PONTIFCIA UNIVERSIDADE CATLICA DO RIO DE JANEIRO

Plataforma para Execuo de Agentes de Negociao Automatizados

Dario Andrade Tinoco de Souza

Relatrio do Projeto Final II INF1951 - Projeto Final II

Centro Tcnico Cientfico - CTC Departamento de Informtica Curso de Graduao em Engenharia da Computao

Rio de Janeiro, Julho de 2012

Dario Andrade Tinoco de Souza

Plataforma para Execuo de Agentes de Negociao Automatizados

Relatrio do Projeto Final, apresentado ao programa de Projeto Final II da PUC-Rio como requisito parcial para a obteno do titulo de Engenheiro de Computao.

Orientador: Eduardo Sany Laber

Rio de Janeiro Julho de 2012

Agradecimentos A todos os professores do Departamento de Informtica e de Engenharia Eltrica pela excelncia e carinho no ensino, em especial ao Prof. Marcelo Gattass por suas palavras sbias e incentivadoras e ao Prof. Eduardo Sany Laber por seu conhecimento e orientao. Por ltimo, agradeo minha famlia pelo encorajamento, suporte e amor incondicional.

Resumo Souza, Dario. Laber, Eduardo. Plataforma para Execuo de Agentes de Negociao Automatizados. Rio de Janeiro, 2012. 37p. Relatrio Final de Projeto Final de Graduao Departamento de Informtica. Pontifcia Universidade Catlica do Rio de Janeiro. O trabalho apresenta uma ferramenta para estudos e anlises de operaes de pares na bolsa de valores. Para isto, foram utilizadas as sries histricas dos preos de alguns ativos selecionados da BM&F Bovespa. O aplicativo permite realizar a seleo dos melhores pares usando o conceito de cointegrao. Tenta-se aprender com os dados passados utilizando testes estatsticos de anlise de cointegrao, desvio-padro e regresso linear. Na simulao usa-se a regresso linear para prever a reverso mdia. O algoritmo foi executado em um ambiente de execuo em Java Swing para mostrar os resultados, e JFreeChart para plot-los. O texto mostra tambm as dificuldades encontradas na seleo dos pares, de execuo da estratgia e a apresentao do resultado de um teste realizado usando a ferramenta. Palavras-chave pares cointegrados, bolsa de valores, arbitragem estatstica, cointegrao, simulao

Sumrio I. Introduo .............................................................................................. 1 I.1.Definio do Problema e Motivao ................................................ 1 I.2.Objetivos .......................................................................................... 2 I.3.Organizao do Projeto ................................................................... 3 II. Conceitos Bsicos ................................................................................. 4 II.1.Sries Temporais e Cointegrao ................................................... 4 II.2.Pairs Trading ................................................................................... 7 II.3.Regresso Linear (Ordinary Least Squares Linear Fitting) ............ 9 III. Uma Ferramenta para o Estudo de Estratgia de Pairs Trading ............................................................................... 11 III.1. Softwares e Ferramentas Utilizadas ........................................... 11 III.2.Arquitetura e Especificao ......................................................... 12 III.3.Formas de Operao ................................................................... 12 III.4.Comparativo entre Cronogramas Planejados e Executados ....... 18 III.5.Implementao ............................................................................ 18 IV. Avaliao Experimental ........................................................................ 20 IV.1.Estudos Preliminares ................................................................... 20 IV.2.Equipamentos Utilizados ............................................................. 20 IV.3.Obteno e preprocessamento do Histrico de Preos .............. 20 IV.4.Performance e Execuo ............................................................ 22 V. Consideraes finais ............................................................................ 27 VI. Referncias .......................................................................................... 28 VII.Apndice .............................................................................................. 30 VII.1.Manual de Usurio ..................................................................... 30 VII.2.Tabela de Resultados ................................................................. 32 VII.3.Cdigo-fonte ............................................................................... 38

Lista de Figuras

Figura 1: Um exemplo de ruido branco (fonte: Wikipedia-en: White-noise.png) ................................................................................ 4 Figura 2: 8 exemplos de passeios aleatrios, em cores diferentes (fonte: Wikipedia-en: Random_Walk_example.svg) .......................... 5 Figura 3: Valores reais de fechamento dirio de PETR4 e PETR3 ao longo de 2008 at abril de 2012 ................................................... 6 Figura 4: Um exemplo de regresso linear na disperso acima ................ 9 Figura 5: Imagem da primeira aba do aplicativo, com alguns pares processados .......................................................................... 14 Figura 6: Disperso do par PETR3 e PETR4 e sua regresso linear estimada, plotada pela ferramenta ........................................ 14 Figura 7: Sries Temporais de AMBV4 - BRTO4 plotada pela ferramenta ............................................................................... 15 Figura 8: Srie de Resduos da Regresso Linear calculada no par AMBV4 - BRFS3, apresentando estacionariedade ................... 15 Figura 9: Aba de simulao, com alguns resultados listados .................. 16 Figura 10: Resumo das operaes do par AMIL3-CESP6, com resultado financeiro de cada entrada e sada .......................... 16 Figura 11: Explicao de como entramos na operao, aps spread atingir e voltar para a linha de 2 desvios padres at atingir a mdia ................................................................................. 23 Figura 12: Simulao do par LAME4-PDGR3, com suas entradas e saidas ........................................................................................... 24 Figura 13: Srie de Resduos do par LAME4 - PDGR3, com desvio padro .......................................................................... 25 Figura 14: Disperso do par LAME4 - PDGR3 com a regresso linear em 2010 ................................................................................. 26 Figura 15: Sries Temporais de LAME4 - PDGR3 no primeiro semestre de 2011 ............................................................................ 26

Lista de Tabelas

Tabela 1: Cronograma esperado e executado.......................................... 18 Tabela 2: Parametros para seleo de pares .......................................... 23 Tabela 3: Parametros para simulao dos pares selecionados ............... 24 Tabela 4: Melhores resultados financeiros................................................ 32 Tabela 5: Tabela de melhor resultado de cointegrao, por ordem inversa de t-stats, analisada no periodo de 2010 .......... 35

I. Introduo Definio do Problema e Motivao A operao de negcios na bolsa de valores sempre se baseou num processo manual, at incio dos anos 70 [JELVEH 2006], que foi quando os computadores entraram em cena. Mas foi s a partir de alguns anos atrs que os sistemas passaram a ter um papel mais relevante na tomada de decises, representando hoje 60% das transaes vista nos EUA [CMA 2010]. Antes disso, todas as operaes eram feitas por seres humanos, embora muitas vezes apoiadas por anlises tcnicas e/ou fundamentalistas e em algumas instncias por softwares de apoio a deciso, os chamados ATS (Automated Trader Systems). Se os computadores podem bater campees de xadrez, por que no a bolsa de valores? A vantagem de se usar computadores para operaes envolvendo valores, que toda a emoo tirada do processo, evitando assim que fatos de divergncia de opinies, interesses, medos, palpites, intuio influenciem a deciso final de compra e venda. Alm disso, computadores tem o poder de analisar milhares de ativos simultaneamente, em tempo real, podendo portanto tomar decises em fraes de segundos. Atravs de modelos programados, as estratgias so seguidas risca, e portanto se os modelos no forem lucrativos, a operao tambm no o ser. Faz-se necessrio portanto o uso de backtesting, ou a simulao do modelo retroativamente, usando dados histricos para anlise do modelo. Por ltimo, esses agentes automatizados fazem um excelente trabalho de gesto de risco. Atravs de modelos bem definidos, possvel seguir uma disciplina rgida de diversificao de risco para menor exposio a perdas futuras. O foco de nosso trabalho ser na arbitragem estatstica usando pares de ativos selecionados usando tcnicas de cointegrao. O nome dessa operao conhecido tambm como pairs trading, ou mais comumente como long and short. Para tal, faz-se necessrio pr-processar a base para selecionar pares de ativos relacionados, comprando (adotando posio long) financiado pela posio vendida (short). A idia detectar distores nos preos do par, que historicamente caminha junto, tomando proveito de um momento breve de descolamento

desses preos de uma linha mdia, usando a tcnica de cointegrao [CALDEIRA 2010] proposta e investigada por [GRANGER 1987]. A estratgia de pairs trading conhecida por ser neutra ao mercado. Entende-se como neutra ao mercado se seu retorno independente do retorno do mercado subjacente. Portanto espera-se que o risco sistemtico seja igual a zero, protegendo o investidor de oscilaes mercadolgicas, tirando proveito da movimentao relativa de preos. A ferramenta a ser desenvolvida ter possibilidades de testar os dados histricos reais usando estas tcnicas, simular as operaes e por ltimo plotar os grficos requeridos pelo usurio. Objetivos O objetivo do trabalho o de apresentar uma ferramenta para anlise e simulao de estratgia de pairs trading, uma tcnica de operao na bolsa de valores tambm conhecida como long and short. O aplicativo a ser desenvolvido l uma base de dados histrica de preos de ativos e testa todas as combinaes de pares, dentro de um perodo e parmetros selecionados, guardando o resultado da anlise em uma tabela. Em um outro momento, o usurio pode simular operaes (backtesting) nos pares e realizar anlises utilizando grficos gerados dinamicamente. Nenhum dinheiro ou recurso operado de verdade. No mais, as operaes no simulam taxas de emolumentos, corretagem e muito menos influencia o mercado. Este software usado apenas para fazer simulaes e gerao de grficos, com o intuito de obter a melhor seleo de pares e parmetros para operao real. Os grficos gerados pela ferramenta podero ser gravados em formato de imagem no disco. O resultado dos processamentos computacionais podero ser exportados em arquivos CSV, de forma a permitir que o usurio final o trader, ou o analista estatstico possa manipular estes dados posteriormente.

Organizao do Projeto Na seo II apresentamos os conceitos bsicos envolvidos nesta estratgia, como a explicao superficial do conceito de cointegrao de duas sries temporais. Este conhecimento chave na metodologia utilizada para analisar o par. Ser apresentada tambm uma explicao de como funciona uma estratgia de operao em pares, tambm conhecida como Long and Short [RASSIER 2009]. Ainda nesta seo, ser apresentado o conceito de regresso linear da disperso de preos de um par. Na seo III, sero descritos os softwares e ferramentas utilizadas, junto com o ambiente computacional e detalhes da arquitetura utilizada. Ainda nesta seo, ser mostrado o cronograma planejado e o executado para este projeto. Na seo IV, ser realizado um teste de simulao acompanhado de um passo a passo da execuo, mostrando tambm onde a base histrica foi obtida. Alm disso, consideraes a respeito da performance do teste e os parmetros utilizados sero relatados. Na seo V, algumas consideraes e observaes constatadas a respeito das tcnicas e escolha tecnolgica sero feitas. Algumas sugestes de melhorias e possibilidades de aprofundamento da pesquisa concluem o trabalho. Nos apndices, ser apresentado o cdigo fonte, o manual de usurio e algumas tabelas geradas pela ferramenta.

II. Conceitos Bsicos A seguir sero apresentados alguns conceitos utilizados na seleo de pares e simulao das operaes. Sries Temporais e Cointegrao Uma srie temporal definida como uma coleo de observaes feitas ao longo do tempo [Wikipedia: Sries Temporais]. Sries temporais podem ser classificadas como estacionrias e no estacionrias. Sries estacionrias so aquelas em que seus valores flutuam ao longo de uma mdia, com uma varincia limitada e no possuem correlao serial. Ruido branco ou white noise so exemplos de sries estacionrias.

Figura 1: Um exemplo de ruido branco (fonte: Wikipedia-en: White-noise.png)

Sries no-estacionrias sofrem mudanas ao longo do tempo nas variveis de seus processos estocsticos e geralmente possuem raiz unitria, que so as raizes da equao caracterstica utilizada para modelar a srie. A srie conhecida como passeio aleatrio (random walk) se encaixa nesta definio.

Figura 2: 8 exemplos de passeios aleatrios, em cores diferentes (fonte: Wikipediaen: Random_Walk_example.svg)

Em nosso caso, a observao o preo de fechamento do dia do ativo, comercializado no mercado vista da BM&F Bovespa. Dados correlacionados podem ser entendidos como dados obtidos a partir de observaes de eventos que compartilham uma explicao comum ou parte dela. Pegamos por exemplo o histrico de preos de um ativo como PETR4 e PETR3. Naturalmente que, se o preo de um sobe o outro sobe junto, sendo esta uma consequncia das duas serem aes diferentes da mesma empresa. Na figura a seguir, mostramos as duas sries histricas representando preo das aes ordinrias e preferenciais da Petrobrs, respectivamente.

Figura 3: Valores reais de fechamento dirio de PETR4 e PETR3 ao longo de 2008 at abril de 2012

Pode-se ver claramente que as duas sries esto correlacionadas. E a explicao bvia, visto que estamos analisando preos de aes diferentes para o mesmo ativo. Duas ou mais variveis estocsticas so ditas cointegradas, quando elas compartilham um mesmo desvio estocstico ao longo do tempo. Em outras palavras, elas tendem a voltar mdia, mesmo que fazendo movimentos diferentes e aparentemente no correlacionados, mas com um certo grau de previsibilidade. Alta correlao no implica cointegrao e vice-versa [Carol Alexander 2001]. O que estamos interessados no equilbrio mais duradouro de duas sries. Ao conseguirmos detectar este equilbrio e estimar seus parmetros, poderemos apostar na probabilidade de que um desvio temporrio na relao das duas sries reverter a este equilbrio. Um processo estocstico dito integrado na ordem p aqui abreviado por I(p) se so necessrias p diferenciaes para atingir a estacionariedade. Muitas sries de preos so I(1). Se duas sries I(1) podem ser combinadas linearmente para produzir uma terceira srie que seja I(0), chamamo-as de cointegradas. O conceito de cointegrao foi introduzido por [GRANGER, ENGLE 1987] para analisar a relao dos preos de derivativos, taxas de juros, preo de commodities, etc.

O teste de Augmented Dickey and Fuller (ADF) [DICKEY 1979] pode ser usado para rejeitar a hiptese da existncia da raiz unitria, ou seja, permite avaliarmos, atravs de um resultado estatstico, se existe a possibilidade de uma srie ser estacionria, com um certo grau de confiabilidade. Esta confiabilidade descrita pelo resultado p-value, que representa um valor real de 0 a 1. Se o teste te indicar 95% de chance do resultado apresentado no ser obra do acaso, o pvalue ser de 0,05. Este no entanto no a nica possibilidade de testar este conceito em um conjunto de dados. Outros testes, como o de Johansen [JOHANSEN 1995], o teste de Phillips-Perron e ultimamente uma evoluo do ADF, chamada CADF (Cointegration Augmented Dickey and Fuller), proposta por Engle and Granger (1987) so possveis de serem utilizados. Este ltimo, conhecido por ser o mtodo de dois passos de Granger, ser o usado nesta experincia. Primeiro estima-se o parmetro (Beta) da relao entre duas sries I(1) (o teste de ADF pode ser usado para verificar esta condio) usando a regresso linear OLS (ordinary least squares). Em seguida coleta-se os resduos da relao que so os erros encontrados no modelo, ou melhor dizendo, os desvios da reta de estimao. Ao termos o parametro Beta estimado, possvel detectar a estacionariedade da srie de resduos com o teste de ADF. Se passar no teste, o par dito cointegrado e portanto selecionado. Estas observaes e consideraes acima podem ser melhor estudadas em [SORENSEN 1997] ou em [Carol Alexander 2001]. Pairs Trading No mercado financeiro, uma posio short uma posio vendida. Uma posio long uma posio comprada. Pairs Trading (ou long and short, como conhecido) embute a noo de comercializar pares de ativos, um na ponta vendida e outra na ponta comprada. Ao vender um determinado ativo, o financeiro obtido por este usado para comprar o outro. Tenta-se obter, portanto, lucro com a relao dos pares, e no apenas com um. Suponha o seguinte exemplo: PETR4 (Petrobras PN) custando 19,06 PETR3 (Petrobras ON) custando 19,86 Vendemos 1000 aes de PETR3 e com este dinheiro imediatamente compramos 1041 aes de PETR4, ficando com 18,54 de saldo positivo.

Alguns dias depois, as cotaes so as seguintes: PETR4 PETR3 18,96 19,54

Desfazemos a operaco (ou zeramos a posio, como dito usando jargo do mercado): 1041 x 18,96 = 19.737,36 (CREDITO) 1000 x 19,54 = 19.540,00 (DEBITO) SALDO DA OPERAO: 197,36 TOTAL NO FINAL: 197,36 + 18,54 = 215,90 (LUCRO) 1 Apesar do ativo PETR4 ter caido de preo e nesta operao o papel ter sido comprado para depois ser vendido, a operao foi lucrativa. Porque a relao entre o par PETR3 e PETR4 foi lucrativa. Facilmente que o leitor pode deduzir que a operao poderia ter gerado perda em uma ponta, ganho na outra ou mesmo ter tido perda ou ganho em ambas as pontas. O que faz a aposta neste par ser to interessante? A princpio, a resposta a essa pergunta a idia ou a estimativa de que a relao entre eles (a razo entre eles) tende a permanecer ou flutuar em torno de uma linha mdia. Para que seja possvel afirmar que existe uma probabilidade grande de que isso acontea, o teste de cointegrao executado. E se bem analisado e confinado dentro de parmetros bem definidos, pode fornecer a dica e a lista de pares que obedeam esta regra.

Desconsiderando taxas de corretagem, emolumentos, impostos e quaisquer outros dbitos

Regresso Linear (Ordinary Least Squares Linear Fitting) Regresso linear o mtodo chamado para se estimar o valor esperado de uma varivel Y dita explicada por outra vriavel independente X, em funo dos valores passados de Y. Ou pode-se dizer que tenta-se obter uma modelagem linear entre duas variveis. Relaes que no podem ser modeladas atravs de uma funo afim so ditas no-lineares e outros mtodos de regresso no lineares so utilizados. Vamos nos concentrar na primeira. O mtodo dos Mnimos Quadrados Ordinrios tenta minimizar o quadrado das distncias verticais obtidas entre as observaes encontradas e as respostas geradas pelo modelo de predio linear. Tais diferenas so chamadas resduos. Os resduos, para os propsitos deste estudo, so usados para nos indicar possvel afastamento da relao de preos do par da linha de tendncia geradoa pelo mtodo, e por conseguinte, uma oportunidade de operao lucrativa, ao apostarmos que provavelmente a relao voltar mdia.

Figura 4: Um exemplo de regresso linear na disperso acima Na Figura 4, a distancia vertical do ponto azul para a reta estimada (em vermelho) chamada de resduo (File:Linear regression.svg, From Wikipedia, the free encyclopedia).

10

O vetor de resduos da disperso XY do par estudado alimentado no teste de cointegrao mencionado acima. Ao detectarmos cointegrao, podemos assumir que a srie de resduos estacionria, fazendo-nos acreditar que a relao do par volta ao equilbrio. Ao assumir que a relao do par tende a voltar a uma mdia (mean revert), aposta-se que a operao de long and short executada neste par ser lucrativa, no importando se algum ativo, individualmente, gere perdas. Justamente por ter a liberdade de fazer a escolha do par, sem levar em considerao o ativo individualmente, diz-se que esta operao neutra ao mercado, por no importar muito se o papel isoladamente est subindo ou descendo e principalmente porque o resultado das operaes no apresentam correlao com o ndice do mercado subjacente.

11

III. Uma Ferramenta para o Estudo de Estratgias de Pairs Trading Softwares e sistemas de negociao automatizados, tambm conhecidos como ATS, Robotrading, Algo Trading, black-box trading, so usados nas mais diversas operaes, incluindo market making (gerao de preos para ativos, para fornecer liquidez ao mercado), inter-market spreading (arbitragem do mesmo ativo ou contrato futuro em balces de negcios distintos), arbitragem pura e estatstica e trend following. Ferramentas como o MetaStock, Wealth Lab e outras ferramentas mais comumente encontradas no mercado no nos possibilita o seu uso para realizar simulaes customizadas e altamente especficas como estas. Faz-se uso portanto do desenvolvimento customizado de software para avaliao de riscos, simulaes e at operaes automatizadas. A ferramenta desenvolvida neste projeto nos possibilita o estudo e investigao da estratgia de pairs trading, usando a metodologia aqui apresentada. A seguir, sero descritas as formas, as ferramentas e tecnologias utilizadas para a construo deste aplicativo. Softwares e Ferramentas Utilizadas Para se realizar o teste de ADF, foi utilizado um pacote de operaes estatsticas conhecido como SuanShu, produzido pela Numerical Method (http://www.numericalmethod.com/wiki/numericalmethod/wiki/SuanShu). Este mdulo de terceiros pago, proprietrio, desenvolvido em Java e possui uma API fcil de se usar. concebido para funcionar gerando um resultado semelhante, seno igual, ao do gerado pela linguagem R (uma linguagem de alto nvel usada em simulaes e testes estatsticos). O programa cliente foi desenvolvido em Java 1.6 no Eclipse Indigo Service Release 2. A ferramenta Grafix2, gentilmente disponibilizada pelo seu autor a pedidos disponvel em http://www.grafix2.com/ nos forneceu a possibilidade de fazer o download da base histrica normalizada de maneira mais prtica. O framework de gerao de grfico JFreeChart (http://www.jfree.org/ jfreechart/) foi utilizado para gerar os grficos do programa. O sistema operacional desenvolvido foi o MacOS X Lion. Para a conexo TCP com o aplicativo, usou-se o telnet, ferramenta encontrada no ambiente Unix.

12

A interface de usurio foi desenvolvida em Swing, usando NetBeans 7.1.2 para posicionar os elementos (desenhar a interface) e gerar o cdigo fonte usado no projeto. Testes estatsticos iniciais e para verificao dos dados gerados pelo programa foram conduzidos no Microsoft Excel 2011 (Mac) e Microsoft Excel 2010 para Windows. O software TradeZone da IT Evolution foi utilizado para se obter o nome dos smbolos do mercardo vista da BM&F Bovespa. O Microsoft Windows 7 Home Premium foi o sistema operacional para rodar o TradeZone e Excel, assim como uma cpia do projeto executada e testada nesse ambiente tambm. Arquitetura e Especificao A ferramenta desenvolvida um cliente feito em Java com uma interface de usurio feita em Swing. O aplicativo tambm escuta na porta 10000 TCP para recebimento de comandos. O requisito era que o projeto pudesse 1) ler de uma base de dados (a leitura de um arquivo texto com as informaes do histrico de preo foi suficiente); 2) processar os dados utilizando possivelmente algoritmos desenvolvidos e implementados por terceiros; 3) plotar grficos de evoluo do capital na simulao da operao de pairs trading assim como disperso do par com sua regresso linear em forma de pontos, e por ltimo o histrico das duas sries temporais em forma de linhas; 4) Exportar os resultados obtidos para um arquivo texto. Forma de operao O software a ser apresentado possui uma interface de dilogo, com duas abas, podendo tambm ser acessado atravs de uma conexo TCP, para envio de comandos no console. O aplicativo tambm conta com uma base de dados histrica de preos de ativos do mercado vista da BM&F Bovespa desde 1998 at abril de 2012. A primeira aba permite ao usurio analisar os pares que foram selecionados segundo os parmetros entrados. Uma tabela contm esta seleo de pares. Um menu de contexto para cada linha (representando um par) permite a gerao de alguns grficos de interesse em uma janela separada. O processamento da anlise dos pares feita gerando todas as combinaes com os ativos que encaixam no filtro primrio. possvel

13

selecionar o nmero mnimo de amostras do periodo desejado e tambm o nmero mnimo de negcios por dia (mdia do periodo) para restringir a anlise a ativos com mais liquidez. A seleo de pares se baseia no mtodo de verificao de cointegrao de dois passos de Granger [GRANGER 1987]. Os valores crticos de corte (p-value e/ou t-stats) so entrados como parmetros pelo usurio. A segunda aba permite a simulao da operao de pares, selecionados atravs da aba anterior, listando o resultado financeiro das operaes em uma outra tabela. Novamente, o menu de contexto permite plotar grficos para esta simulao em si, mostrando detalhes de entrada e sada de cada operao, assim como encontrar o par simulado na tabela anterior. O programa cliente empacotado no artefato LabradorConsole.jar executado em linha de comando, usando a JVM 1.6 da Oracle. possvel tambm conectar ao console pela port 10000. Um prompt de login e senha (ignorvel) ir aparecer. Os comandos pairselect, backtest, plot, plotsim so usados para gerar os mesmos resultados acima: Dario-Souzas-MacBook-Pro:darioandrade ~$ java -jar LabradorConsole.jar 0 [Labrador Console] INFO labrador.client.ClientConsole - Starting console in port 10000 E em outra janela: Dario-Souzas-MacBook-Pro:darioandrade ~$ telnet localhost 10000 Trying 127.0.0.1... Connected to localhost. Escape character is '^]'. Labrador 2012 (c) PUC-RIO Projeto Final DARIO ANDRADE TINOCO DE SOUZA 9814309 Login: a Password: a > help Comandos disponveis: selectpairs <adfstats> [YYYYMMDD YYYYMMDD] backtest <(pairstrading)> <threshold_beta> [YYYYMMDD YYYYMMDD] plot <(dispersion|timeseries|residuals)> <stock1> <stock2> [YYYYMMDD YYYYMMDD] plotsim <nidxsim> exit|quit > selectpairs 0.05 20090101 20111231 O modo normal e intuitivo de utilizar a ferramenta o de entrar com os dados diretamente na janela do aplicativo.

14

Figura 5: Imagem da primeira aba do aplicativo, com alguns pares processados

O uso da biblioteca JFreeChart nos possibilitar enxergar os dados de forma suave e fcil, permitindo ao usurio gravar imagens dos grficos selecionados, dar zoom em uma rea de interesse dentre outros recursos. Para isto, bastar seleciona a opo do menu de contexto ou atravs do comando: > plot dispersion petr3 petr4 20110101 20110331

Figura 6: Disperso do par PETR3 e PETR4 e sua regresso linear estimada, plotada pela ferramenta

15

E para as sries temporais do par:

Figura 7: Sries Temporais de AMBV4 - BRTO4 plotada pela ferramenta

Ao escolhermos plotar os resduos sobre o eixo das datas, podemos ter uma viso da cointegrao do par. Repare que os resduos da regresso linear ao longo do periodo selecionado tendem a reverter mdia.

Figura 8: Srie de Resduos da Regresso Linear calculada no par AMBV4 - BRFS3, apresentando estacionariedade

16

A segunda aba com uma simulao feita em um periodo escolhido pelo usurio, a partir dos pares selecionados na primeira aba:

Figura 9: Aba de simulao, com alguns resultados listados

Ao plotarmos a simulao, podemos encontrar a lista de operaes com seus respectivos detalhes, como tipo de entrada (venda ou compra de spread), data de entrada e sada, tipo de sada, valor inicial e final:

Figura 10: Resumo das operaes do par AMIL3-CESP6, com resultado financeiro de cada entrada e sada

17

No final, possvel exportar as listas geradas em formato CSV. Foram feitos alguns testes de operao, e seus resultados sero mostrados mais adiante, na seo IV.

18

Comparativo entre cronogramas planejados e executados

Etapa Obteno dos dados Anlise de cointegrao

Descrio Obteno das sries histricas e insero no banco de dados MySQL Ser feito um processamento nas sries histricas de modo a determinar pares correlacionados, utilizando ADF (Augmented DickeyFuller) e correlao. Aplicativo com a janela, console, botes, telas de relatrio sobre a execuo e seleo do arquivo da estratgia em Lua. Simulao e anlise do desempenho da estratgia baseada nas sries histricas, gerando um relatrio final e grficos. Finalizao do relatrio do Projeto Final II para entrega.

Data Esperada 15/03/2012

Data Realizada 20/04/2012

12/04/2012

05/05/2012

Desenvolvimento da Interface de Usurio

15/05/2012

31/05/2012

Anlise de backtest e simulao

31/05/2012

25/06/2012

Escrita do relatrio do Projeto Final II

15/06/2012

26/07/2012

Tabela 1: Cronograma planejado e de implementao

Implementao O cdigo est organizado em 3 grandes grupos ou pacotes: l a b r a d o r. c l i e n t . c o n s o l e , l a b r a d o r. s t r a t e g i e s . e v a l u a t i o n e labrador.strategies.paristrading. A class LabradorConsole inicia o console TCP para leitura dos comandos e a thread de IU que inicia a janela principal, contida na classe LabradorMainFrame. A classe PairSelector faz a escolha dos pares, enviando os resultados atravs de um listener(PairSelectionEvents). Por sua vez, a classe PairsTradingStrategyExecutor realiza a simulao da estratgia nos pares enumerados pela classe TimeSeriesStocksIterator. Envia notificaes de status na interface PairsTradingStrategyBackTestingEvents. Os beans de uso geral para manipulao de dados so:

19

TimeSeriesDouble, implementando o template TimeSeries<Double> TimeSeriesPair (possui dois TimeSeriesDouble) DispersionPoint LinearRegression E para a simulao: TradingSimulation, contendo uma coleo de PairsTradingOperation. O pacote labrador.client.charts contm as classes geradoras dos grficos usados na ferramenta.

20

IV.Avaliao Experimental Estudos Preliminares O autor deste trabalho j possuia conhecimentos avanados na linguagem Java e em desenvolvimento de aplicativos e sistemas usando o ambiente Eclipse. O mdulo JFreeChart para plotar os grficos, tais como os algoritmos de ADF e regresso linear tiveram que ser pesquisados e estudados para uso no trabalho. Muito estudo foi realizado para o entendimento da estratgia, assim como os conceitos estatsticos bsicos apresentados neste trabalho. Para se desenvolver a interface de usurio grfica, foi necessrio um ensaio no ambiente Eclipse, de forma a entender como acelerar a gerao das classes que gerenciam a interface, tais como a janela principal, botes, layout abstrato. A soluo usando Swing parecia ser a mais apropriada para este caso. A plataforma NetBeans pareceu a mais bem adaptada para o desenho e montagem da interface de usurio, e foi usada exclusivamente para este propsito. A classe gerada pela ferramenta era atualizada no Eclipse e o cdigo final compilado, testado e depurado no Eclipse. Para que o projeto fosse proposto, um conhecimento prvio nas operaes de bolsa de valores teve que ser obtido de modo a compreender os mecanismos de long and short, stop loss, e ultimamente os conceitos estatsticos como abordagem para seleo e operao dos pares. Equipamentos Utilizados MacBook Pro usando processador Core 2 Duo 2,67 GHz, 8 GB de memria principal, HD de 512GB 7200 RPM Obteno e Preprocessamento do Histrico de Preos A ferramenta Grafix, desenvolvida por Joo Medeiros em Java para realizao de anlises tcnicas e estatisticas do mercado financeiro foi o ponto inicial para obteno do histrico de preos dos papis comercializados na bolsa de valores brasileira. Sabe-se que o TradeZone comercializa essa informao. Como o Grafix j tinha o recurso de baixar os arquivos. O arquivo est formatado da seguinte maneira, em linhas (uma amostra por linha) ASCII:

21

08/10/2007 11.16 11.09 11.44 11.38 115 239828.90 2696204.00

DATA

PA

MAX

MIN

PF

NEG

VOL

VOL R$

PA = Preo de Abertura MAX = Preo Mximo do dia MIN = Preo Mnimo do dia PF = Preo de Fechamento NEG = Nmero de negcios do dia VOL = Volume de aes negociadas VOL R$ = Volume financeiro do dia

A informao aproveitada foi a data, o preo de fechamento do dia e o nmero de negcios do dia (para limitar os ativos escolhidos, de forma a evitar falta de liquidez na operao). praxe de mercado ocorrer um desdobramento (split) ou grupamento (inplit). Um desdobramento acontece quando o preo de uma ao torna-se muito alto para o padro concebido no mercado. Como o lote mnimo para comercializao no mercado vista da Bovespa de 100 aes, um preo acima de 100 reais pode dificultar o acesso a pequenos investidores. Decide-se portanto, com o aval do conselho da empresa, multiplicar o nmero de aes existentes no mercado, muitas vezes por 10, multiplicando o nmero de aes que cada acionista tem em sua custdia e dividindo o preo correspondente da ao pelo mesmo fator. Num grupamento ocorre o contrrio. Uma mesma descontinuidade pode ocorrer numa situao chamada de ex. Quando uma empresa distribui dividendos, seu valor automaticamente ajustado na custdia dos acionistas. Este fator tambm precisa ser levado em considerao na normalizao dos dados. Para todos os efeitos, nada acontece para quem detm a ao, mas para quem est computacionalmente analisando sries de preos, a mudana brusca gera uma descontinuidade e distoro grotesca na percepo de valor do ativo. A soluo portanto da-se em ajustar os preos retroativamente para que no haja descontinuidades e nem percepo errada de valor. O software TradeZone nos permite obter a lista de simbolos de cada mercado (futuro, opes, fracionrio, vista e outros). Foi inserida a lista manualmente no cdigo para verificar quais simbolos so comercializados no mercado vista da Bovespa, apenas. Alm disso, apenas papis que tinham pelo menos 500 negcios em mdia no dia foram utilizados. O par, no intervalo de operao, precisaria ter pelo menos 100 pontos na disperso para fazermos proveito de uma anlise

22

mais precisa. Garante-se desta forma que o papel um dos mais lquidos da bolsa. Performance e Execuo Para testar as caractersticas e funcionalidades do sistema, foi feito um teste de seleo/processamento de pares e simulao. O periodo escolhido para a anlise e seleo dos pares foi o ano de 2010 e a de simulao o primeiro semestre de 2011. Para melhor ilustrar o funcionamento da estratgia de pairs trading, faz-se necessrio explicar como feita a entrada e sada da operao. realizada a regresso linear da disperso do par. Esta regresso procura obter a reta descrita pela equao linear Ao1 = Ao2 + , para o periodo de n dias anteriores (escolhems 180 dias). Percorremos dia a dia analisando os valores dos preos de cada ativo da base histrica. O valor observado (o preo da Ao1 em relao a Ao2 nesta data) subtraido do valor estimado no modelo (lembrando: esta diferena do valor observado e o estimado chamado de resduo) colocado num grfico, como o da Figura 10. As linhas de 1x e 2x o desvio padro dos resduos so traadas. Quando o resduo encosta na linha de 2x o desvio padro, ns anotamos este fato (o estado da simulao muda para crossed_threshold). No momento em que o valor faz movimento para voltar mdia e encosta de novo na linha de 2x desvio padro (dando sinal de que ir reverter mdia), ns entramos na operao. Ao cruzar a linha de 0,5x desvio padro, ns saimos da operao, guardando o resultado obtido. A figura a seguir mostra a saida da operao ao cruzar a linha mdia. Lembrando que o sistema aceita receber estes parmetros do usurio como entrada para processamento.

23

Figura 11: Explicao de como entramos na operao, aps spread atingir e voltar para a linha de 2 desvios padres at atingir a mdia

Como possibilidade para evitar perdas muito grandes e preservarmos o capital, estipulada uma politica de stop loss e expirao. No mantemos a operao por mais do que 35 dias nem permitimos perdas maiores do que 20% do principal. A execuo da seleo de pares levou aproximadamente 57 segundos (contado em relgio, manualmente) para calcular 2602 combinaes de pares, com apenas 102 selecionados. Os parametros utilizados na seleo de pares foram:

Periodo de anlise Threshold mnimo de conana (p-value) Dias mnimo de amostras da srie Pontos mnimos na disperso do par Vefricar se sries so I(1)? p-value para rejeio da hiptese nula da srie (conrma I(n), n > 1) Mnimo de negociaes por dia em mdia da srie Tabela 2: Parmetros para seleo de pares

01/012010 - 31/12/2010 0,05 (95%) 150 150 Sim 0,20 500

24

A simulao foi mais rpida. Para simular 4561 pares, o tempo cronometrado foi de 28 segundos aproximadamente. Para o backtesting, usamos:

Periodo de simulao Threshold de Entrada (x desvio padro) Threshold de Sada (x desvio padro) Dias mnimo de amostras da srie Pontos mnimos na disperso do par Dias mximo de manuteno da operao Valor do Principal em cada par simulado Stop Loss (% do Principal) Nmero de dias anteriores (lag) a serem usados na regresso linear Mnimo de negociaes por dia em mdia da srie

01/012011 - 30/06/2011 2,0 0,5 100 100 35 $100,000 80% 180 500

Tabela 3: Parmetros para simulao dos pares selecionados

Todas as operaes estavam gerando sadas volumosas de mensagens de log no console do Eclipse, o que certamente diminui a performance da simulao. A seguir o exemplo de simulao do par LAME4-PDGR3, com ilustrao do momento de entrada e saida de cada operao.

Figura 12: Simulao do par LAME4-PDGR3, com suas entradas e saidas

25

Abaixo uma imagem da sries de resduos, gerada pela ferramenta, junto com a linha de mdia, 1x e 2x o desvio padro do periodo de 2010, que supostamente detectou esta srie de residuos como estacionria.

Figura 13: Srie de Resduos do par LAME4 - PDGR3, com desvio padro

Notavelmente, a srie de residuos da regresso linear da disperso do par tem uma caracteristica de reverso mdia (linha azul). A mdia muito prxima de zero, sempre, visto que a regresso procura minimizar as distncias. Nota-se que se fosse possvel saber de antemo que a relao cointegrada, e esta caracteristica de mantivesse tambm durante o periodo de simulao, poderamos detectar claramente vrios pontos de entrada e sada. Notavelmente, em Abril de 2010 quando a srie divergiu para 2x o desvio padro do periodo e aproximadamente 1 ms depois quando cruzou o zero, em Maio de 2010. Dizemos que estamos entrando comprando o spread. Podemos verificar o grfico da disperso do par no ano de 2010 e em seguida as sries no periodo de simulao de 2011:

26

Figura 14: Disperso do par LAME4 - PDGR3 com a regresso linear em 2010

Figura 15: Sries Temporais de LAME4 - PDGR3 no primeiro semestre de 2011

27

VI.Consideraes finais claro que o trabalho de analisar dados estatsticos requer um misto de ciencia e arte. Dados obtidos atravs de observaes externas so sujeitos a ruidos e portanto muitas vezes apresentam uma gama complexa de variveis para ser analisada. O mtodo de cointegrao claramente reconhece um padro de equilibrio entre vrias sries, mas nada garante que esta tendncia permanea constante fora dos intervalos observados. Alm disso, avaliar o periodo certo para aprendizado dos parmetros e o tempo mximo de aplicao crtico para o sucesso da operao. A ferramenta proposta permite ao estatstico uma investigao dos melhores pares, com anlise de cointegrao e simulao. Notadamente muito foi aprendido no que diz respeito a anlise de dados temporais. No campo da tecnologia de informao, a manipulao de dados usando grficos gerados dinamicamente ajudou muito no entendimento dos dados. O trabalho pode ser facilmente estendido para se trabalhar com backtesting de estratgias de trend following, operaes com derivativos e outras estratgias tcnicas usando indicativos estatsticos conhecidos, como a mdia mvel. possvel avaliar outros mtodos de anlise de cointegrao para comparar com o que foi utilizado aqui. O teste de Johansen um bom comeo, assim como o de Phillip Perron. Alm disso, possvel obter dados mais granularizados, com unidade de minutos. Assim passa a ser vivel vislumbrar a aplicao em operaes de daytrade ou mais curtas que as sugeridas neste trabalho, possivelmente fazendo operaes de alta frequencia (tambm conhecidas como HFT ou High Frequency Trading). A estratgia pode, como uma soluo paralela, ser implementada em uma linguagem de acoplamento suave como Lua, permitindo ao trader mais avanado desenhar suas prprias estratgias.

28

V. Referncias A s b o l s a s e m f r a e s d e s e g u n d o , h t t p : / / w w w. c m a . c o m . b r / marketingcma/CMA/marketing/imprensa/2010/janeiro/09.html, CMA Imprensa, Janeiro, 2010 Black, Fischer; Myron Scholes, The Pricing of Options and Corporate Liabilities, Journal of Political Economy 81 (3): 637654., 1973 Caldeira, J. F., Arbitragem Estatstica e Estratgia Long-Short Pairs Trading, Abordagem da Cointegrao a dados do mercado brasileiro, Julho, 2010 Alexander, Carol; Giblin, Ian, Weddington III, Wayne, Cointegration and Asset Allocation: A New Active Hedge Fund Strategy, ISMA Centre Discussion Papers in Finance 2001-03, UK, 2001 Dickey, David A.; Wayne A. Fuller., Distribution of the Estimators for Autoregressive Time Series with a Unit Root, Journal of the American Statistical Association (June 1979). pp. 423-31 Engle, Robert F.; Granger, Clive W. J., Co-integration and error correction: Representation, estimation and testing, 1987, Econometrica, 55(2), 251-276 Jelveh, Zubin, Mutual Funds Report; How a Computer Knows What Many Managers Dont, New York Times, July 9, 2006 Lowell, Lee, Fique rico operando opes: estratgias vencedoras dos traders; traduo Mauricio Hissa, Elsevier, Rio de Janeiro, 2008 Rassier, Leandro Hirt, Entenda o Mercado de Aes: faa da crise uma oportunidade, Elsevier, Rio de Janeiro, 2009 Sorensen, Bent E., ECONOMICS 266, Spring, 1997, March 1, 2005 Wikipdia, Black-Scholes, http://pt.wikipedia.org/wiki/ Black-Scholes#modelo_de_Black-Scholes

29

Johnson, Barry, Algorithmic Trading & DMA, An introduction to direct access trading strategies, 4Myeloma Press, London, 2010 Wikipdia (English), Pairs trade, http://en.wikipedia.org/wiki/Pairs_trade Wikipdia, Sries Temporais, http://pt.wikipedia.org/wiki/S%C3%A9rie_temporal Hendry, David F.; Juselius, Katarina, Explaining Cointegration Analysis: Part I European University Institute, Florence, September 10, 1999 Vidyamurthy, Ganapathy, Pairs Trading: Quantitative Methods and Analysis, Wiley Finance, Hoboken, NJ, EUA, 2004 Herlemont, Daniel, Pairs Trading, Convergence Trading, Cointegration, http://www.yats.com/doc/cointegration-en.pdf

30

VII.Apndices Manual de Operao Para executar o projeto, necessrio ter os seguintes artefatos: LabradorConsole.jar data/<nome do ativo 1> data/<nome do ativo 2> > java -Xmx256M -jar LabradorConsole.jar As operaes podem ser feitas na interface de usurio, ou em linha de comando atravs da conexo TCP na porta 10000 mquina que est rodando o projeto. > telnet <IP da mquina> 10000 Login: <qualquer coisa> Senha: <qualquer coisa> Comandos disponveis: selectpair <adfstats> <threshold_pvalue> YYYYMMDD YYYYMMDD

Executa a seleo dos pares iterando sobre os arquivos de dados e recursivamente para cada um para gerar a combinao de pares. Armazena em memria os pares que tenha: adfstats t-stats (ADF) menor que o valor inserido e; threshold_pvalue p-value (grau de confiana, 0.05 = 95% de confiana) menor que o inserido; YYYYMMDD data de incio e fim do intervalo de anlise (20090101 20101231 o padro) backtest pairstrading <stddev_entry> <stddev_exit> <percent_loss> YYYYMMDD YYYYMMDD Realiza a simulao de operaes de pairs trading usando:

31

stddev_entry um mltiplo (double) do desvio padro dos residuos como ponto de entrada (2.0 o padro); stddev_exit um mltiplo do desvio padro para a sada da operao (0.5 o padro); percent_loss um percentual de stop loss como sada de emergncia (20.0 para representar 20% de perda o padro); YYYYMMDD incio e fim da simulao (20110101 20111231 o padro). plot <(dispersion|timeseries|residuals)> <stock1> <stock2> YYYYMMDD YYYYMMDD Gera o grfico e abre uma janela JFreeChar da: dispersion disperso (ou scatter plot) de um par e sua reta estimada da regresso linear residuals mostra o grfico dos residuos da regresso linear da disperso do par timeseries histrico de preos, evoluo temporal do par YYYYMMDD data de incio e fim do intervalo de anlise (20100101 20101231 o padro) plotsim <nidxsim>

nidxsim mostra a evoluo do capital operado sobre um par e seus pontos de entrada e sada, assim como o grfico dos residuos na operao sobre o par de ndice nidxsim da tabela de simulao exit|quit

Sai da sesso corrente, sem terminar o programa. shutdown

Sai da sesso corrente, fecha as janelas, desaloca os recursos e encerra a execuo do programa.

32

Tabelas de Resultados

Ao 1
GOLL4 LAME4 DASA3 LAME4 BVMF3 MRVE3 DASA3 POMO4 LAME4 BRSR6 BPNM4 MMXM3 BBRK3 EVEN3 AMBV4 BBRK3 BRSR6 BBRK3 CSAN3 GOLL4 BRML3 BISA3 POSI3 BVMF3 DASA3 BBDC4 BISA3 BBRK3 OGXP3 BRML3 BBRK3 AMBV4 CPLE6 ECOR3 BRKM5

Ao 2
OGXP3 OGXP3 POMO4 PDGR3 OGXP3 OGXP3 TBLE3 TBLE3 RAPT4 CSAN3 SBSP3 OGXP3 TRPL4 OGXP3 TBLE3 VALE5 EMBR3 WEGE3 TAMM4 LAME4 POMO4 RSID3 SBSP3 CNFB4 TRPL4 PDGR3 MRVE3 BRAP4 PDGR3 TRPL4 VALE3 PSSA3 EMBR3 PETR3 CSAN3

Valor Final 138897.15 126842.48 126530.74 122963.11 120560.29 120110.12 118453.25 117791.87 116366.47 115920.32 115656.57 115627.00 115515.34 114855.25 114727.86 114629.65 114110.74 113195.84 112634.44 112225.13 111603.90 111559.05 110801.22 110493.33 109860.84 108337.80 108003.58 107918.63 107774.68 107410.13 106750.92 106335.26 105471.02 105311.53 105084.97

# Ops 9 2 3 7 4 2 3 3 4 6 2 4 3 4 3 4 3 3 2 4 5 10 3 4 4 3 4 3 2 8 4 3 1 5 3

ndice na Tabela C 75 94 36 30 12 51 54 11 8 73 65 77 27 55 98 57 10 45 74 2 7 38 46 63 81 91 47 6 9 48 71 5 44 82 53

# Sucesso 9 2 3 7 3 2 2 3 4 6 1 4 2 4 3 4 3 3 2 4 5 10 1 4 4 3 4 2 2 8 3 2 1 5 3

# Stop Loss 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

# Expirado 0 0 0 0 1 0 1 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 2 0 0 0 0 1 0 0 1 1 0 0 0

33

Ao 1
CNFB4 CNFB4 EVEN3 BRSR6 BVMF3 PDGR3 BRML3 BVMF3 CNFB4 EMBR3 CCRO3 BBRK3 CCRO3 GOLL4 GOLL4 BVMF3 LLXL3 CPFE3 GGBR4 BBDC4 CSAN3 BBRK3 GFSA3 PSSA3 BRML3 BBDC4 EMBR3 SUZB5 BBAS3 GFSA3 GFSA3 LIGT3 EMBR3 BBAS3 CSAN3 BBRK3 NETC4

Ao 2
CSAN3 DASA3 MRVE3 LAME4 RENT3 RENT3 DASA3 PDGR3 MRVE3 TAMM4 TRPL4 PSSA3 TAMM4 RAPT4 PDGR3 RSID3 RSID3 RPMG3 USIM5 BRSR6 TBLE3 TAMM4 OGXP3 TBLE3 TBLE3 LAME4 TBLE3 USIM5 ITUB4 PDGR3 SANB11 PSSA3 ITSA4 EMBR3 TRPL4 BRKM5 TBLE3

Valor Final 105073.63 105061.58 104957.61 104811.33 104643.72 104367.45 104327.75 103840.01 103072.07 103008.59 102643.18 102590.14 102586.88 102233.57 102213.55 102209.70 102076.92 101935.68 101770.99 101720.75 101489.26 101339.21 101240.16 101155.77 101153.63 101064.17 100941.84 100802.57 100437.24 100427.47 100390.78 100011.14 100009.61 100009.23 100007.24 100007.10 100005.77

# Ops 2 1 9 4 2 3 6 3 8 3 11 2 2 1 1 1 1 1 1 2 1 3 2 3 2 2 4 2 3 1 3 0 1 0 0 0 0

ndice na Tabela C 72 70 64 21 66 41 18 59 67 83 96 60 23 15 25 76 100 99 89 90 42 31 33 4 1 97 16 87 39 37 92 19 22 88 26 20 61

# Sucesso 1 1 9 4 1 2 6 1 8 3 11 1 2 1 0 1 1 0 1 0 0 3 1 2 2 2 4 2 3 0 3 0 1 0 0 0 0

# Stop Loss 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

# Expirado 1 0 0 0 1 1 0 2 0 0 0 1 0 0 1 0 0 1 0 2 1 0 1 1 0 0 0 0 0 1 0 0 0 0 0 0 0

34

Ao 1
LLXL3 GOLL4 BBDC4 BISA3 BOVA11 BRSR6 BRSR6 BRSR6 CCRO3 CYRE3 LIGT3 NETC4 CSAN3 CSAN3 CPLE6 CNFB4 TBLE3 GFSA3 BBRK3 CPLE6 CNFB4 BBRK3 BRAP4 CSNA3 GGBR4

Ao 2
SBSP3 HGTX3 EMBR3 CYRE3 EMBR3 CNFB4 GOLL4 SANB11 GOLL4 RPMG3 TBLE3 PMAM3 SANB11 PSSA3 CSAN3 EVEN3 TRPL4 MRVE3 BOVA11 RDCD3 PDGR3 CCRO3 TBLE3 SUZB5 LAME4

Valor Final 100000.79 100000.70 100000.64 100000.00 100000.00 100000.00 100000.00 100000.00 100000.00 100000.00 100000.00 100000.00 99837.05 99835.08 99774.09 99534.61 99414.16 99073.89 98943.62 98717.77 98319.81 98278.16 96544.91 96343.95 93172.07

# Ops 0 0 0 0 0 0 0 1 0 0 0 0 2 1 5 1 8 2 3 3 1 1 1 6 3

ndice na Tabela C 28 35 52 3 24 50 101 84 29 69 43 86 32 78 14 62 56 102 40 95 34 49 68 13 85

# Sucesso 0 0 0 0 0 0 0 1 0 0 0 0 2 0 5 1 8 1 3 2 0 0 0 5 3

# Stop Loss 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

# Expirado 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 1 1 1 1 1 0

Tabela 4: Resultado financeiro da simulao de Janeiro a Junho de 2011 por ordem de maior lucro total, com montante inicial de $100.000

35

ndice 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

Ao 1
BRML3 GOLL4 BISA3 PSSA3 AMBV4 BBRK3 BRML3 LAME4 OGXP3 BRSR6 POMO4 BVMF3 CSNA3 CPLE6 GOLL4 EMBR3 ALLL3 BRML3 LIGT3 BBRK3 BRSR6 EMBR3 CCRO3 BOVA11 GOLL4 CSAN3 BBRK3 LLXL3 CCRO3 LAME4 BBRK3 CSAN3 GFSA3 CNFB4 GOLL4 DASA3 GFSA3

Ao 2
TBLE3 LAME4 CYRE3 TBLE3 PSSA3 BRAP4 POMO4 RAPT4 PDGR3 EMBR3 TBLE3 OGXP3 SUZB5 CSAN3 RAPT4 TBLE3 MILK11 DASA3 PSSA3 BRKM5 LAME4 ITSA4 TAMM4 EMBR3 PDGR3 TRPL4 TRPL4 SBSP3 GOLL4 PDGR3 TAMM4 SANB11 OGXP3 PDGR3 HGTX3 POMO4 PDGR3

t-stats -4.733996 -4.687924 -4.421204 -4.229345 -4.168612 -4.154265 -4.139723 -4.110876 -4.109957 -4.093609 -4.091636 -4.049907 -4.035538 -4.027205 -3.993163 -3.920233 -3.912510 -3.904234 -3.886710 -3.862210 -3.846876 -3.845372 -3.819692 -3.799700 -3.799625 -3.786664 -3.782685 -3.777461 -3.761342 -3.760252 -3.753438 -3.721072 -3.717440 -3.711391 -3.696757 -3.693348 -3.684713

p-value 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.02 0.02 0.02 0.02 0.02 0.02

Pontos 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 170 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247

R2 0.902171 0.864108 0.671138 0.882766 0.944599 0.753519 0.948831 0.846445 0.803941 0.808578 0.919614 0.779355 0.698904 0.748190 0.752301 0.782279 0.617181 0.922473 0.139772 0.494155 0.828971 0.721441 0.766175 0.333771 0.691414 0.759759 0.419696 0.161877 0.755844 0.817674 0.454058 0.671841 0.307864 0.822302 0.550933 0.936115 0.288936

36

ndice 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74

Ao 1
BISA3 BBAS3 BBRK3 PDGR3 CSAN3 LIGT3 CPLE6 BBRK3 POSI3 BISA3 BRML3 BBRK3 BRSR6 MRVE3 BBDC4 BRKM5 DASA3 EVEN3 TBLE3 BBRK3 KEPL3 BVMF3 BBRK3 NETC4 CNFB4 BVMF3 EVEN3 BPNM4 BVMF3 CNFB4 BRAP4 CYRE3 CNFB4 BBRK3 CNFB4 BRSR6 CSAN3

Ao 2
RSID3 ITUB4 BOVA11 RENT3 TBLE3 TBLE3 EMBR3 WEGE3 SBSP3 MRVE3 TRPL4 CCRO3 CNFB4 OGXP3 EMBR3 CSAN3 TBLE3 OGXP3 TRPL4 VALE5 PETR4 PDGR3 PSSA3 TBLE3 EVEN3 CNFB4 MRVE3 SBSP3 RENT3 MRVE3 TBLE3 RPMG3 DASA3 VALE3 CSAN3 CSAN3 TAMM4

t-stats -3.684705 -3.679358 -3.675874 -3.673818 -3.648283 -3.643944 -3.635726 -3.631182 -3.627768 -3.627434 -3.627093 -3.623560 -3.623405 -3.621238 -3.616164 -3.604070 -3.580933 -3.577812 -3.569972 -3.564304 -3.563929 -3.542424 -3.534155 -3.522146 -3.503694 -3.502895 -3.499466 -3.489912 -3.480295 -3.477830 -3.475640 -3.455970 -3.454744 -3.442495 -3.437156 -3.434149 -3.432618

p-value 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.04

Pontos 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247

R2 0.725337 0.869183 0.554261 0.931767 0.665967 0.125004 0.589763 0.643231 0.642058 0.552777 0.904948 0.566919 0.821898 0.770251 0.769209 0.787378 0.900699 0.819143 0.933977 0.697824 0.726597 0.694733 0.350523 0.143346 0.845927 0.715585 0.876027 0.738767 0.726630 0.813788 0.293708 0.192970 0.832318 0.598527 0.743421 0.800704 0.676704

37

ndice 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102

Ao 1
GOLL4 BVMF3 MMXM3 CSAN3 CYRE3 RPMG4 DASA3 ECOR3 EMBR3 BRSR6 GGBR4 NETC4 SUZB5 BBAS3 GGBR4 BBDC4 BBDC4 GFSA3 FIBR3 LAME4 CPLE6 CCRO3 BBDC4 AMBV4 CPFE3 LLXL3 BRSR6 GFSA3

Ao 2
OGXP3 RSID3 OGXP3 PSSA3 RPMG4 RSID3 TRPL4 PETR3 TAMM4 SANB11 LAME4 PMAM3 USIM5 EMBR3 USIM5 BRSR6 PDGR3 SANB11 KEPL3 OGXP3 RDCD3 TRPL4 LAME4 TBLE3 RPMG3 RSID3 GOLL4 MRVE3

t-stats -3.428619 -3.427420 -3.427336 -3.415810 -3.413453 -3.405974 -3.402076 -3.394604 -3.386691 -3.386177 -3.371744 -3.369839 -3.369020 -3.368845 -3.363404 -3.361872 -3.361825 -3.358303 -3.358122 -3.356509 -3.351405 -3.351018 -3.349465 -3.349033 -3.348439 -3.348257 -3.346769 -3.339957

p-value 0.04 0.04 0.04 0.04 0.04 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05

Pontos 247 247 247 247 247 247 247 187 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247 247

R2 0.715215 0.707712 0.179298 0.699414 0.196431 0.523102 0.886874 0.530524 0.578628 0.650522 0.312555 0.240963 0.655333 0.597149 0.766024 0.869928 0.833549 0.561486 0.647055 0.802009 0.500878 0.826696 0.892973 0.902938 0.672828 0.163889 0.727717 0.288115

Tabela 5: Tabela C de melhor resultado de cointegrao, por ordem inversa de tstats, analisada no periodo de 2010