Printer Friendly

Comovements between Brazilian economic sectors: a nonlinear approach/Comovimentos entre setores economicos Brasileiros: uma abordagem nao linear.

1 INTRODUCAO

Em 2008, o Brasil adentrou no grupo dos paises considerados bons cumpridores de suas obrigacoes financeiras, dando a ele a conquista de grau de investimento pela agencia de risco Standard & Poor's, o que trouxe a reducao do risco-pais e das taxas de juros dos tomadores brasileiros de credito (CAROLO, 2008). Com isso, o pais comeca a presenciar um novo contexto economico, transcendente as efemeras especulacoes vinculadas aos fluxos de capitais, com fortalecimento da protecao contra riscos indesejados (hedge) e maximizacao dos retornos esperados dos investidores no mercado acionario. (SILVA; SANTO E SILVA, 2003)

Isso vai de encontro aos aspectos que caracterizavam o mercado de acoes do Brasil ate entao e dificultavam uma maior elevacao do nivel financeiro-economico desse mercado, tais como: i) maior volatilidade do mercado, e consequente aumento na incerteza sobre as informacoes presentes nas acoes; ii) maior concentracao do mercado acionario, seja pelo reduzido numero de acoes negociados, seja pelo alto controle acionario das empresas inseridas; iii) elevados juros que incentivam a compra de titulos publicos, enfraquecendo as acoes privadas; entre outros; iv) preconceito das empresas em abrir capital no mercado acionario; entre outros. (NOBREGA et al., 2000)

Nao obstante, com tal descaracterizacao e incentivo ao mercado financeiro brasileiro, setores economicos do pais comecam a apresentar sinais de solidez economica frente a crises globais, com destaque a mais recente, atrelada aos subprimes imobiliarios norte-americanos em 2008. Com isso, surgem oportunidades de negocios que eram consideradas apenas perspectivas para empresas locais e multinacionais de areas economicas como infraestrutura, industria de base, bens de consumo, varejo e bancos (ANDRADE; FONTINI; JONS JR., 2007). Mais do que isso, nao apenas por um conhecimento do panorama economico pos-crise, atenta-se para o impacto entre os setores economicos no mercado acionario, exclusivamente no que tange aos relacionamentos de curto e de longo prazo, que influem na tomada de decisao do investidor.

Uma dessas influencias esta atrelada a arbitragem tomada pelo investidor entre dois ou mais setores. Elementos como: i) custos de transferencia, transporte e de oportunidade--ver mais em Gonzales-Rivera e Helfand (2001), assim como: ii) barreiras comerciais; ii) informacao imperfeita; iv) aversao ao risco; e v) presenca monopolistica, oligopolista, monopsonica ou oligopsonica, em um ou mais setores (SEXTON et al. ,1991; NOGUEIRA et al., 2005), desencorajam o uso da arbitragem pelo investidor, devido ao fato desta ocorrer quando diferencas de precos sao substancias e o retorno esperado e maior que o valor desses custos. (TSAY, 1998)

Especificamente, a arbitragem eleva os precos no setor que tem o preco mais baixo (mais barato) associado a queda de precos no setor mais caro, e caberia a Lei do Preco Unico igualar os precos nos dois mercados a longo prazo (BARBOSA et al., 2002). Quanto mais presenciaveis forem os elementos citados anteriormente, na relacao de um ou mais setores entre si, minima sera a: i) transmissao de precos entre esses setores; assim como menores as chances de se: ii) igualar precos a longo prazo e: iii) considerar esses setores cointegrados (BALCOME; BAILEY; BROOKS, 2007; FEDERICO, 2007). No entanto, tais setores, mesmo com todas essas restricoes, podem estar integrados e nao terem precos cointegrados, ja que elementos impactantes na transmissao de precos desses agentes, ditos anteriormente, podem apresentar nao estacionariedade. (BARRET, 1996; BARRET, 2001)

Contudo, faz-se presente tambem o historico de metodologias que observaram a influencia de elementos decorrentes dos relacionamentos entre setores espacialmente separados e cujos precos estao em desvio sob a Lei do Preco Unico--ver mais em Krugman e Obstfeld (2005): conforme Mattos et al. (2010), diversos estudos reconheceram a importancia dessas informacoes (sobretudo de custos de transacao) na cointegracao entre mercados, entre eles Balke e Fomby (1997), Goodwin e Holt (1999), Goodwin e Piggott (2001), Lo e Zivot (2001), Abdulai (2002), Sephton (2003), Meyer (2004), Ben-kaabia et al. (2005), entre outros.

Estritamente a este estudo, a fim de atender ao objetivo de verificar possiveis relacoes entre os indices setoriais que influenciam no mercado financeiro brasileiro, sera utilizado o modelo de cointegracao em diversos indices setoriais da economia brasileira, com base na correcao de erro vetorial em threshold (TVECM). Nesse modelo, o ajuste dos precos nao precisa ocorrer instantaneamente, e sim quando o desvio exceder um limite critico, permitindo, dessa forma, a presenca de nao arbitragem (BALKE; FOMBY, 1997). Alem disso, o problema da nao estacionariedade tambem e resolvido: mesmo quando duas variaveis (ou mais) sejam nao estacionarias, pode existir uma combinacao de ambas que apresente estacionariedade, levando a um relacionamento estavel (um equilibrio em longo prazo), no qual esta representado no modelo de correcao de erro vetorial que compartilha a tendencia estocastica comum (ENGLE; GRANGER, 1987). Essas observacoes serao vistas com maior detalhe na metodologia.

Foram selecionados os seis principais indices encontrados na Bolsa de Valores, Mercadorias e Futuros (BMF&Bovespa), a saber: i) indice setorial de Telecomunicacoes (ITEL), que medira o comportamento do setor de telecomunicacoes; ii) indice de Energia Eletrica (IEE), que mensurara o comportamento do setor de Energia Eletrica; iii) indice do Setor Industrial (INDX), que examinara o desempenho das acoes mais representativas do setor; iv) indice de Consumo (ICON); que observara o comportamento das acoes das empresas representativas dos setores de consumo ciclico e nao ciclico; v) Indice Imobiliario (IMOB), que medira o comportamento das acoes das empresas representativas dos setores da atividade imobiliaria (construcao civil, intermediacao imobiliaria e exploracao de imoveis); e vi) Indice Financeiro, que medira o comportamento das acoes das empresas que compreendem o setor financeiro (IFNC) (intermediarios financeiros, servicos financeiros diversos e previdencias e seguros). Alem disso, esses indices terao representacao amostral em cotacoes diarias que compreende o periodo de 2 de janeiro de 2008 a 30 de setembro de 2010, totalizando 680 observacoes.

Alem dessa Introducao, o presente trabalho sera estruturado da seguinte forma: a Secao 2 explanara sobre os indices pertencentes a BM&F/Bovespa que compoem o presente estudo; na Secao 3, serao apresentados os aspectos metodologicos desta pesquisa, expondo a natureza dos dados utilizados, bem como o procedimento econometrico acerca dos modelos de cointegracao; na Secao 4, sera apresentada a analise dos resultados obtidos, e na Secao 6 serao expostos as conclusoes do artigo em questao.

2 INDICES SETORIAIS

Os indices da BM&F/Bovespa sao indicadores de desempenho de um conjunto de acoes, ou seja, mostram a valorizacao de um determinado grupo de papeis ao longo do tempo. Os precos das acoes podem variar por fatores relacionados a empresa ou por fatores externos, como o crescimento do pais, do nivel de emprego e da taxa de juros. Assim, as acoes de um indice podem apresentar um comportamento diferente no mesmo periodo, podendo ocorrer valorizacao ou ao contrario, desvalorizacao.

Com base nessa otica, essa secao apresenta os indices da BM&F/Bovespa que integram o presente estudo, enfatizando suas caracteristicas principais, assim como sua pontuacao e calculada. Tais informacoes estao baseadas nos documentos disponiveis no site oficial da BM&F/Bovespa. Cumpre ressaltar que companhias que estejam sob o regime de recuperacao judicial, processo falimentar, situacao especial, ou ainda que tenham sofrido ou estejam em prolongado periodo de suspensao de negociacao nao integrarao os indices expostos.

Para computacao dos indices foram empregados o indice de negociabilidade (IN), que visa mensurar a participacao de cada acao nas carteiras teoricas, e a formula de calculo dos indices, que objetiva quantificar 0 nivel deles. As formulacoes [1] e [2] representam, respectivamente, o indice de negociabilidade e a formula de calculo dos indices.

IN = [square root of ([[n.sub.i]/N] x [[v.sub.i]/V])]. [1]

Onde [n.sub.i] e o numero de negocios com a acao i no mercado a vista (lote-padrao); N e o numero total [v.sub.i] de negocios a vista (lote-padrao) na BM&F/Bovespa; volume financeiro gerado pelos negocios com a acao "i" no mercado a vista; V e o volume financeiro total--o mercado a vista da BM&F/Bovespa; e IN e o indice de negociabilidade.

[Indice.sub.t] = [[[summation].sup.n.sub.i=1][Q.sub.i,t-1][P.sub.i,t]]/[[[summation].sup.n.sub.i=1][Q.sub.i,t- 1][P.sub.i,t-1]]. [2]

Onde n numero de acoes integrantes da carteira teorica do indice; [Q.sub.i,t] quantidade teorica da acao i disponivel a negociacao no dia t; [P.sub.i,t] e o preco da acao i no fechamento do dia t.

2.1 Indice Setorial de Telecomunicacoes

A BM&F/Bovespa considera que, decorridos alguns anos da cisao e da privatizacao da Telebras (efetuada em julho de 1998), o setor de telecomunicacoes ja concluiu a maior parte das reestruturacoes acionarias que eram esperadas como etapa seguinte a privatizacao, ja permitindo, dessa forma, a mensuracao consistente da negociacao das empresas desse importante setor.

Dessa forma foi criado o Indice Setorial de Telecomunicacoes (ITEL), que tem por objetivo oferecer uma visao segmentada do mercado acionario, medindo o comportamento do setor de telecomunicacoes. O indice inclui tanto acoes de empresas de telefonia fixa quanto de empresas de telefonia celular listadas na BM&F/Bovespa. Tendo essa consistencia em vista, a BM&F/Bovespa fixou a base de 1.000 pontos do ITEL para a data de 30 de dezembro de 1999, quando entao as empresas resultantes da cisao da Telebras ja estavam sendo negociadas ha aproximadamente um ano. (BM&F/BOVESPA, 2010)

Nao obstante, para compor o ITEL e necessario ter participacao em termos de volume financeiro superior a 0,01% do volume do mercado a vista da BM&F/ Bovespa nos ultimos 12 meses; obter participacao em termos de presenca em pregao superior a 80% nos ultimos 12 meses; e apresentar valor minimo de valor de mercado das acoes em circulacao de R$ 20 milhoes. A mesma empresa pode ter mais de uma acao participando do indice, desde que cada acao atenda isoladamente aos criterios de inclusao.

2.2 Indice de Energia Eletrica

O Indice de Energia Eletrica (IEE) tem por objetivo oferecer uma visao seccionada do mercado acionario, medindo o comportamento do setor de energia eletrica. O IEE e composto pelas acoes das empresas mais representativas do setor de energia eletrica listadas na BM&F/Bovespa, que tem igual peso na carteira teorica do indice. Essas acoes devem atender aos criterios de inclusao descritos abaixo.

Assim sendo, pertencem a carteira do indice as acoes que possuem participacao em termos de volume financeiro igual a, no minimo, 0,01% do volume do mercado a vista da BM&F/Bovespa nos ultimos 12 meses, foram negociadas em no minimo 80% do total de pregoes do periodo, e que tenha apresentado no minimo dois negocios por dia em pelo menos 80% dos pregoes em que foi negociada. Uma empresa participa da carteira somente com seu tipo mais liquido, ou seja, aquele que apresentar o maior indice de negociabilidade no periodo. (BM&F/BOVESPA, 2010)

2.3 Indice do Setor Industrial

Fruto de um convenio entre a FIESP e a BM&F/ Bovespa, o Indice do Setor Industrial (INDX) foi desenvolvido com o objetivo de medir o desempenho das acoes mais representativas do setor industrial, importante segmento da economia brasileira. Sua carteira teorica e composta pelas acoes mais representativas da industria, que sao selecionadas entre as mais negociadas na BM&F/Bovespa em termos de liquidez e sao ponderadas na carteira pelo valor de mercado das acoes disponiveis a negociacao.

Integrarao a carteira do INDX as acoes que tiverem sido emitidas por empresas classificadas em um dos subsegmentos do setor industrial com registro de negociacao na BM&F/Bovespa, forem uma das 150 acoes com maior indice de negociabilidade apurados nos doze meses anteriores a formacao da carteira, tiverem sido negociadas em pelo menos 70% dos pregoes ocorridos nos doze meses anteriores a formacao da carteira. (BM&F/BOVESPA, 2010)

2.4 Indice de Consumo

O Indice BM&F/BM&F/Bovespa de Consumo (ICON) tem por objetivo oferecer uma visao direcionada do mercado acionario, medindo o comportamento das acoes das empresas representativas dos setores de consumo ciclico e nao ciclico. As acoes componentes sao selecionadas por sua liquidez, e sao ponderadas nas carteiras pelo valor de mercado das acoes disponiveis a negociacao.

Nao obstante, o ICON e composto pelas empresas listadas na BM&F/Bovespa mais representativas dos setores de consumo ciclico e nao ciclico, que atendem aos criterios de inclusao descritos abaixo. (BM&F/ BOVESPA, 2010)

Dessa forma, sao incluidas na carteira do indice as acoes que obtem inclusao em uma relacao de acoes cujos indices de negociabilidade somados representem 98% do valor acumulado de todos os indices individuais nos ultimos 12 meses antes da formacao da carteira e que possuem participacao em termos de presenca em pregao igual ou superior a 95% no periodo.

A mesma empresa pode ter mais de uma acao participando da carteira, desde que cada acao atenda isoladamente aos criterios de inclusao. Empresas com menos de 12 meses de listagem somente sao elegiveis se tiverem mais de seis meses de negociacao, e se apresentarem no minimo 95% de presenca em pregao nos ultimos seis meses do periodo de analise.

2.5 Indice Imobiliario

O Indice BM&F/Bovespa Imobiliario (IMOB) tem

por objetivo oferecer uma visao focada do mercado acionario, medindo o comportamento das acoes das empresas representativas dos setores da atividade imobiliaria compreendidos por construcao civil, intermediacao imobiliaria e exploracao de imoveis. As acoes componentes sao selecionadas por sua liquidez, e sao ponderadas nas carteiras pelo valor de mercado das acoes disponiveis a negociacao.

O IMOB e composto pelas empresas listadas na BM&F/Bovespa mais representativas dos seguintes setores do ramo imobiliario: construcao civil, intermediacao imobiliaria e exploracao de imoveis, que estejam incluidas em uma relacao de acoes cujos indices de negociabilidade somados representem 98% do valor acumulado de todos os indices individuais, e que obtenham participacao em termos de presenca em pregao igual ou superior a 95% no periodo.

A mesma empresa pode ter mais de uma acao participando da carteira, desde que cada acao atenda isoladamente aos criterios de inclusao. Empresas com menos de 12 meses de listagem somente sao elegiveis se tiverem mais de seis meses de negociacao, e se apresentarem no minimo 95% de presenca em pregao nos ultimos seis meses do periodo de analise. (BM&F/ BOVESPA, 2010)

2.6 Indice Financeiro

O Indice BM&F/Bovespa Financeiro (IFNC) tem por objetivo oferecer uma visao segmentada do mercado acionario, medindo o comportamento das acoes das empresas representativas dos setores de intermediarios financeiros, servicos financeiros diversos e previdencia e seguros. As acoes componentes sao selecionadas por sua liquidez, e sao ponderadas nas carteiras pelo valor de mercado das acoes disponiveis a negociacao.

Sao incluidas na carteira do indice as acoes que atenderem aos seguintes criterios, com base nos 12 meses anteriores: i) inclusao em uma relacao de acoes cujos indices de negociabilidade somados representem 98% do valor acumulado de todos os indices individuais; ii) participacao em termos de presenca em pregao igual ou superior a 95% no periodo.

A mesma empresa pode ter mais de uma acao participando da carteira, desde que cada acao atenda isoladamente aos criterios de inclusao. Empresas com menos de 12 meses de listagem somente sao elegiveis se tiverem mais de seis meses de negociacao, e se apresentarem no minimo 95% de presenca em pregao nos ultimos seis meses do periodo de analise. (BM&F/ BOVESPA, 2010)

3 ASPECTOS METODOLOGICOS

Nesta secao, o presente trabalho apresenta aspectos metodologicos necessarios para a estimacao das relacoes entre os indices setoriais que influenciam no mercado financeiro brasileiro e respectiva analise. Para tanto, sao delineados a delimitacao do estudo e a natureza dos dados, bem como das etapas a serem realizadas para a plicacao do modelo de cointegracao proposto.

3.1 Delimitacao

Visando estimar as relacoes intersetoriais dos indices previamente expostos, para que se possa conhecer a realidade sem nela interferir ou modifica-la, o presente trabalho tem carater descritivo longitudinal em sua pesquisa. Sob esse carater, serao apresentadas as caracteristicas das series temporais desses indices, sobremaneira de suas relacoes de longo prazo, sem ter o compromisso de explicar os fenomenos que as descrevem, embora esses fenomenos sejam a base de explicacao para tanto. (VIEIRA, 2002; GIL, 2002)

Diante disso, a fim de auferir qual dentre os indices pertencentes a BM&F/Bovespa, contidos no presente estudo, apresentam cointegracao, foram coletados dados, representantes do nivel dos indices em pontos para estimacao dos retornos, compreendidos entre as datas de 2 de janeiro de 2008 a 31 de dezembro de 2011, totalizando 989 observacoes. A escolha desse intervalo de tempo se deu pela necessidade de obter o mesmo numero de dias de negociacao para cada indice, na intencao de evitar qualquer tipo de vies temporal, coletando dados que se iniciam na data de implementacao do indice mais recentemente implementado pela BM&F/Bovespa. Alem disso, como se trata de uma analise com modelos de longo prazo, e de fundamental importancia utilizar o maior numero de observacoes possivel, mesmo que elas contenham periodos de forte turbulencia.

3.2 Threshold Cointegration

Quando se trata de series temporais, uma das principais preocupacoes para realizar uma analise estatistica e a estacionariedade. Conforme Tsay (2010), em sua forma fraca, a estacionariedade de uma serie temporal implica em sua expectativa, variancia e autocovariancia serem finitas e invariantes com o tempo. No entanto, existem consideraveis argumentos teoricos (SAMUELSON, 1965) e empiricos (NELSON; PLOSSER, 1982) a favor da presenca da nao estacionariedade em series economicas, especialmente para a classe das diferenciaveis. Uma serie diferenciada (integrada) e definida como uma serie que e nao estacionaria, mas cuja diferenca e estacionaria.

Introduzido por Engle e Granger (1987), o conceito de cointegracao tornou-se um passo indispensavel na analise de series temporais nao estacionarias. A ideia subjacente e que, mesmo que duas variaveis (ou mais) sejam nao estacionarias, pode existir uma combinacao de ambas que apresente estacionariedade. Esta ferramenta econometrica leva a interpretacnes interessantes sobre a maneira como variaveis apresentam um relacionamento estavel (um equilibrio a longo prazo), podendo ser representado em um modelo de correcao de erro vetorial, compartilhando uma tendencia estocastica comum.

Nesse sentido, o primeiro passo para efetuar a analise proposta neste estudo e verificar se as series compostas pelos precos de negociacao dos indices setoriais sao integradas de mesma ordem. Para tanto, serao aplicados os seguintes testes: i) Dickey- Fuller Aumentado (ADF), proposto por Dickey e Fuller (1981); ii) Dickey-Pantula, introduzido por Dickey e Pantula (1987); iii) KPSS, desenvolvido por Kwiatkowski et al. (1992), e; iv) teste ADF com minimos quadrados generalizados (ADF-GLS), proposto por Elliot et al. (1996). Os testes verificarao as series em nivel e em primeira diferenca

Dessa forma, apos verificar a ordem de integracao das series estudadas, sera utilizado o procedimento de cointegracao proposto por Engle e Granger (1987), visando auferir se existe a presenca de um equilibrio de longo prazo, ou seja, a relacao entre as variaveis e estavel. Para tanto, sera efetuado um teste de presenca de raiz unitaria nos residuos do relacionamento entre as series temporais, ou seja, sua combinacao linear (TSAY, 2010). A representacao do relacionamento de longo prazo entre as series temporais analisadas esta representada na formulacao [3].

[I.sub.1,t] - [beta][I.sub.2,t] = [e.sub.t]. [3]

Na formulacao [3], [l.sub.1,t] e [l.sub.2,t] sao, respectivamente, os precos de negociacao dos indices no instante t; [beta] e uma constante; [e.sub.t] e o termo de residuo da relacao de longo prazo entre as series. Dessa equacao e possivel obter o vetor de cointegracao (1, -[beta]).

Tal conceito recebeu um interesse significativo devido ao teorema conhecido como representacao de Granger, que afirma que as variaveis cointegradas possuem um modelo vetorial de correcao de erro (VECM), que pode ser visto como um modelo VAR, incluindo uma variavel que representa os desvios do equilibrio de longo prazo. Esse modelo visa efetuar ajustes em curto prazo para corrigir os desvios ocorridos no equilibrio de longo-prazo. O VECM a ser estimado esta exposto na formulacao [4].

[MATHEMATICAL EXPRESSION NOT REPRODUCIBLE IN ASCII]. [4]

Na formulacao [4], EC[T.sub.t1] = [l.sub.1t - 1] - [[beta].sub.12,t-1] onde [l.sub.1t] e [l.sub.2t] sao, respectivamente, os precos de negociacao dos indices no instante t; [DELTA] [l.sub.1t] e [DELTA] [l.sub.2t] sao, respectivamente, as diferencas entre os precos de negociacao dos dias t e t-1; [beta] e [[alpha].sub.ij], sao constantes; [[epsilon].sub.1,t] e [[epsilon].sub.2,t] sao os residuos do modelo de correcao de erro dos indices, respectivamente.

Dessa forma, para escolher o numero de defasagens empregadas na estimacao do VECM, o criterio de informacao de Akaike (AIC), (Akaike, 1973; Akaike, 1974). A representacao matematica de tal criterio esta exposta na formulacao [5].

AIC = log [[1/N] [[summation].sup.N.sub.i=1] [([y.sub.t] - [[??].sub.t]).sup.2]] + [2/k]N [5]

Em que k e o numero de parametros no modelo; N e o numero de observacoes; yt e o valor observado da variavel dependente do modelo no tempo t; yt e o valor estimado da variavel dependente do modelo no instante ; Nao obstante, apos estimacao do modelo VECM, por meio do teste Q de Ljung e Box (1978), representado pela formulacao [6], que testa a hipotese nula de que os dados sao aleatorios contra a alternativa de nao aleatoriedade deles, procurou-se identificar a presenca de correlacao serial no modelo.

Q = n(n + 2)[[summation].sup.h.sub.k=1] [[[??].sup.2.sub.k]/[n - k]] [6]

Na formulacao [6], n e o tamanho da amostra; [[??].sup.2.sub.k] e a autocorrelacao da amostra na defasagem k; h e o numero de defasagens sendo testadas. A estatistica Q de Ljung e Box segue a distribuicao de qui-quadrado ([chi square]).

Analisar o comportamento de variaveis economicas com base em apenas um regime pode nao captar a realidade, devido a complexidade inerente ao mercado. Assim sendo, Balke e Fomby (1997) enfatizam que, no conceito de cointegracao, ha o pressuposto implicito de que o ajustamento dos desvios do equilibrio de longo prazo e feito instantaneamente a cada periodo. Existem, contudo, argumentos na teoria economica para invalidar esta hipotese de linearidade. (LEVY et al., 1997; DUTTA et al., 1999; DAMANIA; YANG, 1998; WARD, 1982)

Buscando solucionar essa questao, Balke e Fomby (1997) introduziram o conceito de cointegracao limiar (threshold cointegration), que permite levar em consideracao as principais criticas levantadas contra cointegracao linear. Neste modelo, o ajuste nao precisa ocorrer instantaneamente, e sim quando o desvio exceder um limite critico. Eles baseiam seu processo de adaptacao no modelo self-exciting threshold auto-regressive (SETAR), introduzido por Chan (1983) e amplamente discutido em Tong (1990). No modelo

SETAR, os coeficientes autorregressivos (defasados) tomam diferentes valores, dependendo se o valor previo esta acima ou abaixo de certo limiar, exibindo regime de alteracoes dinamicas. Enquanto o trabalho de Balke e Fomby (1997) centrou-se na representacao da relacao de longo prazo, a extensao para um threshold VECM (TVECMM) foi feita por varios autores, sendo o limiar de regimes aplicado no termo de correcao de erro (GRANGER; LEE, 1989; SEO, 2006) ou nas defasagens e intercepto (HANSEN; SEO, 2002; LO; ZIVOT, 2001). Nao obstante, no presente estudo sera aplicado o limiar de regimes tanto nos coeficientes dos termos de correcao de erro, como no intercepto e defasagens. A representacao matematica do modelo utilizado esta exposta nas formulacoes [7] e [8].

[MATHEMATICAL EXPRESSION NOT REPRODUCIBLE IN ASCII]. [7]

[MATHEMATICAL EXPRESSION NOT REPRODUCIBLE IN ASCII]. [8]

Nas formulacoes [9] e [10], L, M e H indicam os regimes de baixa, media e alta, respectivamente; c, a e [[beta].sub.i] sao parametros; EC[T.sub.t-1] = [l.sub.1t-1] - [beta] [l.sub.2t-1] , onde [l.sub.1,t] e [l.sub.2,t] sao, respectivamente, os precos dos indices no instante t; [DELTA][Pbr.sub.t] e [DELTA][Par.sub.t] sao, respectivamente, as diferencas entre os precos de negociacao dos dias t e t-1; [[epsilon].sub.1,t] e [[epsilon].sub.2,t] sao os residuos do modelo de correcao de erro dos indices setoriais, respectivamente. Visando estimar o numero adequado de defasagens do modelo, bem como verificar a sua presenca de correlacao serial, serao aplicados os procedimentos explicitados anteriormente.

Assim sendo, serao estimados os relacionamentos de longo prazo entre os indices setoriais contidos neste estudo, de tal forma que, por motivos de espaco, serao apresentados apenas os estreitamentos que obtiverem significancia estatistica. De posse dos modelos de cointegracao linear e com uso de limiares para regimes, sera feita a analise dos resultados obtidos. Finalmente, os modelos estimados serao comparados no que tange ao ajuste, por intermedio dos criterios apresentados anteriormente.

4 ANALISE DOS RESULTADOS

Inicialmente, a Figura 1 apresenta os dados utilizados. Visando auferir os possiveis equilibrios de longo prazo entre os setores presentes neste artigo, por meio da estacionariedade dos residuos desses relacionamentos, foram efetuados testes de raiz unitaria nos residuos das equacoes estimadas a partir dos dados coletados. Dessa forma, verificou-se que apenas os residuos dos relacionamentos entre os setores Financeiro-Energia Eletrica e Financeiro-Consumo sao estacionarios. Tal resultado confirma a existencia de um equilibrio em longo prazo entre esses indices setoriais. Primeiramente, serao analisados os resultados obtidos para o relacionamento IFNC e IEE, e posteriormente aqueles encontrados para a relacao entre IFNC e ICON.

Assim sendo, para o relacionamento IFNC-IEE foi obtido o vetor de cointegracao (1, -0,1545). Dessa forma, foi possivel estimar o vetor de correcao de erro para este relacionamento. Os resultados deste modelo estao presentes na Tabela 1.

Como pode ser auferido, com base nos resultados expostos na Tabela 1, alem do relacionamento de longo prazo previamente estimado, ocorreu transmissao de retornos do IEE para o IFNC com impacto negativo, como indicam os coeficientes significativos que correspondem a um e tres dias de negociacao defasados. Tal impacto nao se deu em sentido inverso. Ainda, verificou-se que o termo de correcao de erro foi significativamente diferente de zero na equacao que representa os retornos do setor financeiro, evidenciando que desequilibrios do relacionamento em longo prazo sao ajustados por meio do modelo de curto prazo. Alem disto, os resultados calculados para as estatisticas Q indicam a nao ocorrencia de correlacao serial nos residuos das series estimadas por meio do modelo TVECM.

Posteriormente, visando obter um quadro mais flexivel, condizente com a realidade, foi estimado o modelo TVECM, responsavel por captar o relacionamento de curto prazo com divisao por regimes. Os resultados obtidos sao exibidos na Tabela 2.

Nesse sentido, verificou-se a existencia de dois limiares (163,3 e 275,9), implicando na formatacao com tres regimes (baixa, media e alta). Inicialmente, percebe-se a predominancia de dados pertencentes ao regime de baixa (82,7%), seguido de media (10,6%) e alta (6,6%). No que tange a transmissao de retornos entre os indices, o modelo TVECM apresenta diferencas em relacao ao VECM comum. Tais diferencas se dao fundamentalmente no sentido de, no regime de alta, os retornos do IEE sofrerem impacto significativo dos resultados do IFNC, evidenciando que, em situacoes distintas da normalidade (maioria dos casos) o relacio namento de curto prazo entre estes setores sofre alteracoes. Corroborando com a utilizacao de regimes, ha o fato de o modelo TVECM ter obtido melhor ajuste se comparado com o VECM, como aponta o menor valor do AIC. Ainda, percebe-se que nao houve correlacao serial nas series estimadas pelo modelo TVECM, como indicado pelas estatisticas Q calculadas.

Nao obstante, para o relacionamento IFNC-ICON foi obtido o vetor de cointegracao (1, -2,317710). Dessa forma, foi possivel estimar o vetor de correcao de erro para esse relacionamento. Os resultados deste modelo estao presentes na Tabela 3.

Como pode ser percebido, com base nos resultados expostos na Tabela 1, alem do relacionamento de longo prazo previamente estimado, ocorreu transmissao de retornos entre ICON e IFNC com impacto negativo dos resultados de periodos de negociacao defasados do setor de consumo e positivo para retornos passados do setor financeiro, como indicam os coeficientes significativos que correspondem a um e tres dias. Alem disso, os resultados calculados para as estatisticas Q indicam a nao ocorrencia de correlacao serial nos residuos das series estimadas por meio do modelo TVECM. Entretanto, verificou-se que o termo de correcao de erro nao foi significativamente diferente de zero em nenhuma das equacoes que representam os retornos dos indices setoriais, evidenciando que desequilibrios do relacionamento em longo prazo nao foram ajustados por meio do modelo de curto prazo. Visando contornar tal questao, foi estimado o modelo TVECM para captar o relacionamento de curto prazo entre IFNC e ICON. Os resultados obtidos sao apresentados na Tabela 4.

Assim sendo, verificou-se a existencia de dois limiares (2,83 e 27,36), implicando em uma formatacao com tres regimes (baixa, media e alta). Primeiramente, percebe-se a predominancia de dados pertencentes aos regimes de baixa (49,6%) e alta (45,4%), com pouco restando ao regime de media (5%). No que tange a transmissao de retornos entre os indices, tanto no regime de alta como de media, os retornos do IFNC sofreram impacto significativo dos resultados do ICON. Porem o regime de alta, ao oposto do de media, nao apresentou termo de correcao de erro significativo. Ja no regime de baixa, houve transmissao bilateral entre os retornos destes setores, alem de termo de correcao de erro significativo. Novamente, o modelo TVECM obteve melhor ajuste se comparado com o VECM, como aponta o menor valor do AIC. Ainda, percebe-se que nao houve correlacao serial nas series estimadas pelo modelo TVECM, como indicado pelas estatisticas Q calculadas.

5 CONSIDERACOES FINAIS

O presente artigo apresentou como objetivo a observacao de possiveis relacoes entre indicadores setoriais que estao presentes no mercado financeiro brasileiro, com o emprego do modelo de cointegracao de correcao de erro vetorial em threshold (TVECM). Foram considerados os indices dos seguintes setores: Telecomunicacoes (ITEL), Energia Eletrica (IEE), Industrial (INDX), Consumo (ICON), Imobiliario (IMOB) e Financeiro (IFNC), todos concernentes ao banco de dados disponibilizado pela BM&F/Bovespa, num total de 680 observacoes.

Contudo, ao aplicar o metodo, foram constatados, que entre todas as relacoes de indices setoriais, apenas as relacoes IFNN-IEE e IFNC-ICON obtiveram vetores de co-integracao, e respectiva transmissao de precos. No entanto, ressalta-se a possibilidade da existencia de cointegracao entre outros indices setoriais, mesmo sem ter a presenca de precos cointegrados, sob os quais os relacionamentos sao regidos em elementos transcendentes a transmissao de retornos de precos entre os setores (BARRET, 1996; 2001). Tal relacionamento traz uma implicacao estrategica da otica do investidor, a dificuldade de diversificacao em ativos desses setores. Isso porque o comovimento entre os setores leva a ganhos e perdas de forma conjunta, contrariando a ideia de um investimento cobrir perdas de outro.

Como resultado, o relacionamento IFNC-IEE apresentou, por meio do modelo VECM, um vetor de cointegracao (1, -0,1545), sob qual foi estimado um relacionamento de longo prazo cuja transmissao de retornos, de impacto negativo, se deu do indice de Energia Eletrica para o Financeiro, com defasagens de um e tres dias de negociacao. Tambem, por meio de correcao de erro significativamente diferente de zero, foi constatado desequilibrios do relacionamento em longo prazo ajustados mediante modelo de curto prazo.

No entanto, mediante a estimacao do modelo TVECM nesse relacionamento, percebe-se a predominancia de dados ao regime de baixa dos retornos (82,7%). Contudo, diferentemente do modelo anterior, nos periodos de alta e verificado que os retornos do indice do setor de Energia Eletrica apresentam impactos significativos dos resultados obtidos pelo indice do setor Financeiro, evidenciando que o relacionamento de curto prazo entre esses setores sofrem alteracoes. Tais alteracoes podem ser advindas de elementos como custos de transacao, barreiras de entrada, imperfeicoes da informacao, aversoes a riscos e aspectos de concorrencia imperfeita que dificultam a arbitragem nesses setores. (GONZALES-RIVERA; HELFAND, 2001; SEXTON et al., 1991; NOGUEIRA et al., 2005; TSAY, 1998)

Para o relacionamento IFNC-ICON, o modelo VECM apresentou vetor de cointegracao (1, -2,317710), cujo relacionamento de longo prazo estimado proporcionou transmissao de retornos, cujo impacto e negativo para o setor de Consumo e positivo para os retornos defasados em um e tres dias para o Setor Financeiro. Conseguinte, mediante correcao de erro, foi observado que desequilibrios de longo prazo nao foram ajustados por meio do modelo de curto prazo.

A fim de encontrar esse equilibro foi utilizado o modelo TVECM, em regimes que predominam baixas (49,6%) e altas (45,4%). No regime de baixa foi observado equilibrio de longo prazo ajustados ao modelo de curto prazo, com transmissao bilateral entre os retornos desses setores; ao contrario, no regime de alta tal equilibrio com ajuste nao ocorre, e a transmissao de retornos e de impacto negativo para IFNC.

Alem disso, tanto no relacionamento IFNC-IEE como no relacionamento IFNC-ICON, foi verificado um melhor ajuste do modelo TVECM em relacao ao modelo VECM, tendo ambos nao apresentando correlacao serial dos residuos nas series estimadas.

Como limitacao, o presente trabalho destaca: i) dificuldade de acesso a todas as informacoes que especifiquem os relacionamentos intersetoriais para melhor analise dos resultados; ii) discrepancia amostral no que tange as cotacoes dos diferentes indices setoriais pesquisados; e iii) impossibilidade de empregar todas os indicadores dos setores existentes;

Por fim, sugere-se que, em futuros estudos acerca do tema, sejam estabelecidos estudos aprofundados a respeito de aspectos teoricos que envolvam estes e outros relacionamentos intersetoriais, assim como possiveis aplicacoes de diferentes indices setoriais na economia domestica e internacional.

DOI: http://dx.doi.org/10.5007/2175-8077.2014v16n38p63

Artigo recebido em: 25/09/2012

Aeito em: 25/06/2013

REFERENCIAS

ABDULAI, A. Using threshold cointegration to estimate asymmetric price transmission in the Swiss pork market. Applied Economics, London, v. 34, p. 679-687, 2002.

AKAIKE, H. A new look at the statistical model identification. IEEE Transactions on automatic control, New York, n.19, 1974.

AKAIKE, H. Information theory and an extension of the maximum likelihood principle. Proceedings of the 2nd International Symposium of Information Theory, 1973.

ANDRADE, E; FANTONI, R. B.; JONES JR., W. B. O futuro dos negocios no Brasil. The McKinsey Quarterly. Maio de 2007. Disponivel em: <http://download. mckinseyquarterly.com/ LA-BrazilCorpPerformance_ Portuguese.pdf>. Acesso em: 15 ago. 2010.

BALCOMBE, K.; BAILEY, A.; BROOKS, J. Threshold effects in price transmission: the case of Brazilian wheat, maize and soya prices. American Journal of Agricultural Economics, New York, v. 89, n. 2, p. 308323, 2007.

BALKE, N. S.; FOMBY, T. B. Threshold Cointegration. International Economic Review, Osaka, v. 38, n. 3, p. 627-645, Aug. 1997.

BARBOSA, M. Z.; MARGARIDO, M. A.; NOGUEIRA JUNIOR, S. Analise da elasticidade de transmissao de precos no mercado brasileiro de algodao. Nova Economia, Belo Horizonte, v. 12, n. 2, p. 79-108, jul. dez. 2002.

BARRET, C. B. Market analysis methods: are our enriched toolkits well suited to enlivened markets? American Journal of Agricultural Economics, New York, v. 78, n. 3, p. 825-829, 1996.

BARRET, C. B. Measuring Integration and Efficiency in International Agricultural Markets. Review of Agricultural Economics, East Lansing, v. 23, n. 1, p. 19-32, 2001.

BEN-KAABIA, M.; GIL, J. M.; AMEUR, M. Vertical integration and non-linear price adjustments: the Spanish poultry sector. Agribusiness, New York, v. 21, n. 2, p. 253-271, 2005.

BM&F/BOVESPA. Bolsa de Valores, Mercadorias e Futuros de Sao Paulo. Indices de BM&F/Bovespa, 2010. Disponivel em: <http://www.bmfbovespa.com.br/indices/ BuscarIndices.aspx?idioma=pt-br>. Acesso em: 15 ago. 2010.

CAROLO, Alexandre. Brasil conquista grau de investimento da Standard & Poor's. Jornal Cana--Mercado & Cotacoes, p. 38-40. Maio, 2008. Disponivel em: <http://www.jornalcana.com.br/ pdf/173/%5Cmerccot.pdf>. Acesso em: 18 ago. 2010.

CHAN, K. S. Consistency and limiting distribution of the least squares estimation of a threshold autoregressive model. The Annals of Statistics, Hayward, 21, 520-533, 1993.

DAMANIA, R.; YANG, B. Z. Price Rigidity and Asymmetric Price Adjustment in a Repeated Oligopoly. Journal of Institutional and Theoretical Economics, Tubingen, v. 154, n. 4, 1998.

DICKEY, D. A.; FULLER, W. A. Likelihood ratio statistics for auto-regressive time series with a unit root. Econometrica, Menasha, v. 49, n. 4, p. 1.057-1.072, 1981.

DICKEY, D.; PANTULA, S. Determining the Order of Differencing in Autoregressive Processes. Journal of Business & Economic Statistics, Washington, v. 5, n. 4, p. 455-461, 1987.

DUTTA, S. et al. Menu costs, posted prices, and multiproduct retailers. Journal of Money, Credit, and Banking, Columbus, v. 31, n. 4, p. 683-703, 1999.

ELLIOTT, G.; ROTHENBERG, T.; STOCK, H. Efficient tests for an autoregressive unit root. Econometrica, Menasha, v. 64, p. 813-836, 1996.

ENGLE, R. F.; GRANGER, C. W. Co-integration and Error-correction: representation, estimation and testing. Econometrica, Menasha, v. 55, p. 251-76, 1987.

FEDERICO, G. Market integration and market efficiency: the case of 19th century Italy. Exploration in Economic History, Orlando, v. 44, p. 293-316, 2007.

GOODWIN, B. K.; HOLT, M. T. Price transmission and asymmetric adjustment in the U.S. beef sector. American Journal of Agricultural Economics Oxford, v. 81, n. 3, p. 630-637, Aug. 1999.

GOODWIN, B. K.; PIGGOTT, N. E. Spatial market integration in the presence of threshold effects. American Journal of Agricultural Economics, Oxford, v. 83, n. 2, p. 302-317, May, 2001.

HANNAN, E. J.; QUINN, B. G. The Determination of the Order of an Autoregression, Journal of the Royal Statistical Society, London, B, 41, 190-195, 1979.

HANSEN, B. E.; SEO, B. Testing for two-regime threshold cointegration in VECMtor error-correction models. Journal of Econometrics, Amsterdam, v. 110, p. 293-318, 2002.

KRUGMAN, P. R.; OBSTFELD, M. Economia internacional: teoria e politica. Sao Paulo: Pearson Addison Wesley, 2005. 558 p.

KWIATKOWSKI, D. et al. Testing the Null Hypothesis of Stationarity against the Alternative of a Unit Root. Journal of Econometrics, Amsterdam, v. 54, p. 159-178, 1992.

LEVY, D. et al. The Magnitude of Menu Costs: Direct Evidence From Large U. S. Supermarket Chains. The Quarterly Journal of Economics, Cambridge, v. 112, n. 3, p. 791-825, 1997.

LJUNG, G. M.; BOX, G. E. P On a Measure of a Lack of Fit in Time Series Models. Biometrika, Cambridge, n. 65, p. 297-303, 1978.

LO, M. C.; ZIVOT, E. Threshold Cointegration and Nonlinear Adjustment to the Law of One Price. Macroeconomic Dynamics, New York, v. 5, p. 533-576, 2001.

--. Threshold cointegration and nonlinear adjustment to the law of one price. Macroeconomic Dynamics, New York, v. 5, n. 4, p. 533- 576, 2001.

MACKINNON, J. Critical values for cointegration tests. Long-run economic relationships: readings in cointegration. Oxford: Oxford University Press, 1991.

MATTOS, L. B. et al. Transmissao de precos entre mercados regionais de carne de frango no Brasil. Universidade Federal de Vicosa - UFV. Revista de Economia e Agronegocio, Vicosa, MG, v. 8, n. 1, p. 85-97, 2010.

MEYER, J. Measuring market integration in the presence of transaction costs: a threshold VECMtor error correction approach. Agricultural Economics, Prague, v. 31, n. 21, p. 327-334, 2004.

NELSON, C. R.; PLOSSER, C. I. Trends and Random Walks in Macroeconomic Time Series: Some Evidence and Implications. Journal of Monetary Economics, Amsterdam, v. 10, n. 2, p. 139-162, 1982.

NOBREGA, M. et al. O mercado de capitais: sua importancia para o desenvolvimento e os entraves com que se defronta no Brasil. Tendencia - consultoria integrada Bovespa, Sao Paulo, maio 2000. Disponivel: <http://www.bovespa.com.br>. Acesso em: 18 ago. 2010.

NOGUEIRA, F T. P; AGUIAR, D. R. D.; LIMA, J. E. Integracao espacial no mercado brasileiro de cafe arabica. Nova Economia, Belo Horizonte, v. 15, n. 2, p. 91-112, 2005.

SAMUELSON, P. Proof That Properly Anticipated Prices Fluctuate Randomly. Industrial Management Review, Cambridge, v. 6, p. 41-49, 1965.

SCHETTKAT, Ronald; YOCARINI, Lara. The shift to services employment: a review of the Literature. Structural Change and Economic Dynamics, Amsterdam, v. 17, p 127-147, 2006.

SCHWARZ, G. Estimating the dimension of a model. Annals of statistics, Cleveland, n. 6, 1978.

SEPHTON, P. S. Spatial market arbitrage and threshold cointegration. American Journal of Agricultural Economics, Oxford, v. 85, n. 4, p. 1.041-1.046, nov. 2003.

SEXTON, R. J.; KLING, C. L.; CARMAN, H. F. Market integration, efficiency of arbitrage, and imperfect competition: methodology and application to U.S. celery. American Journal of Agricultural Economics, Oxford, v. 73, n. 3, p. 569-580, 1991.

SILVA, W. V.; SANTO, E. L.; SILVA, L. S. C. Cointegracao entre os precos da soja cotados nos mercados brasileiro e norte-americano: uma analise empirica, Caderno de Pesquisas em Administracao, Sao Paulo, v. 10, n. 3, p. 69-78, julho-setembro, 2003.

TONG, H. Non-Linear Time Series. A Dynamical System Approach. Oxford: Oxford Science Publications, 1990.

TSAY, R. S. Testing and modeling multivariate threshold models. Journal of the American Statistical Association, New York, v. 93, p. 1.188-1.202, 1998.

TSAY, R. S. Analysis of financial time series. 3. ed. New York, John Wiley & Sons, 2010.

WARD, R. Asymmetry in Retail, Wholesale and Shipping Point Pricing for fresh Vegetables. American Journal of Agricultural Economics, Oxford, v. 64, n. 2, p. 205-212, 1982.

Marcelo Brutti Righi

Doutorando do Programa de Pos-Graduacao em Administracao. Universidade Federal de Santa Maria. Santa Maria, RS. Brasil.

E-mail: marcelobrutti@hotmail.com

Sergio Guilherme Schlender

Mestrando do Programa de Pos-Graduacao em Administracao. Universidade Federal de Santa Maria. Santa Maria, RS. Brasil.

E-mail: sergio.schlender1@gmail.com

Paulo Sergio Ceretta

Professor do Programa de Pos-Graduacao em Administracao. Universidade Federal de Santa Maria. Santa Maria, RS. Brasil.

E-mail: ceretta10@gmail.com

Tabela 1: Modelo VECM estimado para o relacionamento IFNC-IEE

SETOR                            COEFICIENTES

                      ECT-1        [DELTA]IFNC-1    [DELTA]IEE-1

[DELTA]IFNC       -0,048 (0,014)   0,189 (0,055)   -0,049 (0,013)
[DELTA]IEE        -0,063 (0,061)   0,101 (0,237)   -0,069 (0,056)
[DELTA]IC
Teste Q
  ([DELTA]IFNC)
Teste Q
  ([DELTA]IEE)

SETOR                           COEFICIENTES

                  [DELTA]IFNC-2    [DELTA]IEE-2    [DELTA]IFNC-3

[DELTA]IFNC       -0,107 (0,056)   0,013 (0,013)   0,009 (0,055)
[DELTA]IEE        -0,242 (0,239)   0,050 (0,057)   0,239 (0,237)
[DELTA]IC
Teste Q
  ([DELTA]IFNC)
Teste Q
  ([DELTA]IEE)

SETOR             COEFICIENTES

                      AIEE-3

[DELTA]IFNC       -0,030 (0,013)
[DELTA]IEE        -0,110 (0,056)
[DELTA]IC            12628,34
Teste Q           8,5191 (p valor
  ([DELTA]IFNC)     = 0,3845)
Teste Q           6,2352 (p valor
  ([DELTA]IEE)      = 0,6209)

* Resultados significativos ao nivel de 5% em negrito.

Fonte: Elaborada pelos autores deste artigo

Tabela 2: Modelo TVECM estimado para o relacionamento IFNC-IEE

REGIME            SETOR                  COEFICIENTES

                                     ECT-1    [DELTA]IFNC-1

Baixa (82,7%)     [DELTA]IFNC       -0,063        0,152
                                    (0,001)      (0,011)
                  [DELTA]IEE        -0,105       -0,262
                                    (0,194)      (0,300)
Media (10,6%)     [DELTA]IFNC       -0,018        0,005
                                    (0,590)      (0,981)
                  [DELTA]IEE        -0,090       -0,234
                                    (0,520)      (0,779)
Alta (6,6%)       [DELTA]IFNC       -0,029        0,598
                                    (0,311)      (0,010)
                  [DELTA]IEE        -0,018        3,594
                                    (0,882)     (2,6e-04)
AIC               12619,22
Teste Q           7,2516 (p-valor = 0,5097)
  ([DELTA]IFNC)
Teste Q           9,2327 (p-valor = 0,3230)
  ([DELTA]IEE)

REGIME            SETOR                  COEFICIENTES

                                    [DELTA]IEE-1   [DELTA]IFNC-2

Baixa (82,7%)     [DELTA]IFNC          -0,037         -0,080
                                      (0,011)         (0,188)
                  [DELTA]IEE           -0,022         -0,207
                                      (0,719)         (0,422)
Media (10,6%)     [DELTA]IFNC          -0,041          0,091
                                      (0,335)         (0,638)
                  [DELTA]IEE           0,033           0,917
                                      (0,855)         (0,260)
Alta (6,6%)       [DELTA]IFNC          -0,074         -0,319
                                      (0,262)         (0,321)
                  [DELTA]IEE           -0,698          0,864
                                      (0,012)         (0,524)
AIC               12619,22
Teste Q           7,2516 (p-valor = 0,5097)
  ([DELTA]IFNC)
Teste Q           9,2327 (p-valor = 0,3230)
  ([DELTA]IEE)

REGIME            SETOR                  COEFICIENTES

                                    [DELTA]IEE-2   [DELTA]IFNC-3

Baixa (82,7%)     [DELTA]IFNC          0,024           0,011
                                      (0,106)         (0,854)
                  [DELTA]IEE           0,144           0,379
                                      (0,021)         (0,132)
Media (10,6%)     [DELTA]IFNC          -0,099         -0,074
                                      (0,024)         (0,706)
                  [DELTA]IEE           -0,545         -0,706
                                      (0,003)         (0,394)
Alta (6,6%)       [DELTA]IFNC          0,104          -0,047
                                      (0,143)         (0,873)
                  [DELTA]IEE           0,070           0,109
                                      (0,815)         (0,930)
AIC               12619,22
Teste Q           7,2516 (p-valor = 0,5097)
  ([DELTA]IFNC)
Teste Q           9,2327 (p-valor = 0,3230)
  ([DELTA]IEE)

REGIME            SETOR             COEFICIENTES

                                    [DELTA]IEE-3

Baixa (82,7%)     [DELTA]IFNC          -0,035
                                      (0,016)
                  [DELTA]IEE           -0,135
                                      (0,027)
Media (10,6%)     [DELTA]IFNC          0,006
                                      (0,906)
                  [DELTA]IEE           0,113
                                      (0,576)
Alta (6,6%)       [DELTA]IFNC          -0,051
                                      (0,306)
                  [DELTA]IEE           -0,142
                                      (0,501)
AIC               12619,22
Teste Q           7,2516 (p-valor = 0,5097)
  ([DELTA]IFNC)
Teste Q           9,2327 (p-valor = 0,3230)
  ([DELTA]IEE)

* Resultados significativos ao nivel de 5% em negrito.

Fonte: Elaborada pelos autores deste artigo

Tabela 3: Modelo VECM estimado para o relacionamento IFNC-ICON

SETOR                       COEFICIENTES

                   ECT-1     [DELTA]IFNC-1   [DELTA]CON-1

                   -0,035        0,140          -0,495
AIFNC             (0,019)       (0,064)        (0,226)
                   0,002         0,020          -0,111
AICON             (0,005)       (0,018)        (0,063)
AIC               8787,673
Teste Q           6,7611 (p-valor = 0,5626)
  ([DELTA]IFNC)
Teste Q           1,6699 (p-valor = 0,9895)
  ([DELTA]IEE)

SETOR                       COEFICIENTES

                   ECT-1     [DELTA]IFNC-2   [DELTA]CON-2

                   -0,035       -0,049          -0,029
AIFNC             (0,019)       (0,063)        (0,225)
                   0,002        -0,007          -0,031
AICON             (0,005)       (0,018)        (0,063)
AIC               8787,673
Teste Q           6,7611 (p-valor = 0,5626)
  ([DELTA]IFNC)
Teste Q           1,6699 (p-valor = 0,9895)
  ([DELTA]IEE)

SETOR                       COEFICIENTES

                   ECT-1     [DELTA]IFNC-3   [DELTA]CON-3

                   -0,035        0,002          -0,417
AIFNC             (0,019)       (0,063)        (0,225)
                   0,002         0,036          -0,179
AICON             (0,005)       (0,018)        (0,063)
AIC               8787,673
Teste Q           6,7611 (p-valor = 0,5626)
  ([DELTA]IFNC)
Teste Q           1,6699 (p-valor = 0,9895)
  ([DELTA]IEE)

* Resultados significativos ao nivel de 5% em negrito.
Fonte: Elaborada pelos autores deste artigo

Tabela 4: Modelo TVECM estimado para o relacionamento IFNC-ICON

REGIME          SETOR         COEFICIENTES

                                ECT     [DELTA]IFNC-1

Baixa (49,6%)   [DELTA]IFNC   -0,060        0,188
                              (0,014)      (0,033)
                [DELTA]ICON   -0,005        0,038
                              (0,435)      (0,126)
Media (5%)      [DELTA]IFNC    1,670       -0,166
                              (0,026)      (0,419)
                [DELTA]ICON    0,494       -0,014
                              (0,021)      (0,807)
Alta (45,4%)    [DELTA]IFNC   -0,026        0,073
                              (0,357)      (0,482)
                [DELTA]ICON    0,006       -0,010
                              (0,439)      (0,738)
AIC             8763,995
Teste Q ([DELTA]IFNC) 3,9612 (p-value = 0,8606)
Teste Q ([DELTA]IEE) 1,1180 (p-value = 0,9974)

REGIME          SETOR         COEFICIENTES

                              [DELTA]ICON-1   [DELTA]IFNC-2

Baixa (49,6%)   [DELTA]IFNC      -0,492           0,084
                                 (0,096)         (0,316)
                [DELTA]ICON      -0,139           0,007
                                 (0,098)         (0,758)
Media (5%)      [DELTA]IFNC      -0,008           0,190
                                 (0,994)         (0,450)
                [DELTA]ICON      -0,208           0,028
                                 (0,502)         (0,692)
Alta (45,4%)    [DELTA]IFNC      -0,225          -0,149
                                 (0,541)         (0,154)
                [DELTA]ICON      5,9e-04         -0,013
                                 (0,995)         (0,668)
AIC             8763,995
Teste Q ([DELTA]IFNC) 3,9612 (p-value = 0,8606)
Teste Q ([DELTA]IEE) 1,1180 (p-value = 0,9974)

REGIME          SETOR         COEFICIENTES

                              [DELTA]ICON-2   [DELTA]IFNC-3

Baixa (49,6%)   [DELTA]IFNC      -0,104          -0,042
                                 (0,717)         (0,612)
                [DELTA]ICON      -0,008           0,014
                                 (0,920)         (0,552)
Media (5%)      [DELTA]IFNC      -1,880          -0,432
                                 (0,074)         (0,162)
                [DELTA]ICON      -0,454           0,057
                                 (0,129)         (0,516)
Alta (45,4%)    [DELTA]IFNC      -0,023           0,015
                                 (0,951)         (0,880)
                [DELTA]ICON      -0,065           0,044
                                 (0,542)         (0,126)
AIC             8763,995
Teste Q ([DELTA]IFNC) 3,9612 (p-value = 0,8606)
Teste Q ([DELTA]IEE) 1,1180 (p-value = 0,9974)

REGIME          SETOR         COEFICIENTES

                              [DELTA]ICON-3   [DELTA]IFNC-4

Baixa (49,6%)   [DELTA]IFNC      -0,565           0,182
                                 (0,047)         (0,028)
                [DELTA]ICON      -0,194           0,053
                                 (0,017)         (0,025)
Media (5%)      [DELTA]IFNC      -0,690           0,038
                                 (0,527)         (0,907)
                [DELTA]ICON      -0,218          -0,085
                                 (0,482)         (0,365)
Alta (45,4%)    [DELTA]IFNC       0,108          -0,119
                                 (0,770)         (0,238)
                [DELTA]ICON      -0,077          -0,032
                                 (0,462)         (0,263)
AIC             8763,995
Teste Q ([DELTA]IFNC) 3,9612 (p-value = 0,8606)
Teste Q ([DELTA]IEE) 1,1180 (p-value = 0,9974)

REGIME          SETOR         COEFICIENTES

                              [DELTA]ICON-4

Baixa (49,6%)   [DELTA]IFNC      -0,488
                                 (0,083)
                [DELTA]ICON      -0,173
                                 (0,031)
Media (5%)      [DELTA]IFNC      -2,825
                                 (0,032)
                [DELTA]ICON      -0,339
                                 (0,364)
Alta (45,4%)    [DELTA]IFNC       0,917
                                 (0,012)
                [DELTA]ICON       0,248
                                 (0,017)
AIC             8763,995
Teste Q ([DELTA]IFNC) 3,9612 (p-value = 0,8606)
Teste Q ([DELTA]IEE) 1,1180 (p-value = 0,9974)

* Resultados significativos ao nivel de 5% em negrito.
Fonte: Elaborada pelos autores deste artigo
COPYRIGHT 2014 Universidade Federal de Santa Catarina
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2014 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Title Annotation:articulo en portugues
Author:Righi, Marcelo Brutti; Schlender, Sergio Guilherme; Ceretta, Paulo Sergio
Publication:Revista de Ciencias da Administracao
Article Type:Ensayo
Date:Apr 1, 2014
Words:8034
Previous Article:The dynamic of work meaning on the privatization imminence/A dinamica do significado do trabalho na iminencia de uma privatizacao.
Next Article:Construction of the meaning of aging for social care workers: a contextualist approach of emotions from everyday work/A construcao do sentido de...
Topics:

Terms of use | Privacy policy | Copyright © 2021 Farlex, Inc. | Feedback | For webmasters |