Influência dos investimentos sociais na classificação de empresas no Índice de Sustentabilidade Empresarial da BMF&BOVESPA

O mercado global estimula a competitividade para a busca de retornos financeiros. Entretanto, para a obtenção destes retornos financeiros, as empresas não podem atuar sem considerar critérios de sustentabilidade empresarial, condição sem a qual as empresas perderão competitividade. A BM&FBOVESPA trouxe grande contribuição às empresas que operam em seu mercado através do ISE (Índice de Sustentabilidade Empresarial). No entanto é justificado o questionamento se a dimensão que contempla os investimentos relativos à responsabilidade social tem peso suficiente para classificar melhor uma empresa no ISE ou se a concepção de sustentabilidade do ISE é multifocal e cuja ênfase seja distribuída nos conceitos do triple bottom line. Para verificar tal fato, este trabalho procurou comprovar o peso real da dimensão social dentro do ISE por meio de regressão logística, valendo-se de amostragem adequada de empresas participantes ou não na carteira do ISE nos anos 2011 e 2012. Demonstrou-se que não há diferenças significativas entre os grupos que justifiquem a classificação ou não no ISE somente baseando-se nas variáveis da dimensão social, bem como das mesmas com a adição de variáveis financeiras. Nota-se, portanto, que a dimensão social não é suficientemente relevante para diferenciar a participação ou não de uma empresa na carteira do ISE.

ANÁLISE DA ASSOCIAÇÃO DE OPERAÇÕES DE CAPITALIZAÇÃO DE PRIVATE EQUITY E VENTURE CAPITAL NO DESEMPENHO DE EMPRESAS COM AÇÕES NA BOVESPA

A vantagem competitiva e o desempenho organizacional são conceitos administrativos estreitamente ligados à competitividade das empresas e sua permanência no mercado a longo prazo. Para que alcancem tal objetivo, de acordo com os fundamentos da RBV, as capacidades organizacionais dessas empresas devem ser dinâmicas, o que significa estar à frente das mudanças ambientais, mantendo, criando e desenvolvendo novas capacidades. Um dos caminhos para que isso se realize é a aposta na sua capitalização, que pode ocorrer com a captação de recursos de terceiros ou recursos próprios, com maior ou menor grau de risco. A captação de recursos com capital de terceiros acontece, principalmente, via instituições financeiras e factorings. A captação por meio de capital próprio pode ocorrer por retenção de lucros ou pelo underwriting. A emissão feita via mercado primário configura a oferta pública inicial de ações ou Initial Public Offering (IPO). No Brasil, a escolha dos fundos de Private Equity e Venture Capital, segmentos do mercado financeiro que consistem fundamentalmente em aporte temporário de capital, vem crescendo consideravelmente nos últimos anos. Contudo, existem poucas pesquisas a respeito da utilização e do desempenho financeiro que esses fundos trazem para as empresas. O presente estudo procura averiguar se as empresas que estavam listadas na BOVESPA no período de 2002 a 2008 e que receberam recursos via Private Equity e Venture Capital com IPO desenvolveram desempenho financeiro superior às que receberam ou não outros tipos de financiamento no mesmo período. Foram selecionados dados secundários como: balanços patrimoniais, demonstração de resultados e valores das ações, utilizando-se da base de dados da Economática. Tomando o logaritmo do Q de Tobin como variável dependente e log_Ativo, Debt to Equity, ROA, crescimento de vendas, crescimento de investimentos, crescimento investimento Fama e CrescInv_endividamento como variáveis de controle, foram aplicados testes estatísticos, comparando a média dos índices, seguidos de análise por setor econômico, subsetor e segmento. Os resultados encontrados apontam que as empresas que receberam recursos via Private Equity e Venture Capital com IPO, tornaram-se diferentes das demais empresas que estavam listadas na BOVESPA naquele período. O presente trabalho busca, dessa forma, contribuir para o enriquecimento de conhecimento acadêmico acerca do tema.(AU)

Analysis of the Bovespa Futures and Spot Indexes With High Frequency Data. Chinese Business Review

Data from the World Federation of Exchanges show that Brazil’s Sao Paulo stock exchange is one of the largest worldwide in terms of market value. Thus, the objective of this study is to obtain univariate and bivariate forecasting models based on intraday data from the futures and spot markets of the BOVESPA index. The interest is to verify if there exist arbitrage opportunities in Brazilian financial market. To this end, three econometric forecasting models were built: ARFIMA, vector autoregressive (VAR), and vector error correction (VEC). Furthermore, it presents the results of a Granger causality test for the aforementioned series. This type of study shows that it is important to identify arbitrage opportunities in financial markets and, in particular, in the application of these models on data of this nature. In terms of the forecasts made with these models, VEC showed better results. The causality test shows that futures BOVESPA index Granger causes spot BOVESPA index. This result may indicate arbitrage opportunities in Brazil.

Previsão do índice bovespa por meio de redes neurais artificiais: uma análise comparada aos métodos tradicionais de séries de tempo

Forecast is the basis for making strategic, tactical and operational business decisions. In financial economics, several techniques have been used to predict the behavior of assets over the past decades.Thus, there are several methods to assist in the task of time series forecasting, however, conventional modeling techniques such as statistical models and those based on theoretical mathematical models have produced unsatisfactory predictions, increasing the number of studies in more advanced methods of prediction. Among these, the Artificial Neural Networks (ANN) are a relatively new and promising method for predicting business that shows a technique that has caused much interest in the financial environment and has been used successfully in a wide variety of financial modeling systems applications, in many cases proving its superiority over the statistical models ARIMA-GARCH. In this context, this study aimed to examine whether the ANNs are a more appropriate method for predicting the behavior of Indices in Capital Markets than the traditional methods of time series analysis. For this purpose we developed an quantitative study, from financial economic indices, and developed two models of RNA-type feedfoward supervised learning, whose structures consisted of 20 data in the input layer, 90 neurons in one hidden layer and one given as the output layer (Ibovespa). These models used backpropagation, an input activation function based on the tangent sigmoid and a linear output function. Since the aim of analyzing the adherence of the Method of Artificial Neural Networks to carry out predictions of the Ibovespa, we chose to perform this analysis by comparing results between this and Time Series Predictive Model GARCH, developing a GARCH model (1.1).Once applied both methods (ANN and GARCH) we conducted the results' analysis by comparing the results of the forecast with the historical data and by studying the forecast errors by the MSE, RMSE, MAE, Standard Deviation, the Theil's U and forecasting encompassing tests. It was found that the models developed by means of ANNs had lower MSE, RMSE and MAE than the GARCH (1,1) model and Theil U test indicated that the three models have smaller errors than those of a naïve forecast. Although the ANN based on returns have lower precision indicator values than those of ANN based on prices, the forecast encompassing test rejected the hypothesis that this model is better than that, indicating that the ANN models have a similar level of accuracy . It was concluded that for the data series studied the ANN models show a more appropriate Ibovespa forecasting than the traditional models of time series, represented by the GARCH model