o que corresponde a aproximadamente 7,43% do PIB português em 20122. O valor referido engloba os Fundos de Investimento Mobiliário (FIMs), os Fundos Especiais de Investimento (FEIs) e os Fundos de Investimento Imobiliário sendo que na presente dissertação iremos centrar a nossa análise nos FIMs e nos FEIs. Os fundos especiais de investimento surgiram no nosso país em 20033. Desde então, o peso destes fundos tem vindo a aumentar consideravelmente sendo que, no final de 2012 os ativos sob gestão destes fundos representavam 40% do montante total aplicado em fundos de investimento. O crescimento exponencial dos FEIs, em número e em ativos, e o aumento da sua popularidade no nosso país não foram, tanto quanto é do nosso conhecimento, objeto de qualquer estudo ou análise semelhante ao que nos propomos realizar pelo que na revisão de literatura recorremos apenas a estudos realizados noutros países. 1 Rouwenhorst, K. Geert, The Origins of Mutual Funds (December 12, 2004). Yale ICF Working Paper No. 04-48. 2 Fonte Eurostat 3 Regulamento da CMVM nº 15/2003, Organismos de Investimento Coletivo 8 Sendo estes os estudos mais citados da literatura existente existem ainda outros autores, como Jensen e French (1993) e Gruber (1996) que defendem como alternativa à avaliação da performance um modelo multifatorial cada qual com a sua versão. Todos estes estudos, apesar de bastante diferentes, apresentam em comum uma conclusão: a grande maioria dos fundos analisados não iguala nem excede, consistentemente, a rendibilidade proporcionada pelo mercado qualquer que seja o modelo de avaliação. Sharpe (1992) sugere o primeiro modelo de avaliação da performance dos mutual funds baseado nos ativos que constituem os mesmos. O modelo criado tinha como variável explicada a rendibilidade dos mutual funds sendo que as variáveis explicativas eram doze, incluindo desde as yields da dívida americana a curto, médio e longo prazo, às ações japonesas e europeias. O autor optou ainda por colocar ao modelo uma restrição, o somatório de todos os coeficientes deveria ser igual a um, sendo que na regressão em causa não existia termo independente. Com este modelo o autor obteve um R2 de 95% para as rendibilidades verificadas entre Janeiro de 1985 e Dezembro de 1989. Este estudo, pensado para a realidade dos mutual funds, não poderia ser aplicado aos hedge funds. Os estudos referidos analisam apenas a rendibilidade dos mutual funds não englobando a realidade dos hedge funds. Assim, reconhecendo que os modelos de avaliação da performance dos hedge funds não poderiam ser semelhantes aos utilizados para os mutual funds, Fung e Hsieh (1997) sugerem uma extensão do modelo de avaliação de Sharpe baseado nas várias tipologias de fundos de forma a que o mesmo possa ser aplicado aos hedge fund. Os autores defendem que o sucesso do modelo de Sharpe se deve à própria natureza dos mutual funds, ou seja, os gestores destes fundos têm como função investir numa determinada classe de ativos estando limitados a posições longas e nos mercados onde podem atuar. É portanto expectável que as rendibilidades por eles obtidas estejam altamente correlacionadas com as da classe em que investem. Nos caso dos hedge funds verifica-se o oposto dado que as rendibilidades apresentam uma correlação negativa com as principais classes de ativos. 9 Fung e Hsieh (1997) definem as estratégias de investimento dos hedge funds: Macro, fundos que investem nos mercados mais líquidos e tendem a apostar em acontecimentos macroeconómicos; Valor, o fundo investe sobretudo em empresas de grande dimensão; Tendência, o fundo recorre a ferramentas técnicas que permitam investir na tendência em vigor; e Emergência, o fundo investe em empresas em situação de pré-falência. Partindo do modelo de Sharpe os autores optam apenas por oito variáveis explicativas, três índices de ações, dois índices de obrigações, um índice de liquidez, o preço do ouro e ainda o Dollar Index representativo do mercado cambial. Em 2002 os mesmos autores defendem que os hedge funds não devem ser classificados de acordo com a estratégia que publicitam mas sim de acordo com os investimentos verificados. Ou seja, existindo histórico suficiente para tal, deverão ser analisados os investimentos realizados sendo que fundos cuja gestão implemente estratégias de investimento semelhantes deverão apresentar rendibilidades altamente correlacionadas. Os autores terminam aplicando uma simples regressão a duas bases de dados distintas consoante a classificação dos hedge funds definida pelas mesmas. Nesta regressão os autores utilizam apenas três fatores, dois índice de ações (Wilshire 1750 small caps e IFC composite) e um índice de obrigações high yield (CSFB High-Yield Bond). Os autores, apesar de grande parte das classes às quais foi aplicada a regressão apresentarem um R2 superior a 50%, não se mostram satisfeitos dado o termo independente ser muito elevado, perto de 1 ponto percentual, e ainda com o fato da significância dos modelos não ser tão elevada quanto o desejado. Dois anos mais tarde, em 2004 os autores voltam a publicar um estudo onde definem as classificações que no seu entender deverão ser atribuídas aos hedge funds. Destas classificações vão ser extraídos os indicadores que serão as variáveis explicativas no modelo asset based style proposto pelos autores. As tipologias identificadas prendem-se com a estratégia de investimento adotada. Os fundos que detenham posições curtas e longas sobre ações (equity long-short) constituem uma das classes mais abrangentes. O investimento em obrigações (fixedincome) e o investimento trend-following são outras duas classes. Por último, resta uma tipologia muito particular que são os fundos cuja estratégia passa por realizar arbitragem entre as empresas envolvidas em processos de fusão e aquisição, adotando 10 posições longas na empresa adquirida e curtas na adquirente caso considerem que a operação será bem sucedida, ou recorrendo a posições inversas caso considerem provável o insucesso do negócio. Os sete fatores indicados pelos autores, com base nas tipologias existentes são: o excesso de rendibilidade do S&P500 face à taxa sem risco; a diferença entre a rendibilidade proporcionada pelas small caps e big caps5; look back straddle options6 nos portfolios de moedas, obrigações e commodities; a variação na yield das T-bills7 a 10 anos e a diferença entre a yield das empresas com rating Baa e as mesmas T-bills. Os autores concluem que o modelo apresentado explica grande parte do risco sistemático a que os hedge funds estão expostos. O modelo apresenta também vantagens tendo em conta os indicadores que inclui o que possibilita a avaliação de todos os hedge funds independentemente da sua estratégia de investimento. O modelo apresenta um R2 de 55% para o período entre 1994 a 2002. Eling e Faust (2010), num estudo que compara a performance dos hedge funds com os mutual funds nos mercados emergentes aplicam vários modelos aos seus dados, começando pelo CAPM, e depois estendendo a análise ao modelo de Fama e French (1993) que acrescenta dois fatores, o prémio das pequenas empresas e o book value, Carhart (1997) que acrescenta um terceiro fator, um indicador de momentum, Fung e Hsieh (1997) e por último Fung e Hsieh (2004). Apesar de considerarem os modelos válidos os autores defendem que estes não captam as especificidades dos mercados emergentes pelo que sugerem um modelo alternativo. O modelo sugerido é também multifactorial sendo que os autores optam por variáveis explicativas que apenas poderiam ser utilizadas nestes mercados. Ao utilizar variáveis circunscritas aos mercados emergentes os autores alcançam um R2 de 94% para os mutual funds e de 89% para os hedge funds resultados que superam os verificados por Fung e Hsieh (2004). 5 Small Caps são as empresas de menor dimensão, que integram o índice Russel 2000. As Big Caps são as empresas de maior dimensão, integram o índice S&P 500. 6 Estas opções apresentam como payoff, no caso da opção call, a diferença entre o preço do subjacente na data de exercício e o preço mínimo atingido durante a vida da opção. No caso da put a diferença entre o preço máximo atingido durante o período de vida da opção e o preço final do ativo subjacente. (ver Hull, John C., “Options Futures and Other Derivatives” , pp. 561-563) 7 Denominação usada para os títulos de dívida pública americana de longo prazo. 11 Na sequência deste estudo os autores revelam ainda que, para os dados em análise, os hedge funds apresentam rendibilidades e alfas mais elevados e desvios padrão mais reduzidos, o que vai de encontro às conclusões de outros autores como Abel e Fletcher (2004) e Strömqvist (2007). Como possível justificação para as conclusões apresentadas os autores referem a gestão ativa dos hedge funds face aos mutual funds. O estudo realizado ao analisar segmentos temporais mais reduzidos permite concluir que a exposição ao risco dos hedge funds varia, ao invés do que acontece nos mutual funds onde a exposição é constante. Os autores referem ainda que as diferenças verificadas podem dever-se a outros fatores, sendo que todos estão diretamente relacionados com a menor regulação dos hedge funds. Apesar de todos os estudos indicados serem referentes ao mercado americano consideramos que não existe qualquer impedimento à aplicação dos mesmos aos fundos de investimento nacionais. Como vimos a performance dos fundos de investimento tem sido objeto de diversos estudos nos últimos cinquenta anos. A primeira grande contribuição foi dada por Treynor (1965) no entanto, foi apenas em meados dos anos 90 que a comparação entre os mutual funds e os hedge funds foi objeto de estudo tendo sido Fung e Hsieh (1997) dois dos mais ativos nesta pesquisa. Entre os vários autores existem algumas convergências, desde logo relativamente à comparação entre o desempenho dos fundos de investimento com a rendibilidade proporcionada pelo mercado, sendo que raramente se observam situações em que o primeiro supere o segundo de forma consistente. Vários autores convergem também na comparação entre a rendibilidade proporcionado pelos hedge funds e mutual funds sendo que os primeiros tendem a apresentar rendibilidades superiores e menor volatilidade. A evolução dos estudos realizados parece ainda indicar que os autores convergem na opinião de que um modelo multifactorial que tem por base os vários ativos que poderão constituir a carteira de fundo será a melhor forma de analisar as rendibilidades verificadas. Contudo, cada autor apresenta o seu próprio modelo sendo estes diferentes entre si como acontece com o modelo apresentado por Fung e Hsieh (2004) e o modelo de Eling e Faust (2010). 12 3. Os Fundos de Investimento em Portugal Em Portugal o mercado dos fundos de investimento é regulado pela CMVM. Esta entidade para além de atribuir as autorizações necessárias à comercialização dos fundos é também a entidade que verifica o cumprimento de todos os regulamentos. Para além desta vertente reguladora, a CMVM publica periodicamente uma série de indicadores e estatísticas sobre os fundos de investimento em atividade no mercado nacional. As estatísticas relativas ao número de fundos em funcionamento, aos seus ativos e ainda aos investimentos que constituem a sua carteira são divulgadas pela CMVM desde 2002, no entanto, e dado que os FEIs foram criados apenas em 2003 iremos iniciar a nossa análise no final do primeiro trimestre de 2004. No início de 2004 existiam em Portugal 215 fundos de investimento mobiliário e apenas 4 fundos especiais de investimento. O investimento estava totalmente centrado nos FIMs que apresentavam, à data, 23 mil milhões de euros de ativos sob gestão sendo que o valor registado para os FEIs ficava-se pelos 30,6 milhões de euros. O universo dos fundos de investimento era em 2004 dominado pelos fundos de ações e pelos fundos de obrigações, com 54 e 43 fundos respetivamente. O peso dos fundos de ações acaba por ser totalmente diluído quando consideramos os ativos sob gestão em vez do número de fundos existentes. Aqui os fundos de ações perdem relevância sendo apenas a quarta categoria de fundos com mais ativos sobre gestão atrás dos fundos de obrigações, dos fundos de tesouraria e ainda dos Planos Poupança Reforma (PPRs). Em 2005 o número total de fundos aumenta para os 242 sendo que os FIMs representavam 213 e os FEIs 29, o que se traduzia num peso inferior a 10% na totalidade dos ativos sob gestão. A distribuição dos FIMs por categoria manteve-se estável sendo que os fundos de obrigações e os fundos de tesouraria são os mais representativos. O número total de fundos em Portugal aumentou até ao final de 2007 sendo que nesta data existiam 219 FIMs e 72 FEIs, não só é notória um aumento da quantidade de fundos disponíveis como o aumento do número de FEIs. Os FEIs, com apenas 4 anos 13 decorridos sobre a sua regulação representavam no final de 2007 aproximadamente 14,70% dos valores totais sobre gestão. Estes dados, disponibilizados pela CMVM, não nos permitem comparar o valor dos ativos sob gestão em duas datas diferentes dado que, da diferença existente não conseguiremos distinguir o que resulta da valorização/desvalorização dos ativos em carteira ou o que resulta do saldo líquido entre as subscrições e os resgates. Assim, centrando a análise no período que iremos estudar, podemos referir que a queda dos volumes sob gestão, conforme é visível no gráfico 1, foi, para o período compreendido entre Janeiro de 2008 e Dezembro de 2012 superior a 50%, tendo passado de 25,7 mil milhões de euros no início de 2008 para apenas 12,3 mil milhões no final de 2012. Gráfico 1: Volumes Sob Gestão (Valores em milhões de euros) Durante este período os volumes sob gestão sofreram uma forte queda como podemos observar, contudo importa separarmos o que se passou para os FIMs e para os FEIs. Para tal comparamos os volumes sob gestão de FIMs e FEIs não contabilizando os volumes sob gestão dos PPRs. Observando o Gráfico 2 podemos observar que o mercado sofreu, durante o período em análise uma tremenda transformação. A queda dos volumes de gestão poderá ser atribuída aos FIMs dado que, conforme é visível, durante os cinco anos em análise, os volumes sob gestão dos FEIs foi sempre aumentando. Este aumento traduz-se numa - 5.000 10.000 15.000 20.000 25.000 14 duplicação do volume sob gestão destes fundos o que faz com que no final de 2012 os FEIs representassem 40% do total dos ativos sob gestão face aos 14,70% que representavam no início de 2008. Por seu turno, os FIMs viram a sua representatividade descer de 82% para apenas 52%. Gráfico 2: Volumes Sob Gestão por Tipologia, excluindo PPRs. (valores em milhões de euros) O aumento da popularidade dos FEIs foi enorme não só ao nível dos ativos sob gestão mas também relativamente ao número de fundos existentes. No final de 2012 existiam em Portugal noventa e nove FEIs e cento e oitenta FIMs. Estes valores correspondem a um crescimento de 37,5% no número de FEIs existentes desde o início de 2008 ao fim de 2012. Por outro lado, para o mesmo período, verifica-se uma queda de 22,4% para os FIMs. Os FEIs têm ganho popularidade não apenas junto dos investidores mas também das sociedades gestoras que optam cada vez mais por esta tipologia de OIC como é notório pelos dados apresentados. A ausência de estudos sobre esta temática não nos permite apresentar as razões para o aumento de popularidade dos FEIs face aos FIMs sendo que, julgamos que as mesmas estarão fortemente relacionadas com a flexibilidade proporcionada pela menor regulamentação que incide sobre os FEIs. - 5.000 10.000 15.000 20.000 25.000 FIMs FEIS 15 Relativamente aos investimentos realizados pelos OICVM, independentemente da sua tipologia, verificamos que não existiram, para o período em análise, grandes alterações. Tabela 1: Distribuição dos ativos sob gestão dos Fundos de Investimento Dez-2007 Dez-2008 Dez-2009 Dez-2010 Dez-2011 Dez-2012 Dívida Pública Nacional 0,20% 0,20% 0,50% 2,10% 3,30% 3,10% Dívida Pública Estrangeira 7,90% 5,40% 5,60% 7,40% 7,00% 5,90% Outros Fundos Públicos Nacionais 0,00% 0,00% 0,00% 0,00% 0,10% 0,10% Outros Fundos Públicos Estrangeiros 0,10% 0,10% 1,30% 0,20% 0,10% 0,40% Obrigações Nacionais 5,60% 8,00% 7,80% 6,90% 8,40% 5,40% Obrigações Estrangeiras 45,80% 47,90% 42,90% 40,00% 34,30% 29,50% Acções Nacionais 5,40% 3,50% 5,00% 4,20% 3,30% 2,70% Acções Estrangeiras 9,70% 7,50% 9,20% 14,00% 10,80% 8,40% Ups Nacionais 4,50% 4,80% 3,80% 4,00% 4,90% 3,70% Ups Estrangeiras 7,60% 8,80% 6,40% 8,10% 10,60% 9,30% Outros 0,100% 0,100% 0,100% 0,100% 0,100% 0,000% Outros Activos 0,20% 0,40% 0,50% 0,50% 0,80% 0,50% Outros Instrumentos de Dívida 3,80% 2,50% 3,20% 1,60% 5,60% 11,30% Liquidez 11,60% 12,50% 14,90% 12,30% 12,10% 20,30% Empréstimos -0,30% -0,30% -0,30% -0,10% -0,10% 0,00% Valores a Regularizar -2,20% -1,40% -0,90% -1,30% -1,30% -0,60% TOTAL 100% 100% 100% 100% 100% 100% Conforme podemos observar nos dados recolhidos pela CMVM e apresentados na tabela 1 a divisão, por categoria, dos ativos sob gestão não sofreu grandes alterações ao longo do período em análise. O facto que nos merece o maior destaque é a componente da liquidez que sofreu um substancial aumento durante o período em causa com especial enfoque no ano de 2012. Os motivos para esta alteração poderão estar relacionados com a instabilidade vivida nos mercados para o período em causa ou ainda com uma postura mais defensiva adotada pela gestão dos fundos que apostou num aumento do peso deste ativo como forma de estabilizar os retornos. Ao aumento do peso dos ativos alocados à liquidez contrapõem-se a redução substancial do peso das obrigações estrangeiras. Aqui, segundo os dados disponibilizados poderemos assumir que o investimento terá sido direcionado para investimentos noutros instrumentos de dívida, categoria que registou uma subida considerável. As obrigações 16 nacionais mantiveram o seu peso mesmo apesar da turbulência a que o mercado das obrigações nacionais esteve sujeito. A análise efetuada permite-nos avaliar a transformação ocorrida no mercado dos fundos de investimento. O primeiro destaque terá que ser a quebra superior a 50% dos volumes sobre gestão, o que compara com uma queda também superior a 50% do PSI20, no entanto, não podemos concluir se a quebra dos volumes sob gestão se deve à desvalorização dos ativos ou ao desinvestimento dos investidores. Podemos ainda verificar que existiu um claro aumento na popularidade dos FEIs que fez com que os mesmos tivessem ganho terreno representando agora quase 40% da totalidade do mercado de fundos. Acreditamos que esta mudança se deve sobretudo a maior liberdade proporcionada à gestão destes fundos quando comparada com a regulação que incide sobre a gestão dos FIMs. O forte aumento do peso da liquidez nos ativos sob gestão poderá também ser um indicador desse facto. Relativamente ao peso das classes nos ativos sobre gestão as alterações verificadas foram reduzidas. Para além do aumento da liquidez registamos ainda o aumento na classe de outros instrumentos de dívida por contraponto com a diminuição do peso das obrigações estrangeiras. A classe das ações nacionais viu o seu peso reduzir-se para cerca de metade, fruto do desempenho do mercado bolsista nacional como já foi referido. 17 4. Dados e Metodologia Tendo por base o modelo de Fung e Hsieh (2004) pretendemos criar um modelo semelhante que seja aplicável à indústria de fundos em Portugal. O modelo será aplicado à totalidade dos fundos de investimento sendo de seguida aplicado separadamente a FIMs e FEIs. A aplicação do modelo irá indicar-nos se a forma funcional e as variáveis explicativas sugeridas explicam, com um coeficiente de determinação satisfatório, a nossa variável explicada, ou seja, as rendibilidades dos fundos de investimento verificadas. O primeiro modelo de avaliação de performance de hedge funds que engloba as várias classes de ativos que estão à disposição destes fundos foi o modelo de Fung e Hsieh (1997). Esse modelo recorria a três índices de ações representativos desses mercados, dois índices de obrigações, ao preço do ouro e ainda a indicadores relativos ao mercado cambial como variáveis explicativas dos retornos dos fundos analisados. A escolha destas variáveis resultou da tentativa dos autores de captar os principais ativos que constituíam as carteiras dos fundos. No seguimento do modelo desenvolvido por Fung e Hsieh (1997) e de posteriores desenvolvimentos do mesmo (Fung e Hsieh 2001, 2004), Faust e Eling (2010) referem, no seu trabalho, que existem duas formas de construir um modelo asset based style. A primeira recorre à procura exaustiva de variáveis através de sucessivas regressões de forma a escolher as que apresentem maior significância (como por exemplo, Liang,1999), esta forma conduz a R2 elevados para a amostra em causa sendo que o R2 reduz-se significativamente quando aplicado fora da amostra. A segunda, escolhida para este trabalho, consiste na escolha de um número reduzido de variáveis, que se assume serem economicamente relevantes. Esta forma conduz forçosamente a R2 mais reduzidos sendo que estes tenderão a ser mais consistentes independentemente da amostra. 4.1 Dados Este trabalho pretende testar a adaptabilidade de um modelo semelhante ao criado por Fung e Hsieh (2004) à realidade portuguesa. O primeiro passo relativamente à obtenção 24 o desvio padrão verificado para os FEIs seja cerca de metade do verificado pelos mesmos autores para os hedge funds. Relativamente às rendibilidades mensais importa ainda tentar perceber a forma como se distribuem. Ao verificar uma rendibilidade superior e um desvio padrão inferior o investimento em FEIs surge como uma ótima alternativa de investimento. Assim a análise da distribuição das rendibilidades verificadas é importante de forma a percebermos se os valores médios poderão ser entendidos como um retrato fiável do verificado. A média corresponde a esse retrato quando as rendibilidades apresentam uma distribuição normal ou seja, a média e a mediana são coincidentes. Nos dados em estudo tal não acontece, ou seja, a média, quer para os FIMs quer para os FEIs é inferior às respetivas medianas. A skewness das rendibilidades é portanto negativa, tal significa que a maior parte das observações existentes são de valor superior à média, o que nos permite concluir que esta medida, a média, é fortemente influenciada por um conjunto de observações com valores negativos bastante deslocados dos restantes. Estas características das distribuições verificam-se em todos as categorias de fundos. Outro fator a merecer a nossa atenção é a kurtosis das distribuições das rendibilidades. Aqui importa destacar o elevado valor verificado para os FEIs, este valor indica que a maior parte das rendibilidades verificados para os FEIs se encontra num intervalo relativamente curto, o que vai de encontro ao desvio padrão verificado, substancialmente mais reduzido do que no caso dos FIMs. As rendibilidades verificadas apresentadas de forma isolada não fornecem grande informação relativamente ao desempenho de determinada classe de fundos. De forma a podermos avaliar o desempenho dos fundos em análise optamos pelo rácio de Sharpe. Este rácio é calculado subtraindo à rendibilidade do fundo a rentabilidade do ativo sem risco e dividindo o valor obtido pelo desvio padrão do fundo em causa. O fundo terá um bom desempenho sempre que obtenha um rácio de Sharpe superior a um. 25 Os dados obtidos, apresentados na tabela 3, indicam que para os fundos analisados a média das observações mensais do rácio de Sharpe é negativa. Sendo que apenas 11% das observações realizadas são superiores a 1. Com o rácio de Sharpe pretende-se ponderar as rendibilidades verificadas pelo risco (representado pela volatilidade) incorrido pelo próprio fundo. Neste contexto, o pior valor verificado pelos FEIs face aos FIMs significa que os mesmos apresentam um risco acrescido dado que, como é visível na tabela 2, as rendibilidades dos mesmos são, em média, superiores. Tabela 3: Rácio de Sharpe Média Mensal do Rácio de Sharpe Número de Observações Mensais Positivas Número de Observações Mensais Negativas Todos os Fundos -0,1392 1062 8898 FEI -0,1673 315 2626 FIM -0,1216 696 5757 PPR -0,0004 51 515 Ainda no âmbito nas rendibilidades e apesar de termos já apresentado e analisado a média das rendibilidades verificados, apresentamos de seguida uma representação gráfica da evolução dessas mesmas rendibilidades. Gráfico 3: Evolução das Rendibilidades Médias Mensais -10,00% -5,00% 0,00% 5,00% 10,00% FEI FIM 26 Gráfico 4: Evolução do Desvio Padrão das Rendibilidades Mensais Podemos portanto observar que os valores extremos correspondem invariavelmente aos FIMs e nunca aos FEIs, informação também confirmada pelo Gráfico número 4 onde consta a evolução dos desvios padrão das rendibilidades mensais de ambas as categorias de fundos. Contrariamente à informação fornecida pelo cálculo do índice de Sharpe a evolução das rendibilidades médias indica claramente uma volatilidade inferior dos FEIs comparativamente com os FIMs o que implica um menor risco dos primeiros relativamente aos segundos. Análise das Correlações As correlações entre as rendibilidades verificadas por FIMs e FEIs, e entre as rendibilidades proporcionadas pelas variáveis explicativas foram também analisadas sendo que as mesmas são apresentadas na tabela número quatro. Tabela 4: Correlações entre as rendibilidades verificadas Janeiro-2008 a Setembro-2008 Setembro-2008 a Dezembro-2012 FIMs FEIs FIMs FEIs FIMs 1,0000 0,1770 1,0000 0,2543 FEIs 0,1770 1,0000 0,2543 1,0000 PSI20 0,5885 0,2055 0,6596 0,2731 S&P500 0,2221 0,0461 -0,2237 -0,0977 EUR100 0,6837 0,1954 0,6785 0,2567 MSCI 0,6259 0,1271 0,6813 0,2650 OTs10 -0,1105 -0,1219 -0,3201 -0,2307 BUNDS10 0,3436 0,1473 -0,0550 -0,1002 XAUUSD 0,0757 0,0292 -0,3000 -0,0724 EURUSD 0,3593 0,1407 -0,3621 -0,1932 0,00% 2,00% 4,00% 6,00% 8,00% FEI FIM 27 De forma a obtermos uma melhor leitura das correlações optamos por separar as correlações verificadas no período que antecedeu a crise financeira e o período que lhe sucedeu. Ao contrário dos dados apresentados por Eling e Faust (2010) para a realidade nacional não se verifica uma correlação significativa entre o desempenho de FIMs e FEIs. Em Portugal a correlação entre o desempenho de ambas as categorias atingiu os 0,2543 após a crise financeira, sendo que no período que lhe antecedeu era menor. Outro facto que merece destaque é a correlação verificada entre o desempenho do mercado mundial, europeu e nacional e o desempenho dos FIMs. Estas correlações situam-se entre os 0,60 e os 0,70 para ambos os períodos. Pelo contrários os FEIs apresentam correlações com estes mercados entre os 0,20 e os 0,30 o que denota que as estratégias de investimento seguidas por FIMs e FEIs são distintas. As correlações entre FIMs e FEIs com o desempenho do mercado americano são reduzidas embora positivas para o período antes da crise financeira sendo que no período pós-crise as mesmas são negativas. No período após a crise financeira podemos ainda verificar que existe uma correlação negativa entre o desempenho das OTs e o desempenho de FEIs e FIMs, tal deve-se ao facto do desempenho das OTs ser medido pela variação da yield sendo que um aumento da mesma é, regra geral, negativo para os mercados. Outras correlações que passaram de positivas a negativas foram as correlações entre as bunds, ouro e euro-dólar, face ao desempenho de FIMs e FEIs. Embora no caso das bunds e do ouro a correlação seja quase inexistente no caso do euro-dólar tal não se verifica. A variação mensal do euro dólar apresentava até Setembro de 2008 uma correlação de 0,35 com o desempenho dos FIMs e 0,14 com o desempenho dos FEIs, depois da crise financeira estes números sofreram uma tremenda mudança sendo que a correlação entre a variação mensal do euro-dólar e os FIMs inverteu para -0,36. 28 5.2 Resultados da Aplicação do Modelo Ao modelo de regressão apresentado foram realizados testes de forma a aferir pela existência ou não de auto correlação e heterocedasticidade, testes apresentados no anexo 1. No caso da auto correlação o teste utilizado foi o teste de Breusch-Godfrey, já no caso da heterocedasticidade foi realizado o teste de White. Dado que concluímos pela presença de ambos os padrões o modelo foi estimado recorrendo ao procedimento de Newey-West. 5.2.1 Aplicação à totalidade dos fundos de investimento A primeira aplicação do modelo realizada incidiu sobre a totalidade dos fundos (220) cujos dados possuímos, dos quais onze são PPRs, oitenta e cinco FEIs e 124 FIMs. Tendo o resultado obtido sido o abaixo apresentado. Tabela 5: Resultados da regressão para todos os fundos. Método dos Minimos Quadrados Observações Incluídas após ajustamentos: 9960 Variáveis Explicativas Coeficientes Nível de Significância C 0,0009 0,0357 PSI20 0,0820 0,0000 S&P500 0,0251 0,0000 EUR100 0,1745 0,0000 MSCIW 0,1361 0,0000 OTS10 -0,0185 0,0000 BUNDS10 0,0242 0,0034 XAUUSD 0,0206 0,0005 EURUSD 0,0000 0,9987 R2 0,0031 R2 Ajustado 0,0031 F-Statistic 558,6607 Prob (F-Statistic) 0,0000 C representa o termo independente da regressão;PSI20, S&P500, EUR100 e MSCIW representam a variação mensal relativa dos respetivos índices; OTS10 representam a variação mensal relativa da yield das obrigações do tesouro português a 10 anos; Bunds10 representam a variação mensal relativa da yield das obrigações do tesouro alemão a 10 anos; XAUUSD representa a variação mensal relativa do preço do ouro em dólares; EURUSD representa a variação relativa mensal do câmbio euro-dólar. 29 A primeira conclusão a retirar dos resultados apresentados é a significância global do modelo, com o F-Statistic aproximadamente igual a zero. Relativamente às variáveis explicativas escolhidas podemos referir que, com a exceção da variável cambial, todas as outras apresentam significância estatística para um p-value de 5%. O coeficiente de determinação (R2) não é tão elevado quanto desejável atingindo os 31% o que sugere que o acréscimo de variáveis explicativas poderia ser positivo para o modelo. Este valor é consideravelmente mais reduzido que o R2 obtido por Fung e Hsieh (1997) que na aplicação do seu modelo aos hedge funds obtiveram um R2 de 74,76% sendo que em novos testes (2004) os resultados obtidos foram ainda melhores. Atendendo aos coeficientes obtidos podemos ainda observar que todos eles vão de encontro aos resultados esperados. Tal significa que as rendibilidades verificadas nos fundos de investimento reagem positivamente a variações positivas nos índices acionistas referidos e, ainda que ligeiramente, à valorização do ouro. O coeficiente apresentado para a yield das obrigações do tesouro é negativo, este facto é percetível devido à crise da dívida iniciada em 2011 com o pedido de ajuda externa. Já antes do pedido de ajuda se verificava em Portugal uma forte correlação negativa entre as yields da dívida pública e o mercado acionista nacional. Fung e Hsieh (2004) chegaram às mesmas conclusões sendo que o coeficiente que obtiveram, com um nível de significância estatística de 99% foi também negativo. Os fundos de investimento são portanto afetados de duas formas, os que investem no mercado acionista nacional tendem a sofrer desvalorizações da sua carteira fruto dos aumentos das yields que provocam a desvalorização no mercado de capitais e, os que investem em obrigações do tesouro, veem a sua carteira desvalorizar pela queda do valor das obrigações detidas. A yield das obrigações germânicas apresenta um coeficiente positivo, ou seja, a subida da yield tem um impacto geralmente positivo nas rendibilidades dos fundos de investimento. Este facto deve-se ao facto destas obrigações serem vistas como um ativo de refúgio devido à ideia de segurança que os investidores atribuem ao estado Alemão. Assim, uma subida da yield corresponde a uma queda no preço deste ativo o que por sua vez representa uma menor procura. Procura esta que é entendida pelos mercados como uma medida de sensibilidade ao risco, sendo que uma menor procura tende a significar 30 um maior apetite dos investidores por ativos de maior risco o que favorece os mercados de capitais. No entanto, a aplicação do modelo a todos os fundos poderá ocultar diferenças substanciais entre as várias classes. 5.2.2 Aplicação do Modelo aos Fundos de Investimento Mobiliário De forma a clarificar a aplicação do modelo procedemos ao filtro dos fundos utilizando o mesmo modelo mas aplicando o mesmo apenas aos FIMs. Os resultados obtidos foram os seguintes: Tabela 6: Resultados da regressão aplicada aos FIMs. Método dos Minimos Quadrados Observações Incluídas após ajustamentos: 6453 Variáveis Explicativas Coeficientes Nível de Significância C 0,0007 0,1620 PSI20 0,1174 0,0000 SEP500 0,0333 0,0000 EUR100 0,2091 0,0000 MSCI 0,2363 0,0000 OTS10 -0,0127 0,0181 BUNDS10 0,0205 0,0478 XAUUSD 0,0203 0,0056 EURUSD 0,0184 0,3926 R2 0,4538 R2 Ajustado 0,4531 F-statistic 669,2980 Prob(F-statistic) 0,0000 Novamente importa referir que o modelo é globalmente significativo. Todas as variáveis explicativas são significativas com a exceção da variável cambial e do termo independente. No caso da aplicação do modelo aos FIM a principal diferença que registamos face à aplicação à totalidade dos fundos é o aumento significativo dos coeficientes relacionados com os mercados de capitais. A aplicação do modelo aos FIMs apresenta um R2 aproximado de 45% o que, para além de superior ao verificado na primeira aplicação do modelo, já nos permite explicar quase metade das rendibilidades verificados para o período em análise. Destacamos 31 ainda os coeficientes obtidos para os índices em análise que são bastante semelhantes aos obtidos por Eling e Faust (2010) sendo que neste estudo o índice com maior peso e significância foi o MSCI Ásia e no nosso caso será o MSCI World, ambos com valores perto dos 0,25. Sendo que em ambos os estudos todos os coeficientes relativos aos índices dos mercados de capitais são estatisticamente significativos. Dado que os FIMs correspondem a mais de metade da totalidade dos fundos, os resultados verificados para os FIMs são semelhantes com os verificados para a generalidade dos fundos. Os coeficientes mantêm o mesmo sinal sendo que a justificação já apresentada para os mesmos mantem-se válida. 5.2.3 Aplicação do Modelo aos Fundos Especiais de Investimento Relativamente aos FEIs seria de esperar, conforme ocorre nos trabalhos de Fung e Hsieh (1997 e 2004) e Eling e Faust (2010) que o modelo revelasse um ajustamento inferior ao verificado para os FIMs. Tabela 7: Resultados da regressão aplicada aos FEIs. Método dos Minimos Quadrados Observações Incluídas após ajustamentos: 2941 Variáveis Explicativas Coeficientes Nível de Significância C 0,0017 0,0054 PSI20 0,0145 0,3663 SEP500 0,0055 0,5027 EUR100 0,1247 0,0004 MSCI -0,0806 0,0095 OTS10 -0,0337 0,0000 BUNDS10 0,0342 0,0014 XAUUSD 0,0195 0,0657 EURUSD -0,0421 0,0351 R2 0,0609 R2 Ajustado 0,0584 F-statistic 23,7731 Prob(F-statistic) 0,0000 Podemos verificar que o modelo mantem a significância apesar do R2 ser bastante reduzido, apenas 6%. Estes dados demonstram que apesar das variáveis que têm 32 significância estatística, neste caso apenas seis das nove, ajudarem a explicar as rendibilidades verificadas nos FEIs, estas variáveis explicam apenas uma parte muito reduzida dessas rendibilidades. Outro fator de destaque é a perda de significância estatística das variáveis explicativas PSI20 e S&P500, este facto poderá dever-se às diferentes estratégias de investimento adotadas por estes fundos face aos FIMs. No entanto, as restantes variáveis relativas ao mercado de capitais mantêm a sua significância embora o coeficiente relativo à variável MSCI seja agora negativo, o que pressupõem uma correlação negativa entre a rendibilidade dos mercados globais e as rendibilidades dos FEIs. A variável EURUSD aparece neste caso com significância estatística para um p-value de 5% sendo o coeficiente associado à mesma negativo. Tal poderá indicar um maior peso dos ativos cotados em dólares na carteira destes fundos ou apenas uma ausência de cobertura cambial face ao que ocorre nos FIMs, algo que não podemos precisar. 5.2.4 Comparação entre FIMs e FEIs Após a aplicação do modelo separadamente a cada uma das classes de fundos de investimento importa agora dividir ambas as classes por categorias. Neste caso iremos comparar duas categorias, os fundos de ações e obrigações. Esta comparação tem como limitação o facto de que à medida que aumentamos os filtros realizados aos dados menos serão o número de observações em análise. Para o caso das ações os resultados obtidos foram os apresentados na tabela 8. 33 Tabela 8: Resultados da regressão aplicada a FEIs e FIMs de ações. FEIs Método dos Minimos Quadrados Observações Incluídas após ajustamentos: 257 FIMs Método dos Minimos Quadrados Observações Incluídas após ajustamentos: 358 Variáveis Explicativas Coeficientes Nível de Significância Variáveis Explicativas Coeficientes Nível de Significância C 0,0011 0,6383 C -0,0001 0,9552 VAR_PSI20 0,0973 0,3139 VAR_PSI20 -0,0172 0,7189 VAR_SEP500 -0,0090 0,7844 VAR_SEP500 0,0221 0,4429 VAR_EUR100 0,2464 0,2228 VAR_EUR100 0,3007 0,0103 VAR_MSCI -0,2055 0,1829 VAR_MSCI 0,5086 0,0001 VAR_OTS10 -0,0264 0,4325 VAR_OTS10 -0,0042 0,8257 VAR_BUNDS10 0,1100 0,0632 VAR_BUNDS10 0,0686 0,0242 VAR_XAUUSD 0,0645 0,2909 VAR_XAUUSD 0,0968 0,0038 VAR_EURUSD -0,1045 0,2258 VAR_EURUSD -0,0352 0,7220 R2 0,1773 R2 0,6447 R2 Ajustado 0,1507 R2 Ajustado 0,6366 F-statistic 6,6801 F-statistic 79,1686 Prob(F-statistic) 0,0000 Prob(F-statistic) 0,0000 O modelo para os FEIs de ações foi estimado com poucas observações pelo que os resultados obtidos nunca seriam os melhores, de qualquer forma podemos concluir que nenhuma das variáveis explicativas analisada explica, de forma estatisticamente significativa, as rendibilidades verificadas nos fundos desta categoria. Outro dado notório é o facto de não existir grande correlação entre o desempenho destes fundos com os índices escolhidos. No que aos FIMs de ações concerne algumas das variáveis deixaram de ser estatisticamente significativas como é o caso do PSI20, S&P500 e OTs. Os índices Euronext 100 e MSCI World são, juntamente com as bunds e com o preço do ouro as variáveis que permanecem estatisticamente significativas. No caso dos índices importa ainda destacar o seu coeficiente, mais elevado nesta situação do que na primeira análise efetuada. Importa ainda destacar o coeficiente da variável bunds, positivo e mais elevado do que observado na aplicação à generalidade dos fundos, tal corrobora a ideia apresentada que um aumento da rendibilidade exigida na dívida alemã significa geralmente uma menor aversão ao risco por parte dos investidores. Na aplicação do 40 7. Bibliografia Caldwell, Ted. 1995. “Introduction: The Model for Superior Performance”, New York: Irwin Professional Publishing, pp. 1-17. Decreto-Lei nº 252/2003, Regime Jurídico dos Organismos de Investimento Coletivo. Decreto-Lei nº 71/2010, Regime Jurídico dos Organismos de Investimento Coletivo. Eling, M., Faust, R., 2010, “The performance of hedge funds and mutual funds in emerging markets”, Journal of Banking & Finance, 2010 – Elsevier Journal of Banking & Finance Volume 34, Issue 8, pp. 1993–2009. Fung, William e Hsieh, David A., 1996, “A Primer on Hedge Funds”, Journal of Empirical Finance 6 (3) , pp. 309-331. Fung, W., Hsieh, David A., 1997, “Empirical characteristics of dynamic trading strategies: The case of hedge funds”, Review of Financial Studies, 10 (2), pp. 275-302. Fung, William e Hsieh, David A., 2002, “Asset-Based Style Factors for Hedge Funds”, Financial Analysts Journal, Vol. 58, No. 5, pp. 16-27. Fung, William e Hsieh, David A., 2004, “Hedge Fund Benchmarks: A Risk-Based Approach”, Financial Analysts Journal , Vol. 60, No. 5, pp. 65-80. Fung, William e Hsieh, David A., et al, 2008, “Hedge Funds: Performance, Risk, and Capital Formation”, The Journal of Finance , Vol. 63, No. 4, pp. 1777-1803. Hull, John C. (1997) Options Futures and Other Derivatives , pp 561-563. Kao, Duen-Li, 2002, “Battle for Alphas: Hedge Funds versus Long-Only Portfolios”, Financial Analysts Journal , Vol. 58, No. 2, pp. 16-36. Liang, B., 1999, “On the Performance of Hedge Funds”, Financial Analysts Journal, Volume 55, Issue 4, pp. 72-85. Martin J. Gruber, 1996, “Another Puzzle: The Growth in Actively Managed Mutual Funds”, The Journal of Finance , Vol. 51, No. 3, Papers and Proceedings of the Fifty- 41 Sixth Annual Meeting of the American Finance Association, San Francisco, California, pp. 783-810. Regulamento da CMVM nº 15/2003, Organismos de Investimento Coletivo. Sharpe, William F., 1966, “Mutual Fund Performance”, The Journal of Business , Vol. 39, No. 1, Part 2: Supplement on Security Prices, pp. 119-138. 42 8. Anexos 1.Output Teste de White (Heterocedasticidade) Heteroskedasticity Test: White F-statistic 2.307599 Prob. F(44,212) 0.0000 Obs*R-squared 83.22637 Prob. Chi-Square(44) 0.0003 Scaled explained SS 298.4241 Prob. Chi-Square(44) 0.0000 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 08/21/13 Time: 21:53 Sample: 35 396 Included observations: 257 Variable Coefficient Std. Error t-Statistic Prob. C -0.000248 0.000563 -0.441344 0.6594 VAR_PSI20 0.011985 0.017574 0.681987 0.4960 VAR_PSI20^2 0.359770 0.346914 1.037057 0.3009 VAR_PSI20*VAR_SEP500 -0.308582 0.304293 -1.014097 0.3117 VAR_PSI20*VAR_EUR100 -2.490044 1.359154 -1.832054 0.0683 VAR_PSI20*VAR_MSCI 1.834499 1.210159 1.515915 0.1310 VAR_PSI20*VAR_OTS10 -0.694754 0.272828 -2.546489 0.0116 VAR_PSI20*VAR_BUNDS10 -0.018432 0.230994 -0.079795 0.9365 VAR_PSI20*VAR_XAUUSD -0.593801 0.264445 -2.245460 0.0258 VAR_PSI20*VAR_EURUSD 1.517009 0.728139 2.083405 0.0384 VAR_SEP500 -0.015302 0.009793 -1.562624 0.1196 VAR_SEP500^2 -0.137031 0.118338 -1.157965 0.2482 VAR_SEP500*VAR_EUR100 0.196189 0.505283 0.388275 0.6982 VAR_SEP500*VAR_MSCI 0.047777 0.436680 0.109409 0.9130 VAR_SEP500*VAR_OTS10 0.169488 0.152546 1.111060 0.2678 VAR_SEP500*VAR_BUNDS10 -0.298718 0.164356 -1.817502 0.0706 VAR_SEP500*VAR_XAUUSD 0.184662 0.154028 1.198888 0.2319 VAR_SEP500*VAR_EURUSD 0.446965 0.259588 1.721827 0.0866 VAR_EUR100 0.010343 0.030083 0.343828 0.7313 VAR_EUR100^2 2.959330 1.469015 2.014500 0.0452 VAR_EUR100*VAR_MSCI -3.346678 2.780610 -1.203577 0.2301 VAR_EUR100*VAR_OTS10 0.592051 0.446636 1.325578 0.1864 VAR_EUR100*VAR_BUNDS10 1.015403 0.502607 2.020270 0.0446 VAR_EUR100*VAR_XAUUSD 1.335227 0.610647 2.186576 0.0299 VAR_EUR100*VAR_EURUSD -1.832608 1.319375 -1.388997 0.1663 VAR_MSCI -0.025640 0.021394 -1.198436 0.2321 VAR_MSCI^2 0.727918 1.518766 0.479282 0.6322 VAR_MSCI*VAR_OTS10 -0.404342 0.445469 -0.907678 0.3651 VAR_MSCI*VAR_BUNDS10 -0.887792 0.447042 -1.985925 0.0483 VAR_MSCI*VAR_XAUUSD -0.747183 0.503460 -1.484096 0.1393 VAR_MSCI*VAR_EURUSD 0.529368 1.547153 0.342156 0.7326 VAR_OTS10 0.008275 0.007205 1.148383 0.2521 VAR_OTS10^2 -0.143573 0.097973 -1.465442 0.1443 VAR_OTS10*VAR_BUNDS10 0.132577 0.105405 1.257787 0.2099 VAR_OTS10*VAR_XAUUSD 0.167727 0.130669 1.283602 0.2007 VAR_OTS10*VAR_EURUSD -0.398926 0.282480 -1.412228 0.1593 VAR_BUNDS10 0.004821 0.006604 0.730081 0.4661 VAR_BUNDS10^2 0.177255 0.072618 2.440923 0.0155 VAR_BUNDS10*VAR_XAUUSD -0.042381 0.164157 -0.258172 0.7965 VAR_BUNDS10*VAR_EURUSD -0.670981 0.316380 -2.120805 0.0351 43 VAR_XAUUSD -0.008779 0.008871 -0.989645 0.3235 VAR_XAUUSD^2 0.202186 0.095635 2.114126 0.0357 VAR_XAUUSD*VAR_EURUSD -0.477815 0.415444 -1.150131 0.2514 VAR_EURUSD -0.010679 0.017815 -0.599447 0.5495 VAR_EURUSD^2 -0.148679 0.528155 -0.281506 0.7786 R-squared 0.323838 Mean dependent var 0.000993 Adjusted R-squared 0.183503 S.D. dependent var 0.002762 S.E. of regression 0.002496 Akaike info criterion -8.990421 Sum squared resid 0.001321 Schwarz criterion -8.368988 Log likelihood 1200.269 Hannan-Quinn criter. -8.740512 F-statistic 2.307599 Durbin-Watson stat 1.374979 Prob(F-statistic) 0.000043 2.Output Teste de Breusch-Godfrey (Auto correlação) Breusch-Godfrey Serial Correlation LM Test: F-statistic 2.587255 Prob. F(2,246) 0.0773 Obs*R-squared 5.294523 Prob. Chi-Square(2) 0.0708 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 08/21/13 Time: 22:03 Sample: 35 396 Included observations: 257 Presample and interior missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. C 0.000273 0.002193 0.124274 0.9012 VAR_PSI20 0.023867 0.067622 0.352938 0.7244 VAR_SEP500 -0.008348 0.036568 -0.228284 0.8196 VAR_EUR100 -0.031160 0.141070 -0.220885 0.8254 VAR_MSCI 0.004772 0.131645 0.036247 0.9711 VAR_OTS10 0.003464 0.035252 0.098257 0.9218 VAR_BUNDS10 0.001001 0.034588 0.028942 0.9769 VAR_XAUUSD -0.011893 0.039065 -0.304439 0.7611 VAR_EURUSD 0.015378 0.087990 0.174770 0.8614 RESID(-1) 0.005119 0.064684 0.079133 0.9370 RESID(-2) -0.146666 0.065046 -2.254815 0.0250 R-squared 0.020601 Mean dependent var 1.48E-18 Adjusted R-squared -0.019212 S.D. dependent var 0.031581 S.E. of regression 0.031883 Akaike info criterion -4.011618 Sum squared resid 0.250068 Schwarz criterion -3.859712 Log likelihood 526.4929 Hannan-Quinn criter. -3.950529 F-statistic 0.517451 Durbin-Watson stat 1.961507 Prob(F-statistic) 0.877167 44 3.Output todos os fundos Dependent Variable: VAR_COTACOES Method: Least Squares Date: 06/16/13 Time: 22:28 Sample (adjusted): 13 13200 Included observations: 9960 after adjustments HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = 12.0000) Variable Coefficient Std. Error t-Statistic Prob. C 0.000893 0.000425 2.100339 0.0357 VAR_PSI20 0.081979 0.012304 6.662703 0.0000 VAR_SEP500 0.025117 0.005451 4.607906 0.0000 VAR_EUR100 0.174536 0.023705 7.362790 0.0000 VAR_MSCI 0.136083 0.030788 4.420015 0.0000 VAR_OTS10 -0.018517 0.004521 -4.095505 0.0000 VAR_BUNDS10 0.024198 0.008256 2.930904 0.0034 VAR_XAUUSD 0.020597 0.005872 3.507763 0.0005 VAR_EURUSD -2.56E-05 0.015954 -0.001603 0.9987 R-squared 0.309930 Mean dependent var -0.000308 Adjusted R-squared 0.309376 S.D. dependent var 0.036373 S.E. of regression 0.030228 Akaike info criterion -4.159212 Sum squared resid 9.092372 Schwarz criterion -4.152701 Log likelihood 20721.88 Hannan-Quinn criter. -4.157008 F-statistic 558.6607 Durbin-Watson stat 1.706057 Prob(F-statistic) 0.000000 45 4.Output FIMs Dependent Variable: VAR_COTACOES Method: Least Squares Date: 06/16/13 Time: 22:42 Sample (adjusted): 13 7440 Included observations: 6453 after adjustments HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = 11.0000) Variable Coefficient Std. Error t-Statistic Prob. C 0.000735 0.000525 1.398489 0.1620 VAR_PSI20 0.117434 0.015894 7.388817 0.0000 VAR_SEP500 0.033275 0.006843 4.862314 0.0000 VAR_EUR100 0.209128 0.030205 6.923539 0.0000 VAR_MSCI 0.236251 0.039865 5.926284 0.0000 VAR_OTS10 -0.012732 0.005386 -2.364071 0.0181 VAR_BUNDS10 0.020536 0.010376 1.979246 0.0478 VAR_XAUUSD 0.020256 0.007305 2.773095 0.0056 VAR_EURUSD 0.018444 0.021575 0.854906 0.3926 R-squared 0.453824 Mean dependent var -0.000702 Adjusted R-squared 0.453145 S.D. dependent var 0.041620 S.E. of regression 0.030778 Akaike info criterion -4.122659 Sum squared resid 6.104185 Schwarz criterion -4.113214 Log likelihood 13310.76 Hannan-Quinn criter. -4.119391 F-statistic 669.2980 Durbin-Watson stat 1.712865 Prob(F-statistic) 0.000000 46 5.Output FEIs Dependent Variable: VAR_COTACOES Method: Least Squares Date: 06/16/13 Time: 22:42 Sample (adjusted): 12 5100 Included observations: 2941 after adjustments HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = 9.0000) Variable Coefficient Std. Error t-Statistic Prob. C 0.001732 0.000622 2.782250 0.0054 VAR_PSI20 0.014491 0.016037 0.903594 0.3663 VAR_SEP500 0.005549 0.008279 0.670290 0.5027 VAR_EUR100 0.124708 0.035258 3.537018 0.0004 VAR_MSCI -0.080634 0.031058 -2.596231 0.0095 VAR_OTS10 -0.033706 0.007916 -4.257951 0.0000 VAR_BUNDS10 0.034159 0.010665 3.202724 0.0014 VAR_XAUUSD 0.019536 0.010611 1.841158 0.0657 VAR_EURUSD -0.042149 0.019994 -2.108135 0.0351 R-squared 0.060914 Mean dependent var 0.000571 Adjusted R-squared 0.058352 S.D. dependent var 0.025230 S.E. of regression 0.024482 Akaike info criterion -4.578669 Sum squared resid 1.757405 Schwarz criterion -4.560350 Log likelihood 6741.933 Hannan-Quinn criter. -4.572073 F-statistic 23.77314 Durbin-Watson stat 1.912174 Prob(F-statistic) 0.000000 47 6.FEIs Ações Dependent Variable: VAR_COTACOES Method: Least Squares Date: 06/17/13 Time: 23:03 Sample (adjusted): 35 396 Included observations: 257 after adjustments HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = 5.0000) Variable Coefficient Std. Error t-Statistic Prob. C 0.001117 0.002374 0.470612 0.6383 VAR_PSI20 0.097316 0.096428 1.009205 0.3139 VAR_SEP500 -0.008954 0.032685 -0.273934 0.7844 VAR_EUR100 0.246394 0.201623 1.222053 0.2228 VAR_MSCI -0.205471 0.153834 -1.335666 0.1829 VAR_OTS10 -0.026419 0.033607 -0.786126 0.4325 VAR_BUNDS10 0.109965 0.058927 1.866117 0.0632 VAR_XAUUSD 0.064508 0.060949 1.058394 0.2909 VAR_EURUSD -0.104513 0.086077 -1.214183 0.2258 R-squared 0.177284 Mean dependent var -0.001723 Adjusted R-squared 0.150745 S.D. dependent var 0.034818 S.E. of regression 0.032087 Akaike info criterion -4.006366 Sum squared resid 0.255328 Schwarz criterion -3.882079 Log likelihood 523.8180 Hannan-Quinn criter. -3.956384 F-statistic 6.680066 Durbin-Watson stat 2.008631 Prob(F-statistic) 0.000000 48 7.FIMs Ações Dependent Variable: VAR_COTACOES Method: Least Squares Date: 06/17/13 Time: 17:19 Sample (adjusted): 13 420 Included observations: 358 after adjustments HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = 6.0000) Variable Coefficient Std. Error t-Statistic Prob. C -0.000100 0.001785 -0.056183 0.9552 VAR_PSI20 -0.017162 0.047640 -0.360244 0.7189 VAR_SEP500 0.022132 0.028810 0.768222 0.4429 VAR_EUR100 0.300731 0.116554 2.580191 0.0103 VAR_MSCI 0.508564 0.131472 3.868241 0.0001 VAR_OTS10 -0.004192 0.019022 -0.220366 0.8257 VAR_BUNDS10 0.068616 0.030307 2.264057 0.0242 VAR_XAUUSD 0.096811 0.033193 2.916629 0.0038 VAR_EURUSD -0.035188 0.098838 -0.356014 0.7220 R-squared 0.644729 Mean dependent var 0.001510 Adjusted R-squared 0.636585 S.D. dependent var 0.046915 S.E. of regression 0.028282 Akaike info criterion -4.268349 Sum squared resid 0.279159 Schwarz criterion -4.170794 Log likelihood 773.0345 Hannan-Quinn criter. -4.229551 F-statistic 79.16856 Durbin-Watson stat 2.030132 Prob(F-statistic) 0.000000 49 8.FEIs Obrigações Dependent Variable: VAR_COTACOES Method: Least Squares Date: 06/17/13 Time: 17:20 Sample (adjusted): 53 900 Included observations: 361 after adjustments HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = 6.0000) Variable Coefficient Std. Error t-Statistic Prob. C 0.005861 0.001786 3.282492 0.0011 VAR_PSI20 0.039324 0.029226 1.345515 0.1793 VAR_SEP500 -0.052028 0.031235 -1.665728 0.0967 VAR_EUR100 0.097890 0.051051 1.917497 0.0560 VAR_MSCI -0.086874 0.062813 -1.383052 0.1675 VAR_OTS10 -0.086668 0.019900 -4.355174 0.0000 VAR_BUNDS10 0.010409 0.017237 0.603919 0.5463 VAR_XAUUSD -0.017277 0.032133 -0.537671 0.5911 VAR_EURUSD -0.008517 0.042105 -0.202289 0.8398 R-squared 0.151837 Mean dependent var 0.003684 Adjusted R-squared 0.132561 S.D. dependent var 0.024379 S.E. of regression 0.022705 Akaike info criterion -4.707818 Sum squared resid 0.181468 Schwarz criterion -4.610865 Log likelihood 858.7612 Hannan-Quinn criter. -4.669272 F-statistic 7.876828 Durbin-Watson stat 2.369324 Prob(F-statistic) 0.000000