Resumo CNPI: Fundamentos da Análise Técnica

Progresso das Aulas
  • Eficiência Fraca: os preços atuais refletem todas as informações históricas disponíveis;
  • Eficiência Semi-Forte: os preços incorporam todas as informações históricas e públicas disponíveis; e
  • Eficiência Forte: os preços incorporam todas as informações históricas, públicas e privadas.
  • A análise fundamentalista é indicada para investimentos em ações com horizontes de tempo maiores, pois a escola fundamentalista observa a estrutura da empresa e é mais adotada por bancos (credores de longo prazo), fundos de pensão e demais interessados no desempenho da empresa em períodos abrangentes.
  • A análise técnica observa o histórico de preços, portanto, não é necessariamente adotada apenas para ações (como é o caso da fundamentalista). Assim, essa técnica pode ser aplicada aos demais ativos. Todavia, aplica-se a horizontes de curto prazo: dias e semanas.
  • Existem quatro tipos de gráficos principais, são eles de: Linha; Barras; Candlestick; Ponto e Figura.
  • Open, High, Low, Close (OHLC): uma variante muito utilizada do gráfico de barras é o OHLC, nele cada barra é um período de tempo (dia, semana, etc.) e indica a abertura, fechamento, máximas e mínimas do ativo. Tal qual o ilustrado no exemplo abaixo:

 

Figura – Gráfico de Open, High, Low, Close (OHLC).

Fonte: Elaborado pelo autor.

 

  • O gráfico de linhas apenas marca o ponto que indica o valor analisado e os liga através de linha, logo, é o menos informacional dos gráficos aqui demonstrados, pois não consegue representar os movimentos dentro de cada momento do tempo.
  • Existem gráficos que utilizam o tempo como um dos eixos podem utilizar diferentes intervalos, são alguns deles: Intraday (“intradia” – intervalos de tempo dentro do próprio dia), Diário, Semanal, Mensal.
  • valorização em gráfico indexado quando: o ativo analisado subir e o indexador cair; o ativo valorizar mais que a valorização do indexado; o indexador desvalorizar mais que a desvalorização do ativo.
  • desvalorização em gráfico indexado quando: o indexador subir e o ativo analisado cair; o indexador valorizar mais que a valorização do ativo; o ativo desvalorizar mais que o indexador dele.
  • Liquidez por volume: mede o número de ativos ou contratos negociados durante um determinado período de tempo. Um volume baixo significa que há menos pessoas negociando, e o sentimento de cada um conta relativamente mais; isso torna o ativo mais volátil.
  • Definição de média: a média da amostra de uma variável (quando estamos em ambientes onde os fenômenos observados podem ser ligados a um dado conjunto de resultados possíveis utilizamos essa nomenclatura: variável.
  • Variável pode ser entendida como qualquer quantidade, qualidade, ou de uma característica que pode possuir vários valores numéricos).
  • Média Aritmética: é a soma dos valores observados em um dado dividido pelo número de observações, essa medida é obtida através da soma de todos os elementos de um conjunto e posterior divisão pelo número de elementos que o compõem e pode ser calculado através da seguinte fórmula: (x1 + x2 + x3 + x4 +x5) / n.
  • Média aritmética ponderada: trata-se de um tipo de média aritmética, em que cada número que fará parte da média terá um peso. Este peso será multiplicado pelo número, que serão somados e divididos depois pela soma dos pesos.
  • À exemplo, considere os seguintes números: 2, 4, 6, 3, e seus respectivos pesos 3, 2, 1, 2. A média ponderada (MP) seria calculada da seguinte forma: MP = (2 x 3) + (4 x 2) + (6 x 1) + (3 x 2) / 3 + 2 + 1 +2 = 26 / 8 = 3,25
  • Média Geométrica: entre n valores, é a raiz de índice n do produto desses valores. À exemplo, a média geométrica entre 1, 2 e 4:

  • Mediana: trata-se do valor da variável em um conjunto de dados que divide o conjunto de valores observados ao meio, de modo que os valores observados em uma metade são menores ou iguais ao valor médio e os valores observados na outra metade, de forma que seja maior ou igual ao valor médio.

 

Medidas de dispersão: desvio padrão e variância.

  • A variabilidade pode ser definida em termos de quão perto os valores da amostra estão do meio da distribuição. Usando a média como a medida do meio da distribuição, a variância é definida como a diferença quadrática entre os valores a média.
  • Por exemplo, se em uma avaliação escolar a média de uma turma com cinco alunos foi 6, e as notas individuais foram 4, 5, 7, 9, e 5. Considerando a média 6, tem-se que o valor dos desvios da média são respectivamente -2, -1, 1,3,-1
  • A variância e o desvio padrão olham para a dispersão dos dados em torno da média, informando o modo como eles estão distribuídos.
  • Variância: mede o grau de dispersão de um conjunto de dados é dado pelos desvios em relação à média desse conjunto.
  • Exemplo do cálculo da variância: considerando que uma ação teve as seguintes oscilações nos primeiros 5 dias de um determinado mês: 1º → + 3%; 2º → + 5%; 3º → + 7%; 4º → −2% e 5º → + 2%. Para efetuar a resolução, deve-se primeiro efetuar o cálculo da média: e, logo após, calcular agora a variância:

    Assim, a Variância é de 11,5%.

  • Desvio Padrão: trata-se da raiz quadrada da variância. O desvio padrão é uma medida especialmente útil de variabilidade quando a distribuição é normal ou aproximadamente normal porque a proporção da distribuição dentro de um determinado número de desvios padrão da média pode ser calculada.
  • A covariância é uma medida da variação entre duas variáveis aleatórias  e busca mostrar se há um comportamento de interdependência linear entre duas variáveis.
  • A covariância é representada pela seguinte equação:

  • Se valores maiores de uma variável correspondem principalmente aos valores maiores da outra variável, e se o mesmo ocorrer com os valores menores, as variáveis tendem a mostrar comportamento semelhante. Isso significa que a covariância será positiva.
  • Se os valores maiores de uma variável correspondem principalmente aos valores menores da outra amostra, as variáveis tendem a mostrar comportamento oposto, a covariância será negativa.
  • O sinal da covariância mostrará a tendência na relação linear entre as variáveis.
  • A magnitude da covariância é de difícil interpretação porque ela não é normalizada, dependendo das magnitudes das variáveis.
  • À exemplo, o conjunto A = 2,1, 2,5, 3,6, 4,0 e o conjunto B = 8, 10, 12, 14, possuem covariância de 2,27, pois aplicando a equação que vimos acima teremos: Cov (A,B) = (2.1-3.1)(8-11)+(2.5-3.1)(10-11)+(3.6-3.1)(12-11)+(4.0-3.1)(14-11) /(4-1) =(-1)(-3) + (-0.6)(-1)+(.5)(1)+(0.9)(3) / 3 =  3 + 0.6 + .5 + 2.7 / 3 = 6.8/3 = 2,27
  • O coeficiente de correlação mostra se há relação linear entre duas séries de dados X e Y. Se o coeficiente de correlação for igual a 1, significa que existe relação linear perfeita entre X e Y, de tal forma que se X aumenta, Y aumenta na mesma proporção também.
  • A correlação é representada pela seguinte equação:
  • Ou, alternativamente por:

  • Sendo assim, quando r é igual a 1, tem-se uma relação linear perfeita e positiva; quando r é igual a 0 , inexiste a relação linear; r é igual a -1 existe uma relação linear perfeita e negativa. Logo, quando r for maior que 0, existe uma relação linear positiva; e quando r for menor do que 0, existe uma relação linear negativa.

Doutor em Economia pela Universidade Federal de Santa Catarina. Mestre em Economia Aplicada pela Universidade Federal de Pelotas. É economista, especializado em Finanças pela Universidade Federal de Minas Gerais. Atuou como Analista e Controller. Pesquisa efeitos spillover e herd behavior no mercado de ações. Produz estudos sobre basis risk no mercado de derivativos.
Já é registrado?
Esqueceu a senha?
Perdeu sua senha? Digite o seu nome de usuário ou endereço de e-mail. Iremos enviar um link de recuperação para o seu e-mail.
We do not share your personal details with anyone.
Pressione F11 para tela cheia
Insira no mínimo 3 caracteres.
Nenhum resultado.
Suporte? Clique aqui.