Revisão da literatura

Com vistas a conhecer os modelos de previsão de referência, devidamente enquadrado num sistema explicativo de teor científico, procedeu-se à recolha de dados bibliográficos, em fontes documentais e bases de dados relevantes academicamente, focando a nossa atenção nos eixos "análise técnica", "análise fundamentalista através da estratégia buy-and-hold" e no sistema de negociação Ichimoku.

O referencial teórico desdobra-se assim nesses três eixos, sendo que os dois primeiros eixos dedicam-se à apresentação de conceitos das duas principais escolas de análise de investimento e o terceiro apresenta o sistema de negociação Ichimoku. A abordagem da escola fundamentalista e da escola técnica permite demonstrar a atenção que esses métodos têm tido por parte dos investigadores académicos, contrariamente à dinâmica Ichimoku.

Análise fundamentalista e estratégia buy-and-hold

Autores como ^{Bartram e Grinblatt (2018)} e ^{Barak et al. (2017)} defendem que a análise fundamental é um instrumento de análise, reflexão e tomada de decisão, bem como uma visão macro das filosofias de investimento de longo prazo. Já ^{Mandelbrot (1963)} defende que a estratégia buy-and-hold baseia-se na ideia de que sempre que exista uma boa empresa, deve-se comprar o título e esperar até se conseguir obter uma boa rentabilidade, sendo uma análise de apoio à tomada de decisão de médio e longo prazo.

Essa metodologia de análise e avaliação de ativos teve origem nos ideais utilizados na diligente avaliação financeira de ^{Graham e Dodd (1934)}, considerados os "pais" da estratégia buy-and-hold.

A análise fundamentalista avalia a saúde financeira das empresas e projeta resultados futuros, pela determinação do preço mais próximo do valor efetivo das ações; baseia-se essencialmente em três grandes alicerces: i) análise da empresa ou ativo; ii) análise da indústria e mercado no qual está inserido; iii) análise dos indicadores económico-financeiros, ou seja, analisa e observa o papel preponderante do comportamento da economia, quer em aspetos micro, quer em aspetos macroeconómicos, além da importância do critério subjetividade por parte dos analistas.

Resumidamente, calcula o valor intrínseco do ativo e com-para-o com o preço de mercado, aponta a um target price e classifica-o relativamente ao preço como sobreavaliado, subavaliado ou justo, sugerindo que posição tomar perante o ativo.

Essa técnica serviu de pano de fundo a várias investigações, autores como ^{Fama e French (1992)}, ^{Yan e Zheng (2017)} e ^{Walkshàusl (2019)} encontraram evidências de bons resultados com o recurso à análise fundamental.

Na tabela 1, encontram-se sintetizados alguns estudos de maior relevância, que apresentam evidências positivas sobre análise fundamentalista, estando também registadas as citações desses trabalhos, o que demonstra a importância e a relevância que essa temática tem obtido do mundo académico.

Tabela 1 Estudos favoráveis à análise fundamentalista 

Fonte: elaboração própria.

Análise técnica

A análise técnica, do grego technikos, que é sinónimo de arte ou sabedoria, pode ser definida como o estudo dos movimentos do mercado, essencialmente através da análise de gráficos, na tentativa de prever tendências futuras das cotações, teve como pedra basilar a Teoria de Dow, considerada a "mãe" da análise técnica. Essa metodologia começou a ganhar relevo no campo académico e despertou mais interesse para os investidores na década de 1970, com a evolução das tecnologias de informação, nomeadamente a computação (^{Walkshàusl, 2019}; ^{Wang et al, 2019}).

^{Bagheri et al. (2014)} e ^{Ahmar (2017)} caraterizam essa análise como um conjunto de técnicas e estudos apoiados nos movimentos históricos dos preços, recorrendo a ferramentas gráficas e técnicas matemáticas para prever e expor padrões de comportamento dos preços, tentando prever os movimentos do mercado, dos mais diversos títulos: ações, forex, índices, commodities, derivados ou opções.

Já ^{Farias et al. (2017)}, ^{Souza et al. (2018)} e ^{Corbet et al. (2019)} consideram que a análise técnica é um método empírico que procura reconhecer quais e de que forma determinados comportamentos, movimentos ou padrões nas cotações de títulos se repetem, historicamente, para depois os transpor para o futuro.

Autores como ^{Blume et al. (1994)}, ^{Cespa e Vives (2015)}, ^{Bloomfield et al. (2015)} e ^{Gerritsen et al. (2020)} defendem que a análise técnica é um meio eficaz para extrair informações úteis a partir de preços de mercado. O estudo do gráfico do comportamento do preço tem por base uma tendência, baseada em três fundamentos que estão intimamente relacionados, suporte, resistência e momentum. Esses fundamentos auxiliam os investidores na tomada de decisão.

A análise técnica tem uma natureza altamente subjetiva, a presença de formas geométricas dos gráficos é por si só uma dificuldade aos olhos de quem vê. A tabela 2 resume alguns dos trabalhos que encontraram evidências positivas, sobre a aplicabilidade da análise técnica, analogamente à tabela anterior, apresentam-se as citações dos trabalhos académicos, com o objetivo de expor a atenção que tem atingido em trabalhos de investigação.

Tabela 2 Estudos favoráveis à análise técnica 

Fonte: elaboração própria.

Na tabela 3, apresentam-se alguns trabalhos académicos que concluem por uma maior rentabilidade da análise técnica em comparação com a análise fundamentalista.

Tabela 3 Estudos que concluem pela superioridade da análise técnica comparativamente com a análise fundamentalista 

Fonte: elaboração própria.

Autores como ^{Nagendra et al. (2018)}, ^{Namdari e Li (2018)}, ^{Mazza e Petitjean (2019)} e ^{Al-Jassar (2019)} propõem que os investidores devem optar por um modelo híbrido entre a análise fundamental e a técnica na seleção e timings dos seus investimentos, não se devendo concluir pela superioridade de uma em detrimento da outra. Fica patente no número de citações obtidas pelos diversos trabalhos referenciados nas tabelas anteriores a importância que eles têm tido ao longo dos anos.

O conflito existente na literatura sobre o uso e a escolha, por parte dos investidores, entre a análise técnica e a fundamentalista foi o agente motivador de inúmeras investigações, mas esse trade off ainda não se encontra solucionado.

Como descrito anteriormente, a análise técnica procura captar tendências de curto prazo e fazer previsões para esses períodos. Essa prática pode recorrer a inúmeros indicadores, calculados por diferentes metodologias, como exemplo podemos referenciar os mais usuais, o Relative Strength Index (RSI) e o Moving Average Convergence Divergence (MACD). A existência de inúmeros indicadores com as suas diferenças implica que o investidor tenha de apresentar um conhecimento abrangente sobre todos os indicadores e a forma de análise de cada um deles.

No respeitante à análise fundamentalista, deve ser usada para investimentos a médio longo prazo.

Nesse sentido, a dinâmica Ichimoku é um método que combina múltiplos indicadores num único gráfico, calculados em simultâneo, o que evita o cálculo de diversos indicadores, com diferentes metodologias e interpretações; num só gráfico e sob o uso de uma única metodologia, pode-se prever o comportamento do mercado, níveis de suporte e resistência, sinais de compra e venda, até falsos breakouts, tendo indicadores de curto e de médio prazo.

Um maior conhecimento da dinâmica Ichimoku poderá colmatar as dificuldades de cálculo e análise dos diferentes indicadores da análise técnica, bem como conseguir captar a volatilidade de curto prazo, sem esperar pela de longo prazo como preconizado pela análise fundamentalista. A dinâmica Ichimoku consegue num só gráfico analisar indicadores de volatilidade de curto e médio prazo, como sob a mesma metodologia de cálculo, apresentar diferentes indicadores, proporcionando uma análise conjunta.

Sistema de negociação Ichimoku

Contrariamente às metodologias descritas anteriormente, sobre o Ichimoku existem poucos estudos publicados. Ichimoku é considerado um sistema ou método de negociação, com análise técnica gráfica; foi originalmente desenvolvido pelo jornalista japonês Goichi Hosada, na década de 1930, antes da Segunda Guerra Mundial.

Goichi Hosoda acreditava que o mercado era um reflexo direto da dinâmica do comportamento humano, defendendo que este poderia ser descrito como um movimento cíclico constante, afastando-se ou aproximando-se em torno de um equilíbrio. Assim, a dinâmica Ichimoku procura ter uma visão do todo com poder de síntese; bem como cada um dos cinco indicadores, que compõem o sistema Ichimoku, fornece o reflexo desse equilíbrio, através de um único olhar sobre o gráfico do equilíbrio do preço, o olhar do homem do topo da montanha, Ichimoku^{Sanjin (Sanjin, 1969)}.

Foi no início do século xxi que o Ichimoku começou a ser praticado no Ocidente, com a publicação do livro intitulado Ichimoku charts (^{Elliott, 2007}), que é presumivelmente o primeiro livro sobre esta metodologia num idioma diferente do japonês. O autor defende que em 1996 o método foi reencontrado e começou a ganhar popularidade, através da publicação do livro Ichimoku kinko studies, de Hidenobu Sasaki; o autor reescreveu a metodologia de Goichi Hosoda para a realidade de hoje, tornando conhecido o Ichimoku cloud ou Ichimoku kinkohyo.

Fora do Japão, a técnica de Ichimoku foi ainda descrita, entre outros, por ^{Linton (2010)}, o qual considera essa metodologia de negociação um excelente preditor de tendências, que, ao incorporar dados históricos, incorpora o passado, sendo considerado por muitos trades como o melhor preditor do futuro.

Resumidamente, Ichimoku é um sistema seguidor de tendência, com a finalidade de apoiar a tomada de decisão. Existem cada vez mais trades que defendem o recurso a essa técnica, pela simplicidade e pela facilidade de interpretação, permitindo uma fácil e rápida combinação de ferramentas de análise de mercado. O Ichimoku kinkohyo ou simplesmente Ichimoku, é um sistema gráfico composto por cinco linhas, sendo que quatro são médias de preços e uma das linhas é o preço desfasado.

O gráfico Ichimoku kinkohyo, que data de um século, compreende cinco elementos ou linhas (^{Sanjin, 1969}), que são: Tenkan-sen, Kijun-sen, Chikou-span, Senkou-span A e Senkou-span B. Esses cinco elementos são calculados tendo por base os históricos de preços, máximo e mínimo do ativo em estudo. Ainda no sistema de negociação, existe a Kumo, também conhecido como "nuvem", é formado pelo espaço entre Senkou-span A e Senkou-span B.

Nesse sentido, as linhas do sistema do Ichimoku são calculadas de forma similar às médias móveis da análise técnica, no entanto com uma grande diferença: em vez de recorrer a preços de fecho como as médias, o indicador Ichimoku usa cotações máximas e mínimas diárias para cálculos das médias. As fórmulas de cálculo são explicadas na metodologia e na formulação das estratégias.

Autores como ^{Alhashel et al. (2018)} defendem que a metodologia Ichimoku testa o controle preditivo do modelo, por forma a otimizar dinamicamente um portfólio com base nas previsões das cotações. Essa metodologia foi testada em negociações forex e foi aplicada por ^{Cahyadi (2012)}, o qual concluiu que a técnica Ichimoku era preditiva de tendências para as cotações do dólar Americano e o iene Japonês (IJSD-JPY) e cotações do euro e dólar (EUR-USD).

^{Deng e Sakurai (2014)} estudaram a rentabilidade apresentada pelo método Ichimoku, no mercado forex, comparativamente à estratégia buy-and-hold, concluindo que, em média, o retorno das estratégias de negociação baseada no Ichimoku eram superiores à da estratégia buy-and-hold. Para o mercado de capitais americano e japonês, ^{Shawn et al. (2016)} estudaram a rentabilidade dos sinais gerados com o método Ichimoku, em ações individuais do Japão e dos Estados Unidos. Os autores construíram estratégias, conservadoras e agressivas, de longo e curto prazo, pela análise dos sinais gerados pelo método Ichimoku, com base na simulação. Os autores concluíram que os gráficos Ichimoku apresentavam capacidade preditiva e geravam sinais comerciais rentáveis nesses dois mercados.

Contrariamente aos estudos anteriores, ^{Fafula e Drelczuk (2015)} concluíram pela ineficácia da metodologia Ichi-moku para ações vencedoras em anos anteriores, da bolsa de Varsóvia. Os autores justificaram os resultados encontrados com a provavelmente escolha da sua amostra.

Já ^{Bąk (2017)} analisou a capacidade preditiva da técnica Ichimoku na mudança da dinâmica do Produto Interno Bruto (PIB) na Polónia, concluindo pela falta de capacidade preditiva do sistema Ichimoku na alteração da dinâmica do PIB daquele país, concluindo que os pressupostos adotados no estudo limitaram significativamente a possibilidade negativa na verificação da hipótese.

^{Almeida et al. (2018)} estudaram a aplicabilidade dessa metodologia às opções call do Facebook, concluindo pela capacidade preditiva do sistema de negociação Ichimoku.

À semelhança das tabelas anteriores, a tabela 4 resume estudo sobre o Ichimoku, permitindo a verificação da lacuna de estudos sobre esse método de negociação. Os estudos existentes são relativamente recentes, verificando-se um aumento nos últimos anos do interesse por parte dos académicos na investigação da dinâmica Ichimoku.

Tabela 4 Estudos sobre Ichimoku 

Fonte: elaboração própria.

Amostra

Autores como ^{Yan e Zheng (2017)} ou ^{Almeida (2020)} consideram que um país economicamente saudável tem um mercado de capitais dinâmico, maduro, regulado e supervisionado, uma vez que esses mercados são um elemento insubstituível e cada vez mais importante nas economias modernas e competitivas.

Assim, a nossa amostra recai sobre cinco mercados de capitais maduros e estruturados de diferentes áreas geográficas. Essa escolha foi efetuada à semelhança de autores como ^{Karolyi (2016)}, ^{Harvey et al. (2016)}, ^{Cook (2017)} e ^{Linnainmaa e Roberts (2018)}. Os autores defendem que, à luz dos estudos empíricos, a maior parte das investigações financeiras empíricas é focada nos mercados norte-americanos, devendo ser explorada a confiabilidade das conclusões para esses mercados em ambientes externos, sendo particularmente importante para melhorar a qualidade da literatura de previsibilidade de retorno.

Os autores defendem também que as evidências recentes sugerem que muitos dos efeitos de retorno anteriormente descobertos no mercado acionário dos Estados Unidos são substancialmente mais fracos ou até desaparecem quando os estudos são efetuados fora do mercado que fornece os dados original, colocando mesmo em dúvida a sua importância económica geral. Nesse sentido, a nossa amostra é composta por cotações diárias de preços de fecho, abertura, máximos e mínimos, de índices de diferentes zonas geográficas, sendo a amostra mais longa encontrada em estudos com objetivos similares, de 3 de janeiro de 2000 a 31 de dezembro de 2020, conforme descrito na tabela 5.

Tabela 5 Amostra 

Fonte: elaboração própria, com base em cotações diárias retiradas do site Yahoo Finance.

No período analisado, os índices foram abalados por duas grandes crises financeiras; a primeira na década de 2000, que ficou conhecida como a "crise das Dot.com", e a segunda, iniciada em 2007, da qual o mundo em geral ainda se encontra em fase de recuperação, conhecida como a "crise subprime". Essas crises económico-financeiras que abalaram em geral o mundo económico e financeiro proporcionaram elevadas quedas nos mercados financeiros, além da oportunidade de avaliar a qualidade dos sinais em bullish e bearish market.

Análise exploratória dos dados

A maioria dos estudos financeiros com objetivos similares ao nosso baseia-se nos retornos dos ativos e não nos seus preços, uma vez que os retornos são um resumo completo, e sem escala de oportunidade de investimento, para além de apresentarem propriedades estatísticas mais atrativas do que as séries de preços. Os retornos podem ser aritméticos ou logarítmicos, tendo a nossa escolha recaído nos logarítmicos, por apresentarem propriedades estatísticas mais confiáveis, para múltiplos períodos de tempo e compreenderem a soma dos retornos em cada período. A seguir, descrevemos as fórmulas de cálculo às quais recorremos.

O retorno logarítmico (Rt) para um período é dado por:

Para múltiplos períodos, temos:

Após calcular os retornos diários dos diferentes índices em estudo, efetuaram-se vários testes empíricos, para verificar a inferência estatística das séries dos retornos. Para a análise da normalidade, ou seja, da distribuição incondicional dos retornos, foi efetuado o teste Jarque-Bera, com a finalidade de testar se a série segue um comportamento de distribuição normal ou gaussiana. O teste Jarque-Bera mensura a diferença de assimetria e curtose, através das seguintes fórmulas:

em que S é o coeficiente de assimetria e K, o de curtose. A estatística Jarque-Bera é estimada pela seguinte fórmula:

A hipótese nula (HO) a ser testada é a de que a variável apresenta distribuição normal, de acordo com ^{Gujarati e Porter (2008)}; rejeita-se a HO quando o p value for suficientemente baixo, o que ocorre quando o valor da estatística é muito diferente de zero.

Outro prossuposto testado foi a estacionariedade da série. Segundo ^{Gujarati e Porter (2008)}, o pressuposto da es-tacionariedade é fundamentalmente para a verificação das inferências estatísticas sobre os parâmetros estimados com base na realização de um processo estocástico, sendo a realização do teste de raiz unitária uma das formas de comprovação, a qual é feita pela seguinte fórmula:

Os pressupostos da estacionariedade foram testados através do teste de Dickey-Fuller e Dickey-Fuller aumentado. Esse teste envolve a estimação pelo método dos Mínimos Quadrados Ordinários e posteriormente testa a presença de raiz unitária, atestando se é estacionária em nível ou se torna estacionária nas diferenças.

O teste de Dickey-Fuller:

O teste Dickey-Fuller aumentado admite que os termos de erro (ut) são correlacionados e verifica se um modelo autoregressivo apresenta ou não raiz unitária. O teste de Dickey-Fuller aumentado é calculado da seguinte forma:

Em que:

Outro teste efetuado foi a estatística de Ljung-Box, por forma a testar a hipótese de forma conjunta de que todos os coeficientes. Esse teste é uma ferramenta para testar o ajuste de um modelo de série temporal, sendo aplicado aos resíduos de uma série temporal (^{Gujarati & Porter, 2008}). A estatística Ljung-Box é definida da seguinte forma:

Após a validação dos pressupostos das séries históricas de retornos, testaram-se os modelos de series temporais. Segundo ^{Gujarati e Porter (2008)}, os modelos estacionários discretos podem ser representados por modelos autorre-gressivos e médias móveis (Arma). Os modelos Arma representam assim um conjunto de processos estocásticos que resultam da combinação de três componentes: i) componente autoregressivo (AR); ii) componente de médias móveis (MA) e iii) componente de integração, obtidos a partir de uma série temporal diferenciada de ordem (I), em que se obtém um modelo Arma (p, q).

De uma forma simplificada, os modelos Arma podem ser classificados da seguinte forma:

• modelo AR (p) é representado por:

• modelo de MA é representado por:

Um modelo de MA (q), Yt resulta da combinação linear dos termos de erro de ruído branco ocorridas no período atual e nos períodos passados.

• modelo Arma (p, q) dado por:

Em que:

y é a serie no tempo t;

Є_t erro aleatório,com N~(0,1)

Definição e identificação das estratégias de negociação

O estudo teve por base as metodologias de autores como ^{Urquhart e Zhang (2019)}, ^{Wang et al. (2019)}, ^{Selvamuthu et al. (2019)} que investigaram e avaliaram a capacidade preditiva de padrões gráficos de indicadores técnicos. À semelhança desses autores, foram implementadas estratégias de negociação e construção de algoritmos para a verificação de padrões, tendo sido efetuadas as devidas alterações, inerentes à diferenciação do sistema de negociação em estudo.

As cinco linhas do gráfico Ichimoku kinkohyo

A linha Tenkan-Sen funciona como uma média móvel, baseada no preço máximo e mínimo dos nove períodos anteriores, incluindo o atual, tendo sido calculada da seguinte forma:

Em que Pt é a cotação do ativo no momento t.

A linha Tenkan-Sen é uma linha de conversão, indicadora de tendência, quando o preço está acima da linha Tenkan-Sen, esta é vista como indicadora de suporte; se o preço está abaixo, é indicadora de um nível de resistência, por isso considerada como o primeiro nível de resistência e suporte. Quando essa linha apresenta oscilações, estamos perante sinais de tendências; bullish quando a linha sobe e bearish quando desce.

Relativamente à linha kijun, é muito idêntica à tenkan, é construída com base nos preços máximos e mínimos de 26 períodos, funciona de forma idêntica à linha Tenkan-Sen.

Essas duas linhas são as médias mais rápidas e curtas do sistema Ichimoku. O espaço criado entre essas duas linhas é considerado como a nuvem secundária, sendo os primeiros sinais de suporte na venda ou de resistência na compra, também podendo ser considerado como uma sinalização de momentum. A análise conjunta dessas linhas levou à simulação das estratégias descritas a seguir.

A linha Chikou-Span determina a força do sinal de compra ou venda; essa linha compara níveis de preço passado com o preço atual, sendo representada pelo preço deslocado 26 períodos para trás, tendo sido determinada da seguinte forma:

Essa linha incorpora o histórico dos preços na predição de preços futuros; assim, quando ela está acima do preço, é vista como nível de suporte; se for inferior ao preço, sinaliza um nível de resistência. Com base nessa linha, foram criadas as estratégias a seguir.

A linha Senkou-Span a é a média entre a linha Tenkan-Sen e a linha Kijun-Sen de 26 períodos; a linha Senkou-Span B, por sua vez, é a média móvel do preço máximo e mínimo de 52 períodos, sendo que o intervalo criado por essa com a linha Senkou-Span A forma a nuvem ou kumo; representam a incorporação do futuro na previsão do presente e foram calculadas da seguinte forma:

Sempre que as outras linhas se encontrarem em espaço superior a esta nuvem, estamos perante um momento bullish, caso elas sejam inferiores à nuvem, estamos perante um momento bearish. A largura da nuvem permite observar a volatilidade do ativo; uma nuvem larga é sinonimo de um ativo com elevada volatilidade.

^{Elliott (2007)} defende que não se deve tomar uma decisão baseada na interpretação isolada de qualquer uma das linhas, sendo fundamental analisá-las conjuntamente umas com as outras.

A tabela 6 descreve matematicamente as estratégias de negociação Ichimoku testadas, sendo a posição exercida, compra ou venda, sempre que seja gerado um sinal indicativo pelo cruzamento das linhas.

Tabela 6 Estratégias de negociação Ichimoku 

Fonte: elaboração própria, com adaptação de ^{Elliott (2007)}.

Após o cálculo das linhas, foram construídos gráficos anuais para cada índice da amostra, por forma a permitir a análise do comportamento dos preços e das linhas, e a implementação das estratégias de negociação Ichimoku.

Para a realização da investigação, para manter a coerência e a facilidade de implementação de estratégias, foram seguidos os seguintes pressupostos:

Para a identificação dos padrões do sistema de negociação Ichimoku, foram desenvolvidos vários algoritmos computorizados, um para cada padrão gráfico, seguindo os parâmetros descritos por ^{Bulkowski (2011)}.

Após a implementação das estratégias de negociação e a aplicação dos algoritmos, foram implementadas medidas de avaliação da performance das estratégias. A primeira foi o desvio-padrão, que é uma medida estatística de volatilidade e risco, ou seja, indica quanto o preço de um ativo se pode distanciar do valor esperado.

À semelhança de ^{Markowitz (1952)}, utilizou-se o desvio-padrão como proxy do risco, tendo sido calculado da seguinte fórma:

Quando o desvio-padrão apresenta valores altos quando a volatilidade dos dados é elevada, essa volatilidade é si-nônimo de risco. No mercado acionista, a volatilidade é considerada pelos trades muitas vezes também como sinalização de oportunidades.

Outra medida usada para a mensuração do binómio risco-rentabilidade das estratégias implementadas foi o Índice de Sharpe (IS), criado por William Sharpe em 1966. É um indicador que permite avaliar a relação entre o retorno e o risco de um investimento, permitindo concluir se a expectativa de retorno de uma carteira de investimentos é resultado de bons investimentos ou do excesso de risco dos investimentos que a compõem, comparativamente ao ativo sem risco.

O IS é calculado pela seguinte formula:

O índice de Sharpe é um dos indicadores mais utilizado tanto em nível académico como profissional. Esse índice compara a capacidade de agregar mais retorno com menor risco, permitindo assim avaliar o retorno gerado para cada ponto de risco assumido, para o cálculo desse índice tivemos como referência as taxas de obrigação de tesouro dos Estados Unidos a 10 anos.

O IS apresenta valores elevados quando a rentabilidade obtida apresenta baixo risco, permitindo assim perceber qual a rentabilidade em excesso por cada unidade de risco, sendo que os investimentos devem ter em consideração o nível de risco que o investidor está disposto a correr.

Apresentação e discussão dos resultados

Nesta seção, são abordadas a validação dos pressupostos e a análise econométrica das séries históricas de retornos, bem como a apresentação, a discussão e a análise dos resultados das estratégias implementadas. Os testes efetu-ados forma efetuados para um nível de confiança de 95%.

A tabela 7 apresenta o resumo dos resultados dos testes de análise das séries históricas de retornos para cada índice, bem como os resultados para os modelos de processos estocásticos testados.

Tabela 7 Resultados estatísticos e modelos de séries temporais 

* significância p < 0,05; ** significância p < 0,01; *** significância p < 0,001.

Fonte: elaboração própria.

A análise aos resultados do teste Jarque-Bera permite verificar que as séries temporais apresentam uma distribuição normal; os retornos seguem um comportamento conforme a densidade de probabilidade gaussiana. Respeitante ao teste de Dickey-Fuller, verificamos que os retornos dos índices não apresentam raiz unitária, ou seja, são estacionários.

Ao analisar o teste Ljung-Box para os níveis 1, 10 e 20 des-fasagens, corrobora-se a verificação de que os retornos são estacionários e não apresentam correlação entre lags. Os modelos AR (1), MA (1) e Arma (1,1) permitem verificar que os retornos históricos não servem como proxy para a men-suração de perdas e ganhos futuros, evidenciando caraterís-ticas de mercados eficientes na sua forma fraca, hipótese defendida por ^{Fama (1970)}, e as séries de retornos testadas seguem um Randow Walk, ou seja, um passeio aleatório.

Os padrões de negociação mostraram-se consistentes ao longo das séries temporais. A tabela 8 resume os trades efetuados por cada estratégia, com retornos positivos e negativos. Autores como ^{Davey (2014)} e ^{Gold (2015)} argumentam que, entre as várias medidas de desempenho dos sistemas de negociação, está o percentual do número de negócios com retornos positivos.

Tabela 8 Padrões de negociação identificados 

Fonte: elaboração própria.

Segundo esses autores, as negociações com retornos positivos devem ser de, no mínimo, 50% do número total de negócios realizados. Os autores consideram que só então o método utilizado pode superar o chamado "teste do macaco", o qual considera que uma seleção aleatória de pontos de entrada e saída na negociação como se fossem selecionados por um macaco. O que apresentaria um baixo percentual de negociação com resultado positivo. Nesse sentido, a tabela 8 resume os negócios realizados por cada estratégia e índice, mostrando o percentual de negócios com retornos positivos e negativos, o que permite concluir sua eficácia.

Dos padrões obtidos, os mais identificados foram o cruzamento de linhas Tenkan-Sen com a linha Kijun-Sen, tendo produzido 6.506 sinalizações na totalidade. As cinco linhas em simultâneo, a estratégia com menos padrões apresentados, 2.127. No total, foram analisados 22.083 padrões de negociação.

Verifica-se que as linhas baseadas nas MA mais curtas e rápidas produzem mais sinalizações, mas menos confiáveis; aproximadamente 50% das negociações apresentam rentabilidades negativas. Já as três estratégias seguintes superam em todos os índices os 60% de negociações com rentabilidades positivas, o que se mostram mais fiáveis.

A tabela 9 resume a soma dos retornos logarítmicos obtidas para os índices e para as estratégias implementadas do sistema de negociação Ichimoku no período temporal em estudo.

Tabela 9 Rentabilidades obtidas através das estratégias Ichimoku 2000-2020 

Fonte: elaboração própria.

Pela a análise da tabela 9, verifica-se que as estratégias baseadas no cruzamento das linhas Tekan-Sen e Kijun-Sen, em consonância com a tabela anterior, são as linhas que apresentam retornos mais baixos e só se mostram capazes de superar o mercado para o índice Ibovespa e NASDAQ.

Já a estratégia do cruzamento da linha chikou com o preço é a que apresenta retornos mais elevados para todos os índices.

As estratégias seguintes, baseadas na nuvem e nas cinco linhas, também superam em todos os índices o mercado. O processo de tomada de decisão consiste na avaliação do nível de eficiência entre retorno e risco. A tabela 10 resume o resultado das medidas testadas para avaliar o risco das diferentes estratégias.

Tabela 10 Medidas risco e avaliação 

Fonte: elaboração própria.

Pela análise da tabela anterior, verifica-se que relativamente aos índices, foi o alemão que apresentou maior volatilidade, com desvio-padrão de 42,03%, sendo também o que apresenta retorno mais elevado para o período em estudo, e o segundo melhor valor para o IS.

O segundo melhor retorno é apresentado pelo índice Ibovespa; apesar de obter um retorno mais baixo que o alemão, demonstra remunerar melhor o investidor pelo acréscimo de risco.

Efetuando a análise das estratégias de negociação implementadas, encontraram-se evidências que a estratégia do sistema como um todo, ou seja, as cinco linhas em conjunto, foi a que evidenciou o segundo melhor retorno, e a estratégia que apresenta o maior número de trades com retornos positivos, contudo é a que apresenta maior volatilidade medida pelo desvio-padrão.

Já a estratégia de negociação baseada no cruzamento da linha Chikou Span com o preço é a que evidencia maior retorno entre as estratégias implementadas e a que remunera melhor o acréscimo de risco, avaliado pelo IS.

O IS apresenta valores elevados quando a rentabilidade obtida apresenta baixo risco, permitindo assim perceber qual a rentabilidade em excesso por cada unidade de risco assumido; nesse sentido, verifica-se que os índices com valores mais elevados foram o brasileiro com 4,54 e o alemão com 4,32, coincidente com os índices que apresentam maiores retornos logarítmicos.