Indicadores da Análise Fundamentalista e o Retorno das Ações Listadas no IBrX 100 à

Luz do Value Investing no Período de 2009 a 2018

BRUNO ESTEVAM DE ALMEIDA

Centro Universitário FECAP

ÉMERSON NOGUEIRA SALES

Centro Universitário FECAP

Resumo

Este estudo analisou os indicadores financeiros e contábeis que melhor explicaram os retornos
das ações listadas no 4º trimestre de 2019 no índice IBrX 100 no período de 2009 a 2018. Para
tanto, através de uma revisão bibliográfica, foram selecionados os indicadores aplicados em
estudos anteriores, como também os filtros para seleção de ações desenvolvidos por Graham,
considerado o formador da análise financeira. A amostra foi composta por 78 ativos, uma vez
que foram excluídas ações de empresas financeiras e sociedades gestoras de participação
sociais. Os dados foram obtidos através da plataforma Economática® e tratados através do
softwares Microsof Excel e GRETL. Foram analisadas 36 variáveis em cada trimestre,
primeiramente através do modelo de POLS para averiguar a adequação quanto a aplicação do
modelo de dados de painel com efeitos fixos ou aleatórios, e em seguida, após a verificação dos
testes, foi aplicado o modelo de dados em painel com efeitos fixos. Como resultado, 9 variáveis
foram selecionadas com melhores preditoras do retorno acionário: Variação da Média Trienal
do Lucro Líquido (VarLL), Índice Preço Lucro Médio (P/L), Índice Dívida Financeira de Curto
Prazo Dívida Financeira Total (PFCP/PFT), Liquidez Seca (LS), Ativo Total (AT), Liquidez
Corrente (LC), Índice Preço Valor Patrimonial por Ação (P/VPA), Lucro por Ação (LPA) e
Return on Assets (ROA). O resultado do presente estudo indicou a relevância dos filtros de
Graham para a seleção de ativos, ratificando os estudos anteriores que utilizaram os filtros para
gerar carteiras com retornos superiores ao índice de mercado nacional sem incorrer a riscos
maiores no longo prazo.

Palavras-chave: Fundamentalista; Value; IBrX; Ações; Retorno

1
www.congressousp.fipecafi.org
1 Introdução
O mercado de capitais tem como fundamento a alocação da propriedade do capital social
da economia, sendo idealizado através da hipótese do mercado eficiente como um mercado em
que os preços fornecem sinais precisos para alocação de recursos e investidores selecionam
ativos pressupondo que seus preços reflitam todas as informações disponíveis. Seja do seu
passado através da hipótese fraca, das informações públicas disponíveis na hipótese semiforte,
ou até mesmo informações relevantes de acesso monopolístico a determinados investidores, ou
grupos por meio da hipótese forte, não sendo possível gerar retornos extraordinários acima da
média do mercado (Fama, 1970).
Apesar do idealismo fundamentado e gerado através da hipótese do mercado eficiente
Leković (2018) conclui de maneira geral que a literatura em finanças ainda não chegou a um
consenso sobre a presença ou ausência de sua validade. Estudos como de Fernandes, Hamberger
e Valle (2015), e Gaio, Alves e Pimenta Júnior (2009) contestam a hipótese de eficiência do
mercado por meio da hipótese fraca, sendo possível, portanto, a existência de retornos acima
da média propiciados no mercado brasileiro.
Sendo admissível refutar a hipótese do mercado eficiente e buscando retornos sobre suas
aplicações acima da média do mercado, investidores formulam filosofias e estratégias de
alocação de recursos. Para tanto, as estratégias são formuladas objetivando um possível
aumento do grau de previsibilidade do desempenho futuro dos ativos utilizando principalmente
duas abordagens, a análise técnica e a análise fundamentalista (Lyrio, Prates, Lima, & Lunkes
2015).
A análise técnica objetiva o entendimento das forças comportamentais que formam o
preço e suas movimentações, com a convicção de que os comportamentos passados tendem a
se repetir no futuro sendo possível compreender o movimento dos preços através da avaliação
gráfica de suas variações, tendências e padrões (Suciu, 2013; Lyrio et al., 2015).
A análise fundamentalista estuda as informações da empresa, como lucro, ativos,
passivos, receitas e outras diversas informações financeiras e contábeis disponíveis em seus
demonstrativos com a premissa que o mercado não é completamente eficiente, e de que apesar
de todas as informações disponíveis ao público, o preço a mercado do ativo pode estar em
desacordo com os modelos e indicadores de avaliação e precificação, sendo este tipo de
abordagem a que será praticada no presente estudo. (Suciu, 2013; Lyrio et al., 2015).
Estabelecida em 1934 por Benjamin Graham e David Dodd, value investing é uma
aplicação específica de seleção de ações cujos valores de mercado demonstram-se
subvalorizados frente ao seu valor intrínseco baseado em um estudo rigoroso das demonstrações
financeiras da empresa por meio do emprego de análises fundamentalistas (Yan & Zhao, 2010;
Grimm, 2012; Yadav & Jain, 2016).
Apesar da idade da visão fundamentalista de Graham e Dood, estudos atuais como o de
Artuso e Chaves Neto (2010) e Palazzo, Savoia, Securato e Bergmann (2018) concluem que a
aplicação das estratégias de value investing adaptadas ao mercado acionário brasileiro são
capazes de gerar carteiras com retornos significativamente superiores ao índice de mercado
nacional sem incorrer a riscos maiores no longo prazo.
A adaptação dos indicadores da estratégia de value investing ao mercado acionário
brasileiro se fez necessária nos estudos de Artuso e Chaves Neto (2010) e Palazzo et al. (2018),
uma vez que os indicadores trazem qualificadores fixos de definição de critérios de seleção que
foram desenvolvidos e aplicados ao mercado dos EUA, sendo sua aplicação original
extremamente restritiva ao nosso mercado, ademais Pätäri e Leivo (2015) evidenciaram que os

2
www.congressousp.fipecafi.org
melhores critérios de seleção de ações que assimilam o value premium (prêmio de valor) variam
ao longo do tempo e entre os mercados, e eficácia dependente das opções metodológicas
empregadas.
Embora os resultados do estudo de Artuso e Chaves Neto (2010) se mostrarem
estatisticamente significativos, os autores sugerem a utilização de técnicas de análise
multivariada para o reconhecimento de padrões nos dados contábeis das empresas tendo como
fundamentação a abordagem de Graham, com especial atenção no emprego da análise fatorial
para combinar e eliminar variáveis que não se mostrem relevantes, sendo este o objetivo do
presente artigo.
A importância desta pesquisa está na possibilidade de auxiliar tanto investidores pessoa
física que desejam selecionar ativos na formação de suas carteiras como também gestores e
analistas financeiros na aplicação de recursos no mercado de capitais, mediante o estudo e a
compreensão da relação dos indicadores financeiros e contábeis das empresas com os retornos
das ações. Esta pesquisa ainda se mostra relevante por desenvolver os estudos científicos na
área de finanças que se demonstram difusos quanto as suas conclusões.
A questão problema deste estudo será: Quais são os critérios da seleção de ações de
Benjamin Graham e os indicadores da análise fundamentalista que melhor explicaram o retorno
das ações não financeiras listadas no índice Brasil 100 (IBrX 100) no período de 2009 a 2018?
Para responder essa questão, foi definido como objetivo geral a análise estatística sobre os
retornos das ações não financeiras listadas no índice Brasil 100 (IBrX 100) no período de 2009
a 2018, utilizando como variáveis dependentes os critérios de seleção de ações abordados por
Benjamin Graham, como também outros indicadores contábeis e financeiros.
A pesquisa deverá elencar os critérios estabelecidos por Benjamin Graham para seleção
de ações em seu livro O Investidor Inteligente como também outros indicadores contábeis e
financeiros abordados em pesquisas anteriores que possam explicar os retornos acionários, para
em seguida aplicar análises de estatística multivariável através dos modelos de dados em painel.
Por fim, após a aplicação da análise estatística, os indicadores serão selecionados frente a sua
relevância estatística em explicar os retornos das ações no período de 2009 a 2018.

2 Referencial Teórico

2.1 Os Critério de Graham

A profissão de analista financeiro foi construída com base no livro pioneiro Security
Analysis, muito bem desenvolvido por Benjamin Graham e David Dood e publicado em 1934,
sendo demonstrado seu valor prático na avaliação de investimentos pelo sucesso financeiro
alcançado por Benjamin Graham e seus clientes em sua gestora de investimentos, Graham-
Newman. Benjamin Graham é considerado o pai da análise financeira, precursor do value
investing e um escritor extremamente prolífico publicando além do clássico supramencionado,
artigos para Financial Analysts Jornal e outro livro exemplar O Investidor Inteligente
direcionado ao público leigo, porém, perspicaz aos seus investimentos (Kahn & Milne, 1977).
Em O Investidor Inteligente, Graham (2019) sintetiza os fundamentos de sua filosofia
de investimentos como a disciplina na análise de empresas frente aos seus resultados contábeis
e financeiros, o estabelecimento do valor intrínseco da empresa e a aplicação de uma margem
de segurança razoável na compra de ativos que assegurem uma maior probabilidade de retorno
no longo prazo. Logo em seu no primeiro capítulo é distinguida as características entre
“investimento” e “especulação”, definindo “investimento” como uma operação em que se

3
www.congressousp.fipecafi.org
assegura o valor do principal investido a um retorno adequado, sendo o livro conduzido para
essa operação.
Graham (2019) ainda diferencia duas categorias de investidores entre “empreendedores”
e “defensivos”. Os investidores empreendedores se caracterizam pela sua vontade de dedicar
tempo à seleção de títulos que sejam seguros e mais atraentes do que a média. Os investidores
defensivos objetivarão evitar perdas ou erros graves e evitarão tomar decisões com frequência.
Para esse segundo investidor Graham indica a seleção de uma lista diversificada de ações, seja
através da replicação de um índice de mercado ou através de um método quantitativo composto
por sete critérios sugeridos por ele para seleção das ações conforme apresentando no Quadro 1.

Tabela 1 – Critérios de Graham

Critério Métrica

Companhias Industriais: Faturamento superior a US$ 100 milhões

Tamanho adequado da
1
empresa*
Concessionárias de serviços públicos: Ativo total superior a US$ 50 milhões

Companhias Industriais: Ativo Circulante deve ser o dobro do Passivo

Circulante; Endividamento de longo prazo não deve exceder o capital de giro
Condição financeira
2
suficientemente forte
Concessionárias de serviços públicos: a dívida não deveria exceder duas vezes o
capital social

3 Estabilidade de lucros Apresentar lucro para as ações ordinárias em cada um dos dez anos anteriores.

Histórico de
4 Pagamento ininterruptos durante, pelo menos, os últimos vinte anos
dividendos

Crescimento dos Aumento mínimo de um terço nos lucros por ação durante os últimos dez anos
5
lucros através de médias trienais.

Razão preço/lucro O preço atual não deveria ultrapassar 15 vezes os lucros médios dos últimos três
6
moderada anos

O preço atual não deveria ser mais do que 1,5 vezes o último valor contábil
Razão preço/ativos
7 divulgado, e ainda, o produto do múltiplo preço/lucro vezes a razão preço/valor
moderada
contábil não deve exceder 22,5.

* Os valores mínimos são arbitrários, o objetivo concerne na exclusão de companhias pequenas que possam estar
sujeitas a adversidades anormais.
Fonte: Adaptado de Graham (2019)

Os critérios de Graham para criação de portfólios foram utilizados no estudo de

Oppenheimer e Schlarbaum (1981) em que concluíram que tais critérios aplicados na criação
de carteiras no período de 1956 a 1975 nos EUA conseguiram gerar retornos ajustados ao risco
superiores ao mercado chegando a taxas de 3,5% ao ano maiores que a taxa de retorno do
mercado. Esse resultado refutou a hipótese do mercado eficiente na sua forma semiforte através
4
www.congressousp.fipecafi.org
da evidência dos retornos estatisticamente superiores da carteira gerada pelos critérios em
comparação ao mercado.
Estudos recentes nos mercados acionários da Malásia e da Turquia também utilizaram
os critérios de Graham para criação de portfólios e em ambos os casos foram constatados
retornos significativamente maiores da carteira compostas pelos critérios em comparação aos
retornos de mercado. Além da evidência dos retornos anormais alcançados pela carteira também
foi sugerido a modificação ou a adaptação dos critérios do Graham para possíveis retornos
adicionais em mercados em desenvolvimento (Chang, 2011; Terzi, 2015).

2.2 Indicadores Fundamentalistas em Estudos Anteriores

A literatura acadêmica sobre a eficácia dos índices de avaliação baseados em valor da
empresa tem sido escassa, mas os seus resultados têm sido promissores, sendo possível prever
as variações de valor das empresas e realizar a seleção entre as melhores e piores alternativas
de investimentos no mercado acionário através da análise financeira fundamentalista (Tavares
& Silva, 2012; Pätäri & Leivo, 2015).
Os resultados obtidos por Tavares e Silva (2012) aplicando a Regra do Qui-quadrado
Mínimo e a Análise Discriminante evidenciaram os indicadores Margem Bruta, Prazo de
Recebimento, Grau de Alavancagem Operacional e as razões Dívida Financeira/Patrimônio
Líquido e Dívida Financeira de Curto Prazo/Dívida Financeira Total como estatisticamente
significantes na diferenciação entre empresas não-financeiras classificadas como Perdedoras e
Vencedoras entre os anos de 2005 a 2007 listadas na BOVESPA.
A revisão sistemática da literatura realizada por Pätäri e Leivo (2015) identifica os
índices Book-to-Price (B/P) e Earnings Yield (E/P) como os mais empregados no estudo do
value premium apesar das evidências do desempenho superior do índice Cash Flow-to-Price
(CF/P). O índice Sales-to-Price (S/P) apresentou bons resultados no mercado norte-americano,
ainda que pouco utilizado como critério nos estudos revisados, apresentando uma clara lacuna
para novos estudos. Outra lacuna de estudo constatada foi no emprego do índice Sales-to-
Enterprise Value (S/EV) nas comparações entre os índices, uma vez que o S/EV possuí
fundamentos teóricos mais sólidos que o S/P.
O índice Sales-to-Price (S/P) também é evidenciado por Bin, Chen, Puclik e Su (2017)
juntamente ao índice da variação do Earnings Per Share (EPS) como suficientemente
significantes para diferenciar empresas Vencedoras de Perdedoras no mercado de ações chinês,
demonstrando a importância do índice S/P como fator associado aos movimentos dos preços
acionários.
A investigação da relação existente entre retorno ajustado das ações e métricas de
desempenho de Bastos, Nakamura, David e Rotta (2009) objetivou a busca por indicadores que
refletissem uma verdadeira contribuição na criação de valor das empresas de capital aberto. Os
indicadores que obtiveram os melhores resultados com coeficientes de regressão significantes
foram: Fluxo de Caixa Operacional, Return over Investment (ROI) e Lucro por ação. O
indicador Economic Value Added (EVA®) não se demonstrou relevante comparativamente aos
outras métricas, observando uma baixa influência desse indicador no retorno ajustado da ação.
Ao contrário do resultado sobre a baixa relevância do EVA® na explicação do retorno
das ações de Bastos et al. (2009), em estudo recente, Santos, Tavares, Azevedo e Freitas Neto
(2018) evidencia há relação positiva do EVA® com o retorno das ações listadas na B3,
observando que quanto maior a criação de valor, maior foi o retorno das ações das companhias
entre os anos de 2010 e 2015. A diferença no nível de significância sobre a variável EVA® em
cada estudo pode ser explicado pelas diferentes metodologias de seu cálculo. Além do EVA®

5
www.congressousp.fipecafi.org
os indicadores Return on Assets (ROA) e o Tamanho da empresa apresentaram-se
estatisticamente significantes e com relação positiva ao retorno das ações das empresas listadas
na B3.
Contribuindo com os estudos acerca do value investing no Brasil, Holloway, Rochman
e Laes (2013) identificam os fatores que influenciam a seleção de ativos dos value managers
(gestores de valor) em fundos de investimento. Os resultados da regressão evidenciaram que
para uma ação participar do portfólio dos fundos que seguem a filosofia do value investing, os
gestores consideram o desvio padrão do lucro por ação, Return on Assets (ROA), margem bruta,
tamanho da empresa (representado pelo total de ativos) e liquidez (representada pela presença
no índice Bovespa). Os indicadores Crescimento do Lucro, Dívida/Ativo Total e margem
EBITDA (Earnings before interest, taxes, depreciation and amortization) apresentaram
resultados interessantes em alguns modelos, porém não foi possível determinar sua influência
estatisticamente.
Artuso e Chaves Neto (2012) evidenciam em seu estudo oito fatores fundamentalistas
que explicam 78% da variabilidade do mercado acionário brasileiro sendo eles: Liquidez Seca,
Liquidez Corrente, Liquidez Imediata, Preço/Valor Contábil, Preço/Valor Contábil Tangível,
Retorno sobre Ativo (ROA), Retorno sobre o Patrimônio Líquido (ROE) e Dívida
Total/Patrimônio Líquido. A aplicação das variáveis observadas na criação de um escore bruto
para desenvolvimento de uma carteira de investimentos propiciou, conforme o estudo, um
retorno de 39,07% a.a. frente a 12,37% do Índice Bovespa para uma janela temporal de um ano,
demonstrando a aplicabilidade da análise fatorial para avaliação de ativos.
Objetivando testar a validade das estratégias de investimento quantitativas
Sareewiwatthana e Janin (2017) constroem carteiras de ações no mercado tailandês por meio
de estratégias simples difundidas por dez investidores famosos entre eles Graham, Fisher e
O’Neil. Em sua conclusão, todas as estratégias construíram carteiras com retornos superiores
ao índice de mercado tailandês, tendo a estratégia de Benjamin Graham net nets cuja seleção
de ações envolve aquelas com a razão Capitalização de Mercado/Valor Líquido do Ativo
Circulante menor que 2/3 o maior retorno. A estratégia que gerou o maior retorno ajustado ao
risco foi a de Tobias Carlisle através da seleção de ações com as menores razões entre os
indicadores EBIT/Enterprise Value.
Segundo Malta e Camargos (2016), os indicadores fundamentalistas que melhor
explicam o retorno acionário das companhias brasileiras não financeiras listadas no IBrx100 de
2007 a 2014 foram: participação do capital de terceiros (PCT), margem bruta (MB), retorno
sobre ativos (ROA), retorno sobre patrimônio líquido (ROE) e retorno sobre o investimento
(ROI), liquidez no mercado (INEG), lucro por ação (LPA) e market-to-book ratio (MBR).
É possível observar que muitos dos indicadores estudados e evidenciados como
estatisticamente significantes na explicação dos retornos das ações como Tamanho da empresa,
Endividamento, Lucros, e as razões Preço/Lucro e Preço/Ativo também foram evidenciados
pelos critérios de Graham, ficando unicamente o critério acerca de Dividendos ausente nas
conclusões dos estudos supracitados.
Acerca dos dividendos, Leite, Bambino e Hein (2017) evidenciam a influência negativa
da política de dividendos sobre o desempenho econômico e financeiro das organizações
brasileiras, indicando que empresas que pagam mais dividendos são menos eficientes
economicamente e financeiramente em relação às empresas que não pagam dividendos, sendo
essa uma possível sinalização do motivo da variável não ter sido apresentada como explicativa
aos retornos acionários dos estudos abordados.

6
www.congressousp.fipecafi.org
 Através dos resultados dos estudos supracitados foi gerado o Quadro 2 com as
evidências encontradas sobre os indicadores fundamentalistas que melhor explicam os retornos
acionários.

Tabela 2 – Evidências Sobre Indicadores Fundamentalistas

Autores/Ano Objetivo Resultados
Verificar a relação entre o retorno
das ações e as métricas de
O indicador que obteve os melhores resultados foi o
desempenho Lucro por Ação,
Bastos et al. Fluxo de Caixa Operacional; em seguida, o ROI e o
Retorno sobre o Investimento,
(2009) Lucro por ação. O EVA® apresentou o pior resultado
Valor Econômico Adicionado
em termos de R² ajustado.
(EVA®) e Fluxo de Caixa
Operacional.
Foram evidenciados estatisticamente significantes na
Investigar se a Análise Financeira diferenciação entre empresas Perdedoras e
Fundamentalista é capaz de Vencedoras os indicadores Margem Bruta, Prazo de
Tavares e Silva
segregar grupos de melhores e Recebimento, Grau de Alavancagem Operacional e as
(2012)
piores alternativas de razões Dívida Financeira/Patrimônio Líquido e
investimentos. Dívida Financeira de Curto Prazo/Dívida Financeira
Total.

Evidenciam oito fatores fundamentalistas que

explicam 78% da variabilidade do mercado acionário
Identificar e interpretar os fatores brasileiro sendo eles: Liquidez Seca, Liquidez
rtuso e Chaves
relevantes que influenciam as Corrente, Liquidez Imediata, Preço/Valor Contábil,
Neto (2012)
companhias de capital aberto. Preço/Valor Contábil Tangível, Retorno sobre Ativo
(ROA), Retorno sobre o Patrimônio Líquido (ROE) e
Dívida Total/Patrimônio Líquido.

Os fatores que influenciam a decisão dos gestores

Identificar os fatores que
foram desvio padrão do lucro por ação, Return on
Holloway et al. influenciam as decisões dos value
Assets (ROA), margem bruta, tamanho da empresa
(2013) managers na manutenção de um
(representado pelo total de ativos) e liquidez
ativo em suas carteiras.
(representada pela presença no índice Bovespa).
Os índices mais empregados na literatura revisada
foram Book-to-Price (B/P) e Earnings Yield (E/P),
Pätäri e Leivo Revisar sistematicamente a com evidências de desempenho superior do índice
(2015) literatura sobre value premium. Cash Flow-to-Price (CF/P), além de certa relevância
dos índices Sales-to-Price (S/P) e Sales-to-Enterprise
Value (S/EV).
Foram encontradas oito variáveis com poder de
explicação do retorno acionário: participação do
Identificar variáveis da análise
capital de terceiros (PCT), margem bruta
Malta e Camargos fundamentalista e dinâmica que
(MB),retorno sobre ativos (ROA), sobre patrimônio
(2016) explicam o retorno acionário de
líquido (ROE) e sobre o investimento (ROI), liquidez
companhias brasileiras.
no mercado (INEG), lucro por ação (LPA) e market-
to-book ratio (MBR).
Analisar a eficácia da análise O índice Sales-to-Price (S/P) e a variação do
fundamentalista no estudo sobre Earnings Per Share (EPS) foram suficientemente
Bin et al. (2017)
retornos extremos no mercado de significantes para diferenciar empresas Vencedoras de
ações chinesa. Perdedoras no mercado de ações chinês

7
www.congressousp.fipecafi.org
Autores/Ano Objetivo Resultados
Todas as estratégias construíram carteiras com
Analisar se as estratégias
retornos superiores ao índice de mercado tailandês,
Sareewiwatthana e quantitativas de investimento são
tendo a estratégia de Benjamin Graham net nets o
Janin (2017) adequadas para a Bolsa de Valores
maior retorno, e estratégia de Tobias Carlisle a que
da Tailândia.
gerou o maior retorno ajustado ao risco.

Constatado que as variáveis EVA, ROA e Tamanho

Investigar a relação entre o valor
Santos et al. apresentaram-se positiva e estatisticamente
econômico agregado e o retorno
(2018) significantes para explicar o retorno contínuo e o
das ações.
retorno anormal das ações.

Fonte: Dados da Pesquisa, 2019

3 Metodologia
O presente trabalho propõe-se investigar os indicadores econômicos e financeiros das
empresas listadas no IBrX 100 que melhor explicam os retornos acionários. Por ter como
objetivo primordial o estabelecimento de relações entre variáveis por meio de determinações
numéricas de testes estatísticos, o estudo é caracterizado, segundo Gil (2008), como uma
pesquisa descritiva quantitativa com metodologia estatística.
Em sua elaboração serão adotados como procedimentos a pesquisa bibliográfica de
variáveis financeiras e econômicas que explicam os retornos das ações, a seleção de amostras
baseada em dados secundários e o tratamento de variáveis através de modelos econométricos
de Dados em Painel.

3.1 Dados e Amostra

A composição da amostra compreende as ações de empresas de capital aberto listadas
na BM&FBOVESPA pertencentes no 4º trimestre de 2019 ao índice amplo Brasil 100 (IBrX
100) composto pelas 100 ações de maior negociabilidade e representatividade do mercado de
ações brasileiro. Na delimitação da amostra final, foram excluídas 18 ações de empresas
classificadas pela Bovespa como pertencentes ao setor financeiro, e 1 ação classificada pela
North American Industry Classification System (NAICS) como administradora de empresas
(Holding). Além disso, foram excluídas 3 ações por serem classes de ativos diferentes de uma
mesma empresa, permanecendo unicamente o ativo com maior volume negociado. Ao final a
amostra foi reduzida para 78 ativos relacionados conforme a Tabela 1.

Tabela 3 – Amostra da Pesquisa com Base no 4º trimestre de 2019

Nome Classe Código Nome Classe Código Nome Classe Código
AES Tiete E UNT TIET11 Equatorial ON EQTL3 P.Acucar-Cbd PN PCAR4
Ambev S/A ON ABEV3 Eztec ON EZTC3 Petrobras PN PETR4
Azul S.A. PN AZUL4 Fleury ON FLRY3 Petrobras BR ON BRDT3
B2W Digital ON BTOW3 Gafisa ON GFSA3 Qualicorp ON QUAL3
Braskem PNA BRKM5 Gerdau PN GGBR4 RaiaDrogasil ON RADL3
BRF SA ON BRFS3 Gerdau Met PN GOAU4 Randon Part PN RAPT4
Carrefour BR ON CRFB3 Gol PN GOLL4 Rumo S.A. ON RAIL3
CCR SA ON CCRO3 Hapvida ON HAPV3 Sabesp ON SBSP3
Cemig PN CMIG4 Hypera ON HYPE3 Sanepar UNT SAPR11
Cesp PNB CESP6 Intermedica ON GNDI3 Ser Educa ON SEER3
8
www.congressousp.fipecafi.org
Nome Classe Código Nome Classe Código Nome Classe Código
Cia Hering ON HGTX3 Iochp-Maxion ON MYPK3 Sid Nacional ON CSNA3
Cogna ON ON COGN3 JBS ON JBSS3 SLC Agricola ON SLCE3
Copasa ON CSMG3 Klabin S/A UNT KLBN11 Smiles ON SMLS3
Copel PNB CPLE6 Light S/A ON LIGT3 Suzano S.A. ON SUZB3
Cosan ON CSAN3 Linx ON LINX3 Taesa UNT TAEE11
CPFL Energia ON CPFE3 Localiza ON RENT3 Telef Brasil PN VIVT4
Cvc Brasil ON CVCB3 Locamerica ON LCAM3 Tenda ON TEND3
Cyrela Realt ON CYRE3 Lojas Americ PN LAME4 Tim Part S/A ON TIMP3
Duratex ON DTEX3 Lojas Renner ON LREN3 Totvs ON TOTS3
Ecorodovias ON ECOR3 M.Diasbranco ON MDIA3 Tran Paulist PN TRPL4
Eletrobras ON ELET3 Magaz Luiza ON MGLU3 Ultrapar ON UGPA3
Embraer ON EMBR3 Marfrig ON MRFG3 Usiminas PNA USIM5
Enauta Part ON ENAT3 Minerva ON BEEF3 Vale ON VALE3
Energias BR ON ENBR3 MRV ON MRVE3 Viavarejo ON VVAR3
Energisa UNT ENGI11 Natura ON NATU3 Weg ON WEGE3
Engie Brasil ON EGIE3 Odontoprev ON ODPV3 Yduqs Part ON YDUQ3
Fonte: Dados da Pesquisa, 2019

A seleção da amostra e a coleta dos dados secundários foram realizadas na plataforma

Economática® e o cálculo das variáveis através do software Microsoft Excel 2016. Os dados
secundários apresentam indicadores econômicos e financeiras das empresas pertencentes a
amostra com periodicidade trimestral do resultado acumulado dos últimos 12 meses. A relação
das variáveis explicativas foi elaborada através do referencial teórico conforme apresentado no
Quadro 3.

Tabela 4 – Variáveis Explicativas e Formas de Cálculo

Referência Sigla Variável Explicativa Forma de Cálculo

Receita Operacional
ROL NA
Líquida

Índice Passivo Longo 𝑃𝑎𝑠𝑠𝑖𝑣𝑜 𝐹𝑖𝑛𝑎𝑛𝑐𝑒𝑖𝑟𝑜 𝑑𝑒 𝐿𝑜𝑛𝑔𝑜 𝑃𝑟𝑎𝑧𝑜

PLP/CG 𝑃𝐿𝑃/𝐶𝐺 =
Prazo Capital de Giro 𝐶𝑎𝑝𝑖𝑡𝑎𝑙 𝑑𝑒 𝐺𝑖𝑟𝑜

Graham (2019) LL Lucro Líquido NA

DIV Dividendos NA

Variação da Média 𝑀é𝑑𝑖𝑎 𝐿𝐿 𝑑𝑒 3 𝑎𝑛𝑜𝑠

VarLL Trienal do Lucro 𝛥𝐿𝐿 = ( − 1)* 100
𝑀é𝑑𝑖𝑎 𝐿𝐿 𝑑𝑒 3 𝑎𝑛𝑜𝑠 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟𝑒𝑠
Líquido

9
www.congressousp.fipecafi.org
 Referência Sigla Variável Explicativa Forma de Cálculo

𝑃𝑟𝑒ç𝑜 𝑑𝑎 𝐴çã𝑜
Índice Preço Lucro 𝑃/𝐿 =
P/L 𝑀é𝑑𝑖𝑎 𝐿𝑢𝑐𝑟𝑜 𝑝𝑜𝑟 𝐴çã𝑜 𝑑𝑒 3 𝑎𝑛𝑜𝑠
Médio

Fluxo de Caixa
FCO FCO = LL + Depreciação + Aumento de CGL
Operacional

𝑁𝑂𝑃𝐴𝑇
Bastos et al. 𝑅𝑂𝐼 =
ROI¹ Return on Investiment 𝐶𝑎𝑝𝑖𝑡𝑎𝑙 𝐼𝑛𝑣𝑒𝑠𝑡𝑖𝑑𝑜
(2009)

EVA®¹ Economic Value Added EVA®¹= NOPAT - (WACC*Capital Investido)

𝐷𝑢𝑝𝑙𝑖𝑐𝑎𝑡𝑎𝑠 𝑎 𝑅𝑒𝑐𝑒𝑏𝑒𝑟
PR Prazo de Recebimento 𝑃𝑅 = ∗ 360
𝑅𝑒𝑐𝑒𝑖𝑡𝑎

𝐿𝑢𝑐𝑟𝑜 𝐵𝑟𝑢𝑡𝑜
Grau de Alavancagem 𝐺𝐴𝑂 =
GAO 𝐿𝑢𝑐𝑟𝑜 𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙
Operacional
Tavares e Silva
(2012) Índice Dívida 𝑃𝑎𝑠𝑠𝑖𝑣𝑜𝑠 𝐹𝑖𝑛𝑎𝑛𝑐𝑒𝑖𝑟𝑜𝑠 𝑇𝑜𝑡𝑎𝑙
PFT/PL Financeira Patrimônio 𝑃𝐹𝑇/𝑃𝐿 =
𝑃𝑎𝑡𝑟𝑖𝑚ô𝑛𝑖𝑜 𝐿í𝑞𝑢𝑖𝑑𝑜
Líquido
Índice Dívida
𝑃𝑎𝑠𝑠𝑖𝑣𝑜𝑠 𝐹𝑖𝑛𝑎𝑛𝑐𝑒𝑖𝑟𝑜𝑠 𝑑𝑒 𝐶𝑃
Financeira de Curto 𝑃𝐹𝐶𝑃/𝑃𝐹𝑇 =
PFCP/PFT 𝑃𝑎𝑠𝑠𝑖𝑣𝑜𝑠 𝐹𝑖𝑛𝑎𝑛𝑐𝑒𝑖𝑟𝑜𝑠 𝑇𝑜𝑡𝑎𝑙
Prazo Dívida Financeira
Total
𝐴𝑡𝑖𝑣𝑜 𝐶𝑖𝑟𝑐𝑢𝑙𝑎𝑛𝑡𝑒 − 𝐸𝑠𝑡𝑜𝑞𝑢𝑒𝑠
LS Liquidez Seca 𝐿𝑆 =
𝑃𝑎𝑠𝑠𝑖𝑣𝑜 𝐶𝑖𝑟𝑐𝑢𝑙𝑎𝑛𝑡𝑒

𝐶𝑎𝑖𝑥𝑎 + 𝐵𝑎𝑛𝑐𝑜𝑠 + 𝐴𝑝𝑙𝑖𝑐𝑎çõ𝑒𝑠 𝑑𝑒 𝐶𝑃

Artuso e Chaves LI Liquidez Imediata 𝐿𝐼 =
𝑃𝑎𝑠𝑠𝑖𝑣𝑜 𝐶𝑖𝑟𝑐𝑢𝑙𝑎𝑛𝑡𝑒
Neto (2012)

𝑃𝑟𝑒ç𝑜 𝑑𝑒 𝑀𝑒𝑟𝑐𝑎𝑑𝑜
Preço/Valor Contábil 𝑃/𝑉𝐶𝑇 =
P/VCT 𝑃𝐿 − 𝐴𝑡𝑖𝑣𝑜𝑠 𝐼𝑛𝑡𝑎𝑛𝑔í𝑣𝑒𝑖𝑠
Tangível

Desvio padrão do Lucro ∑𝑛𝑖=1(𝑥𝑖−𝑥̅ )²

σLPA por Ação dos últimos 3 𝜎= √
𝑛−1
Holloway et al. anos
(2013)

LID Liquidez Participação no Índice Bovespa

10
www.congressousp.fipecafi.org
 Referência Sigla Variável Explicativa Forma de Cálculo

𝐿𝑢𝑐𝑟𝑜 𝑝𝑜𝑟 𝐴çã𝑜

𝐸/𝑃 =
E/P Earnings Yield 𝑃𝑟𝑒ç𝑜 𝑝𝑜𝑟 𝐴çã𝑜

𝐹𝐶𝑂 𝑝𝑜𝑟 𝐴çã𝑜

𝐶𝐹/𝑃 =
Pätäri e Leivo CF/P Cash Flow-to-Price 𝑃𝑟𝑒ç𝑜 𝑝𝑜𝑟 𝐴çã𝑜
(2015)

𝑅𝑒𝑐𝑒𝑖𝑡𝑎 𝑇𝑜𝑡𝑎𝑙
S/EV
Sales-to-Enterprise 𝑆/𝐸𝑉 =
Value 𝐸𝑛𝑡𝑒𝑟𝑝𝑟𝑖𝑠𝑒 𝑉𝑎𝑙𝑢𝑒

𝑃𝐶 + 𝐸𝑥𝑖𝑔í𝑣𝑒𝑙 𝑎 𝐿𝑜𝑛𝑔𝑜 𝑃𝑟𝑎𝑧𝑜

Participação de Capital 𝑃𝐶𝑇 =
PCT
de Terceiros 𝑃𝑎𝑡𝑟𝑖𝑚ô𝑛𝑖𝑜 𝐿í𝑞𝑢𝑖𝑑𝑜

Malta e 𝐿𝐴𝐽𝐼𝑅
𝑅𝑂𝐼 =
Camargos ROI² Return on Investment 𝑃𝑎𝑠𝑠𝑖𝑣𝑜𝑠 𝐹𝑖𝑛𝑎𝑛𝑐𝑒𝑖𝑟𝑜𝑠 + 𝑃𝐿
(2016)
𝑛 𝑣
INEG Liquidez no Mercado 𝐼𝑁𝐸𝐺 = √ ∗
𝑁 𝑉

𝐶𝑎𝑝𝑖𝑡𝑎𝑙𝑖𝑧𝑎çã𝑜 𝑑𝑒 𝑀𝑒𝑟𝑐𝑎𝑑𝑜
Benjamin Graham net 𝑀𝐶/𝑁𝐶𝐴𝑉 =
MC/NCAV 𝐴𝐶 − (𝑃𝐶 + 𝐸𝐿𝑃)
nets
Sareewiwatthana
e Janin (2017) 𝐸𝐵𝐼𝑇
Índice EBIT Enterprise 𝐸𝐵𝐼𝑇/𝐸𝑉 =
EBIT/EV 𝐸𝑛𝑡𝑒𝑟𝑝𝑟𝑖𝑠𝑒 𝑉𝑎𝑙𝑢𝑒
Value

Santos et al. 2
EVA®² Economic Value Added 𝐸𝑉𝐴® = 𝐿𝐿 − (𝐾𝑒 ∗ 𝑃𝑎𝑡𝑟𝑖𝑚ô𝑛𝑖𝑜 𝐿í𝑞𝑢𝑖𝑑𝑜)
(2018)

Holloway et al.
(2013); Santos et
AT Ativo Total NA
al. (2018);
Graham (2019)

Artuso e Chaves 𝐴𝑡𝑖𝑣𝑜 𝐶𝑖𝑟𝑐𝑢𝑙𝑎𝑛𝑡𝑒

𝐿𝐶 =
Neto (2012); LC Liquidez Corrente 𝑃𝑎𝑠𝑠𝑖𝑣𝑜 𝐶𝑖𝑟𝑐𝑢𝑙𝑎𝑛𝑡𝑒
Graham (2019)

Artuso e Chaves 𝑃𝑎𝑠𝑠𝑖𝑣𝑜 𝑇𝑜𝑡𝑎𝑙

Índice Dívida Total 𝑃𝑇/𝑃𝐿 =
Neto (2012); PT/PL 𝑃𝑎𝑡𝑟𝑖𝑚ô𝑛𝑖𝑜 𝐿í𝑞𝑢𝑖𝑑𝑜
Patrimônio Líquido
Graham (2019)

Malta e 𝑃𝑟𝑒ç𝑜 𝑑𝑎 𝐴çã𝑜

Price-to-Book ou Índice 𝑃/𝑉𝑃𝐴 =
Camargos
P/VPA Preço Valor Patrimonial 𝑉𝑎𝑙𝑜𝑟 𝑃𝑎𝑡𝑟𝑖𝑚𝑜𝑛𝑖𝑎𝑙 𝑝𝑜𝑟 𝐴çã𝑜
(2016); Artuso e
por Ação
Chaves Neto

11
www.congressousp.fipecafi.org
 Referência Sigla Variável Explicativa Forma de Cálculo

(2012); Graham
(2019); Pätäri e
Leivo (2015)
Bastos et al.
(2009); Malta e 𝐿𝑢𝑐𝑟𝑜 𝐿í𝑞𝑢𝑖𝑑𝑜
EPS ou Earnings Per Share ou 𝐿𝑃𝐴 =
Camargos 𝑄𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝐴çõ𝑒𝑠
LPA Lucro por Ação
(2016); Bin et al.
(2017)

Tavares e Silva
(2012); 𝐿𝑢𝑐𝑟𝑜 𝐵𝑟𝑢𝑡𝑜
Hollowayet al. 𝑀𝐵 =
MB Margem Bruta 𝑅𝑒𝑐𝑒𝑖𝑡𝑎 𝐿í𝑞𝑢𝑖𝑑𝑎
(2013); Malta e
Camargos
(2016)

Artuso e Chaves
Neto (2012);
Holloway et al. 𝐿𝑢𝑐𝑟𝑜 𝐿í𝑞𝑢𝑖𝑑𝑜
(2013); Malta e ROA Return on Assets 𝑅𝑂𝐴 =
𝐴𝑡𝑖𝑣𝑜 𝑇𝑜𝑡𝑎𝑙
Camargos
(2016); Santos et
al. (2018)
Artuso e Chaves
Neto (2012); 𝐿𝑢𝑐𝑟𝑜 𝐿í𝑞𝑢𝑖𝑑𝑜
𝑅𝑂𝐸 =
Malta e ROE Return on Equity 𝑃𝑎𝑡𝑟𝑖𝑚ô𝑛𝑖𝑜 𝐿í𝑞𝑢𝑖𝑑𝑜
Camargos
(2016)

Pätäri e Leivo 𝑅𝑒𝑐𝑒𝑖𝑡𝑎 𝑇𝑜𝑡𝑎𝑙 𝑝𝑜𝑟 𝐴çã𝑜

𝑆/𝑃 =
(2015); Bin et al. S/P Sales-to-Price 𝑃𝑟𝑒ç𝑜 𝑝𝑜𝑟 𝐴çã𝑜
(2017)

NA, não se aplica; LL, Lucro Líquido; CGL, Capital de Giro Líquido; NOPAT, Net Operating Profit After Taxes
(lucro operacional depois dos impostos); Capital Investido, Ativos Totais – Passivos Onerosos de Curto Prazo;
WACC, Weighted Average Capital Cost (Custo Médio Ponderado do Capital); PL, Patrimônio Líquido; FCO,
Fluxo de Caixa Operacional; EBIT ou LAJIR, earnings before interest and taxes (lucro antes de juros e imposto
de renda); n, nº de negócios com a ação no período analisado; N, nº de negócios com todas as ações no período
analisado; v, volume em dinheiro negociado com a ação no período analisado; V, volume em dinheiro negociado
com todas as ações no período analisado; AC, Ativo Circulante; PC, Passivo Circulante; ELP, Exigível a Longo
Prazo; Ke, Custo do Capital Próprio.
Fonte: Dados da Pesquisa, 2019

3.2 Variáveis
A variável dependente foi o retorno das ações sobre os seus valores no fechamento
trimestral, ajustado por proventos e outros eventos corporativos, e as variáveis independentes
foram todos os indicadores fundamentalistas obtidos pelo referencial teórico e listados no
Quadro 3, apresentados conjuntamente com suas fórmulas de cálculo. Todos os dados das
variáveis, incluindo as variações percentuais trimestrais do retorno acionário, foram obtidos da
plataforma Economática® para o período de janeiro de 2009 a dezembro de 2018.

12
www.congressousp.fipecafi.org
3.3 Modelos de Dados em Painel
A análise de dados em painel permite o estudo econométrico ao longo do tempo e de
unidades básicas de estudo dispostas em cortes transversais. Suas principais vantagens estão na
possibilidade da observação de relações dinâmicas e no controle da heterogeneidade individual,
especificidades essas não observadas em análises em dados transversais. O uso da análise de
dados em painel permite associar comportamentos individuais distintos, tipificando as respostas
de diferentes indivíduos a determinados acontecimentos em momentos diferentes, identificando
e medindo os efeitos que são somente detectáveis em estudos seccionais ou temporais
(Marques, 2000; Castro Junior e Yoshinaga, 2012).
De acordo com Marques (2000), o modelo geral para dados em painel é dado pela
equação 1:
𝑦𝑖𝑡 = 𝛽1𝑖𝑡 𝑥1𝑖𝑡 + 𝛽2𝑖𝑡 𝑥2𝑖𝑡 + ⋯ + 𝛽𝑘𝑖𝑡 𝑥𝑘𝑖𝑡 + 𝑢𝑖𝑡 ⇔ 𝑦𝑖𝑡 = 𝑥 ′ 𝑖𝑡 𝛽𝑖𝑡 + 𝑢𝑖𝑡 ; 𝑖 = 1 𝑒 𝑡 = 1 (1)
Sendo que, 𝛽1𝑖𝑡 corresponde ao vetor (kx1) de parâmetros desconhecidos relativos ao
indivíduo i no momento t e 𝑥𝑖𝑡 a matriz (kx1) de variáveis explicativas, cuja primeira coluna,
no caso do modelo ter termo independente, será integralmente constituída por 1’s.
Segundo Castro Junior e Yoshinaga (2012), tradicionalmente, modelos de dados em
painel utilizam métodos de estimação por dados agrupados (pooled ordinary least squares -
POLS), efeitos aleatórios e efeitos fixos. Os efeitos aleatórios supõem que a correlação entre as
variáveis explicativas e o efeito não observado é nula, enquanto os efeitos fixos permitem que
essa correlação seja não nula.
Para avaliar a escolha entre utilização entre o modelo de efeitos aleatórios e efeitos fixos,
Rodrigues (2019) indica a reflexão sobre as características específicas a cada indivíduo e se
elas estarão ou não correlacionadas com os regressores incluídos na equação estudada, para
posteriormente realizar a aplicação do teste de Hausman. O Quadro 4 sistematiza um conjunto
de princípios que norteiam a escolha entre os dois modelos.

Tabela 5 - Orientações gerais que guiam a escolha entre modelos

Efeitos Fixos Efeitos Aleatórios

Os αi não estão relacionados com os

Os αi podem estar relacionados com os regressores (X), ou seja,
regressores. Nesse caso, assume-se que a
a correlação entre ui e X não é nula.
correlação (ui, X) = 0.

Há interesse em determinar o impacto de

Há interesse em determinar o impacto de regressores que
regressores que não mudam ao longo do
mudam ao longo do tempo
tempo.

Observa-se o mesmo conjunto de entidades (todo o universo), Observa-se uma amostra aleatória do
como por ex. todos os países da UE. universo em estudo.

Tem-se um número significativo de observações, para que a Se o número de observações for pequeno,
perda de graus de liberdade (que advém do uso de muitos pode ser preferível optar pela especificação
dummies) não seja problemática. em RE.
Fonte: Rodrigues (2019)

Desta forma, a metodologia do presente estudo compreenderá a aplicação de modelos

estimados por POLS, a avaliação entre a utilização do método de efeitos fixos ou efeitos
aleatórios e por fim a aplicação do método selecionado. Para a realização das análises
estatísticas será utilizado o software econométrico GRETL e testes de exogeneidade estrita não
13
www.congressousp.fipecafi.org
são aplicáveis, uma vez que a variável dependente e algumas variáveis explicativas são
mecanicamente relacionadas.

4 Análise e Discussão dos Resultados

4.1 Modelos POLS e Teste para Efeitos Fixos ou Aleatórios

A análise inicial realizada foi através do modelo POLS para verificação se o próprio
modelo seria suficiente para a determinação das variáveis significantes ou, caso contrário,
aplicar o teste de Hausman conjuntamente as orientações de Rodrigues (2019) para determinar
a utilização do modelo com efeitos fixos ou aleatórios. A Tabela 2 apresenta o diagnóstico do
modelo POLS de painel.

Tabela 6 – Diagnóstico do Modelo POLS de Painel

Grupo Coeficiente Erro padrão Razão-t p-valor
const 2,92649 0,329253 8,888 1,21E-09 ***
RB −0,258437 0,160263 −1,613 0,1181
PLPCG 0,00198009 0,00992058 0,1996 0,8432
VarLL 0,252873 0,0735274 3,439 0,0018 ***
P/L 0,761447 0,117378 6,487 4,99E-07 ***
FCO −0,0378356 0,0765172 −0,4945 0,6248
ROI1 −0,0811515 0,0475082 −1,708 0,0987 *
EVA1 −0,000316969 0,000297049 −1,067 0,2951
PR 0,00733071 0,0166936 0,4391 0,6639
GAO 0,0948017 0,08804 1,077 0,2908
PFTPL 0,0329354 0,018558 1,775 0,0868 *
PFCPPFT −0,00357783 0,0020341 −1,759 0,0895 *
LS 0,0877218 0,0486729 1,802 0,0823 *
LI −0,000229320 0,00369729 −0,06202 0,951
PVCT −0,00959510 0,0193294 −0,4964 0,6235
DesvLPA 0,00530646 0,0135142 0,3927 0,6975
EP −0,317107 0,184649 −1,717 0,097 *
CFP 0,0379597 0,0785413 0,4833 0,6326
SEV −0,0462405 0,113441 −0,4076 0,6867
PCT 1,69339 1,04986 1,613 0,118
ROI2 0,0751312 0,090123 0,8337 0,4115
INEG 0,0078904 0,00502431 1,57 0,1275
MCNCAV −0,000703766 0,00159379 −0,4416 0,6622
EBITEV 0,117637 0,0907257 1,297 0,2053
EVA2 0,00171648 0,00199101 0,8621 0,3959
AT 0,984352 0,276667 3,558 0,0014 ***
LC −0,0958311 0,0548916 −1,746 0,0918 *
PTPL −1,81698 1,05629 −1,720 0,0964 *
PVPA 0,284188 0,116955 2,43 0,0218 **
LPA −0,566667 0,312253 −1,815 0,0803 *
MB −0,150538 0,125533 −1,199 0,2405
ROA 0,831948 0,250947 3,315 0,0025 ***

14
www.congressousp.fipecafi.org
ROE 0,0695865 0,0920501 0,756 0,456
SP 0,20885 0,196079 1,065 0,2959
Variância residual: 16,3339/(73 - 45) = 0,583352
Significância conjunta da diferenciação das médias de grupo: F(9,28) = 4,49612 p-valor 0,00101345
(Um p-valor baixo contraria a hipótese nula de que o modelo MQO agrupado (pooled) é adequado, validando
a hipótese alternativa da existência de efeitos fixos.)
Fonte: Dados da Pesquisa, 2019

O diagnóstico do modelo de painel realizado pelo software GRETL através do teste de

Hausman evidenciou quanto a existência de efeitos fixos, uma vez que o p-valor das médias de
grupo foi baixa, rejeitando a hipótese quanto a utilização do modelo POLS. Ainda conforme as
orientações de Rodrigues (2019), a presente pesquisa visa determinar o impacto dos regressores
que mudam ao longo do tempo, em um mesmo conjunto de entidades e com um número
significativo de observações, o que também direciona a seleção pelo modelo com efeitos fixos.

4.2 Modelo Dados de Painel Efeitos de Efeitos Fixos

Uma vez rejeitada a utilização do modelo POLS para realização da análise, foi aplicado
o modelo de painel de efeitos fixos, permitindo aceitar que a correlação entre as variáveis
explicativas não seja nula. Os resultados da aplicação do modelo de painel de efeitos fixos são
apresentados na Tabela 3.

Tabela 7 – Resultado do Modelo de Painel de Efeitos Fixos

Grupo Coeficiente Erro padrão Razão-t p-valor
const 2,92649 0,221537 13,21 4,31E-08 ***
RB −0,258437 0,152679 −1,693 0,1186
PLP/CG 0,00198009 0,00724534 0,2733 0,7897
VarLL 0,252873 0,0775563 3,261 0,0076 ***
P/L 0,761447 0,0984998 7,73 9,04E-06 ***
FCO −0,0378356 0,0608598 −0,6217 0,5468
ROI1 −0,0811515 0,0484062 −1,676 0,1218
EVA1 −0,000316969 0,00027083 −1,170 0,2666
PR 0,00733071 0,00734127 0,9986 0,3395
GAO 0,0948017 0,0883075 1,074 0,306
PFT/PL 0,0329354 0,0195156 1,688 0,1196
PFCP/PFT −0,00357783 0,00140545 −2,546 0,0272 **
LS 0,0877218 0,0336867 2,604 0,0245 **
LI −0,000229320 0,000972415 −0,2358 0,8179
P/VCT −0,00959510 0,00540456 −1,775 0,1035
DesvLPA 0,00530646 0,0163086 0,3254 0,751
E/P −0,317107 0,179965 −1,762 0,1058
CF/P 0,0379597 0,0610448 0,6218 0,5467
S/EV −0,0462405 0,104708 −0,4416 0,6673
PCT 1,69339 1,30418 1,298 0,2207
ROI2 0,0751312 0,0986099 0,7619 0,4621
INEG 0,0078904 0,00542122 1,455 0,1735
MC/NCAV −0,000703766 0,000867823 −0,8110 0,4346
EBIT/EV 0,117637 0,105556 1,114 0,2888
EVA2 0,00171648 0,0009471 1,812 0,0973 *
AT 0,984352 0,366074 2,689 0,0211 **
LC −0,0958311 0,0418275 −2,291 0,0427 **
15
www.congressousp.fipecafi.org
 Grupo Coeficiente Erro padrão Razão-t p-valor
PT/PL −1,81698 1,32533 −1,371 0,1977
P/VPA 0,284188 0,0980644 2,898 0,0145 **
LPA −0,566667 0,241075 −2,351 0,0384 **
MB −0,150538 0,0953785 −1,578 0,1428
ROA 0,831948 0,324887 2,561 0,0265 **
ROE 0,0695865 0,0692708 1,005 0,3367
S/P 0,20885 0,113045 1,848 0,0917 *
Fonte: Dados da Pesquisa, 2019

As variáveis dummy LL (Lucro Líquido), DIV (Dividendos) e LID (Partição no Índice

Bovespa) foram omitidas da análise por apresentarem-se regularmente constantes no tempo, ou
seja, as empresas variaram pouco ou não variaram a apresentação de lucro líquido, dividendos
e sua participação no índice Bovespa ao longo do período estudado. Tal constatação faz com
tais variáveis apresentem multicolinearidade com os efeitos fixos por empresa da regressão.
Os resultados obtidos através do modelo de painel de efeitos fixos indicaram que as
variáveis com capacidade de explicação do retorno acionário a significância de 1% foram
VarLL (Variação da Média Trienal do Lucro Líquido) e P/L (Índice Preço Lucro Médio). As
variáveis com significância a 5% foram PFCP/PFT (Índice Dívida Financeira de Curto Prazo
Dívida Financeira Total), LS (Liquidez Seca), AT (Ativo Total), LC (Liquidez Corrente),
P/VPA (Índice Preço Valor Patrimonial por Ação), LPA (Lucro por Ação) e ROA (Return on
Assets).
Defrontando as inferências apresentadas com estudos anteriores foi constatado que o
indicador EVA®2 apresentou significância a 10% enquanto o indicador EVA®1 não apresentou
significância estatística. O resultado corrobora com as conclusões apresentadas por Bastos et
al. (2009) e Santos et al. (2018), sendo um possível indicativo do cálculo mais adequado para
o valor econômico agregado. A diferença de significância estatística entre as variáveis EVA®1
e EVA®2 indica que capacidade da empresa de gerar valor líquido excedente sobre o custo de
capital próprio explica melhor o retorno das ações em comparação a capacidade da empresa de
gerar valor excedente sobre o lucro operacional líquido, deduzindo o custo total do capital
investido.
O estudo de Pätäri e Leivo (2015) evidenciou um possível desempenho superior do
índice Cash Flow-to-Price (CF/P) na explicação dos retornos acionários perante os índices
Book-to-Price (P/VPA) e Earnings Yield (E/P), porém os resultados da pesquisa refutaram essa
constatação para as empresas listadas no índice IBrX 100. Entre os três indicadores o único que
apresentou significância estatística foi a variável P/VPA, e a variável CF/P foi a que apresentou
o menor resultado explicativo.
Outra constatação concerne na comparação dos índices Sales-to-Enterprise Value
(S/EV) que, segundo Pätäri e Leivo (2015), possuí fundamentos mais sólidos em relação ao
índice Sales-to-Price (S/P). A regressão do estudo apresentou a variável S/P com significância
estatística a 10% enquanto que a variável S/EV não se mostrou significante em explicar o
retorno acionário da amostra, apesar da solidez de seus fundamentos.
Os indicadores de liquidez seca e liquidez corrente, que mensuram a capacidade de
pagamento da organização frente as suas obrigações de curto prazo, apresentaram significância
estatística a 5%, resultado também encontrado no estudo de Artuso e Chaves Neto (2012).
Segundo Zago e Mello (2015), os indicadores de liquidez permitem mensurar a folga financeira
da organização impactando na redução da dependência de recursos de terceiros, o que
propiciaria um retorno maior a mesma.
16
www.congressousp.fipecafi.org
 A relação entre dívida de curto prazo e dívida total apresentou-se significante a 5% para
explicar os retornos das ações, variável também apresentada no estudo de Tavares e Silva
(2012) na diferenciação entre empresas Vencedoras e Perdedoras. Conforme o resultado da
regressão a variável apresentou um coeficiente negativo, o que indica que o aumento do passivo
financeiro de curto prazo em relação ao passivo financeiro total afeta negativamente o retorno
acionário.
O lucro líquido mostrou-se inequívoco quanto a sua importância ao explicar os retornos
acionários estando presente em 3 variáveis estatisticamente significantes, VarLL, LPA e ROA.
As variáveis VarLL e ROA apresentaram coeficientes positivos, indicando que o aumento do
lucro líquido afeta positivamente os retornos das ações, porém, a variável LPA apresentou um
coeficiente negativo, resultado intrigante, uma vez que se era esperado um impacto positivo do
indicador sobre a variável dependente, contrariando os coeficientes relatados nos estudos de
Bastos et al. (2009) e Malta e Camargos (2016). A constatação do coeficiente negativo do LPA
sugere a realização de lucro por parte dos investidores após a divulgação dos resultados
trimestrais, contudo, se faz necessário maiores análises para averiguação da ocorrência.
As variáveis P/L e P/VPA mensuram a relação entre o preço avaliado a mercado, os
lucros apresentados e o valor patrimonial da empresa. Apesar da satisfatória significância
dessas variáveis, além de estarem presentes nos trabalhos de Artuso e Chaves Neto (2012),
Malta e Camargos (2016), Graham (2019) e Pätäri e Leivo (2015), é importante observar que
os dados sobre preço das ações possuí relação diretamente relacionada com a variável
dependente, sendo assim, é esperado que o comportamento da variação do retorno acionário
seja semelhante ao comportamento das variáveis P/L e P/VPA.
Quanto ao tamanho da empresa, a variação do ativo total explicou melhor os retornos
acionários comparado a variação da receita operacional líquida, com uma significância a 5%.
O ativo total foi similarmente evidenciado por Holloway et al. (2013) com uma das variáveis
explicativas que influenciam as decisões dos value managers.
Os resultados alcançados demonstraram que os filtros elaborados por Graham (2019) se
mostram significantes e atuais para a seleção de ações. Todos os filtros elaborados apresentaram
significância estatística, exceto pelas particularidades quanto a receita da empresa para seleção
de empresas com tamanho adequado, e duas variáveis de endividamento envolvendo o capital
de giro e o capital social da empresa para seleção de empresas com condições financeiras
suficientemente fortes. As variáveis dummy referente ao lucro líquido e dividendos foram
omitidas do modelo de painel de efeitos fixos, sendo necessários novos estudos estatísticos
sobre as variáveis.

5 Conclusão
Este estudo teve como objetivo analisar estatisticamente quais os critérios na seleção de
ações abordados por Benjamin Graham como também outros indicadores contábeis e
financeiros que melhor explicaram os retornos das ações não financeiras listadas no índice
Brasil 100 (IBrX 100) no período de 2009 a 2018.
Foram analisadas 36 variáveis e os resultados evidenciaram a significância estatística
de nove variáveis que melhor explicaram os retornos acionários: três relacionadas ao
rendimento (VarLL, LPA, ROA), duas relacionadas a indicadores de mercado (P/L e P/VPA),
duas relacionadas a liquidez financeira (LS e LC), uma relacionada a endividamento
(PFCP/PFT) e uma relacionada ao tamanho da empresa (AT).
Uma constatação adicional do estudo foi referente a diferença da significância estatística
apresentada entre os dois cálculos do EVA®. O EVA®2 apresentou significância a 10%

17
www.congressousp.fipecafi.org
 enquanto o EVA®1 não apresentou significância estatística como variável explicativa do
retorno acionário, explicitando um possível indicativo da metodologia de cálculo mais
adequada para mensuração do valor econômico agregado.
Das nove variáveis explicativas identificadas como melhor preditoras do retorno
acionário, cinco delas estavam presentes nos filtros de seleção de ações de Graham: VarLL
(Variação da Média Trienal do Lucro Líquido), P/L (Preço Lucro Médio), AT (Ativo Total),
LC (Liquidez Corrente) e P/VPA (Preço Valor Patrimonial por Ação). Tal constatação reafirma
as fundamentações promovidas por Graham no emprego de seus filtros para seleção de ações
demonstrando que a abordagem se mantém atual e relevante.
Os resultados ainda corroboram com estudos anteriores cujas abordagens concerniam
na utilização dos filtros de Graham para a criação de carteiras de ações. Como as variáveis que
apresentaram maior significância também se fizeram presentes nos filtros de seleção de
Graham, o atual estudo ratifica os retornos anormais apresentados nas carteiras elaboradas por
essa metodologia em estudos predecessores.
Ademais, por meio desse estudo, recomenda-se que tanto investidores pessoa física ou
profissionais utilizem as variáveis explicativas obtidas como resultado dessa pesquisa no
auxílio de suas tomadas de decisão ao selecionar ações para compor sua carteira de
investimento. Caso tenham dificuldades em determinar o valor ideal de cada variável para
realização do investimento, recomendamos a utilização dos filtros de Graham para a seleção de
ações.
Como limitações, é possível existir viés de seleção uma vez que foram definidas como
amostra as empresas presentes no índice IBrX 100 no 4º trimestre de 2019, e apesar de
relacionadas as variáveis que melhor explicam o retorno das ações, o presente estudo não
determinou os valores ideais de cada variável, tampouco sendo o objetivo deste trabalho.
Recomenda-se para estudos futuros a utilização da mesma metodologia empregada
nesta pesquisa em diferentes séries de tempo e com uma amostra maior de empresas e até
mesmo em outros mercados. Sugere-se também a criação de carteiras elaboradas através de
diferentes valores das variáveis explicativas resultantes do presente estudo objetivando a
determinação de seus valores ideais para realização de investimentos.

Referências Bibliográficas

Artuso, A. R., & Chaves Neto, A. (2010). O uso de quartis para a aplicação dos filtros de Graham
na Bovespa (1998-2009). Revista Contabilidade & Finanças - USP, 21(52), 1–20.

Artuso, A. R., & Chaves Neto, A. (2012). Identificação de fatores relevantes e construção de
portfólio diversificado no mercado acionário brasileiro. Revista Produção Online, 12(4), 1002-
1030.

Bastos, D.D., Nakamura, W.T., David, M., & Rotta, U.A.S. (2009). A relação entre o retorno das
ações e as métricas de desempenho: evidências empíricas para as companhias abertas no Brasil.
REGE Revista de Gestão, 16(3), 65-79

Bin, L., Chen, J., Puclik, M., & Su, Y. (2017). Predicting Extreme Returns in Chinese Stock Market:
An Application of Contextual Fundamental Analysis. Journal of Accounting & Finance (2158-
3625), 17(3), 10–25.

18
www.congressousp.fipecafi.org
Castro Junior, F.H.F., & Yoshinaga, C.E. (2012). Coassimetria, Cocurtose E as Taxas De Retorno
Das Ações: Uma Análise Com Dados Em Painel. Revista de Administração Mackenzie, 13(1),
111–144.

Chang, D. (2011). Testing some of Benjamin Graham’s stock selection criteria: A case of the FTSE
Bursa Malaysia EMAS Index from Year 2000 to 2009. Jurnal Manajemen Dan
Kewirausahaan, 13(2), 99-106.

Fama, E.F. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. Journal of
Finance (Wiley-Blackwell), 25(2), 383–417.

Fernandes, M.S., Hamberger, P.A.V., & Valle, A.C.M. (2015). Análise Técnica e Eficiência dos
Mercados Financeiros: Uma Avaliação do Poder de Previsão dos Padrões de Candlestick.
Revista Evidenciação Contábil & Finanças, 3(3), 35-54. Recuperado de
http://periodicos.ufpb.br/ojs2/index.php/recfin. doi: 10.18405/recfin20150303

Gaio, L.E., Alves, K.L.F., & Pimenta Júnior, T. (2009). O mercado acionário brasileiro do novo
milênio: um teste de eficiência. Brazilian Business Review (Portuguese Edition), 6(3), 231–
246.

Gil, A.C. (2008). Métodos e técnicas de pesquisa social (6a ed.). São Paulo: Atlas.

Graham, B. (2019). O Investidor Inteligente: O Guia Clássico para Ganhar Dinheiro na Bolsa. (4a
ed.) Rio de Janeiro: Harper Collins.

Grimm, R.C. (2012). Fundamental Analysis as a Traditional Austrian Approach to Common Stock
Selection. Quarterly Journal of Austrian economics, 15(2).

Holloway, P., Rochman, R., & Laes, M. (2013). Factors Influencing Brazilian Value Investing
Portfolios. Journal of Economics, Finance & Administrative Science, 18, 18–22.

Kahn, I., & Milne, R.D. (1977). Benjamin Graham, the father of financial analysis. Financial
Analysts Research Foundation.

Leite, M., Bambino, A.C., & Hein, N. (2017). Relação entre Política de Dividendos e Desempenho
Econômico Financeiro em Empresas Brasileiras e Chilenas. Revista de Gestão, Finanças e
Contabilidade, 7(1), 205-221. doi: 10.18028/2238-5320/rgfc.v7n1p205-221

Leković, M. (2018). Evidence for and against the Validity of Efficient Market Hypothesis.
Economic Themes, 56(3), 69–387.

Lyrio, M.V.L., Prate, W., Lima, M.V.A., & Lunkes, R.J. (2015). Análise da implementação de uma
estratégia de investimento em ações baseada em um instrumento de apoio à decisão. Contaduría
y Administración, 60(1), 113-143.

Malta, T.L., & Camargos, M.A. (2016). Variáveis da análise fundamentalista e dinâmica e o retorno
acionário de empresas brasileiras entre 2007 e 2014. Rege - Revista de Gestão, 23(1), 52-62.
Recuperado de http://dx.doi.org/10.1016/j.rege.2015.09.001. doi: 10.1016/j.rege.2015.09.001

19
www.congressousp.fipecafi.org
Marques, L. D. (2000). Modelos dinâmicos com dados em painel: revisão da literatura. Série
Working Papers do Centro de Estudos Macroeconômicos e Previsão (CEMPRE) da Faculdade
de Economia do Porto, Portugal, (100).

Oppenheimer, H. R., & Schlarbaum, G. G. (1981). Investing with Ben Graham: An Ex Ante Test of
the Efficient Markets Hypothesis. Journal of Financial & Quantitative Analysis, 16(3), 341–
360.

Palazzo, V., Savoia, J.R.F., Securato, J.R., & Bergmann, D.R. (2018). Analysis of value portfolios
in the Brazilian market. Revista Contabilidade & Finanças, 29(78), 452-468. doi:
10.1590/1808-057x201804810

Pätäri, E., & Leivo, T. (2015). A closer look at value premium: Literature review and synthesis.
Journal Of Economic Surveys, 31(1), 79-168. doi: 10.1111/joes.12133

Rpdrigues, P.G. (2019). Uma Introdução Aos Modelos De Dados Em Painel: O Que São E Como
Se Estimam Em Stata. Lusíada. Economia & Empresa, (26), 145–156.

Santos, J.V.J., Tavares, A.L., Azevedo, Y.G.P., & Freitas Neto, R.M. (2018). Relação Entre O
Retorno Das Ações E O Economic Value Added (Eva): Evidências Empíricas Em Companhias
Abertas No Brasil. Revista Evidenciação Contábil & Finanças, 6(1), 119–131. Recuperado de
http://periodicos.ufpb.br/ojs2/index.php/recfin. doi:10.18405/recfin20180107

Sareewiwatthana, P., & Janin, P. (2017). Tests of quantitative investing strategies of famous
investors: case of Thailand. Investment Management And Financial Innovations, 14(3), 218-
226. Recuperado de http://dx.doi.org/10.21511/imfi.14(3-1).2017.06. doi:10.21511/imfi.14(3-
1).2017.06

Suciu, T. (2013). Elements of Stock Market Analysis. Bulletin of the Transilvania University of
Brasov. Series V: Economic Sciences, 6(2), 153–160.

Tavares, A.L., & Silva, C.A.T. (2012). A Análise financeira fundamentalista na previsão de
melhores e piores alternativas de investimento. Revista Universo Contábil, 37-52.
doi:10.4270/ruc.2012103

Terzi, N. (2015). An Assessment on Graham’s Approach for Stock Selection: The Case of Turkey.
International Journal Of Financial Research, 7(1), 50-56. Recuperado de
http://dx.doi.org/10.5430/ijfr.v7n1p50. doi:10.5430/ijfr.v7n1p50

Yadav, D., & Jain, G. A. (2016). Comparative Study of the Performance of Selected Trading
Strategies during Recent Recovery of Indian Equity Market. Amity Business Review, 17(1),
152–162.

Yan, Z., & Zhao, Y. (2010). New evidence on value investing in emerging equity markets. Applied
Financial Economics, 20(24), 1839-1849. doi: 10.1080/09603107.2010.526576

Zago, C., & Mello, G.R. (2015). A influência da liquidez na rentabilidade das empresas listadas no
Índice Bovespa. Revista Contabilidade e Controladoria, 7(2), 27-40.

20
www.congressousp.fipecafi.org