A contribuição da informação contábil para a previsão de retornos de ações: avaliação a partir de modelos de séries temporais

O objetivo desta pesquisa foi verificar se o uso de indicadores contábeis melhoram a capacidade das previsões dos retornos das ações em relação às previsões feitas apenas a partir do histórico passado dos retornos. Foram especificados modelos univariados de previsão (ARIMA) apenas com o histórico passado dos retornos das ações, comparando posteriormente esses resultados com as previsões realizadas por modelos multivariados (VAR) utilizando índices contábeis como variáveis explicativas nos modelos. A amostra foi composta por 20 empresas e os resultados foram analisados em três momentos distintos do tempo para evitar que os resultados analisados apresentem problemas relacionados a data-snooping (resultados encontrados devido ao acaso). Os indicadores que apresentaram maior capacidade de previsão foram, sequencialmente: Margem Líquida; Rentabilidade do Patrimônio Líquido; Giro do Ativo; Composição do Endividamento e Liquidez Corrente. Verificou-se que os modelos univariados possuíram maior precisão no total das empresas, porém, ao se incorporar novas observações às séries de previsão, ou seja, quando as séries de análise possuem mais observações, os modelos multivariados se tornam mais precisos. Na comparação das rentabilidades das carteiras formadas a partir dos melhores modelos de previsão univariados e multivariados observou-se, de forma geral, que as previsões e as tomadas de decisão baseadas em modelos multivariados tendem a fornecer aos investidores retornos superiores em investimentos de longo prazo (1 ano). Já os modelos univariados tendem a fornecer aos investidores retornos superiores em investimentos de curto prazo (1 trimestre). Portanto, verifica-se que o mercado de capitais brasileiro possui certa ineficiência de mercado, tanto na forma fraca quanto na forma semi-forte, podendo-se concluir que as informações contábeis são relevantes, principalmente em estratégias de investimento em longo prazo. Assim, conclui-se que a inclusão de indicadores contábeis em modelos multivariados de previsão amplia a capacidade de previsão dos retornos das ações, principalmente para previsões em médio e longo prazo e quando as séries em análise possuem maior número de observações.The objective of this research was to determine if the use of financial indicators improves the capacity of the stock return forecast over forecasts made only from the returns past history. Univariate models forecasting (ARIMA) were specified only with the stock returns past history, after these results were compared with the predictions made by multivariate models (VAR) using financial indicators as models explanatory variables. The sample was composed by 20 companies, and the results were analyzed in three different moments of time, to prevent the analyzed results from having problems related to data-snooping (results due to chance). The indicators that showed greater predictive power were sequentially: Net Margin, Return on Equity, Asset Turnover; Breakdown of Debt and Liquidity. It was found out that the univariate models contained higher precision in all enterprises; however, by incorporating new observations to series prediction, that is, when the analysis series have more observations, the multivariate models become more accurate. Comparing the portfolios returns formed from the best forecasting models, univariate and multivariate is observed, in general, that the forecasts and the decisions made based on multivariate models tend to provide investors with superior returns on long-term investments (1 year). On the other hand, the univariate models tend to provide investors with superior returns on short-term investments (1 quarter). Therefore, it is verified that the Brazilian capital market has some market inefficiency, either as in weak form as in semi-strong form, and we can conclude that the financial information is relevant, especially in investment strategies in the long term. Thus, we conclude that the inclusion of financial indicators in multivariate models forecasting extends the capability of prediction of stock returns, especially for forecasts in the medium and long term and when the series in analysis have greater number of observations