Uma análise do Efeito Manada no Mercado de Ações Brasileiro

Abstract

O objetivo do presente estudo é investigar o efeito manada no mercado de ações brasileiro. Esse viés é bastante comum em tempos de desaceleração do mercado e pode fazer com que os investidores sofram grandes perdas. É muito difícil identificar com eficácia sua real ocorrência. Através do método de Chang et al. (2000), é possível evidenciar que a presença do comportamento de manada está associada aos seguintes fenômenos: alto volume de negócios; alta volatilidade, desaceleração do mercado; e desequilíbrio de ordens de negociação. A principal contribuição do artigo é identificar que o comportamento de manada reage assimetricamente ao sinal de choques passados. Os resultados sugerem que um movimento intenso de vendas pode gerar incerteza nos agentes, fazendo-os imitar os demais em períodos de perda iminente.

Alternate abstract:

The aim of the present study is to investigate herding behavior in the Brazilian stock market. This bias is quite common in times of market downturns and can cause investors to suffer large losses. It is very difficult to effectively identify its real occurrence. Through the method of Chang et al. (2000), it is possible to show that the occurrence of herd behavior is associated with the following phenomena: high trading volume; high volatility, market downturn; and misbalancing of orders. The main contribution of the paper is to identify that herding behavior reacts asymmetrically to the sign of past shocks. The results suggest that an intense selling movement can generate uncertainty in agents, causing them to imitate others in imminent loss periods.

Headnote

RESUMO

PALAVRAS- CHAVE

Efeito manada, Microestrutura de Mercado, Finanças Comportamentais

O objetivo do presente estudo é investigar o efeito manada no mercado de açoes brasileiro. Esse viés é bastante comum em tempos de desaceleraçâo do mercado e pode fazer com que os investidores sofram grandes perdas. É muito difícil identificar com eficacia sua real ocorrencia. Através do método de Chang et al. (2000), é possível evidenciar que a presença do comportamento de manada está associada aos seguintes fenómenos: alto volume de negocios; alta volatilidade, desaceleraçâo do mercado; e desequilibrio de ordens de negociaçâo. A principal contribuiçâo do artigo é identificar que o comportamento de manada reage assimetricamente ao sinal de choques passados. Os resultados sugerem que um movimento intenso de vendas pode gerar incerteza nos agentes, fazendo-os imitar os demais em períodos de perda iminente.

1.INTRODUÇÂO

As finanças comportamentais ganharam destaque desde o trabalho de Daniel Kahneman e Amos Tversky, relaxando a restriçao de convergencia entre preço e valor e reconhecendo a existencia de fenómenos associados a tomada de decisao por agentes económicos fora do modelo racional definido por Von Neumann e Morgenstern em seu livro seminal Theory of Games and Economic Behavior.

Este artigo tem como objetivo identificar os fatores fundamentais ou efeitos assimétricos que explicam o comportamento de manada no mercado brasileiro. O Efeito Manada é um fenómeno em que os investidores abandonam suas opinióes sobre as perspectivas futuras do mercado e tentam imitar os comportamentos de outros investidores. Esse movimento näo é racional porque leva os investidores a comprar a&ecedil;óes que subiram de preço (ou vender a&ecedil;óes que caíram) nao porque acham que o preço continuará subindo (ou caindo), mas simplesmente porque outros estao fazendo. Esse efeito é bastante comum em tempos de retraçao do mercado e pode causar grandes perdas aos investidores.

Esse viés é definido por Barnejee (1992) como o ato de tentar usar as informaç0es contidas nas decisóes tomadas por outros, mesmo quando suas informaç0es privadas sugerem fazer algo bastante diferente. Silva, Barbedo e Araújo (2015) definem como o comportamento de um grupo de investidores que se engaja na negociaçao de um determinado ativo na mesma direçao do mercado e abandona suas crenças em relaçao a esse ativo em outro período. Araújo Neto et al. (2016) investigaram se pessoas com conhecimento de finanças e contabilidade estavam sujeitas a influencias externas na negociaçao de ativos financeiros e nao encontraram esse efeito. Majerowicz (2017) examinou o comportamento de manada no mercado de aç0es brasileiro de 2010 a 2015, um momento de instabilidade económica e política, nao encontrando indicios do fenómeno. Finalmente, Silva e Lucena (2018) estudaram o enviesamento no mercado de aç0es de 2007 a 2016. Seus resultados identificaram enviesamentos durante a crise do subprime, envolvendo mais fortemente aç0es de pequena capitalizaçao.

De um modo geral, os trabalhos sobre o tema sugerem que a análise do efeito é difícil de mensurar, e o fenómeno só foi detectado em poucos estudos. Além disso, há uma discrepancia em termos das evidencias encontradas nesses trabalhos anteriores. A relevancia deste estudo é intensificada, uma vez que esse fenómeno pode causar perda de informaç0es, fazendo com que os preços se desviem de seu valor de equilíbrio. É necessário entender como os preços sao formados no mercado financeiro, entender a qualidade da informaçao presente no mercado e identificar os períodos em que ocorre o efeito de manada. Christie e Huang (1995) argumentaram que o efeito manada é mais propenso em períodos de estresse do mercado, uma vez que as decisóes de investimento variam de acordo com as condiç0es do mercado. Silva e Lucena (2018) corroboraram Christie e Huang (1995) ao enfatizar que, em momentos incertos, os investidores imitam grupos maiores. Chiang e Zheng (2010) também identificaram o movimento de manada durante períodos de retraçao. Bhaduri e Mahapatra (2013) ratificam a relaçao entre manada e períodos de retraçao.

Christie e Huang (1995) afirmam que nos períodos mais turbulentos, os retornos individuais estao próximos dos retornos do mercado, ou seja, há menos informaç0es privadas disponíveis e, assim, os indivíduos passam a agir de acordo com os outros. Da mesma forma, em relaçao as informaç0es privadas, Cipriani e Guarino (2010) afirmam que os agentes financeiros nao utilizam informaç0es privadas nesses períodos e passam a agir de acordo com a multidao. Como consequencia, os mercados financeiros podem nao ser capazes de agregar informaç0es privadas de forma eficiente, causando desalinhamentos de preços. Portanto, a existencia desse fenómeno é capaz de afetar a formaçâo dos preços dos ativos, ou seja, os preços podem nao refletir o valor real dos ativos.

Para identificar o comportamento do investidor em tempos de desaceleraçâo do mercado, realizamos testes de assimetria para avaliar a existencia do efeito de manada em relaçâo ao volume de negociaçâo alto e baixo, volatilidade alta e baixa, desempenho passado bom e ruim, sentimento do investidor alto e baixo e também desequilibrio de ordens de compra e venda, sendo esta análise incluida no conceito de assimetria de informaçâo1. A principal contribuiçâo do artigo é identificar fatores fundamentais que influenciam o comportamento de manada e verificar se ele reage assimetricamente ao sinal desses choques passados. Os resultados mostram que o efeito de manada está associado a ocorrencia de alto volume de negociaçâo; alta volatilidade dos retornos; desaceleraçoes do mercado; e desequilibrio entre as transaçoes com o dominio do mercado dos vendedores.

2.REFERENCIAL TEÓRICO

2.1. Efeito Manada

Liang (2017) definiu o efeito de manada como "o movimento sincronizado dos preços dos ativos de forma exuberante e irracional que nao se justifica pelos fundamentos". Hachicha (2010) descreveu o efeito manada como uma tendencia comportamental em que os investidores observam as atitudes dos demais. O interesse dos estudiosos é entender por que a informaçâo coletiva afeta o comportamento dos preços, desviando-os de seus valores fundamentais, apresentando possibilidades de lucro. Essas informaçoes tem uma forte influencia mesmo em relaçâo as informaçoes privadas.

Segundo Kutchukian (2010), na ocorrencia do efeito, há um movimento positivamente correlacionado, representando um grupo de investidores que seguem a mesma direçâo. Esse fato contradiz os seguintes postulados da moderna teoria de finanças: os individuos maximizam sua utilidade esperada em relaçâo a sua aversâo ao risco, e os preços correspondem as informaçoes disponiveis. Além disso, o efeito manada também contraria os pressupostos de expectativas e informaçoes homogéneas, uma vez que ocorre de forma heterogénea e está relacionado a um grupo de investidores.

Além disso, sobre a formaçâo de preços, Christie e Huang (1995) afirmam que acreditar que o efeito de manada ocorre em virtude de um comportamento nao racional dos investidores leva a negociaçoes baseadas em preços ineficientes, longe do equilibrio. Hwang e Salmon (2001) designaram como "cascatas de informaçoes" o fato de os preços de mercado passarem a nao refletir as novas informaçoes. Tal acontecimento leva a um tipo de ineficiencia aumentada pelo comportamento de manada.

Segundo Chang, Cheng e Khorana (2000), o efeito manada pode ser visto como um comportamento racional ou irracional pelos investidores, dependendo da interpretaçao. Sobre a visâo irracional, eles utilizam o estudo de Devenow e Welch (1996), indicando que os investidores ignoram suas crenças e opinioes para seguirem fielmente os demais investidores. Por outro lado, pela visâo racional, eles se referiram aos estudos de Scharfstein e Stein (1990) e Rajan (1994), os quais defendem que os investidores imitam as açoes dos demais, deixando de lado as informaçoes privadas, com o objetivo de manter seu capital. Ainda sob a visâo racional, Hwang e Salmon (2001) afirmam que o efeito manada pode ser visto de forma racional, uma vez que busca a maximizaçâo da utilidade, ou seja, quando um investidor acredita que outros investidores podem estar mais bem informados e, dessa forma, nao seguir suas açoes pode levar a ganhos inferiores. Chiang e Zheng (2010) nâo encontraram evidencias de manada nos mercados latino-americanos. A amostra no Brasil cobre 70 industrias de 1994 a 2009. Os autores sugerem que a crise desencadeia o movimento de manada no país e, entáo, produz um efeito sobre as economías vizinhas.

2.2. A evoluçâo dos métodos para mensurar o efeito manada

Lakonishok (1992) estudou o efeito manada analisando o grau de correlaçâo das negociaçoes dos investidores com o propósito de avaliar o efeito das transaçoes sobre os preços das açoes. Posteriormente, Christie e Huang (1995) analisaram o efeito a partir da dispersáo, que corresponde ao desvio-padráo transversal dos retornos. Esse método visa quantificar o quáo distante do retorno médio se encontram os retornos individuais, corroborando a premissa de que os investidores agem de acordo com as decisóes do grupo, conforme mencionado anteriormente. Também analisaram os períodos de estresse do mercado, acreditando que tal efeito aconteça, de forma mais frequente, em momentos incomuns.

Christie e Huang (1995) defenderam a ideia de que as decisóes de investimento dos agentes variam de acordo com as condiç0es de mercado. Assim, em períodos mais estáveis, a dispersáo dos retornos individuais em relaçâo aos retornos de mercado tenderá a aumentar, uma vez que, nesse cenário, a negociaçâo é feita com base nas informaç0es privadas disponíveis. Por outro lado, quando há movimentos de maior oscilaçâo, a tendencia é que os indivíduos passem a deixar suas opinióes de lado e optem por seguir as decisóes coletivas nas próximas negociaç0es. Assim, o retorno individual se aproxima do retorno do mercado, e dessa forma o efeito de manada pode ser verificado.

Chang, Cheng e Khorana (2000) realizaram um estudo baseado no método de Christie e Huang (1995), incluindo a análise dos retornos das aç0es por meio de regressáo linear. Além disso, eles observaram mercados financeiros desenvolvidos e em desenvolvimento e verificaram mudanças no efeito de manada em períodos envolvendo a abertura económica dos mercados asiáticos. Hwang e Salmon (2001) também utilizaram os estudos de Christie e Huang (1995) para definir seu método e incorporar modelos de fator linear para medir a sensibilidade dos retornos. Hwang e Salmon (2004) afirmam que na presença do efeito manada, a variaçâo transversal dos betas permanece baixa. Assim, os investidores tendem a seguir a carteira de mercado.

Hachicha (2010) destacou a existencia de duas correntes na literatura sobre o efeito manada, ambas mencionadas acima. Essa distinçâo está entre os estudos de Lakonishok et al. (1992) e Wermers (1995) - que analisaram a possibilidade de indivíduos seguirem os outros, medido pelo volume de negociaçâo - e os estudos de Christie e Huang (1995), Chang et al. (2000) e Hwang e Salmon (2001; 2004), que se concentraram na análise do efeito manada em nível de mercado, ou seja, na escolha de ativos específicos, com base na análise da dispersáo transversal de betas. Hachicha (2010) e Lakonishok, Shleifer e Vishny (1992) encontraram evidencias do efeito manada em aç0es de pequenas empresas, explicado pelo fato de haver menos informaç0es disponíveis, entáo os investidores passam a olhar para as atitudes dos demais agentes do mercado.

2.3. Estudos brasileiros anteriores

No Brasil, vários trabalhos analisaram o efeito de manada no mercado de aç0es. Silva e Lucena (2018) identificaram-no com base no modelo cross-sectional absolute deviation of returns (CSAD), proposto por Chang, Cheng e Khorana (2000). Seus resultados corroboraram a hipótese de que, em momentos de incerteza, os investidores ficam mais inseguros e tendem a agir de acordo com o comportamento de grupos maiores.

Zulian et al. (2012) analisaram o comportamento de manada nos fundos mutuos de aç0es no Brasil. Os resultados sugeriram a sua ocorrencia com intensidade semelhante a de países como Reino Unido, Alemanha e Estados Unidos. Tariki (2014) investigou o comportamento de manada de fundos mútuos no mercado brasileiro, utilizando o método desenvolvido por Lakonishok et al. (1992), de setembro de 2007 a outubro de 2013, encontrando fortes evidencias do efeito manada com intensidade que varia de acordo com o tamanho e a capitalizaçâo do fundo. Silva (2017) testou o método proposto por Chang, Cheng e Khorana (2000) e o modelo cross-sectional absolute deviation of returns (CSAD). O efeito de manada foi identificado durante a crise de 2008.

2.4. Método Christie e Huang (1995)

Nesse modelo, o efeito manada é medido por meio do desvio-padráo, ou dispersáo transversal dos retornos dos ativos em relaçâo ao retorno médio do mercado.

CSSD, = - E(?- ?) (1)

Onde, CSSDt é o desvio-padráo transversal, Rí, t é o retorno sobre os ativos i no período t, Rm, t é o retorno transversal médio da carteira de mercado, e N é o número de ativos a serem analisados. Esse método pode ser resumido como uma análise de regressáo linear em que o CSSD calculado corresponde a variável dependente, e existem duas variáveis categóricas (dummies), correspondendo as extremidades do retorno do mercado, ambas positivas e negativas. Assim, a dispersáo do mercado é testada, segundo Christie e Huang (1995), por meio da seguinte regressáo:

CSSD, = a + ß1 D Lt + ß2 D f + £t (2)

onde as variáveis dummy sáo DLt = 1, se os retornos do mercado estáo na extremidade inferior da distribu^áo, ou 0 caso contrário; e Dvt = 1, se os retornos do mercado estáo na extremidade superior do distribu^áo ou 0 caso contrário, e o coeficiente alfa representa a dispersáo média da amostra.

O método verifica se na presença do efeito manada os investidores se aproximam do consenso de mercado e, portanto, o retorno individual permanece próximo ao retorno do mercado. Considerando-se verdadeira a premissa de que os investidores tem maior probabilidade de suprimir suas crenças em períodos turbulentos, agindo de acordo com o consenso de mercado, eles esperavam encontrar os coeficientes ß1 e ß2 negativos e estatisticamente significativos.

2.5. Método Chang, Cheng e Khorana (2000)

Este método é aplicado para identificar a presença do efeito manada, com base no de CrossSectional Absolute Deviation of Returns (CSAD), que utiliza a média dos desvios absolutos dos retornos, considerada em ambos os métodos a melhor medida de dispersáo. Esse modelo testa se os investidores, em alguns momentos, tendem a deixar de lado suas crenças e opinióes para seguir as decisóes de um grupo, de forma que, nesses períodos, o retorno do individuo fique próximo ao retorno geral do mercado.

Chang, Cheng e Khorana (2000) propuseram esse método com base em Christie e Huang (1995), sendo apresentado como uma abordagem alternativa e menos rigorosa, uma vez que expandiram o estudo ao incluir a análise do comportamento do retorno sobre o patrimonio líquido por meio de regressáo linear. Além disso, afirmaram que em todos os mercados o aumento da dispersáo dos retornos (estimada pelo CSAD) em comparaçáo com o retorno agregado do mercado é maior em momentos de recuperaçáo do mercado do que em períodos de declínio. Isso se justifica porque o mercado tende a reagir mais rapidamente na presença de notícias macroeconômicas negativas.

Na presença de pequeños estoques, a repercussao para noticias positivas acontece mais tarde. Em comparaçao com o método anterior, esse modelo foi escolhido por ser uma medida menos intuitiva e, portanto, menos sensível a presença de valores discrepantes. É estimado da seguinte forma:

CSADř = ^Rt Rm,t! (3)

onde CSADt é o desvio absoluto transversal dos retornos, Ri,t, é o retorno do ativo i no tempo t, Rm é retorno médio do mercado no periodo t, e N é o número de ativos a serem analisados.

Esse método se baseia em um modelo de regressáo modificado, no qual um parámetro assimétrico é adicionado para identificar uma provável nao linearidade entre a dispersáo dos retornos dos ativos individuais e os retornos do mercado. Os autores argumentaram que na presença do efeito manada, em periodos conturbados, pode haver um crescimento nao proporcional ou diminuiçao, da medida CSAD com aumento de Rm 11. Porém, na ausencia desse comportamento, essa relaçao é linear e diretamente proporcional, seguindo os postulados do modelo de precificaçao de ativos. Essa relaçao nao linear entre dispersáo e retorno no mercado, que caracteriza a presença do efeito manada, é detectada a partir da seguinte equaçao de regressáo:

CSADt = a + ß |Rm,t| + ß2 Rm,t + £t (4)

Em relaçao ao modelo acima, verifica-se o efeito manada se o coeficiente ß2for negativo e estatisticamente significativo, devido a existencia de uma relaçao nao linear entre a dispersáo dos ativos e o retorno do mercado. Nesse cenário, percebe-se que o CSADt crescerá a taxas decrescentes ou diminuirá. No entanto, se o coeficiente ß2for positivo (ou negativo, mas nao significativo), isso denota a ausencia do efeito manada e confirma as suposiçoes do modelo CAPM. A inclusao do termo quadrático é responsável por tornar o método mais sensível e rigoroso. O modelo de Chang, Cheng e Khorana (CCK) permite investigar o efeito manada de forma assimétrica no mercado financeiro, seja em funçao dos retornos ou em funçao do volume negociado, por exemplo. Com base no retorno de mercado, para verificar assimetricamente a existencia do comportamento de manada, é necessário estimar as seguintes especificaçoes:

Teste de Assimetria - Retorno do mercado:

CSAD"P = a + ßfp ?| + ß"p (О2 + e t > se R_(m,t)>0 (5)

CSAD? = a + ß+ Ю + ß2° ?)2 + e , se R_(m,t)<0 (6)

onde CSADUP (CSADf) é o desvio absoluto transversal dos retornos, R. , em relaçao ao retorno do po rtfólio de mercado ponderado por igual, Rm, no tempo t, quando Rm está acima (down) e R^t (R¡Dt) é o valor absoluto de um retorno realizado igualmente ponderado da carteira de mercado, no tempo t, quando o mercado está em alta (baixa). Todas as variáveis sao estimadas diariamente.

2.6. Trade Imbalance Picture (TIP)

A TIP, apresentada por Pereira, Camilo-da-Silva e Barbedo (2020), mede o desequilibrio entre o número de ordens de compra e venda da Bolsa de Valores Brasileira (B3). Uma distinçao deve ser feita entre as expressóes "desequilibrios de ordens" e "desequilibrios de fluxo de transaçoes". O primeiro é usado em mercados orientados a cotaç0es, enquanto o último é usado em bolsas de valores sem formadores de mercado ou mercados orientados a pedidos. O desequilíbrio entre as ordens de compra e venda tem impacto na formaçao dos preços dos ativos (Cont, Kubanov e Stoikov, 2014). Esse efeito ocorre quando, por exemplo, há mais pedidos de compra do que de venda. A mesma coisa ocorre na situaçâo oposta. Outro ponto de influencia é que os desequilibrios de ordens podem indicar informaç0es privadas, o que reduziria a liquidez, considerando o aumento dos custos de estoque, e também poderia mover permanentemente o preço de mercado (Kyle, 1985). De acordo com Chordia et al. (2002), periodos de baixa de mercado tendem a ser seguidos por periodos de baixa liquidez. Chordia et al. (2004) definiram o desequilibrio da ordem de mercado como as ordens de compra agregadas diárias menos as ordens de venda divididas pelo número total de transaç0es em um determinado dia.

A TIP é um indice definido como a diferença entre o número de negociaç0es iniciadas pelo comprador e negociaç0es iniciadas pelo vendedor, dividido pela diferença entre o número total de negociaç0es e o número de negociaç0es que nao tem um agressor (neutro) em um determinado dia e em um determinado ativo. Ressalta-se que esse indice inclui a quantidade de transaç0es que nao apresentam agressor, ou seja, neutras, eliminando assim o erro residual dessa variável. A inclusäo desse indicador visa compreender como o desequilibrio afeta o mercado, a priori, identificando os momentos de ocorrencia, e a posteriori, testando a capacidade de determinar o efeito manada.

TIP = núm.trans.iniciadascomprador - núm.trans.miciadasvendedor núm.totaltrans. - núm.trans.neutras (7)

3.METODOLOGIA

3.1. Amostra e fonte dos dados

Nessa primeira fase de tratamento de dados e amostra, selecionamos os papéis de fechamento diário mais liquidos. Para aplicar os métodos desenvolvidos por Christie e Huang (1995) e Chang, Cheng e Khorana (2000), o indice de liquidez (IL) foi adotado como critério de escolha das aç0es (Argolo et al., 2012). Selecionamos 173 aç0es com IL maior que 0,01. Para o cálculo do TIP, foi utilizada a informaçao intradiária sobre as transaç0es realizadas no B3. Tal base de dados também permite identificar qual o disparador em cada negociaçao realizada. O periodo do estudo vai de janeiro de 2008 a maio de 2019. A base de dados da BM&FBovespa é composta por tres partes. As primeiras duas partes incluem dados sobre as ordens de compra e venda dos participantes do mercado, ou seja, o milionésimo de segundo de cada negociaçao, o código da bolsa, os volumes financeiros e o preço das aç0es. A terceira parte contém dados sobre aç0es negociadas como tipo de pedido (compra ou venda) e registro de data e hora do pedido. A partir desses dados, identificamos com precisao o agressor, definido como qual lado está exigindo liquidez, o comprador (um pedido iniciado pelo comprador) ou o vendedor (um pedido iniciado pelo vendedor).

3.2. Mediçâo do Efeito Manada e Testes

Para identificar o efeito manada, foram utilizados dois métodos: o primeiro, desenvolvido por Christie e Huang (1995), conhecido como CSSD (cross-sectional standard deviation), captura o efeito de manada por meio do desvio-padrao ou dispersao transversal dos retornos de ativos em relaçâo ao retorno médio do mercado. O segundo método foi o apresentado por Chang, Cheng e Khorana (2000), baseado no modelo cross-sectional absoluto de desvio dos retornos (CSAD). Tal modelo usa a média dos desvios transversais absolutos dos retornos.

Para aplicar o método de Christie e Huang (1995), estimamos o CSSD diário e os dias em que o Indice da Bolsa de Valores do Brasil (Ibovespa) apresentou suas maiores variaçoes nos retornos, Dut e DLt . Nesse caso, os retornos diarios iguais a 1, na extremidade superior ou inferior da distribuiçâo, representam os 10% mais elevados de variaçoes positivas ou negativas do retorno no período. Após essa definiçâo, as regressoes lineares foram estimadas usando o software R para testar a significancia de ß1 e ß2.

Para o método de Chang, Cheng e Khorana (2000), o CSAD diario e as dummies também foram estimadas para um posterior teste de assimetria. Quando o efeito manado foi identificado, sua relaçâo com variáveis possivelmente relevantes, como volume de negociaçâo (alta ou baixa), volatilidade (alta ou baixa), retornos (positivos ou negativos), desequilibrio de ordens (compra e venda) e sentimento do investidor (alta ou baixo) foram testados. Para análise assimétrica, foram utilizados os períodos correspondentes aos valores 25% mais altos e 25% mais baixos encontrados em determinadas circunstancias de mercado, tais como: volume, volatilidade, retorno, desbalanceamento das transaçoes e sentimento do investidor. Diante disso, os seguintes testes foram aplicados para verificar assimetricamente a presença do efeito manada:

Teste de Assimetria- Volume negociado:

Com base no volume de negociado (alto ou baixo), as seguintes regressoes foram estimadas para verificar assimetricamente o efeito de manada:

CSAD™ = a + ßl« ¡R™ | + ßl« (R™)2 + ? (8)

CSAD™ = a + ßZ |R? | + ßl' (R?)2 + ? (9)

onde CSAD™ (CSADV) é o desvio absoluto transversal dos retornos, R. , em relaçâo ao retorno do portfólio de mercado com peso igual, Rm, no tempo t, quando o volume de negociaçâo é alto (baixo) e ) é o valor absoluto de um retorno realizado de igual peso da carteira de mercado, no tempo t, quando o volume de negociaçâo é alto (baixo) . Todas as variáveis sâo estimadas diariamente.

Teste de Assimetria- Volatilidade:

Seguindo a mesma linha de estudo, em relaçâo a esse teste, foi feita a análise conforme a volatilidade (alta ou baixa) aplicando as equaçoes abaixo:

CSAD?" = a + ß?" |?| + ß?" (?)2 + £i (10)

CSAD?1 = a + ß" |fi¾ + ß?L (fl? )2 + ¾ (11)

onde, como na Equaçâo (8) e na (9), oH representa os períodos em que o mercado apresentou alta volatilidade, e oL denota períodos com baixa volatilidade.

Teste de Assimetria- Retornos:

Com base no retorno do mercado (positivo ou negativo), para verificar assimetricamente a existencia do comportamento manada, foi preciso estimar as seguintes especificaçoes a seguir:

ČSAD"? = a + ß"P IRZ К ßU2P (RmPt )2 + ? (12)

CSADß = a + ßß |R^tI + ß (R?,t)2 + ¾ (13)

onde, como na Equaçao (8) e (9), UP e D correspondem a períodos de desempenho anteriores ascendentes e descendentes, respectivamente.

Teste de Assimetria- Desequilibrio das ordens:

A partir dos dados intradiários da B3, foram calculados os números de transaçoes iniciadas pelo comprador, iniciadas pelo vendedor e neutras de cada ativo para cada dia.

CSAD¡IP+ = a + ßPIP+ |?+| + ßßIP+ (Щ+)2 + (14)

CSADIip~ = a + ßßIP- IR?IP-I + ßßIP~ (RßßiP-)2 + Et (15)

onde, como na Equaçao (8) e na 9), TIP+ e TIP- represe ntam os períodos de maior desequilibrio de compra e maior desequilibrio de venda, respectivamente.

Teste de Assimetria- Sentimento do investidor:

Por fim, as análises a seguir foram adicionadas para testar o sentimento do investidor.

CSADi· = a + ßj?+ |?| + ft?+ («S )2 + e, (16)

CSADt = a + ßt |fi?-t| + ßt (?)2 + e, (17)

onde, como na Equaçâo (8) e na (9), S + e S- correspondem ao periodo de melhor e pior sentimento do investidor, medido pela curtose da distribuiçâo de retorno de cada ativo.

Todos os modelos de regressáo foram executados usando o método dos mínimos quadrados ordinários. Na próxima seçâo, os resultados das análises sao apresentados. Após os testes de assimetria, foram realizados testes residuais para avaliar homocedasticidade (Breusch-Pagan), normalidade (Jarque-Bera) e independencia (Durbin-Watson e Breusch-Godfrey).

4.RESULTADOS

4.1. Efeito Manada

A Tabela 1 mostra os resultados dos métodos CSSD e CSAD de 2008 a 2018. No método CSSD, quando o retorno do mercado está nos 10% superiores (ou 90%) e quando o retorno do mercado está nos 10% inferiores (ou 90% ), o coeficiente é quase sempre estatisticamente significativo, mas nao negativo. No método CSAD, do período 2009-2015 e do ano 2018, o coeficiente ß2 é sempre negativo e estatisticamente significativo. Também realizamos o método de Chiang e Zheng (2010) como uma verificaçao de robustez.

Esse resultado corrobora a afirmaçao de Almeida (2011) de que, embora os métodos sejam semelhantes, nem sempre apresentam o mesmo resultado. Os resultados obtidos com o método CSAD, no período 2009-2015 e no ano de 2018, indicam a presença do efeito manada. Esses resultados mostram que a medida CSAD está subindo ou caindo de forma nao linear em relaçao ao retorno médio do mercado.

Em 2008 e no período 2016-2017, o coeficiente ß2 é negativo, mas näo estatisticamente significativo. Assim, nao foi possível detectar a ocorrencia do efeito manada, ao mesmo tempo em que nao foi possível contradizer os pressupostos da relaçao linear e diretamente proporcional entre a dispersao e o retorno de mercado.

Cabe salientar que o efeito manada nao foi identificado no ano da crise, mas sim no ano seguinte, quando ocorreu uma significativa recuperaçao dos preços na bolsa brasileira. Portanto, uma análise detalhada desse período é necessária para um melhor entendimento do comportamento de manada nos momentos de baixa e alta do Ibovespa.

O método CSSD nao identificou o efeito de manada em nenhum ano. O método CSAD identificou o efeito de 2009 a 2015 e em 2018. Os resultados da abordagem de Chiang e Zheng (2010) sao apresentados na terceira coluna como uma verificaçâo de robustez. No método CSAD, o coeficiente negativo e significativo em relaçao ao retorno ao quadrado mostra que nesses anos a dispersao dos retornos diminuiu com o aumento do retorno de mercado, o que contradiz o modelo linear de mercado e indica a presença do efeito manada. Os resultados mostram um nível de persistencia do comportamento de manada ao longo do tempo.

4.2.Efeito Manada e características de mercado

Christie e Huang (1995) apresentaram a ideia de que as decisóes de investimento dos agentes se ajustam as condiç0es de mercado. Nesse cenário, o objetivo desta análise é diagnosticar como o efeito de manada se comporta em relaçao a determinadas condiç0es de mercado. Assim, foram realizados testes de assimetria para avaliar a existencia de efeito de manada em relaçao aos períodos que corresponderam aos 25% maiores e 25% menores valores de volume de negocios, volatilidade, valorizaçao e desvalorizaçao do mercado, desequilíbrio das ordens de compra e venda, e sentimento do investidor.

Os testes de assimetria foram realizados selecionando para cada variável a ser testada, os dias em que ocorreu a situaçao avaliada e executando a regressao do modelo CSAD para essa amostra. Caso o efeito de manada seja identificado por um coeficiente negativo e significativo para o termo "quadrado do retorno", assume-se que a variável tem relaçao com presença do efeito manada. Para garantir a validade da regressao, foram realizados testes de resíduos avaliando homocedasticidade, normalidade e independencia. A independencia foi verificada pelos testes de Durbin-Watson e Breusch-Godfrey, enquanto para homocedasticidade o teste de Breusch-Pagan foi aplicado para determinar se as variâncias dos erros eram iguais, uma suposiçao que deve ser atendida.

A normalidade dos resíduos foi verificada pelo teste de Jarque-Bera. Para cada análise, uma regressao foi estimada usando o método de Chang, Cheng e Khorana (2000).

4.2.1.O Efeito manada e o volume negociado

Hachicha (2010) propôs uma nova medida, inspirada na abordagem de Lakonishok, Shleifer e Vishny (1992) e Hwang e Salmon (2004), usando o volume de negocios para examinar o efeito do rebanho na bolsa de Toronto. Da mesma forma, neste estudo, analisamos se a presença do efeito manada difere quanto ao volume de negocios no mercado de aç0es, analisado de acordo com a assimetria.

Conforme explicado na Tabela 1 sobre o método CSAD, o coeficiente ß2 deve ser negativo e estatisticamente significativo para indicar um efeito de manada. Para períodos de grande volume de negocios, verificou-se a existencia de coeficiente ß2 negativo e estatisticamente significativo, compatível com a hipótese de comportamento de manada. Esses resultados corroboram Hachicha (2010), que concluiu que um grande volume de negocios é condiçao necessária para a existencia

Conforme a tabela anterior, a partir de agora, espera-se um coeficiente ß2negativo e estatisticamente significativo para identificar um efeito manada e para confirmar a independencia e homocedasticidade dos residuos. Como pode ser observado na Tabela 4, em períodos de alta volatilidade, o coeficiente ß2 é negativo e significativo, indicando a presença do efeito manada. Esses resultados corroboram o estudo de Silva, Barbedo e Araújo (2015), que afirmam que esse fenómeno está comumente associado a periodos de maior volatilidade e é atribuido ao componente humano na negociaçâo de ativos. Por outro lado, nos periodos de baixa volatilidade apresentados na Tabela 5, o coeficiente ß2 é positivo, o que rejeita a existencia do efeito manada. Além disso, a homocedasticidade é rejeitada por meio do teste de Breusch-Pagan, e a heteroscedasticidade é assumida em periodos de baixa volatilidade. Isso sugere que se o mercado apresenta baixa volatilidade, isso permite que os investidores sigam suas próprias conclusóes sem a necessidade de a&ecedil;óes repentinas.

4.2.3.Efeito manada e o retorno do mercado

A Tabela 6 mostra que näo há efeito em periodos de valorizaçâo do mercado. Essa análise corrobora Hachicha (2010), que argumentou que em periodos de baixo risco e alta dos preços das aç0es, o efeito de manada diminui. A Tabela 7 mostra a presença do efeito manada durante a retraçâo do mercado, apesar de a heteroscedasticidade ser assumida nesses periodos.

Esse fato corrobora a ideia de que o mercado está mais sujeito a reagir rapidamente diante de noticias negativas. Ou seja, em momentos de queda, o mercado tende a atuar de forma sincrona, apresentando comportamento de manada.

4.2.4.Efeito manada e o desbalanceamento de ordens

Para entender o efeito de manada por meio do desequilibrio de ordens, medimos os períodos com TIPs mais altas e mais baixas. A Tabela 8 mostra que o efeito de manada näo é observado quando o desequilíbrio de mercado foi motivado por ordens de compra, mas a Tabela 9 indica a ocorrencia de efeito de manada quando o desequilibrio de mercado é motivado por ordens de venda. Isso sugere que um movimento intenso de vendas pode gerar incerteza nos agentes, fazendo com que se desfaçam de suas açoes.

Esses resultados confirmam o que foi verificado em periodos de retraçao do mercado, uma vez que os periodos de baixos retornos indicaram a presença do efeito manada. Esse fato corrobora Martins, Paulo e Albuquerque (2013), os quais afirmam que poucos negocios sao esperados nos dias em que nao ocorrem eventos de informaçao e boas noticias, enquanto mais ordens de venda sao esperadas nos dias nos quais predominam as más noticias.

4.2.5.Efeito manada e o sentimento do investidor

As Tabelas 10 e 11 apresentam os resultados dos testes de assimetria para o indice de sentimento do investidor, com base em suas visóes otimistas e pessimistas e como isso afeta os preços de mercado. Xavier e Machado (2017) comentam que a análise desse indice no mercado brasileiro é nova e deve ser aprofundada, mas pode influenciar na precificaçao de todos os ativos. Em ambos os casos, o coeficiente que indica o efeito manada nao é significativo. O que difere nas análises é que o coeficiente ß2 da Tabela 10 é positivo, enquanto o da Tabela 11 é negativo. Porém, na ausencia de significancia estatistica, esse fato nao determina a existencia de comportamento de manada, o que sugere a nao interferencia do sentimento do investidor no efeito.

4.3.Discussóes dos resultados

A Tabela 12 consolida os resultados e mostra que a ocorrencia de comportamento de manada no periodo estudado esteve associada ao alto volume de negociaçao, alta volatilidade, retraçao do mercado e desequilibrio da negociaçao por parte dos vendedores.

Os resultados corroboram Christie e Huang (1995), Silva e Lucena (2018), Chiang e Zheng (2010) e Bhaduri e Mahapatra (2013), que argumentaram que o efeito manada é mais provável de acontecer em tempos de retraçâo do mercado, pois isso gera incerteza dos investidores, e eles escolhem seguir as decisóes dos demais. Esses resultados mostram que, após um bom desempenho anterior e em uma proporçâo maior de pedidos iniciados pelo comprador, os investidores estáo menos propensos a agir em sincronia. A principal contribuiçâo do artigo é identificar que o comportamento de manada reage assimetricamente ao sinal dos choques passados. Retornos negativos implicam maior volatilidade (Black, 1976). Junto com o alto volume de negociaçâo e o desequilibrio de negociaçâo direcionado aos vendedores, isso sugere que o comportamento de manada ocorreu apenas após as quedas do mercado.

5.CONCLUSÓES

O objetivo deste artigo foi investigar a ocorrencia do efeito manada no mercado acionário brasileiro e sua relaçâo com variáveis que representam os momentos de estresse do mercado.

Testamos as relaç0es entre os periodos de efeito de manada identificados e o volume diário de negociaçâo, volatilidade, bom e mau desempenho do mercado, sentimento do investidor e desequilibrio entre as ordens de compra e venda. Os resultados sugeriram que o comportamento de manada depende do alto volume de negociaçâo, alta volatilidade dos retornos, desaceleraçâo do mercado e desequilibrio entre as transaçoes com dominancia por parte das transaçoes disparadas por vendedores.

Os resultados do alto volume de negociaçâo sugerem a existencia de um grupo de investidores que influencia as decisóes de terceiros. O mesmo nâo ocorre para ativos com baixo volume. Em relaçâo aos periodos de maior volatilidade, o comportamento é atribuido a incerteza gerada nos agentes de mercado. A ocorrencia do efeito de manada em desaceleraç0es do mercado destaca a ligaçâo entre o efeito de manada e os periodos de crise. Esses resultados corroboram as premissas de que os agentes sâo mais propensos a imitar os outros quando enfrentam periodos de perda iminente. Por fim, nâo foi possivel verificar a presença do efeito manada relacionado a periodos de alto e baixo sentimento do investidor. Em relaçâo ao desequilibrio das ordens, o efeito de manada só foi verificado quando o desequilibrio do mercado foi motivado por ordens de venda. Isso sugere que um movimento intenso de venda pode gerar incerteza nos agentes, fazendo com que eles se desfaçam de suas aç0es. Os resultados sâo importantes na medida em que destacam um fenómeno comportamental que se opóe a teoria moderna de finanças.

Sidebar

CONTRIBUIÇ0ES DE AUTORIA

PFCLS - Contribuiçâo principal com a definiçâo de problemas, desenvolvimento de hipóteses, revisâo de literatura, resultados e análises.

EC-S - Contribuiçâo principal com a definiçâo do problema, desenvolvimento de hipóteses, método, resultados e conclusöes.

CHSB - Contribuiçâo principal com a definiçâo do problema, desenvolvimento de hipóteses, método e discussâo.

CONFLITO DE INTERESSE

Os autores afirmam que nâo há conflito de interesses.

Footnote

NOTAS

1 Esta área de estudo é conhecida como microestrutura de mercado, área que analisa a influencia dos mecanismos de negociaçâo na formaçâo dos preços de equilibrio. O desequilibrio entre as transaçöes de compra e venda em bolsa foi verificado através do índice denominado TIP (Trade Imbalance Picture) segundo Pereira, Camilo-da-Silva e Barbedo (2020).

References

6.REFERENCIAS

Almeida, R. 2011. O comportamento manada em mercados acionários Latino-Americanos. 76 f. Dissertaçâo (Mestrado em Administraçâo) - Programa de P0s-Graduaçâo em Administraçâo, UFSC, Florianópolis, 2011. Available in https://repositorio.ufsc.br/bitstream/ handle/123456789/95396/290155.pdf?sequence=1&isAllowed=y.

Araujo Neto, L. M.; Freire, F S. Comportamento Manada: Estudo aplicado em estudando do curso de ciencias contábeis. Revista de Informaçâo Contábil - RIC, Pernambuco, Vol. 7, no 1, p. 2334, jan./mar. 2013. Available in https://periodicos.ufpe.br/revistas/ricontabeis/article/view/7972.

Araujo Neto, L. M. de et al. Efeito manada no mercado de capitais: um estudo com gerentes de bancos públicos do Distrito Federal. RACE, Revista de Administraçâo, Contabilidade e Economia, Joaçaba: Ed. Unoesc, v. 15, n. 2, p. 601-620, maio/ago. 2016. Available in <http://editora.unoesc. edu.br/index.php/ race>.

Argolo, E.F.B., Leal, R.P.C., & Almeida, V. S.(2012). O modelo de Fama e French é aplicável no Brasil? Rio de Janeiro: COPPEAD.

Banerjee, A. A Simple model of herd behavior. The Quarterly Journal of Economics, v. 107, n. 3, p. 797-817, Aug. 1992

Bhaduri, S.; Mahapatra, S. Applying an alternative test of herding behavior: A case study of the Indian stock Market. Journal of Asian Economics. v. 25, p. 43-52, 2013. DOI: 10.1016/j. asieco.2013.02.001

Black, F. (1976). Studies in stock price volatility changes, Proceedings of the 1976 Meeting of the Business and Economic Statistics Section, American Statistical Association, pp. 177-181.

Chang, E., Cheng, J. and Khorona, A. An examination of Herding behavior in equity markets: an international perspective. Journal of Banking &Finance, vol. 24, pp. 1651-1679, 2000. DOI: 10.2139/ssrn.181872

Chiang T., Zheng, D. 2010. An empirical analysis of herd behavior in global stock markets. Journal of Banking & Finance. v 34, 8, pp 1911-1921.

Chordia, T., Roll R., Subrahmanyam A. Order imbalance, liquidity and market returns. Journal of Financial Economics 65: 111-130, 2002. https://doi.org/10.1016/S0304-405X(02)00136-8 Chordia, T., Roll R., Subrahmanyam A. Evidence on the speed of convergence to market efficiency. Journal of Financial Economics 76: 271-292, 2004. https://doi.org/10.1016/j.jfineco.2004.06.004

Christie, W.G., Huang, R.D. Following the pied piper: Do individual returns herd around the market? Financial Analysts Journal, July-August, 31-37. 1995. DOI: 10.2469/faj.v51.n4.1918

Cipriani, M., Guarino, A. Herding behavior and Contagion in Financial Markets. Institute for International Economic Policy Working Paper Series. IIEP-WP-2010-1

Cont, R., Kubanov, A., Stoikov, S. The price impact of order book events. Journal of financial econometrics, 12(1), 47-88, 2014. DOI: 10.1093/jjfinec/nbt003

Devenow, A., Welch, I., 1996. Rational herding in financial economics. European Economic Review 40, 603-615.

Hachicha, N. New Sight of herding behavioural through trading volume. Economics Discussion Papers, n. 2010-11 February, 2010. Available in http://www.economics-ejournal.org/economics/ discussionpapers/2010-11.

Hwang, S. Salmon, M. A New Measure of Herding and Empirical Evidence. Financial Econometrics Research Centre - Working Paper Series. London, 2001. DOI: 10.1.1.11.9488

Hwang, S. Salmon, M. Market Stress and Herding. Journal of Empirical Finance, v. 11, n. 4, p.585616, 2004. DOI: 10.1016/j.jempfin.2004.04.003

Kyle, A. Continuous auctions and insider trading. Econometrica 53, 1315-1335, 1985. DOI: 10.2307/1913210

Kutchukian, E. 2010. O efeito manada nos fundos de investimento no Brasil: um teste em finanças comportamentais. Dissertaçao (mestrado) - Fundaçao Getúlio Vargas - Escola de Administraçao de Empresas de Sao Paulo, Sao Paulo. Available in http://bibliotecadigital.fgv.br/dspace/ handle/10438/4921.

Lakonishok, J., Shleifer, A. and Vishny, R. W The impact of institutional trading on stock prices, Journal of Financial Economics 32, 23-43, 1992 DOI: 10.1016/0304-405X(92)90023-Q.

Liang, B. 2017. Uma investigaçao do efeito manada nos fundos de investimento imobiliário brasileiros. Dissertaçao (mestrado) - Escola de Administraçao de Empresas de Sao Paulo, Fundaçao Getúlio Vargas - (FGV) Available in http://hdl.handle.net/10438/19521.

Majerowicz, I, 2017. Houve efeito manada no Mercado de açöes brasileiro entre 2010 e 2015 - Uma análise a partir do modelo de CCK. Dissertaçao (mestrado) - Pontificia Universidade Católica do Rio de Janeiro - PUC. Rio de Janeiro. Available in http://www2.dbd.puc-rio.br/pergamum/ tesesabertas/1512735_2017_completo.pdf.

Martins, O. S.; Paulo, E.; Albuquerque, P. H. M. Negociaçao com informaçao privilegiada e retorno das açöes na BM&FBovespa. Revista de Administraçao de Empresas - FGV-EAESP, v. 53, n. 4, p. 350-362, 2013. Available in http://dx.doi.org/10.1590/S0034-75902013000400003

Pereira, G.; Camilo-Da-Silva, E; Barbedo, C. 2020. Trading Imbalance, Liquidity and Stock Returns: Evidence from Brazil, Latin American Business Review, DOI: 10.1080/10978526.2019.1701482

Rajan, R.G., 1994. Why credit policies fluctuate: A theory and some evidence. Quarterly Journal of Economics 436, 399-442.

Scharfstein, D.S., STEIN, J.C., 1990. Herding behavior and investment. American Economic Review 80, 465-479.

Silva, J.; Barbedo, C.; Araújo, G. Há Efeito Manada em Açöes com Alta Liquidez do Mercado Brasileño? Banco Central, Brasilia, n. 386, p. 1 - 19, abr. 2015. Available in http://www.bcb.gov. br/pec/wps/port/TD386.pdf.

Silva, V. 2017. Finanças Comportamentais: Análise dos Fatores do Efeito Manada em Empresas Listadas na [B]3- Brasil Bolsa Balcâo. Dissertaçâo (mestrado) - Universidade Federal da Paraíba. Joáo Pessoa - Paraíba. Available in https://repositorio.ufpb.br/jspui/bitstream/123456789/1933/1/ VMS04092017.pdf.

Silva, V; Lucena, W. Finanças Comportamentais: Análise dos Fatores do Efeito Manada em Empresas Listadas na [B]3- Brasil Bolsa Balcâo. XVIII USP Internacional Conference in Accounting. Sao Paulo, jul. 2018. Available in www.congressousp.fipecafi.org.

Tariki, F. 2014. Evidencia do efeito manada em fundos de renda variável na indústria de fundos brasileira. Dissertaçâo (mestrado) - Fundaçâo Getúlio Vargas - FGV. Sâo Paulo. Available in http://hdl.handle.net/10438/12001.

Wermers, R. 1995. Herding, Trade Reversals, and Cascading by Institutional Investors. University of Colorado, Boulder.

Xavier, G. C; Machado, M. A. V. Anomalias e Sentimento do Investidor: Evidencias Empíricas no Mercado Brasileiro. Revisâo da Administraçâo Brasileira, Rio de Janeiro, v.14, no.3.set.2017. Available in http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1807-76922017000300302.

Zulian, B, Kimura, H. Basso, L. Estudo de Índices de Comportamento de Manada em Fundos Brasileiros de Investimentos em Açöes. Revista Alcance, v.19, n. 1, 2012. DOI: 10.14210/alcance. v19n1.p07-23.