ads:
UNIVERSIDADE
FEDERAL
DE
SANTA
MARIA
CENTRO
DE
CIÊNCIAS
SOCIAIS
E
HUMANAS
PROGRAMA
DE
PÓS-GRADUAÇÃO
EM
ADMINISTRAÇÃO
CLASSIFICAÇÃO SETORIAL DAS EMPRESAS
BRASILEIRAS:
UMA APLICAÇÃO DA ANÁLISE DE CLUSTER
DISSERTAÇÃO
DE
MESTRADO
Vanderléia Leal Losekann
Santa Maria, RS, Brasil
2008
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
CLASSIFICAÇÃO SETORIAL DAS EMPRESAS
BRASILEIRAS:
UMA APLICAÇÃO DA ANÁLISE DE CLUSTER
por
Vanderléia Leal Losekann
Dissertação apresentada ao Curso de Mestrado do Programa de Pós-Graduação
em Administração, Área de Concentração em
Estratégia e Competitividade, da Universidade Federal de Santa Maria (UFSM,
RS), como requisito parcial para obtenção do grau de
Mestre em Administração
.
Orientadora: Profª. Drª Kelmara Mendes Vieira
Santa Maria, RS, Brasil
2008
ads:
UNIVERSIDADE
FEDERAL
DE
SANTA
MARIA
CENTRO
DE
CIÊNCIAS
SOCIAIS
E
HUMANAS
PROGRAMA
DE
PÓS-GRADUAÇÃO
EM
ADMINISTRAÇÃO
A Comissão Examinadora, abaixo assinada,
aprova a Dissertação de Mestrado
CLASSIFICAÇÃO SETORIAL DAS EMPRESAS
BRASILEIRAS:
UMA APLICAÇÃO DA ANÁLISE DE CLUSTER
elaborada por
Vanderléia Leal Losekann
COMO REQUISITO PARCIAL PARA OBTENÇÃO DO GRAU DE
Mestre em Administração
COMISSÃO EXAMINADORA:
______________________________________
Kelmara Mendes Vieira, Drª.
(
Presidente/Orientador)
______________________________________
Paulo Sérgio Ceretta, Dr.
(UFSM)
____________________________________
Roselaine Ruviaro Zanini, Drª.
(UFSM)
Santa Maria, 17 de dezembro de 2008.
Ao meu filho Vinicius,
Ao meu marido Milton,
Aos meus pais - Abigair e Vanderli (in memorian)
A minha irmã Vânia,
Aos meus colegas técnicos administrativos da UFSM
Dedico este trabalho.
AGRADECIMENTOS
Uma dissertação não é um trabalho individual. É algo que só se conclui com a
contribuição de muitas outras pessoas. Lembrar de todas, no fim da jornada, nem sempre é
tarefa fácil, mas é justo que se façam sinceros agradecimentos:
- a Profª. Kelmara Mendes Vieira, minha orientadora, que foi mestra e amiga,
dedicando seu tempo e atenção durante todo este caminho de construção desta dissertação, a
quem eu agradeço de todo coração pela confiança depositada e pelo carinho; e acima de tudo,
agradeço essa grande mestra, pois aprendi que o “ensinar” não é univariado, pelo contrário, é
multivariado e estabelece-se de várias formas quando se conjugam comportamentos;
- a minha mãe e ao meu marido, que me deram todo suporte possível para que eu
pudesse alcançar mais este objetivo;
- ao Professor Breno Diniz Pereira, pelas valiosas contribuições a este trabalho e em
especial quando coordenador, por ter acolhido de forma generosa e persistente todo o
processo da abertura de vagas para os técnicos administrativos neste programa de pós-
graduação. Obrigada por concretizar a “
1ª turma de técnicos administrativos
”;
- ao Professor Paulo Sérgio Ceretta, por ter colocado sua inteligência, conhecimento e
boa vontade à disposição de minha formação na área de finanças;
- ao Magnífico Reitor Professor Clóvis Lima, Diretor do Centro de Ciências Sociais e
Humanas Professor Rogério Koff, ao Pró-Reitor de Pós-Graduação Professor Helio Leães
Hey, ao Pró-Reitor de Recursos Humanos Téc. Adm. João Pillar Pacheco de Campos e ao
Chefe do laboratório de Informática/CCSH Téc. Adm. Nilson Amaury Siqueira, por esta
valiosa oportunidade;
- a Maria Medianeira, minha querida amiga e colega, secretária do curso de pós-
graduação de administração e aos meus queridos colegas de trabalho do curso de Direito,
Maria Ester, Lilia, Beloni e Claiton;
- aos demais professores do programa de pós-graduação;
Agradeço em especial aos meus colegas de mestrado, Marlon, Diego, Ney, Alexandre,
Lisi, Kati e Débora pelo companheirismo e amizade. E, em especial a Dolores e a Ana.
As pedras do caminho são árduas, mas a chegada é magnífica.
A todos, muito obrigada!
RESUMO
Dissertação de Mestrado
Programa de Pós-Graduação em Administração
Universidade Federal de Santa Maria
CLASSIFICAÇÃO SETORIAL DAS EMPRESAS
BRASILEIRAS:
UMA APLICAÇÃO DA ANÁLISE DE CLUSTER
Autora: Vanderléia Leal Losekann
Orientadora: Kelmara Mendes Vieira
Data e Local da Defesa: Santa Maria, 17 de dezembro de 2008.
O processo de tomada de decisão numa empresa requer conhecimento externo do
ambiente em que ela atua. O agrupamento de empresas, de acordo com o ramo de atividade
ou com o comportamento de certas variáveis independentemente do tipo de produto ou
serviço oferecido, serve como base para a compreensão das características e relações das
empresas nos mercados em que vendem ou compram. Esta dissertação busca avaliar a
eficiência da classificação setorial a partir do método análise de cluster. A utilização da
classificação setorial nos estudos na área de administração tem, por base, o pressuposto de
que empresas de um mesmo setor são semelhantes. Portanto, se a classificação setorial é
eficiente, espera-se que empresas de um mesmo setor formem um cluster e que empresas de
setores diferentes sejam agrupadas em clusters díspares. Os resultados, de um modo geral,
demonstram uma alta heterogeneidade setorial nos clusters quer quando o número de clusters
é sugerido pela regra de parada ou critério BOVESPA. E esta heterogeneidade é estável, uma
vez que se manteve ao longo do período estudado. Portanto, os resultados apontam para a
ineficiência da análise setorial. O estudo do agrupamento de empresas a partir de dados
econômicos e financeiros serviu para identificar a não existência de homogeneidade dos
setores do ponto de vista dos indicadores quando sujeitos a uma classificação baseada
unicamente no tipo de bem ou serviço produzido. Para tomadas de decisões mais precisas os
setores podem ser reestruturados de modo a incorporar, em cada agrupamento, empresas que
possam ser razoavelmente semelhantes.
Palavras-chave: agrupamento de empresas; classificação setorial; análise de cluster
ABSTRACT
The decision-making in a company requires knowledge of the external environment in which
it operates. The group of companies, according to an activity or with the behavior of certain
variables regardless of the type of product or service, serves as a basis for understanding the
relationships and characteristics of businesses in markets that sell or buy. This thesis seeks to
evaluate the efficiency of the sector classification from the cluster analysis method. The use
of rating sector in studies in the administration area has been based on the assumption that
companies within the same industry are similar. So if the classification sector is efficient, it is
expected that companies within the same industry form a cluster of industries and companies
that are grouped into different clusters mixed. The results, in general, show a high
heterogeneity in sectoral clusters or when the number of clusters is suggested by the rule of
stopping or BOVESPA criterion. And this heterogeneity is stable, as it remained throughout
the study period. Therefore, the results point to the inefficiency of sectoral analysis. The study
group of companies from financial and economic data served to identify the lack of
homogeneity of the sectors in terms of the indicators when subjected to a classification based
solely on the type of goods or services produced. For more precise decisions taken in those
sectors can be restructured to incorporate in each group, companies that can be reasonably
similar.
Keywords: group of companies; sectoral classification; cluster analysis
LISTA DE TABELAS
TABELA 01 - Quantidade de percentual médio, mediana, desvio padrão de dados
omissos para cada variável, no período de 2000-2007 ...................................................74
TABELA 02 - Quantidade de outliers para os clusters índices e mercados, no período
de 2000-2007...................................................................................................................75
TABELA 03 - Classificação setorial segundo a BOVESPA para cada ano das ações em
negociação no período de 2000-2007..............................................................................76
TABELA 04 - Classificação segundo a BOVESPA considerando todas as ações em
negociação no período de 2000–2007.............................................................................77
TABELA 05 - Classificação setorial, segundo a NAICS para cada ano das ações em
negociação, no período de 2000-2007............................................................................77
TABELA 06 - Classificação segundo a NAICS considerando todas as ações em
negociação no período de 2000–2007.............................................................................78
TABELA 07 - Número de casos válidos, valores mínimo e máximo, média, mediana,
desvio-padrão, assimetria e curtose das variáveis médias, no período de 2000-
2007.................................................................................................................................80
TABELA 08 - Teste Kruskal Wallis para as variáveis médias segundo as classificações
setoriais da NAICS e BOVESPA ...................................................................................81
TABELA 09 - Freqüência percentual e total de casos, segundo a classificação
BOVESPA, no ano 2000.................................................................................................86
TABELA10 - Classificação BOVESPA, com 4 clusters para cluster índice e 5 clusters
para cluster mercado, no ano 2001..................................................................................87
TABELA 11 - Classificação BOVESPA, com 5 clusters para o cluster índice e 2
clusters para o cluster mercado, no ano 2002 ................................................................88
TABELA 12 - Classificação BOVESPA, com 4 clusters para o cluster índice e 9
clusters para cluster mercado no ano 2003 ....................................................................88
TABELA 13 - Classificação BOVESPA, num total de 4 clusters para o cluster índice e
4 clusters para o cluster mercado, no ano 2004 .............................................................89
TABELA 14- Classificação BOVESPA, com 6 clusters para o cluster índice e 2 clusters
para o cluster mercado, no ano 2005 ..............................................................................90
TABELA 15 - Classificação BOVESPA, com 8 clusters para o cluster índice e 7
clusters para o cluster mercado, no ano 2006 ................................................................90
TABELA 16 - Classificação BOVESPA, com 10 clusters para o cluster índice e 4
clusters para CM, no ano 2007 .......................................................................................91
TABELA 17 - Resumo da classificação setorial BOVESPA, para o cluster índice no
período 2000–2007..........................................................................................................91
TABELA 18 - Resumo da classificação setorial BOVESPA, para o cluster mercado no
período 2000–2007..........................................................................................................92
TABELA19 - Classificação BOVESPA, com 10 clusters para o cluster índice, no ano
2000.................................................................................................................................93
TABELA 20 - Classificação BOVESPA, com 10 clusters para o cluster mercado no ano
2000.................................................................................................................................94
TABELA 21 - Classificação BOVESPA,10 clusters para o cluster índice, ano
2001.................................................................................................................................95
TABELA 22 - Classificação BOVESPA, 10 clusters para o cluster mercado, ano
2001.................................................................................................................................95
TABELA 23 - Classificação BOVESPA, 10 clusters para o cluster índice, ano
2002.................................................................................................................................96
TABELA 24 - Classificação BOVESPA, 10 clusters para o cluster mercado, ano
2002.................................................................................................................................96
TABELA 25 - Classificação BOVESPA, 10 clusters para o cluster índice, ano
2003................................................................................................................................97
TABELA 26 - Classificação BOVESPA, 10 clusters para o cluster mercado, ano
2003................................................................................................................................97
TABELA 27 - Classificação BOVESPA, 10 clusters para o cluster índice, ano
2004................................................................................................................................98
TABELA 28 - Classificação BOVESPA, 10 clusters para cluster mercado, ano
2004................................................................................................................................99
TABELA 29 - Classificação BOVESPA, 10 clusters para o cluster índice, ano
2005................................................................................................................................99
TABELA 30 - Classificação BOVESPA, 10 clusters para o cluster mercado, ano
2005...............................................................................................................................100
TABELA 31- Classificação BOVESPA, 10 clusters para o cluster índice, ano
2006...............................................................................................................................101
TABELA 32 - Classificação BOVESPA, 10 clusters para o cluster mercado, ano
2006...............................................................................................................................101
TABELA 33 - Classificação BOVESPA, 10 clusters para o cluster índice, ano
2007...............................................................................................................................102
TABELA 34 - Classificação BOVESPA, 10 clusters para o cluster mercado, ano
2007...............................................................................................................................102
TABELA 35 - Resumo da classificação setorial BOVESPA, para o cluster índice para o
período 2000–2007........................................................................................................103
TABELA 36 - Resumo da classificação setorial BOVESPA, para o cluster mercado
para o período 2000–2007.............................................................................................104
TABELA 37 - Classificação BOVESPA, 10 clusters para o cluster índice, ano
2001...............................................................................................................................106
TABELA 38 - Classificação BOVESPA, 10 clusters para o cluster mercado, ano
2001...............................................................................................................................106
TABELA 39 - Valores de significância para o Teste de Wilcoxon, com 4 clusters para o
cluster índice e 2 clusters para o cluster mercado, com critério de regra de parada, para
os anos do período de 2001-2007..... ............................................................................107
TABELA 40 - Valores de significância para o teste de Wilcoxon, com 10 clusters para
os clusters índice e mercado, com critério da classificação BOVESPA, para os anos do
período de 2001-2007....................................................................................................109
LISTA DE QUADROS
QUADRO 01 - Indicadores com suas medidas e atributos ............................................44
QUADRO 02 - Variáveis e suas respectivas medidas, dispostas segundo os indicadores
de liquidez, rentabilidade, estrutura de capital, dividendos, mercado e tamanho..........50
QUADRO 03 - Parâmetros e ajustes dos dados das variáveis coletadas........................51
QUADRO 04 - Quantidade de ações em negociação nos respectivos anos, no período de
2000-2007 .......................................................................................................................62
QUADRO 05 - Variáveis dos clusters índice, mercado e variáveis de controle.............82
QUADRO 06 - Dados da matriz de aglomeração para o cluster mercado sem as
variáveis de tamanho, para o ano de 2000......................................................................83
QUADRO 07 - Definição do número de clusters considerando ou não as variáveis de
tamanho na construção dos clusters no período de 2000–2007......................................84
QUADRO 08 - Definição do número de clusters segundo o mesmo número de
subdivisões da classificação da BOVESPA, ou seja, 10, no período de 2000–2007.....85
QUADRO 09 - Levantamento do número de clusters quando se impõe o número de
clusters iguais a 20, o mesmo número de subdivisões da classificação NAICS, no
período de 2000–2007...................................................................................................105
LISTA DE ANEXOS
ANEXO A
-
Propriedades do operador valor esperado (E)..........................................119
LISTA DE APÊNDICES
APÊNDICE A - Quantidade de dados omissos com percentuais para cada variável nos
respectivos anos do período 2000-2007........................................................................121
APÊNDICE B – Estatística descritivas das variáveis para cada ano do período de 2000 -
2007, apresentados nas respectivas tabelas de 01 a 07..................................................122
APÊNDICE C – Teste Kruskal Wallis aplicado para as classificações setoriais NAICS,
e BOVESPA, segundo cada ano do período de 2000-2007..........................................126
APÊNDICE D – Número de clusters com mais de um elemento, considerando o mesmo
número de subdivisões da classificação NAIC nível 1, no período de 2000–2007.......127
APÊNDICE E – Classificação NAICS com freqüência percentual nos setores, com
número de clusters definidos conforme a regra de parada, de 2000–2007....................128
APÊNDICE F - Critério classificação BOVESPA, com variáveis de tamanho, para cada
ano do período 2000-2007.............................................................................................133
SUMÁRIO
INTRODUÇÃO ......................................................................................................................13
1.1 Problema de pesquisa.......................................................................................................16
1.2 Objetivos............................................................................................................................16
1.3 Estrutura do estudo..........................................................................................................17
2. REFERENCIAL TEÓRICO.............................................................................................18
2.1 Classificação setorial ........................................................................................................18
2.2 Carteiras de investimento................................................................................................23
2.3 Diversificação internacional............................................................................................26
2.4Análise econômico-financeira...........................................................................................41
2.5 Grupos de controle...........................................................................................................45
3. TIPO E MÉTODO DE ESTUDO .....................................................................................48
3.1 Abordagens da pesquisa...................................................................................................48
3.2 População amostral e período de estudo........................................................................48
3.3 Coleta de dados e definição das variáveis.......................................................................49
3.4 Dados omissos e
outliers
...................................................................................................52
3.4.1 Dados omissos.............................................................................................................52
3.4.2 Outliers ........................................................................................................................53
3.5 Estatísticas descritivas......................................................................................................54
3.6 Técnica estatística.............................................................................................................55
3.6.1 Estágios de aplicação da técnica análise de cluster.....................................................58
3.7 Definição da análise de
cluster
via tratamento vetorial ................................................63
3.7.1 Noções de distância .....................................................................................................65
3.7.2 Algoritmo de ligação ...................................................................................................67
3.7.3 Dendograma ................................................................................................................69
3.7.4 Critério de seleção do número de clusters...................................................................70
3.7.5 Homogeneidade dos clusters.......................................................................................70
3.7.6 Estabilidade dos clusters .............................................................................................71
4. ANÁLISE DOS RESULTADOS.......................................................................................73
4.1 Procedimento de amostragem.........................................................................................73
4.2 Tratamento dos dados......................................................................................................74
4.2.1 Dados omissos.............................................................................................................74
4.2.2 Dados outliers..............................................................................................................75
4.3 Classificações setoriais .....................................................................................................76
4.4 Estatísticas descritivas......................................................................................................79
4.5 Análise dos
clusters
...........................................................................................................82
4.5.1 Definição do número de clusters.................................................................................83
4.6 Construção dos
clusters
....................................................................................................85
4.6.1 Análise dos clusters segundo a regra de parada ..........................................................86
4.6.2 Análise dos clusters índices e mercados formados com o mesmo número de setores
das classificações BOVESPA (10) e NAICS (20)
...............................................................93
4.7 Análise dos
clusters
índice e mercado com a inclusão das variáveis de tamanho,
segundo a classificação BOVESPA
.....................................................................................105
5. ESTABILIDADE DOS
CLUSTERS
...............................................................................108
6. CONCLUSÕES.................................................................................................................110
7. REFERÊNCIAS BIBLIOGRÁFICAS ...........................................................................113
ANEXOS ...............................................................................................................................119
ANEXO A - Propriedades do operador valor esperado (
E)
.............................................120
APÊNDICE A - Quantidade de dados omissos com percentuais para cada variável nos
respectivos anos do período 2000-2007
...............................................................................121
APÊNDICE B – Estatística descritivas das variáveis para cada ano do período de 2000 -
2007
........................................................................................................................................122
APÊNDICE C – Teste Kruskal Wallis aplicado para as classificações setoriais NAICS e
BOVESPA, segundo cada ano do período de 2000-2007
..................................................126
APÊNDICE D – Número de
clusters
com mais de um elemento, considerando o mesmo
número de subdivisões da classificação NAICS, no período de 2000 – 2007
..................127
APÊNDICE E – Classificação NAICS com freqüência percentual nos setores, com
número de
clusters
definidos conforme a regra de parada, no período de 2000 – 2007
128
APÊNDICE F - Critério classificação BOVESPA, com variáveis de tamanho, para cada
ano do período 2000-2007
....................................................................................................133
INTRODUÇÃO
O problema econômico pode ser sintetizado em três questões básicas, o que, quanto e
para quem produzir e as respostas para estas indagações encontram-se na economia de
mercado (ANGELO e SANVICENTE, 1990). Com isso, do ponto de vista econômico, o
agrupamento de empresas de acordo com o ramo de atividade ou com o comportamento de
certas variáveis independentemente do tipo de produto ou serviço oferecido, serve como base
para a compreensão das características e relações das empresas nos mercados em que vendem
ou compram. Nesse contexto, é possível identificar dois enfoques para o agrupamento de
empresas. Um deles, a abordagem clássica, a "análise da indústria" ou do "posicionamento
estratégico", tem em Michael Porter seu maior protagonista. Esta abordagem prioriza a análise
dos mercados e da competição e o entendimento da posição relativa de cada empresa em sua
indústria ou segmento produtivo, como elementos primordiais no processo de formulação da
estratégia (PORTER, 1996). Os principais focos de análise são produtos, consumidores e
competidores, e a estratégia da empresa deve ser resultante da identificação de tendências e de
oportunidades. Nesse sentido, é considerada uma abordagem "de fora para dentro", e
reconhece nas atividades da empresa a base da vantagem competitiva (PROENÇA, 1999).
Nesse caso o agrupamento de empresas relaciona-se à necessidade que as empresas têm de
conhecer o ambiente de mercado e dele extraírem elementos que facilitem o planejamento de
suas atividades, sendo o setor previamente definido em função do ramo de atividade em que a
empresa está inserida.
Uma abordagem alternativa é construída a partir da "visão da empresa baseada em
recursos" (Resources Based View of the Firm). Essa abordagem procura ampliar e refinar o
quadro de referência dos tomadores de decisão. Considera que toda empresa possui um
portfolio de recursos físicos, financeiros, intangíveis (marca, imagem), organizacionais
(cultura organizacional, sistemas administrativos) e recursos humanos, sendo a partir desse
portfolio que a empresa pode criar vantagens competitivas. Para os defensores dessa
abordagem (PRAHALAD e HAMEL, 1990; KROGH e ROSS, 1995), a definição das
estratégias competitivas devem partir de uma perfeita compreensão das possibilidades
estratégicas passíveis de serem operacionalizadas e sustentadas por tais recursos. Isto
caracteriza essa abordagem como primordialmente "de dentro para fora". Mais precisamente,
esta abordagem parte da concepção de setor formado de acordo com o comportamento de
certas variáveis, independentemente do tipo de produto ou serviço oferecido. Com isso,
14
evidenciar e avaliar a extensão desses paradigmas é uma importante contribuição para a
análise e formulação de estratégias e de políticas mais eficazes para as organizações e países.
Sob a ótica das duas vertentes citadas à segmentação estratégica das empresas, torna-
se uma importante estratégia de investimento, uma vez que o processo de decisão por parte
dos investidores está cada vez mais complexo, graças à crescente internacionalização dos
mercados financeiros, que proporciona uma ampla gama de escolha entre os milhares de
produtos financeiros disponíveis em qualquer parte do mundo. Neste contexto, a unificação
das informações comerciais e econômicas, tanto do ponto de vista estatístico quanto do ponto
de vista conceitual dos países torna-se ponto chave para um melhor entendimento por parte do
investidor, sendo a classificação setorial neste viés um poderoso instrumento de análise.
A classificação setorial de empresas pode também ser aplicada em diversos outros
contextos, como por exemplo, a construção de portfolio, a análise econômico-financeira e a
formação de grupos de controle. Cabe, no entanto salientar que a classificação setorial se
apresenta dependendo do tipo de problema a ser tratado, por exemplo, em estudos de
desenvolvimento, dentro da visão econômica no qual se pode classificar as indústrias em
setores primário, secundário e terciário. Entretanto, neste tipo de classificação o setor
secundário agrega “indústrias” distintas, e, em outros tipos de análise, como a análise da
organização industrial, as indústrias constituem uma unidade de agregação, que é o setor de
atividade. Neste estudo as classificações utilizadas focam no setor de atividade.
Dentre as diversas aplicabilidades da classificação setorial mostra-se relevante a
construção de portfolios de ativos globais (internacionais) no que tange a diversificação
internacional que, por sua vez, representa uma estratégia de investimento. Na prática
internacional de gerenciamento de ativos, Heston e Rouwenhorst (1995) argumentam que
administradores de portfolios usam duas estratégias de seleção de ativos com relação ao tipo
de diversificação de um portfolio.
A primeira estratégia é aquela que o administrador acredita que o retorno do portfolio
internacional é guiado pela diversificação por setor, e apresentam para esta estratégia dois
estágios. O primeiro estágio é aquele no qual o administrador aloca recursos em muitas
indústrias para formação do portfolio, o segundo aquele no qual o administrador usa a análise
por setor para seleção dos ativos mais promissores provenientes daquele setor.
A segunda estratégia é aquela que o administrador acredita que o fator mercado
doméstico é mais importante para o retorno do portfolio internacional, assim, decide primeiro
pela alocação por país e seleciona, posteriormente, as ações mais atrativas de cada país.
15
Tradicionalmente o efeito país tem dominado o efeito setor (indústria), tal como
mostram os estudos de Solnik (1974), Heston e Rouwenhorst (1995), Griffin e Karolyi
(1998), Rouwenhorst (1999), Hamelink et al. (2001) e Clifford (2002). Por outro lado autores
como Roll (1992), Cavaglia et al. (2000), Baca et al. (2000), Boillat et al. (2002) e Flavin
(2004) mostram que o efeito setor tem nivelado ou superado o efeito país nos últimos anos.
Estes se baseiam no argumento que a diversificação internacional por setor oportuniza
grandes reduções de risco, então tal estratégia é melhor do que a estratégia tradicional de
diversificação do portfolio por país. Entretanto, autores como Ferreira (2006), Phylaktis e Kia
(2006), Steliaros e Thomas (2006) mostram evidências da importância de ambas as estratégias
de diversificação.
Quanto à aplicabilidade da classificação setorial sob o ponto de vista da análise
econômico-financeira mostra-se relevante à medida que proporciona uma visão abrangente da
empresa dentro do segmento de atuação. Para autores como Padovese e Benedicto (2007) e
Matarazzo (2003) a utilização de padrões setoriais para a análise comparativa é um
instrumento importante para uma melhor avaliação da empresa, pois permite aferir os diversos
indicadores dentro de padrões referendados pela realidade de mercado.
Outro ponto relevante de aplicabilidade da classificação setorial está na sua utilização
em pesquisas acadêmicas. De acordo com Sampieri et al. (2006) deve-se escolher ou
desenvolver um modelo específico para cada pesquisa com vistas a responder as questões de
pesquisa propostas. Nos modelos experimentais, geralmente usados sob o enfoque
quantitativo é que a classificação setorial, em geral, é utilizada. Esses modelos usam a
manipulação de uma ou mais variáveis independentes (causas) como forma de analisar suas
conseqüências sobre uma ou mais variáveis dependentes (efeitos), onde cada nível de
manipulação possui o grupo exposto à presença da variável independente (grupo
experimental) e o não exposto (grupo de controle). Dentro dessa idéia, com foco específico na
área de finanças, salienta-se que a formação do grupo de controle utiliza a classificação
setorial para seleção de uma empresa similar àquela do objeto de pesquisa, mas sem a
característica em estudo. E, juntamente com a construção de portfolio, que é preponderante
para o mercado de capitais, assim como à análise econômico-financeira das empresas, que
representa uma importante ferramenta para a prospecção de oportunidades de investimento
oriundas de análises técnicas corretas, um estudo a respeito das peculiaridades da
classificação setorial mostra-se fundamental.
16
1.1 Problema de pesquisa
Nestes três contextos, ora citados, geralmente, a classificação setorial é utilizada sob o
pressuposto de que as empresas pertencentes a um mesmo setor de atividade apresentam
características similares. Por outro lado, empresas de setores distintos apresentam
características dissimilares, isto é, os setores apresentam diferenças. Este pressuposto está
diretamente associado ao grau de informação disponível sobre as variáveis que condicionam o
comportamento das empresas em geral, uma vez que o agrupamento de empresas procura
estruturar as informações de um segmento específico da atividade econômica, visando
orientar a ação dos agentes que atuam motivados por múltiplos interesses.
Portanto, para que a classificação setorial seja um instrumento eficiente utilizado na
construção de portfolios, na análise econômico-financeira das empresas e na formação de
grupos de controle, é preciso que este pressuposto seja observado. Assim, o desafio
apresentado à academia e, especificamente, o foco deste estudo, é a resposta à seguinte
questão de pesquisa:
A classificação setorial mostra-se eficiente?
1.2 Objetivos
Diante da questão de pesquisa, este estudo tem como objetivo geral avaliar a eficiência
da classificação setorial a partir do método análise de cluster.
Quanto aos objetivos específicos destacam-se:
i) identificar características relevantes para a análise dos setores;
ii) utilizar a análise de clusters para a formação dos grupos ou clusters;
iii) identificar a composição setorial dos clusters;
iv) avaliar a “estabilidade” dos clusters ao longo do período de estudo.
17
1.3 Estrutura do estudo
O estudo é apresentado em cinco capítulos. O capítulo um, introduz o estudo e engloba
a contextualização do tema, a justificativa, a formulação do problema, o objetivo geral e os
objetivos específicos.
No capítulo dois é feita uma revisão bibliográfica sobre o tema dentro da literatura
existente. De início aborda uma visão teórica de conceitos e princípios fundamentais da
classificação setorial, da diversificação de formação de portfolio, da análise econômico-
financeira e da formação de grupos de controle.
O capítulo três trata dos aspectos metodológicos necessários para a consecução do
estudo, ilustra o método a ser utilizado, por meio de sua descrição, explicita os critérios de
seleção dos elementos da amostra a forma de coleta de dados e os procedimentos adotados.
O capítulo quatro mostra a análise dos resultados e o desenvolvimento das atividades o
capítulo cinco trata da estabilidade.
Por fim o capítulo seis apresenta a conclusão da pesquisa juntamente com as
limitações do método.
2. REFERENCIAL TEÓRICO
O objetivo desse capítulo é identificar o papel da classificação setorial nas pesquisas
em finanças, com ênfase na construção de portfolio, análise econômico-financeira e grupos de
controle.
O capítulo está dividido em quatro seções, sendo que as mesmas referem-se à
aplicabilidade da classificação setorial e mostram os pressupostos teóricos básicos. A primeira
seção trata da classificação setorial elencando conceitos básicos e estudos de aplicabilidades.
A segunda seção mostra os resultados básicos para a construção de portfolios com foco no
debate crucial da diversificação por país versus setor de um portfolio internacional. A terceira
seção pontua questões básicas na análise econômico-financeira e mostra estudos de
aplicabilidades referentes ao tema. E, finalmente a quarta seção traz estudos de aplicabilidade
com ênfase em grupos de controle.
2.1 Classificação setorial
O agrupamento de empresas consiste numa abordagem metodológica que tem como
objetivo a organização de dados e informações de tal sorte a permitir a realização de estudos
analíticos que orientem o processo de tomada de decisão (ANGELO e SANVICENTE,1990).
Dessa forma, a eficácia de uma organização, traduz-se pelo seu resultado econômico à medida
que todas as decisões tomadas levem a sua otimização (SANTOS e PONTE, 1998). A
otimização de resultados se relaciona diretamente aos caminhos ou ações para alcançá-los.
Chandler (1962) definiu estratégia como “a determinação de metas básicas a longo prazo e
dos objetivos de uma empresa e a adoção da linha de ação para alcançar essas metas”. E
nessa linha, ressalta-se a vantagem competitiva que é conquistada através de um amplo
processo de estratégias, o que proporciona a empresa sustentar uma situação de destaque no
mercado em relação aos concorrentes. Uma das primeiras referências à expressão “vantagem
competitiva” na literatura de estratégia pode ser encontrada em Ansoff (1965) que a definiu
como a vantagem de perceber, de forma pró-ativa, tendências de mercado à frente dos
concorrentes e de ajustar a oferta em função dessa antecipação. O que significa que pode ser
vista como o objetivo das ações da empresa e para explicar a diversidade entre elas.
19
A visão baseada em recursos (Resource Based View – RBV) oferece um arcabouço
próprio para o estudo da vantagem competitiva ao enfatizar que os recursos específicos da
empresa são determinantes para a geração de lucro econômico (BARNEY, 1991; PETERAF,
1993). Já as teorias de posicionamento estratégico sustentam que a vantagem competitiva
pode derivar não apenas de recursos específicos, mas também de posições de mercado
privilegiadas (PORTER, 1979; CAVES, 1982). O que implica em ser explicada por fatores
externos (mercados, estrutura das indústrias).
A estratégia competitiva, segundo Porter (1986) preocupa-se em estabelecer uma
abordagem para a competição de uma unidade empresarial em sua indústria, que seja, ao
mesmo tempo, lucrativa e sustentável. Suas pesquisas objetivavam analisar a estrutura de um
determinado setor e a capacidade que tem uma unidade empresarial de ser lucrativa e
sustentável nesse setor.
Por outro lado na Visão Baseada em Recursos (VBR), que considera as empresas
como um feixe de recursos produtivos e estratégicos que permitem alcançar diferentes
estágios de desempenho, concebem que as empresas utilizam esses diferentes recursos como
elementos de sustentação de suas estratégias competitivas. Assim, a principal conseqüência
dos pressupostos da VBR é que a diferença de desempenho e a conseqüente obtenção da
vantagem competitiva entre as empresas são explicadas pela heterogeneidade dos recursos.
Isso significa que a fonte básica para a vantagem competitiva são os recursos estratégicos
desenvolvidos e controlados pelas firmas (AMIT e SCHOEMAKER, 1993). Portanto exprime
a idéia de que o desempenho competitivo está muito mais relacionado aos recursos que a
empresa detém e administra do que às características da indústria ou do setor ao qual está
relacionada (BARNEY, 1991; AMIT e SCHOEMAKER, 1993).
Logo, diante do exposto e partindo do princípio que as classificações apóiam as
análises setoriais da economia e tratamento de dados qualquer tipo de estudo que envolva
setores industriais deve mostrar com clareza as definições preestabelecidas das classificações.
Com o objetivo de elas expressarem a forma mais fidedigna possível.
A classificação setorial pode ser realizada segundo diferentes critérios como, por
exemplo:
i) Ross et al. (2007) destacam o comportamento cíclico e não cíclico das empresas,
mostrando que existem empresas que produzem um bom desempenho na fase de
expansão do ciclo econômico e possui um mau desempenho na fase de contração. Em
complemento, Damodaran (2002) afirma que setores classificados como cíclicos,
20
possuem tendência a apresentar risco de mercado mais alto do que empresas com
comportamento não cíclico, pois estas últimas possuem uma tendência a apresentar
baixos riscos.
ii) a taxonomia de classificação apresentada por Pavitt (1984) posteriormente adaptada
por Dosi et al. (1990) baseia-se na performance tecnológica, partindo do princípio que
diferentes trajetórias tecnológicas das indústrias podem ser explicadas pelas condições
de oportunidade, cumulatividade e apropriação das tecnologias, assim classificaram os
setores de alguns países desenvolvidos. O modelo desenvolvido classifica os setores
em dominados por fornecedores (setores tradicionais na manufatura, na agricultura,
habitação, produção familiar informal e diversos serviços profissionais, financeiros e
comerciais), baseados em ciência (indústrias químicas e eletroeletrônicas) e intensivo
em produção. Sendo por sua vez o ramo intensivo em produção dividido em intensivo
em escala (fabricantes de matérias padronizados aço e ferro e de bens de consumo
duráveis e veículos) e fornecedores especializados (firmas pequenas que fornecem
insumos de alta performance na forma de máquinas, componentes, instrumentos ou
software).
iii) a classificação setorial das empresas listadas na Bolsa de Valores de São Paulo
(BOVESPA) é proveniente de uma estrutura de classificação setorial que considera,
principalmente, os tipos e os usos dos produtos ou serviços desenvolvidos pelas
empresas com o propósito de fornecer uma identificação mais objetiva dos setores de
atuação das empresas. Bem como se, aproximar de critérios utilizados pelo mercado
financeiro nacional e internacional. Para a classificação das empresas, são analisados
os produtos ou serviços que mais contribuem para a formação das receitas das
companhias, considerando-se, ainda, as receitas geradas no âmbito de empresas
investidas de forma proporcional às participações acionárias detidas. No caso de
companhias de participação, é considerada a contribuição de cada setor na formação
das receitas consolidadas, sendo que, se algum setor representa participação maior ou
igual a dois terços das receitas, a empresa de participação fica classificada nesse
setor; caso contrário, a empresa de participação fica classificada como holding
diversificado. A estrutura setorial e a classificação das empresas negociadas são
objetos de revisões periódicas. No caso de haver alterações nos produtos ou serviços
com maior contribuição para a formação das receitas, é avaliado se essas alterações
21
se mantêm ao longo do tempo ou constituem uma tendência, antes que seja feita a
reclassificação setorial da empresa (BOVESPA, 2008).
Outras classificações setoriais podem ser destacadas, a seguir elenca-se a Classificação
Nacional de Empresas (CNAE), que é a classificação oficialmente adotada pelo Sistema
Estatístico Nacional na produção de estatísticas por tipo de atividade econômica, e pela
Administração Pública, na identificação da atividade econômica em cadastros e registros de
pessoa jurídica.
A CNAE permite ampliar a comparabilidade entre as estatísticas econômicas
provenientes de distintas fontes nacionais, e das estatísticas do país no plano internacional, ao
prover uma base padronizada para a coleta, análise e disseminação das estatísticas relativas à
atividade econômica. E tem como principal propósito ser uma classificação estandardizada
das atividades econômicas produtivas, provendo um conjunto de categorias para serem usadas
na coleta e divulgação de estatísticas por tipo de atividade econômica (IBGE, 2007). Cujo
modelo de codificação adotado é formado de um código alfabético (uma letra) para indicar o
primeiro nível de grupamento da classificação, a Seção, e de códigos numéricos para os
demais níveis de agregação, Divisão, Grupo, Classe e Subclasse. O código de quatro dígitos
das classes CNAE é acompanhado de um dígito verificador (DV) e a maneira como as
atividades são combinadas nos estabelecimentos produtivos é um critério central na definição
das classes (4 dígitos).
Os setores da indústria de transformação, por exemplo, foram agrupados conforme a
classificação setorial de Dosi et al. (1990), onde cada um dos setores a dois dígitos da
Classificação Nacional das Atividades Econômicas (CNAE) foi incluído em um dos grupos
dessa classificação.
O Instituto Brasileiro de Geografia e Empresas (IBGE), órgão governamental, enfatiza
a importância da classificação com base nas atividades econômicas, para organizar as
informações das unidades produtivas e institucionais, com vistas a produzir as estatísticas dos
fenômenos derivados da sua participação no processo econômico. Ou seja, servem para
classificar as unidades de produção de acordo com a atividade que desenvolvem, em
categorias definidas como segmentos homogêneos, quanto à similaridade de funções
produtivas. Dessa forma, é possível definir cada atividade da economia, tornando
comparáveis suas informações (IBGE, 2007). Em relação ao conceito de setor, complementa,
este reflete uma visão da economia que privilegia a complexidade, a diferença entre as partes
22
que compõem o sistema econômico, cuja função é reunir empresas ou atividades econômicas
que apresentam elementos comuns.
Contudo, ainda existem divergências entre os limites estabelecidos para os setores em
que uma economia está dividida, dificultando o processo de análise dos dados. Sendo assim,
persiste uma busca contínua por um sistema de classificações de atividades econômicas numa
mesma base conceitual e comparável em todo o mundo.
Nessa linha, ressalta-se a prerrogativa dos dados serem agrupados em categorias com
características semelhantes (setor), proporcionando informações agregadas necessárias para
descrever e analisar a estrutura, funcionamento e inter-relações setoriais da economia como
um todo.
Assim, o desenvolvimento e aplicação de modelos de classificações nos diversos
âmbitos da indústria, nos sistemas tecnológicos e até nas políticas científicas e tecnológicas
constituem elementos de grande importância dentro das tendências recentes de estudos
setoriais (PORCARO, 2000).
Alguns estudos tais como o de Dalhstedt et al. (1994) e Gutérrez e Sorensen (2006)
evidenciam a importância das classificações no âmbito do setor bancário, demonstrando que é
problemático comparar as empresas através da razão financeira, entretanto enfatizam que
mesmo que as empresas pertencem a uma mesma categoria de classificação oficial é preciso
ter cuidado. Ambos usam como método estatístico de segmentação das empresas a análise de
cluster, e usam na amostra setores bancários pertencentes a países que participam da união
européia.
No Brasil, Ângelo e Sanvicente (1990), com vistas a oferecer uma alternativa
metodológica à análise setorial, mostram através de um exemplo do mercado de valores
mobiliários a fragilidade para descobrir a existência de correlação entre os dados usuais de
classificação industrial e o grau sistemático associado ao investimento em atividades em
diversas indústrias. Usam como principal método estatístico para atender os objetivos
propostos a análise de cluster e a amostra é constituída de 6 setores com 10 empresas, listadas
na BOVESPA, no período de 1982-1987. E concluem que os dados publicados, de
classificação industrial, embora representem uma fonte de informação, devem ser adaptados
ao problema que se deseja estudar.
23
2.2 Carteiras de investimento
A seguir elenca-se alguns pressupostos básicos da moderna teoria de carteiras com
vistas a elucidar a diversificação internacional (estratégia de investimentos). A publicação do
célebre artigo Portfolio Selection de Harry Markowitz, em 1952, culminou no surgimento da
moderna teoria de portfolios (carteiras). O artigo chama atenção para a prática da
diversificação de ativos na composição de um portfólio, argumentando que através da
combinação de ativos, que não variam em conjunto, um investidor pode reduzir o impacto do
risco e obter um maior retorno. Sua grande inovação está em relacionar o retorno, dado pelo
retorno esperado, e o risco, quantificado pelo desvio padrão do retorno dos ativos. Através da
consideração de um número finito de combinações possíveis de ativos que comporiam uma
carteira, Markowitz (1952) contraria a teoria da maximização do retorno (todos os recursos
alocados no ativo de maior retorno), através da constatação do fenômeno da diversificação.
Na construção do seu modelo teórico, esse autor, parte do princípio que o investidor
racional toma suas decisões baseadas não apenas no retorno, mas leva em consideração o
risco, assim, numa carteira diversificada a satisfação do investidor está na maximização da
relação risco – retorno. E, através de um conjunto de pontos otimizados da relação risco-
retorno constrói a fronteira eficiente sobre a qual está a carteira eficiente. Então, define
carteira eficiente, como aquela que proporciona o maior retorno esperado para certo risco
percebido ou, alternativamente, mínimo risco para dado nível de retorno esperado.
De maneira similar, Elton et al. (2004) definem carteira eficiente a partir da análise de
combinações de todos os ativos com risco, sendo a carteira eficiente à preferida por todos os
investidores que têm aversão ao risco e gostam de retornos mais altos. Estes autores definem
retorno como uma referência absoluta ou relativa associada à diferença entre a meta de
consumo alcançada no futuro e o consumo abdicado no presente.
A idéia de risco, atualmente, é utilizada diariamente na maioria das operações
financeiras. Podem-se citar vários exemplos, um operador da bolsa de valores trabalha com
esse conceito durante várias horas por dia, grande empresas utilizam o risco para avaliar seus
investimentos e até mesmo as pequenas lojas de varejo utilizam a idéia do risco para calcular
prestações, preocupadas com o risco de inadimplência. Markowitz (1952) define risco, na área
financeira, como o desvio-padrão (σ) em relação a uma média de um conjunto de retornos.
De acordo com Damodaran (2001), as questões referentes ao modo como o risco é
medido, como é recompensado e quanto risco assumir são fundamentais na decisão de
investimento, desde a alocação de ativos até a sua avaliação. Para Elton et al.(2004) a idéia de
24
risco está diretamente associada às probabilidades de ocorrência de determinados resultados
em relação a um valor médio esperado no futuro, revelando uma possibilidade de perda para
um dado investidor. A análise do nível de risco medida pelo desvio padrão indica se o valor
médio esperado é representativo do comportamento observado. Assim, ao se tomarem
decisões de investimento com base num resultado médio esperado, o desvio padrão passa a
revelar o risco da operação, ou seja, a dispersão dos resultados em relação à média.
De um modo geral, a existência de risco significa que o investidor não pode mais
associar um único número ou qualquer resultado num investimento de ativos. O resultado
precisa ser descrito por um conjunto de valores e suas probabilidades de ocorrência, ou seja,
uma distribuição de retornos.
Assim, considerando a distribuição de retornos começa-se o exame dos dois atributos
mais freqüentemente empregados: uma medida de tendência central chamada de retorno
esperado, e uma medida de dispersão em torno da média chamada de desvio padrão.
O retorno de um portfolio p de ativos é dado por uma média ponderada dos retornos
dos ativos individuais (ELTON et al., 2004). O peso aplicado a cada retorno corresponde à
fração do valor do portfolio aplicado naquele ativo. O cálculo do retorno de um dado portfolio
p se expressa por:
)(
1
ij
i
ipj
RX
∑
n
R
=
1)
=
(
onde:
pj
R
= jota-ésimo retorno do portfolio
i
X
= fração dos fundos do investidor aplicado no i-ésimo ativo
n = número de ativos do portfolio
odo generalizado a fórmula (1) pode ser reescrita da seguinte forma:
(2)
onde:
De m
−
=
−
∑
=
i
n
i
i
p
RXR
1
portfolioR
p
do médio retorno =
−
25
ativo do médio retorno=
−
i
R
A seguir, a partir de (1), demonstra-se a fórmula generalizada (2) com base em Elton
et al. (2004, p. 66-67). Por definição, o retorno esperado é uma média ponderada dos retornos
dos ativos individuais. Então o valor esperado do retorno de um portfolio dado por (1) fica:
)(()(
n
RXERE
∑
==
(3)
1
ij
i
ipp
R
=
ma dos vários retornos é igual à soma dos valores
esperados, conforme Anexo A, então:
Como o valor esperado da so
)()(()(
11
ij
n
i
iij
n
i
ipp
RXERXERER
∑∑
==
===
(4)
E, usando
(
)
[
]
1
CRRCE
ij
=
, isto é, o valor esperado de uma constante vezes o retorno é
igual a
mede a relação entre os ativos ou mede como os retornos dos ativos
variam
do
retorno
outro tende a cair e vice-versa, logo os ativos estão
contrab
iância, mas dentro do intervalo entre -1 e +1. O coeficiente de
correlação é dado por:
constante vezes o retorno esperado, Anexo A, chega-se a (2).
A variância (σ
2
) de um dado portfolio p por definição é o valor esperado dos
quadrados dos desvios do retorno do portfolio em relação ao retorno médio do portfolio e
depende tanto das variâncias dos retornos dos ativos que a compõem quanto da covariância
entre os ativos. Mais precisamente, a variância mede a variabilidade do retorno de um dado
ativo e a covariância
em conjunto.
Segundo Ross et al. (2007), considerando os níveis de variâncias dos ativos
individuais, uma covariância positiva entre dois ativos indica um aumento da variância
do portfolio e, uma covariância negativa, reduz a variância de retorno do portfolio.
Este importante resultado parece confirmar o que diz o senso comum. Se um dos
ativos tende a se valorizar o
alanceando um ao outro.
Além disso, salienta-se que a padronização da covariância pode ser obtida dividindo-
se a covariância entre os dois ativos pelo produto dos desvios padrão dos dois ativos, sendo
essa medida denominada de coeficiente de correlação. Essa medida tem as mesmas
propriedades da covar
26
ki
ik
ik
δδ
δ
ρ
=
(5)
nde:
O cálculo da variância de um dado portfolio p se expressa por:
≠
=
+=
n n
j
jk
k
jkkjjjp
xxx
111
222
)()(
δδ
(6)
o
o
ativo cada de padrão desvio
ativos dois entre acovariânci
=
=
δ
δ
ik
∑∑∑
δ
==
j
nde:
2
p
= variância do portfolio
δ
jk
δ
= covariância entre dois ativos
2
j
δ
= variância de cada ativo
2
j
= o quadrado da proporção
X
em os dados necessários para a realização de uma análise
o portfolio eficiente.
versificação é um fator determinante e complexo num investimento financeiro.
Dada à
As equações (4) e (6) defin
d
2.3 Diversificação internacional
A di
complexidade dessa tarefa, muitos investidores confiam em agentes profissionais
como os administradores de portfolios para selecionar e atualizar os portfolios conforme seus
interesses.
27
Para Levy (1999) um investidor é um indivíduo que está disposto a abdicar do
consumo hoje para alcançar a meta de um nível maior de consumo no futuro, assim nessa
concepção o ato de investir remete-se a busca por veículos e estratégias de investimentos
adequados para o alcance de tais metas.
Dentre o grande número de oportunidades de investimentos, a estratégia de
diversificação internacional, na qual o investidor aplica parte do recurso em ativos emitidos
em ou
vista de um
investi
todos os ativos em seu mercado (ELTON et al., 2004). Os índices incluem ativos
que rep
s
dentro do mercado e pela variação da taxa de câmbio entre a moeda do ativo e a moeda do
país de poderá gerar divergência no valor do retorno do ativo em seu próprio
O retorno esperado para um dado investimento no exterior pode ser expresso como:
(7)
onde:
retorno estrangeiro
tros países, apresenta-se como um determinante para o retorno do investidor. No
entanto para se descobrir a importância da diversificação internacional no portfolio do
investidor, Elton et al. (2004) mostram a relevância da análise de correlação entre os
mercados, bem como o risco e o retorno de cada mercado.
Em geral, para o cálculo do coeficiente de correlação usam-se os retornos mensais do
índice de mercado. Os índices calculados nos EUA, por exemplo, pela Morgan Stanley
Capital Internacional, proporciona uma análise de correlação sob o ponto de
dor americano. Os índices são ponderados pelo valor de mercado, sendo a proporção de
cada ativo no índice determinado pelo valor de mercado dividido pelo valor de mercado
agregado de
resentam aproximadamente 60% do valor total de mercado em cada país.
Assim a análise de correlação pode ser feita observando que as correlações negativas e
positivas, respectivamente, indicam baixa e alta correlação, e quando zero indica ausência de
correlação.
O retorno do investimento em um ativo no exterior é afetado pelos retornos dos ativo
origem, o que
mercado e no domicílio do investidor (ELTON et al., 2004).
HxUS
RRR
−−−
+=
R
_
=
US
28
=
−
x
R
r
R
O desvio padrão do retorno se expressa por:
etorno cambial
=
h
retorno doméstico ou local
−
[]
HXHXUS
σσσ
2
22
++=
σ
(8)
onde:
=
US
σ
desvio padrão do retorno dos títulos estrangeiros
=
H
σ
desvio padrão do retorno dos títulos no mercado doméstico
=
X
σ
desvio padrão dos ganhos e perdas cambiais
HX
σ
=covariância entre ganhos ou perdas cambiais e retornos em um país.
O benefício da diversificação internacional foi identificado primeiramente por Grubel
(1968). Contudo, Lessard (1974) foi o primeiro a considerar a importância da composição
setorial nas diferenças da variância do retorno do portfolio global.
Autores como Roll (1992), Heston e Rouwenhorst (1995) reavivaram essa questão,
isto é, na construção do portfolio global (internacional) qual a melhor forma de diversificá-lo
por paí
modelo para medir o efeito país e o
efeito setor no retorno de um portofolio internacional e fornecem um framework quantitativo
para a seleção de ações analisando as duas estratégias, ou seja, a crença de que o retorno do
portfol
guiado
por ind
média a diversificação por país exige um maior número de variáveis para
monitorar os erros do que a composição por indústria;
s ou por setor (indústria)?
Heston e Rouwenhorst (1995) apresentam um
io é guiado pela diversificação por setor e aquela em que o retorno do portfolio é
pela diversificação por país.
Eles mostram três razões para os administradores terem mais atenção por país do que
ústria na construção do portfolio internacional.
Quais sejam:
i) em
29
ii) as ações do mercado doméstico alocadas em diferentes indústrias são substitutas
chaves das ações alocadas em indústrias, mas em países diferentes;
iii) os benefícios da diversificação internacional estão baseados na diversificação por
A amostra do es
tanley Capital Internacional Contry (MSCI), que inclui 829 indústrias que pertencem a 12
a Europa, no período de 1978 a 1992.
Na sua forma generalizada o modelo apresentado é expresso do seguinte modo:
país e não por indústria.
tudo constitui-se dos retornos mensais do índice europeu Morgan
S
países d
itktjttit
eR +++=
γ
β
α
(9)
o
i
= retorno do portfolio
nde:
R
α
= parte comum de todos os retornos
j
β
= é o efeito indústria para cada indústria j
k
γ
= é o efeito país para cada país k
i
e
= é um componente específico do retorno das firmas num período t
detalhada apresenta-se o modelo como segue abaixo, isto é, para cada
ês da amostra estimam α e β e γ rodando regressões cross-section dos retornos das 829
tomando uma variável dummy conjunta para indústria e país.
De forma mais
m
firmas,
iiiiiiii
eCCCIIIR
+
+
+
+
+
++++=
122211772211
......
12
γ
γ
γ
β
β
β
α
(10)
nde:
o
R
i
= retorno de cada indústria
ij
I
= 1 se a firma i pertencer à indústria j (zero se for diferente);
ik
C
= 1 se a firma
i
pertence ao país
k
(zero se for diferente).
30
Os autores identificam no modelo um problema de multicolinearidade perfeita entre os
regressores. Este problema origina-se do fato das firmas pertencerem ao setor e ao país ao
mesmo tempo e, os autores contornam esse problema, escolhendo como medida do efeito país
e do efeito ind
ústria, um fator comum dado pelo índice
European equally weighted
(EW).
Assim,
a composição os mesmos
países
os excessos
de reto
ue para a seleção de ativos
interna
país, é devido às diferenças na
estrutu
cada efeito indústria estimado,
B
j
, pode ser interpretado como excesso de retorno do
portfolio
em relação a uma determinada indústria
j
, sem a cobertura de outras indústrias num
portfolio
diversificado geograficamente, e como o
portfolio
tem n
do índice
European EW,
então se trata de um objeto puro de indústria. Similarmente, o
excesso de retorno γ
k
de um investimento diversificado industrialmente num país
k
, representa
um país puro.
Portanto a influência dos objetos indústria e país no
portfolio
dependem somente da
indústria e do país designado pela ação, o que são inicialmente conhecidos. Assim
rnos estão dentro das possíveis estratégias de investimentos.
Quanto ao
framework
quantitativo para analisar as duas estratégias acima descritas
para a seleção de ações num
portfolio
, argumentam q
cionais, um administrador de
portfolio
reduz o risco através dos benefícios da
diversificação por país e setor. Entretanto, sob o ponto de vista do risco e retorno, concluem
que é mais importante a diversificação por país do que a diversificação por setor.
Por fim apontam como resultado do estudo que a diversificação via país se apresenta
mais significativa do que à diversificação por setor em regiões geograficamente concentradas
e economicamente integradas, tal como a Europa Ocidental.
A questão levantada por Heston e Rouwenhorst (1995), da diversificação por país ser
mais significativa do que por indústria em regiões geograficamente concentradas e
economicamente integradas, é reexaminada por Griffin e Karolyi (1998), os quais especulam
se esse efeito ocorre em países separados geograficamente (desconcentrados). Esses autores
investigam se a extensão dos ganhos com a diversificação por
ra industrial, ou seja, reexaminam as origens específicas da variação do retorno do
portfolio
global segundo as estratégias de diversificação por país e por setor. Para tanto usam
o índice mundial de ações da
Dow Jones
, que é composto por 25 países e 66 classificações
industriais, sendo o período do estudo de janeiro de 1992 a abril de 1995. Usam um modelo
similar ao de Heston e Rouwenhorst (1995), com o retorno dos ativos decomposto em
componentes país e indústria através de uma variável
dummy
.
31
Estes autores mostram em respostas aos testes padrões, uma importante variação da
correlação nos diferentes grupos de indústrias (setores) e afirmam que esta variação é reflexo
dos fatores econômicos subjacentes, assim essa correlação é vista como uma importante
influência no retorno do
portfolio
global. Contudo, mesmo usando nove a
gregados de setores
industr
n
do efeito indústria, proveniente do índice
setoria
bom comércio internacional devem continuar com essa
estratég
fluência dos fatores econômicos na diversificação por país ou por setor
mostra
iais bem como uma refinada classificação industrial do índice mundial da
Dow Jones,
os autores confirmam os resultados de Heston e Rouwenhorst (1995), isto é, que uma pequena
parte (menos que 4%) da variância do índice país pode ser explicada por sua composição
industrial. Entretanto, devido a uma maior divisão da classificação industrial eles obtiveram
interessante diferença na variância da
cross-sectio
l, como por exemplo, as indústrias que apresentam boa base de produção internacional
que mostram uma variância relativamente grande dos fatores industriais.
Por conseguinte, concluem que administradores de
portfolios
focados em negócios
domésticos e nas indústrias de
ia de investimento. E para os administradores que investem fora do país, com fortes
tendências para as indústrias de bons negócios, o programa de diversificação pode ser
enfraquecido por meio da composição industrial.
Por fim, encontram que a diversificação por setor explica pouco da variação do retorno
do
portfolio
, enquanto a diversificação por país explica uma grande parcela, e,
consequentemente, para estes autores, a melhor
performance
de diversificar um
portfolio
internacional é guiada por país.
Os estudos de Heston e Rouwenhorst (1995) e de Griffin e Karolyi (1998) mostram
que a diversificação por país é mais importante do que a diversificação por setor, tanto para
países concentrados geograficamente quanto para países distantes.
A diversificação internacional pode ser estudada em diferentes contextos. Alguns
autores avaliam o efeito geográfico para países geograficamente concentrados (HESTON E
ROUWENHORST, 1995) ou países distantes (GRIFFIN E KAROLYI, 1998). Outros
analisam a influência de efeitos econômicos dentro do efeito geográfico como é o caso dos
países pertencentes à união européia (ROUWENHORST, 1999). E autores como Hamelink et
al. (2001) mostram que os fatores crescimento/valor e tamanho provocam diferenças na
variância do retorno do portfolio quando diversificado por país e setor.
Em relação à in
-se o estudo de Rouwenhorst (1999). O foco desse estudo é analisar o comportamento
da diversificação na construção do
portfolio
constituído por ativos dos países que fazem parte
da União Monetária Européia (EMU). A amostra de estudo é formada por 952 retornos das
32
ações contidos no índice da Morgan Stanley Capital International (MSCI) de 12 países
europeus entre 1978 a 1992, com exceção da Noruega e da Suécia todos os países da amostra
fazem parte d
a EMU. Ele usa um modelo de regressão similar ao do modelo de Heston e
Rouwe
retorno do
portfolio
diversificado por país continua a dominar o
efeito s
iversificado por país e setor. Tais fatores como,
crescim esses
fatores
iamento da alocação do ativo.
basead
nhorst (1995).
Este autor argumenta que, apesar da coordenação fiscal e monetária de muitos estados
europeus que seguem o
Tratado de
Maastricht,
o efeito país continua como a melhor
estratégia de diversificação. Este tratado prevê uma convergência de interesses, de taxas e de
harmonização das políticas fiscal e monetária. Também observa que antes e depois do
Tratado de Maastricht
o
etor.
Por fim, conclui que as forças relativas ao efeito país não são afetados pelo tempo e
pela integração econômica, pois apesar da formação da EMU o efeito país não teve nenhuma
tendência em desaparecer do mercado europeu. E, como implicação prática para os
administradores de
portfolios
enfatiza que tanto gerentes passivos como ativos que buscam o
melhor desempenho do
portfolio
no mercado europeu, a composição por país é melhor do que
a composição por setor.
Em relação aos fatores que influenciam o retorno do portfolio internacional
diversificado por setor e por país, apresenta-se o estudo de Hamelink et al. (2001) os quais
investigam a influência de outros fatores além dos econômicos e que provocam diferenças na
variância do retorno do portfolio d
ento/valor e tamanho são denominados fator estilo. Os autores argumentam que
merecem monitoramento cuidadoso na diversificação internacional, pois os mesmos
geram implicações importantes no polic
Os autores argumentam que o melhor desempenho do retorno proveniente da
diversificação por país pode ser reflexo da composição setorial do mercado do país de
domicílio, o que torna difícil desassociar os efeitos de ambas as diversificações. Os autores
postam as seguintes questões iniciais:
Deve um administrador estruturar seu portfolio através de setor, país ou estilo?
Estratégias baseada na diversificação por setor são definitivamente superiores às
as na diversificação por estilos?
O método de pesquisa utilizado é a análise multi-fatorial seguida da análise de
regressão. Tal método é usado com o objetivo de isolar as várias influências através da
eliminação de interações existentes. Salientam que isto não é alcançado quando o índice país é
usado como variável para o fator país, índice de setor para fator indústria e índice de estilo
33
para fator de estilo. Partem do fato de que se a composição industrial difere através de país
então o índice país agrega efeito do índice setor e o índice setor agrega efeito do índice país.
O mesmo é verdadeiro entre efeito país e efeito estilo, ou efeito setor e efeit
o estilo,
assim,
ores setor, país e
estilo n
ersificação no modelo baseado em setor tiveram dramático aumento na
década de 90 e foi comparável ao efeito país no primeiro semestre de 2001. Outro resultado
import
reduzid ntre a performance dos estilos (crescimento e valor)
desde 1
dos efeitos valor e crescimento. O mesmo é verdade para o efeito tamanho.
uanto ao modelo e significância dos fatores puros no retorno investigado encontram
claras e
tro categorias: país, setor,
ado por
momen
o modelo multi-fatorial aplicado em ativos individuais satisfaz esse quesito, sendo os
efeitos país, setor e estilo facilmente separado, logo, pode-se estimar simultaneamente o
retorno pelos fatores “puros” através da técnica de regressão. Com este método, o efeito país
pode ser interpretado como a autoperformance da diversificação do portfolio por país relativo
ao índice mundial. O estudo pauta-se sobre os constituintes do índice SSB World Primary
Market (PMI), esse índice é um sub-índice do índice SSB World Broad Market Index (BMI),
que é um índice de desenvolvimento constituído de índices de mercado de 23 países.
Os autores encontram evidências empíricas da importância dos fat
a construção do portfolio global. Argumentam que os benefícios potenciais do retorno
provenientes da div
ante é que o efeito estilo permanece substancial no país enquanto o efeito setor foi
o. A dramática divergência e
999 a 2001 não pode ser explicada pelo efeito setor. Isto é visivelmente independente
Q
vidências:
i) significância estatística dos fatores das qua
crescimento/valor e tamanho;
ii) um aumento da significância do fator setor e decrescimento da significância do
fator país.
Por fim, concluem que o retorno proveniente da diversificação via setor é gui
tos, enquanto retorno da diversificação via país não, sendo isto um forte indício da
superioridade da alocação por setor sobre a alocação por país.
Portanto, diante desses resultados essenciais, os administradores de ativos não devem
estruturar seus portfolios tomando por base setores. E salientam que somente um modelo
multidimensional é o modelo apropriado, pois todos os quatro fatores: país, setor,
crescimento/valor e tamanho, representam fatores significantes de risco e devem ser
explicitamente tomados no cálculo, monitorados e administrados no portfolio global.
34
Cavaglia et al. (2000) buscam verificar se o efeito país que historicamente foi
dominante em explicar a variância do retorno do portfolio glob
al em mercados desenvolvidos,
ainda
/S & P e justificam seu uso por este apresentar um nível de
trinta e
omputadores e softwares indústrias. Enquanto na
análise
britânico. Esse mercado
tem um
xplicitamente em direção oposta à
análise do desempenho do administrador de portfolio em relação à alocação global das
persiste. Cavaglia et al. (2000) analisam os dados do universo de 21 países que
compõem o índice Europa Morgan Stanley’s Capital International (MSCI). Para o cálculo do
retorno utilizam o índice Financial Times / Standard & Poors (FT/S& P) num nível de trinta e
seis indústrias nacionais para medir o desempenho do portfolio seguro composto das mesmas
indústrias dentro do país. Os autores argumentam que o estudo de Rouwenhorst (1999)
fornece estimativas imprecisas do efeito setor no portfolio global, devida a sua análise restrita
a países da Europa e da sua classificação industrial adotada.
Esses autores argumentam que a diversificação por país sugerida por Rouwenhorst
(1999) pode ser conseqüência da crescente integração, nos modelos regionais dos mercados
na Europa. Utilizam o índice FT
seis indústrias, ou seja, apresenta uma classificação mais homogênea do que a do
índice escolhido por Rouwenhorst (1999), o qual apresenta uma forma mais abrangente de
classificação, sete grandes categorias industriais. Por exemplo, na classificação utilizada por
Rouwenhorst (1999), "bens de consumo e serviços" agrega categorias de indústria como
automóvel, saúde e cuidados pessoais, c
de Cavaglia et al. (2000), estas atividades econômicas distintas são tratadas como
empresas em setores separados.
Cavaglia et al. (2000) usam o modelo fatorial num período de abrangência de
dezembro de 1985 a novembro de 1999. O estudo sugere que o fator indústria é
economicamente mais importante do que o fator país. Mostram evidências empíricas da
crescente importância do fator indústria relativas à capacidade econômica em relação ao fator
país na determinação do retorno seguro.
Dentre as implicações para a gestão de portfolios fazem a seguinte argumentação:
quanto à análise do desempenho de um administrador de portfolios com foco na alocação em
indústrias deve ser observada a tendência do benchmark no comprometimento do mercado
doméstico, uma vez que poderá resultar na ineficácia do desempenho do administrador
quando da alocação em ativos globais, como por exemplo, o mercado
pequeno comprometimento com a indústria de tecnologia da informação (1,5%) em
comparação com o mercado mundial (11,3%).
Uma tendência para análise do desempenho do administrador de portfolio em relação à
alocação de ativos no mercado doméstico britânico seria e
35
indústr
termos de sua habilidade de adicionar valor ou controlar o risco dentro
de um
o usado o índice global das ações da
Datastream
,
foram estudados 10 índices setoriais dentro de cada um dos países do G7. No método de
estudo, com o intuito de fazer uma determinação precisa da importância
aís e setor, comparam os índices países sem as polarizações do setor e vice-versa. Assim, os
nentes do índice de retorno foram decomposto em país e setor, usando a mesma
strutura de Heston e Rouwenhorst (1995) e como a estendida por Griffin e Karolyi (1998)
ap regressão:
ias de tecnologia da informação. Assim, evidências empíricas do estudo sugerem que
uma tendência materialmente impacta o risco/retorno do investidor.
Logo, administradores ativos em relação ao investimento de ativos globais terão cada
vez mais necessidade de equilibrar o risco/retorno na alocação da indústria global, além da
alocação por país. Por último, a seleção do ativo, cada vez mais, deve residir nas comparações
através de países, porém no âmbito de indústrias globais.
Com o objetivo de verificar se, em mercados desenvolvidos, o efeito país ainda
permanece dominante Baca et al. (2000) analisam a variância do retorno do portfolio global
dos ativos nos setes maiores mercados de ações (G7, sete maiores mercados como definido
pelo Mercado de Capitalização em 31 de março de 1999). Esses autores argumentam que na
maioria das estratégias de investimentos globais, os investidores usam como nível de
investimento o limite nacional ou regional para alocação de recursos, supondo implicitamente
que o benefício da diversificação internacional vem do investimento em mercados nacionais,
para tanto alocam os recursos globais por país. Entretanto, essa análise é secundária na
composição por setor do portfolio global. Argumentam também que a diversificação por setor
raramente é vista nos
portfolio global. E, à medida que a economia global e o mercado de capital se mostram
integrados, esse fato passa a interferir na relação dos efeitos país e setor com o retorno do
portfolio global, pois altos níveis de integração obscurecem as fronteiras nacionais, diminuem
o significado do efeito país e aumentam o significado do efeito setor. E uma maior
segmentação entre os mercados aumenta o impacto do efeito país no retorno do portfolio à
custa do efeito setor.
A amostra do estudo é constituída dos retornos mensais (dólar/EUA), no período de 31
de março 1979 a 31 de março de 1999, send
relativa dos fatores
p
compo
e
licando o seguinte modelo da
iiiiiiii
III eCCCR +
+
+
+
+
++++=
102211
...
77221116
...
γ
γ
γ
β
β
β
α
(11)
36
o
nde:
i
R
= retorno das observações
α
= uma constante
β
= componente “puro” de setor
γ
= componente “puro” de país
C
= variável dummy, 1 se for país ou setor, 0 se não
I
= variável dummy, 1 se for país ou setor, 0 se não
Devido ao problema desse modelo matemático já apontado anteriormente, no estudo
e Heston e Rouwenhorst (1995), cada ativo pertence a ambos, país e setor, o que torna
minada a regressão. Propuseram então, medir os retornos em relação a uma marca de
ível, dada pelo termo constante, representado pelo índice ponderado de capitalização
lo:
d
indeter
n
mundial (EW) e adicionam as seguintes limitações ao mode
0
0
7
1
=
=
∑
=
k
k
k
i
v
γ
β
(12)
onde:
w
10
1
∑
=
i
i
w
o de mercado mundial
v
k
= po
orno do portfolio global nos sete principais mercados acionários do mundo,
pois no
ntinuação da integração global dos
import
i
= ponderação do setor no portfoli
nderação de país no portfolio de mercado mundial
Estes autores concluíram que o efeito país já não domina o efeito setor para explicar a
variância do ret
s vinte anos analisados a influência do fator país declinou enquanto o impacto do fator
setor aumentou ou permaneceu constante. Sugerem diversas razões para suas conclusões, tais
como, o número e o tamanho dos mercados de ações analisados, a extensão da classificação
das indústrias, o período de estudo e a tendência da co
antes mercados econômicos.
Apontam alguns pontos que justificam o deslocamento para o efeito setor tais como
convergências políticas, monetárias, fiscais, e a expansão iminente de grandes companhias
37
multinacionais, redução gradual, mas implacável das barreiras do comércio internacional e
investimento.
Apesar do modelo de regressão do método de Heston e Rouwenhorst (1995) ser base
de modelo para vários estudos (GRIFFIN e KAROLYI, 1998; ROUWENHORST, 1999;
BACA et al., 2000; FLAVIN, 2004), De Moor e Sercu (2006) levantam considerações críticas
em relação ao método de Heston e Rouwenhorst (1995).
De Moor e Sercu (2006) argumentam que o método em questão parte da suposição
básica da decomposição do retorno dos ativos em fator de mercado, fator “puro” país, fator
“puro” setor e fator idiossincrático, todos com estimação única. Fator puro de país (setor)
num portfolio pode ser interpretado como contendo somente ações específicas de país ou setor
na composição setorial (ou geográfica) como no portfolio de mercado.
Esses autores argumentam que devido ao progresso tecnológico, acordos de negócios,
enfraquecimento das fronteiras econômicas e políticas, os mercados financeiros internacionais
tendem a ser mais integrados. Citam como exemplo a EMU, a qual é amplamente vista como
tendo enfraquecido a importância relativa do efeito país na diversificação do portfolio global
de ações em relação ao retorno, o que tem aguçado o debate em relação ao benefício da
diversificação geográfica versus diversificação industrial. Argumentam também, que muitos
administradores de portfolios passaram a defender primeiramente a alocação por setor.
Neste estudo os autores atacam quatro questões remanescentes do método de Heston e
Rouwenhorst (1995), o tamanho da capitalização da firma, o modelo empírico especificado, a
variação de o retorno estimado ser parcialmente devida à variância de estimação do erro e da
inexistência da relação entre os resultados de seus procedimentos e o benefício da
diversificação em relação ao risco.
Neste estudo o banco de dados é composto pela lista internacional de pesquisa da
Datastrean que contém todas as cotações de títulos especificadas por país e a lista da
Datastraem “versão morta” contendo todas as ações deslistadas de títulos especificados por
país. Eles juntam ambas as listas com o objetivo de compor uma base de dados internacional.
Foram considerados 21 países, no período de 1990 a 1999. Usam uma proposta semelhante à
de Fama e Mac Beth (1973).
Mais precisamente, comparam os modelos de regressão de Fama e Mac Beth (1973) e
o de Heston e Rouwenhorst (1995) estimados por Ordinary Least Squares (OLS). Concluem
que firmas de pequeno capital têm alta variabilidade média e são menos expostas ao índice de
setor global do que firmas de grande capital, ou seja, firmas pequenas são mais voláteis do
que as grandes mesmo depois de controlados os efeitos país e setor. Logo, firmas pequenas
38
reduzem a importância relativa do efeito setor. Tomando por base à própria variância dos
fatores, eles classificam os fatores segundo ordem crescente de importância: fatores mercado,
país e setor. Porém tomando por base a variância explicada do retorno do portfólio global,
com estimações dissimilarmente distribuídas através dos fatores, a ordem de importância se
altera.
Eles generalizam a metodologia de Heston e Rouwenhorst (1995) adicionando a
captura na estimação desigual da distribuição ao longo dos efeitos país e setor. Justificam a
importância de a estimação ser desigual em relação aos efeitos setor e país devido à variância
explicada por país e setor ser desigualmente transferida para o retorno das ações. Mostram
também, que, nas estimações, o impacto relativo ao efeito país aumentou, ou seja, ignorando
as desigualdades das estimações país e setor fica subestimado a importância relativa do efeito
país. Em relação à variância da variável estimada ser parte da variância estimada do erro eles
mostram que a correção do erro aumenta significantemente a importância relativa ao efeito
país, e ignorando a estimação do erro o impacto relativo ao efeito país é depreciado.
Por fim, mostram que não existe necessariamente uma ligação entre os resultados do
procedimento de Heston e Rouwenhorst (1995) e os benefícios da diversificação no risco. E
apesar do efeito país ter maior impacto do que o efeito setor na variância do retorno individual
do ativo, a diversificação por setor é uma ferramenta mais efetiva na redução do risco do que
diversificar através de país.
A seguir mostra-se esta mesma questão discutida até agora, porém sob a ótica do
método análise de cluster. A literatura mostra que o método análise de cluster para este tipo
de discussão foi usado, entre outros, por King (1966), Meyers (1973) e Livingston (1977).
Estes autores usam a análise de cluster nos retornos dos ativos das companhias dos EUA e
encontram que companhias escolhidas numa limitada categoria de indústrias agrupam-se
naturalmente via indústria.
Farrel (1974, 1975) e Arnott (1980) também usam a análise de cluster em um amplo
grupo de companhias dos EUA, não agregadas a uma limitada categoria, sendo as indústrias
agrupadas dentro de quatro ou cinco clusters que foram interpretados como amplos grupos
setoriais.
Estes estudos mostram que a análise de cluster é capaz de recuperar grupos
significativos de companhias, e expandem a estrutura da análise de cluster na arena
internacional com vistas à questão sobre a influência da diversificação por país versus setor
no retorno do portfolio global.
39
O estudo de Clifford (2002) trata dessa questão, com foco no seguinte problema de
pesquisa: qual a maior influência no retorno do portfolio global o país de incorporação das
indústrias ou o setor de sua atividade?
O autor justifica o uso do método análise de cluster devido ao fato de que a maioria
dos mé dos estatísticos tem características pré-determinadas para a formação dos grupos de to
retorno te, sem s das companhias, porém a análise de cluster agrupa as companhias naturalmen
estatíst s companhias é usado para determinar icas prévias. O retorno das ações da
matem scritos em relação ao país de aticamente grupos de companhias semelhantes, de
incorpo anhia. ração e ao setor da principal atividade da comp
A amostra de estudo é constituída de dados de 4748 companhias, incorporadas em 18
países e os setores de atividade principal classificado segundo o esquema Financial
Times/Goldman Sachs
(FTGS),
nos períodos de 1989 a 1993, 1992 a 1996 e de 1995 a 1999.
O autor apresenta quatros passos para processar o método da análise de cluster:
i) cálculo e normalização dos retornos mensais ajustados (splits e dividendos);
ii) cálculo da distância entre os clusters;
iii) recuperação dos clusters pela matriz de ligação;
iv) avaliação dos resultados da classificação.
A medida de distância usada é a de Pearson, a qual será detalhada na seção 3.7.1 e,
para a aglomeração, o algoritmo ward. Os resultados indicam que
os três clusters formados
contêm companhias provenientes de muitos países e setores. Entretanto,
na análise via setor, a
maior parte das companhias ficou dispersas dentro dos três clusters, enquanto na análise via
país à maioria das companhias caíram dentro de um mesmo cluster (cluster1). Estas
evidências foram constatadas durante os três períodos do estudo, sugerindo um agrupamento
naturalmente melhor das companhias
por país do que por setor.
O autor enfatiza que os investidores internacionais devem continuar a focar na
alocação de ativos por país e exemplifica que mesmo os países da EMU agruparm-se num
percentual crescente no cluster 1, nos períodos da amostra, na análise via país. As comp
anhias
japone
sas, no entanto, agruparam-se dentro do cluster (3) diferente das demais companhias
dos outros países que nas 52 das 54 possibilidades de combinações agruparam-se no cluster 1,
então chamam a atenção para o fato de que
os resultados para um mesmo país podem se alterar
com o decorrer do tempo.
40
Por outro lado, Boillat et al. (2002) objetivam agrupar setores como bases de um
potfolio, dentro de um pequeno número de clusters que mostrem flutuações similares de
retorno. É também objetivo do estudo validar os resultados sob o ponto de vista financeiro
lançando duas questões: em qual extensão o método análise de clusters é melhor do que
qualquer outro? E como sua efetividade pode ser demonstrada em termos financeiros?
A amostra é constituída dos retornos mensais dos índices de setor da Datastream E.U.,
no período de 1990 até o começo do ano 2002. Os autores apresentam duas análises distintas,
na primeira mostram os benefícios do método, através do critério média-variância, na redução
do tamanho do universo de investimento para a seleção dos melhores representantes do
mercado. A segunda mostra o grau de estabilidade, em termos do trade-off entre risco e
retorno, dos índices criados para cada cluster, ou seja, pela estabilidade dos clusters estimam
quanto relevante pode ser a segmentação via análise de cluster quando aplicada à amostra de
observações que são distintas das usadas para se obter estes clusters.
Dentre as medidas de distância eles escolheram a medida euclidiana. Os autores
argumentam que a escolha da medida da distância tem um grande efeito na formação do
cluster. Como técnica de ligação eles usaram o método ward, o qual é apropriado para
manipulação de série temporal relativamente fechada, tal como o retorno de dados dos vários
setores econômicos.
Como resultados encontram que o critério de média-variância se mostra relevante do
ponto de vista econômico para segmentar os objetos via análise de cluster produzindo grupos
homogêneos. Entretanto, enfatizam que os resultados dependem fortemente da maneira como
os dados são padronizados, do
período de observação, freqüência dos dados, da noção de
distânc
ia e do método de ligação. Mostram também que houve uma transição do cluster
geográfico para o cluster de setor nos últimos anos, isto é, o efeito geográfico foi substituído
pelo efeito setor nos últimos anos.
Finalmente, eles enfatizam que a técnica análise de cluster desmente o fato de se fazer
uma efetiva classificação dos objetos com a necessidade a priori de hipóteses estatísticas.
Outro ponto que salientam é que o método permite selecionar um objeto representante de uma
população, mesmo não fornecendo uma solução acabada, pois as informações adicionais
obtidas da análise econômica tradicional devem ser consideradas lado a lado. Mas de qualquer
modo, a técnica análise de cluster se presta como uma técnica fácil de alocação de ativos pela
criação de grupos homogêneos.
41
Na linha de formação de carteiras de investimento apresenta-se o estudo de Silva et al.
(2007) cujo objetivo é construir carteiras hipotéticas de ações com características homogêne
as
de risco versus retorno pautando-se na técnica análise de cluster.
ados históricos das ações negociadas na BOVESPA no
período de 1998 a 2002, sendo a estabilidade dos clusters verificada no período de 2002 a
2006. A
002 a 2006 as taxas de
retorno
ento e a competência em atuar em mercados mais concorridos e
exigen
beis, visa relatar a posição econômico-financeira da empresa,
sendo
A amostra é constituída de d
s variáveis integrantes do estudo foram subdivididas nas categorias: retorno, risco,
tamanho da empresa, cheapness (relação entre o valor atribuído pelo mercado e a variável
financeira da empresa), estrutura de capital e setor. Com relação ao método, a medida de
distância escolhida foi à euclidiana e dentre os processos de aglomeração usaram o método
hierárquico aglomerativo com regra ward; como medida de correlação usaram o coeficiente
de Pearson. Os resultados mostram que as carteiras formadas mantiveram um desempenho
percentual em linha com o esperado, no entanto, no período de 2
s esperadas eram muito inferiores às realizadas, mas segundo os autores este aumento
de diferença no retorno esperado justifica-se pelo cenário econômico brasileiro e mundial.
2.4 Análise econômico-financeira
Quanto à análise das empresas, de um modo geral, pode-se dizer que devido às atuais
tendências do mundo econômico impostas pela globalização, ganham importância a
valorização do empreendim
tes. Assim, tanto as decisões empresariais com o objetivo de identificar as melhores
oportunidades de investimento e financiamento quanto os investidores em geral são guiados
essencialmente pelos agentes de mercado, onde a informação sobre as posições passadas,
presentes e futuras (projetada) da empresa tornam-se fundamentais.
Para Assaf Neto (2002) a análise de balanços (ou demonstrativos financeiros), que é
baseada em informações contá
essa análise, bem mais consistente quando interpretada dentro das características do
setor de atividade no qual a empresa está inserida. Esse autor enfatiza que a propriedade
comparativa da análise de balanços é essencial, pois determinado índice, quando avaliado
isoladamente, não produz informações suficientes para uma correta conclusão, sendo
indispensável o conhecimento do nível em que a empresa se situa em relação as concorrentes
e aos padrões do mercado.
Existem vários agentes econômicos, acionistas, fornecedores, administradores,
banqueiros, governo, concorrentes e funcionários interessados nas demonstrações financeiras
42
da empresa, sendo esses interesses distintos. Por exemplo, a taxa de retorno interessa mais
especificadamente aos acionistas, o grau de liquidez (curto-prazo) interessa aos fornecedores,
o pagamento dos empréstimos preocupa mais aos banqueiros e os pontos fortes e fracos da
empresa, aos concorrentes.
Dentre as técnicas de análise de balanços, Assaf Neto (2002) apresenta a análise
horizontal a qual se relaciona com o crescimento, avaliação da evolução das vendas, aumento
dos investimentos realizados nos itens ativos; a análise vertical que relaciona basicamente as
tendências da empresa; e os indicadores econômico-f
inanceiros que relacionam elementos
afins d
Matarazzo (2003) argumenta que eles permitem
compa
ia, comércio e serviços entre si.
empresa, ou seja, sua habilidade em cumprir corretamente as
obrigaç
empresa.
as demonstrações contábeis de modo a extrair conclusões sobre a empresa, usando
índices padrões do setor de atividade e do mercado para compará-la com outras empresas.
Em relação aos índices-padrão,
rar as empresas com outras semelhantes. Entretanto, aponta questionamentos como de
que maneira se pode separar as empresas em ramos de atividades e o que é exatamente um
ramo de atividade, sendo que estas questões referem-se à construção dos índices-padrão.
Complementando, que para a construção dos índices-padrão não deve ser tomado
simplesmente os ramos tradicionais de atividades sendo necessária a escolha de ramos que
envolvam empresas semelhantes também do ponto de vista financeiro, pois dessa forma, se
pode comparar os diversos ramos de atividades, já que os mesmos farão parte de um conjunto
(setor) que abrangerá todos os ramos industriais, conseqüentemente, se pode comparar o
desempenho da indústr
Para Assaf Neto (2002), Matarazzo (2003), Ludícibus (1998) os índices padrões
classificam-se, basicamente, em índices de liquidez; rentabilidade; estrutura/endividamento; e
indicadores de preço e retorno das ações.
A idéia central de criar medidas de liquidez está na necessidade de
medir a capacidade
de pagamento de uma
ões passivas assumidas. Uma grande restrição que se atribui a esses indicadores é a
posição de liquidez estática que revelam, isto é, não refletem a magnitude e a época em que
ocorreram as diversas entradas e saídas circulantes, pois são extraídos apenas do balanço
patrimonial. Na realidade, os indicadores tradicionais de liquidez exprimem uma posição em
dado momento de tempo (na data do levantamento dos valores), mas, na realidade, os diversos
valores considerados são continuamente alterados em função da dinamicidade natural dos
negócios da
Indicadores de rentabilidade
visam avaliar os resultados auferidos por uma empresa
em relação a determinados parâmetros que melhor revelem suas dimensões. Uma análise
43
baseada exclusivamente no valor absoluto do lucro líquido traz normalmente sério viés de
interpretação ao não refletir se o resultado gerado foi condizente ou não com o potencial
econômico da empresa.
As principais bases de comparação adotadas para o estudo dos resultados empresariais
são o ativo total, o patrim
ônio líquido e as receitas de vendas. Os resultados normalmente
utilizad
ncias sobre as decisões que
envolv
sos de uma empresa bem como mensurar
percen
nto financeiro de uma
empres
e Assaf Neto (2002, p.413), “as empresas normalmente procuram não se
afastar
elos diferentes segmentos de atividade”.
ara as empresas constituídas juridicamente como sociedade por ações, é possível
constru dicadores de avaliação do preço das ações e de sua rentabilidade. De modo geral,
es cada p de sociedade anônima d to, ou seja, aquelas
que têm s as ações neg a de
álise v bre
suas ações e são de grande utilidade para os
atuais), como parâmetros de a oio às suas d
De forma idên ções s
resu indicadores,
maximização.
A seguir apresentam c
medidas e atributos.
os são os lucros operacionais (lucro gerado pelos ativos) e líquidos (após o imposto de
renda). Ressalte-se, ainda, que os analistas em geral atribuem grande valor aos indicadores de
rentabilidade, os quais costumam exercer significativas influê
em a empresa em análise, tomada tanto no mercado de crédito, como no mercado
acionário.
A finalidade básica dos indicadores de endividamento e estrutura é aferir a
composição (estrutura) das fontes passivas de recur
tualmente sua relação com o capital próprio. Ilustram, com isso, a forma como o
recurso de terceiros é usado pela empresa e sua participação em relação ao capital próprio.
Fornecem, ainda, elementos de avaliação do grau de comprometime
a perante seus credores e a sua capacidade de cumprir os compromissos financeiros
assumidos a longo prazo.
Conform
muito do padrão de endividamento do setor. Com isso, a relação P/(P+PL) é
constituída em geral, p
P
ir in
sa análise é apli ara as ações e capital aber
u ociadas na bols valores.
Esta an das ações
objetiva a aliar os reflexos do desempenho da empresa so
analistas de mercado e acionistas (potenciais e
ecisões de investimentos.
p
tica, as cota de mercado são freqüentemente sensíveis ao
tendências futuras sobre a sua
ltados desses podendo-se estabelecer inclusive
-se os prin ipais indicadores com os respectivos índices de
44
INDICADORES MEDIDAS ATRIBUTOS
Liquidez
Índice d liquidez
corrente
Índice de liquidez seca
rto prazo com
dos os passivos que deverão ser pagos no curto prazo
urto prazo excluindo-se os estoques
e
Relaciona todos os ativos realizáveis no cu
to
É uma liquidez de c
R
M l
Rentabilidade do ativo
Rentabilidad patrimônio
o
pelo valor financeiro da conta receita líquida operacional
da receita bruta
o total
alor financeiro do lucro líquido dividido pelo
entabilidade
argem operaciona
Margem ebitida
e
líquido
Valor financeiro da conta do lucro operacional dividid
Indica o valor financeiro do ebitida dividido pelo valor
financeiro
Valor financeiro do lucro líquido dividido pelo valor
financeiro do ativ
V
patrimônio líquido
Estrutura de
Exigível total/ativo total
Endividamento geral
Endividamento
e longo prazo
Verificar a garantia de pagamento das dívidas com
Faz a relação entre capital de terceiros e capital próprio
capital
recursos próprios
financeiro
Indica a porcentagem do ativo total financiada com
capitais de terceiros a curto
Preço e
Retorno das
ações
Valor patrimonial da
ação
Taxa de retorno
O valor é representado por uma avaliação a valores
contábeis
A taxa de retorno é uma forma de padronização
considerando a quantia de retorno por unidade de
investimento
Dividendo
Dividendo por ação
Payout
Soma dos dividendos em dinheiro pagos por ação no ano
Valor em dinheiro dos dividendos propostos na
demonstração das origens e aplicações dos recursos
dividido pelo lucro líquido
Quadro 01- Indicadores com suas medidas e atributos respectivamente
Outro tema que traz de forma latente a classificação setorial, dentro da análise
econômico-financeira refere-se à avaliação econômica e medida de desempenho das
empresas, que visam identificar a criação de riqueza pelas empresas. Por exemplo, o estudo de
Assaf Neto (2004) cujo objetivo é pesquisar o desempenho das empresas brasileiras, e avaliar
se as mesmas foram competentes para atender ao objetivo básico da teoria de finanças,
maximizar a riqueza de seus acionistas. Esse estudo desenvolve e aplica as principais medidas
de criação de valor nas companhias brasileiras com destaque para os setores de atividade de
melhores desempenhos, o autor propõe um método de aplicação dos instrumentos de
avaliação econômica a partir da classificação setorial e dos demonstrativo
s financeiros, para o
estabelecimento dos padrões de desempenho das empresas brasileiras.
45
O estudo centrou-se no universo das companhias brasileiras de capital aberto,
onforme disponibilizadas pela ECONOMÁTICA, a amostra é constituída por companhias de
capital
2.5 Gr
delo específico para cada
pesquis
os” (SAMPIERI et al., 2006, p. 159).
de ontrol , a seguir compara-se os dois grupos
verifica
ipulação, e não a outros fatores ou causas
(SAMPIERI et al., 2006).
c
aberto atuantes no período de 1996-2002. As medidas calculadas para cada empresa
foram agrupadas por setor para cada um dos sete anos considerados do estudo. Dentre os
resultados, foram apurados, em cada um dos anos delimitados do estudo, para cada empresa e
setor de atividade, importantes medidas financeiras como: resultados operacional e líquido,
índice de endividamento oneroso, fluxo de caixa operacional disponível e retorno sobre o
patrimônio líquido. O autor destaca o comportamento dos índices apresentados por cada setor
de atividade, além de apontar e discutir suas principais causas.
upos de controle
De acordo com Sampieri et al. (2006) com o objetivo de responder ás questões de
pesquisa propostas, deve-se escolher ou desenvolver um mo
a, ou seja, desenvolver um plano ou estratégia para se obter informações necessárias
para uma determinada pesquisa. Os modelos de pesquisa podem ser experimentais ou não-
experimentais. Os experimentais geralmente são usados sob o enfoque quantitativo, uma vez
que sob o enfoque qualitativo a pesquisa “foge” de estratégias prévias no sentido de que
podem contaminar os dados puros dos indivíduos da pesquisa em seu contexto. Os não-
experimentais consideram o fator tempo ou número de vezes de coleta dos dados.
Considerando o modelo experimental, define-se experimento como “uma situação de
controle na qual se manipulam, de maneira intencional, uma ou mais variáveis
independentes/causas para analisar as conseqüências dessa manipulação sobre uma ou mais
variáveis dependentes/efeit
Os experimentos podem ser realizados em dois ou mais graus de manipulação da
variável independente, sendo que cada grau requer um grupo no experimento. O nível mínimo
de manipulação da variável independente é dois, presença-ausência dessa variável. Na
presença-ausência um grupo é exposto à presença da variável independente (grupo
experimental) e o outro não (grupo c e)
ndo se existem diferenças entre os grupos. O termo controle tem diversas conotações
dentro da experimentação, mas sua acepção mais comum é quando se observa no experimento
que uma ou mais variáveis independentes provocam variações nas variáveis dependentes. A
variação nas variáveis dependentes deve-se à man
46
Em termos mais coloquiais, ter controle significa saber o que está ocorrendo realmente
com a relação entre as variáveis independentes e dependentes. Na estratégia da pesquisa
experimental, o pesquisador não manipula uma variável apenas para comprovar o que ocorre
com a outra, assim, ao realizar um experimento, é necessário fazer uma observação controlada
(VAN DALEN E MEYER, 1994).
Na formação de grupos de controle, a classificação setorial é utilizada para a seleção
de uma empresa similar aquela do objeto de pesquisa, mas sem a característica em estudo.
Como exemplos de utilização da classificação setorial em grupos de controle apresentam-se
os estudos de Beaver (1966), Famá et al. (2003).
Beaver (1966), com o objetivo de identificar os índices financ
eiros que predizem a
probab
CVM) e com ações negociadas em bolsa, no
período
dez geral e rentabilidade do ativo.
ilidade de falência de uma empresa, utiliza dados de 158 empresas, classificadas como
79 falidas e 79 como não falidas, através de janelas de cinco exercícios contábeis antes da
falência, para cada empresa falida foi selecionada uma empresa não falida do mesmo setor e
de porte equivalente. As empresas do estudo possuíam ações negociadas no mercado da bolsa
norte americana no início da segunda metade do século passado, num período de estudo de 10
anos, de 1954 a 1964. Os principais índices utilizados na análise foram de fluxo de caixa,
rentabilidade, endividamento, liquidez e atividade (giro), totalizando 30 índices. Dentre os
resultados mostra que os índices de fluxo de caixa sobre dívida, retorno sobre ativos e
endividamento sobre ativos, foram os que melhor previram a falência.
No Brasil, Famá et al. (2003) usam a mesma abordagem de Beaver (1966) com o
objetivo de avaliar o potencial preditivo dos índices financeiros sobre a situação da empresa
em honrar seus compromissos. A amostra é formada por 48 empresas brasileiras, exceto
financeiras, de capital aberto com demonstrativos financeiros publicados, de acordo com as
normas da Comissão de Valores Mobiliários (
de 1990 a 2001. Para cada empresa considerada como falida foi selecionada uma não
falida do mesmo setor econômico e de porte equivalente, formando pares de falidas e não
falidas, da mesma maneira como foi feita na abordagem de Beaver (1966). Os autores
justificam que as empresas foram agrupadas por setor e porte, porque os índices financeiros
são determinados pelos fatores específicos de um setor e um mesmo valor de índice pode
significar probabilidades diferentes de falência para empresas que atuam em diferentes
setores. Nesta abordagem, diferentemente da de Beaver (1966), os índices que melhor
prediziam a falência foram liquidez corrente, liquidez seca, investimentos sobre patrimônio
líquido, liqui
47
Num exemplo de segmentação da amostra em subgrupos apresenta-se o estudo de e
Procianoy e Heineberg (2003) cujo objetivo é identificar os aspectos determinantes da política
de proventos das empresas brasileiras com ações negociadas na BOVESPA no período entre
1994 e 2000. Argumentam que setores diferentes possuem diferentes necessidades de recursos
e possuem distintas possibilidades de financiamento para seus novos investimentos e capital
de giro. Portanto, setores com maior necessidade de recursos, com novos investimentos e com
ciclos de giro com sazonalidades, podem utilizar os lucros gerados para realizar o
financiamento necessário, o que poderá impactar na política de distribuição dos proventos aos
acionistas.
Como técnica estatística eles usam a análise de reg
ressão com dados em painel,
abrangendo uma amostra final de 196 empresas, inseridas em 27 setores industriais. A análise
dos resultados via segmentação por setor permitiu uma comparação entre os resultados
obtidos para cada setor industrial, especificando mais precisamente as diferenças existentes
entre as políticas de distribuição de proventos dos setores mais representativos na pesquisa. O
objetivo dessa análise é verificar para quais setores as variáveis independentes trabalhadas
explicam melhor a determinação dos proventos, e se existe uma homogeneidade no
comportamento da amostra estudada. Assim, a partir da análise desta segmentação, segundo
os auto s, ficou evidente a existência de diferentes padrões da política de proventos entre os
setores industriais mais representativos da amostra do estudo.
re
3. TIPO E MÉTODO DE ESTUDO
Neste capítulo são apresentados os pressupostos e as opções metodológicas que
norteiam o presente estudo.
3.1 Abordagens da pesquisa
Esta pesquisa fundamenta-se no pensamento de Seltiz et al. (1959) quando
argumentam que a finalidade da pesquisa é descobrir respostas para as perguntas por meio da
aplicação de procedimentos científicos, sendo mais provável disso acontecer assim, do que
por qualquer outro método conhecido pelo homem, uma vez que estes procedimentos foram
desenvolvidos para aumentar a probabilidade de confiança da informação obtida, sem
distinção às perguntas formuladas.
De acordo com os objetivos propostos para este estudo, percebe-se seu caráter
descritivo, pois “os fatos são observados, registrados, analisados, classificados e interpretados,
sem que o pesquisador interfira neles” (ANDRADE, 1997, p.104). Ainda nessa linha tem-se a
visão de Sampieri et al. (2006) que definem os estudos descritivos como aqueles que buscam
especificar propriedades importantes de pessoas, grupos, comunidades ou qualquer outro
fenômeno que seja submetido à análise. Quanto a escolha do procedimento sistemático para a
descrição e explicação de fenômenos que estão sendo pesquisados percebe-se seu caráter
quantitativo caracterizado por Richardson et al. (1985) pela quantificação na coleta e no
tratamento das informações, lançando mão basicamente das técnicas estatísticas, desde as
mais simples até as mais complexas. Complementando esta visão, Horna (1994) diz que os
projetos de pesquisa quantitativos são caracterizados pela suposição de que o comportamento
humano pode ser explicado, pelos “fatos sociais” que podem ser investigados pelas
metodologias que utilizam à lógica dedutiva das ciências naturais. Assim, esta é uma pesquisa
descritiva, eminentemente quantitativa e objetivamente incrementalista, na medida em que
busca relações entre as variáveis com a finalidade de analisar uma observação empírica.
3.2 População amostral e período de estudo
Para a amostra desse estudo foram consideradas todas as empresas de capital aberto
que tenham ações negociadas na BOVESPA, no período compreendido entre 02 de
49
janeiro/2000 e 31 de dezembro/2007, com alguns critérios de seleção, tais como balanços
publicados no período do estudo e dados disponíveis no banco de dados da empresa
ECONOMÁTICA Software para Investimentos Ltda, sendo que a classificação NAICS nível
1 apresenta 20 setores e a classificação BOVESPA segmenta-se em 10 setores.
A escolha da bolsa em referência decorre do fato de ser o local na atualidade, que
concentra uma maior quantidade de empresas e um maior volume diário de transações no
Brasil. Com relação ao período de tempo escolhido, salienta-se que em, tal período, não
houve fatos relevantes que pudessem provocar alterações consideráveis no mercado brasileiro,
apesar do período de transição governamental (2002), que segundo o IBGE (2007) não
provocou alterações significativas que pudessem afetar a estabilidade econômica vigente.
3.3 Coleta de dados e definição das variáveis
Os dados da pesquisa são secundários e foram coletados a partir do banco de dados da
ECONOMÁTICA, declarados pelas companhias brasileiras entre 02/01/2000 e 31/12/2007.
Dentre os indicadores usados no presente estudo, salienta-se que, para os indicadores
de tamanho, optou-se por utilizar as variáveis logaritimizadas, assim, as variáveis valor de
mercado, receita líquida e ativo total tornaram-se ln (valor de mercado), ln (receita líquida) e
ln (ativo total). As variáveis médias, por sua vez, são expressas pela média aritmética simples
de todos os dados da variável num dado período. Por exemplo, a variável média retorno é
expressa por:
8
...
07,00, ii
m
RETRET
RETV
++
= , i = ação (13)
A seguir mostra-se as variáveis usadas com suas respectivas medidas dispostas
segundo os indicadores de liquidez, rentabilidade, estrutura de capital, mercado e tamanho.
50
Indicadores Medidas Fórmula
Liquidez
Índice de liquidez corrente (LC)
Índice de liquidez seca (LS)
)( circulante passivo
(AC) circulante ativo
PC
LC =
LS=
circulante passivo
)( estoque circulante ativo E−
Rentabilidade
argem operacional (MO)
argem ebitida (ME)
entabilidade do ativo (RAT)
Rent. patrim.liquido(RPATL)
M
M
R
vendas
)(loperaciona lucro LO
MO =
)( líquida loperaciona receita
ebitida
ROL
ME =
)( loperaciona ativo
loperaciona lucro
AO
RAT =
)(líquido patrimônio
)(exercício líquido lucro
PL
LLE
RPATL =
Estrutura de
capital
xigível total/ativo total (ETAT)
ndividamento geral (EG)
Endividamento financeiro (EF)
E
E
)( totalativo
)( totalexigível
AT
ET
ETAT =
líquido patrimônio
)(prazo longo exigívelcirc passivo ELP
EG
+
=
líquido patrimônio
)(ntofinanciameempréstimo F
EF
+
=
Mercado
VPA)
iquidez em bolsa (LIQB)
etorno
Valor patrimonial da ação (
L
R
)(circulação em ações de número
liquido patrimônio
NAC
VPA =
VN
vn
P
p
LIQB
.
.
..100=
p = número de dias em que houve pelo menos um
negócio com a ação; P = nº total de dias do período
escolhido; n = nº negócios com a ação dentro do
período escolhido; v = volume em dinheiro com a ação;
odas a ações dentro do V = volume em dinheiro com t
período escolhido.
t
tt
it
P
PP
R
−
=
+1
P
t+1
=preço da ação em t+1;
P
t
=preço da ação no período t
Tamanho
alor de mercado (VMER)
)
Ativo total (AT)
V
Receita líquida (RL
NPMAVMER *.
=
PMA = preço de mercado das ações;
ida
= valor financeiro da conta ativo total
N=quantidade total de ações
RL= valor financeiro da conta receita líqu
AT
- Variáveis e as suas respectivas medidas, dispostas segundo os indQuadro 02 icadores de
liquidez, rentabilidade, estrutura de capital, mercado e tamanho
51
s dados das variáveis foram coletados do Economática, conforme as considerações
abaixo.
ORES PARÂMETROS E AJUSTES
O
INDICAD VARIÁVEIS
Liquidez
Índice de liquidez corrente
Índice de liquidez seca
Rentabilidade
Margem operacional
Margem ebitida
Rentabilidade do ativo
Rent. patrim.liquido
Estrutura de
ral
dividamento financeiro
não estavam disponíveis para
o período em questão foram tomados os dados
não consolidados.
capital
Exigível total/ativo total
Endividamento ge
En
Dados do balanço consolidado referente ao 4º
trimestre do ano calendário (entre 8 de outubro a
7 de janeiro do ano seguinte). Entretanto, se os
dados consolidados
videndos
o yeld
ayout
Di
Dividend
P
Dados coletados em 31/12 de cada ano do estudo,
em moeda original.
Dados do balanço consolidado referente ao 4º
trimestre do ano calendário
Mercado
o
m Bolsa
Retorno
o.
Valor patrimonial da açã
Liquidez e
Dados do balanço consolidado referente ao 4º
trimestre do ano calendário. Dados ajustados por
desdobramentos e coletados n
a moeda original.
Na janela de 02/01/ à 31/12 de cada ano e
coletados na moeda original.
Cotações de fechamento em 02/01 e 31/12 para
cada ano, na moeda original, ajustada por
proventos inclusive divide
ndos. Sendo a variável
retorno resultante de cada ano dada pela fórmula
mencionada no métod
Valor de mercado
Dados coletados em 31/12 de cada ano do estudo,
em moeda original.
Tamanho
Receita liquida
Ativo total
consolidado referente ao 4º
trimestre do ano calendário. Dados coletados na
m eda original.
Dados do balanço
o
Quadro 03 - Parâmetros e ajustes dos dados das variáveis coletadas
estágios similares da cadeia produtiva, ou seja, com produtos e serviços
lacionados.
No presente estudo as empresas selecionadas são classificadas nos setores conforme a
classificação setorial da BOVESPA e da NAICS nível 1. Tal escolha deve-se ao fato destas
classificações levarem em consideração que embora a empresa exerça atividades diferentes,
ela atua em
re
52
3.4 Dados omissos e outliers
base na literatura, procedimentos para identificar
utliers sob o ponto de vista multivariado.
.4.1 Dados omissos
ão de um modelo de imputação dos dados.
Kline (1998) apresenta três caminhos possíveis:
plicidade, não sendo, entretanto,
vel omissa não tem covariância pelo menos
ão pelo valor da variável em um caso com escores
emelhantes nas demais variáveis.
a aleatoriedade contribuíram para que se definisse a imputação pela
bstituição pela média.
Inicialmente mostra-se no item 3.4.1 uma explanação sobre dados omissos e na
seqüência no item 3.4.2 apresenta-se, com
o
3
O tratamento para os dados omissos depende basicamente das características dos
dados omissos e do método de pesquisa. A utilização do procedimento listwise, eliminando
todos os casos com pelo menos uma variável sem informação, apresenta a desvantagem da
diminuição do tamanho amostral (KLINE, 1998). No procedimento pairwise os casos são
retirados apenas quando não oferecem informações suficientes para o cálculo de determinado
momento amostral. Entretanto, quando o modelo tem três ou mais variáveis a utilização do
pairwise pode gerar matrizes de covariância e correlação que não sejam positivas definidas, o
que significa que certas operações matemáticas com a matriz não poderão ser computadas,
prejudicando a análise. Outra opção é a utilizaç
i) substituição pela média, que tem a vantagem da sim
sensível à resposta dos sujeitos nas demais variáveis;
ii) regressão, que leva em conta as respostas dos sujeitos nas demais variáveis, não
sendo, entretanto, factível se a variá
moderada com as demais variáveis; e
iii) ajuste padrão, que é a substituiç
s
Portanto, sendo o listwise e o pairwise considerados inadequados para o propósito
deste estudo, pois reduziria acentuadamente os casos quando da aplicação da técnica análise
de cluster, optou-se por utilizar um modelo de imputação dos dados. O número de variáveis
com dados omissos e a su
su
53
3.4.2 Outliers
ue a retirada de outlier pode melhorar a análise multivariada, mas limita sua
genera
2
), a qual tem aproximadamente a
distribu
do cent 2002).
Nesta pesquisa são identificados os outliers do ponto de vista multivariado.
De um modo geral, pode-se concluir que um outlier é caracterizado pela sua relação
com as observações restantes que fazem parte da amostra, assim, seu distanciamento em
relação a essas observações é fundamental para fazer a sua caracterização. A preocupação
com observações outliers é antiga, grande partes dos autores que estudavam este assunto
reportam-se aos comentários de Bernoulli datados de 1777 (BARNETT e LEWIS, 1994) os
quais justificavam a rejeição dos outliers. Entretanto, as opiniões não eram unânimes, ou seja,
enquanto uns defendiam a rejeição de tais observações outros afirmavam que elas nunca
deveriam ser retiradas da amostra. Atualmente, autores como Corrar et al. (2007)
argumentam q
lidade.
Mais especificadamente a identificação de outliers sob o ponto de vista univariado é
relativamente de fácil determinação. Conforme sugerem Corrar et al. (2007) deve-se a partir
da padronização das variáveis considerar como outliers, para grandes amostras (n>80) dados
com score maior ou igual a três ao passo que para pequenas amostras (n<80) dados com score
maior ou igual a 2,5. No entanto, para o conjunto multivariado de dados, como é o caso, há
um acréscimo de dificuldades, uma vez que uma observação pode não ser um outlier em
nenhuma das variáveis originais estudadas isoladamente e sê-lo na análise multivariada.
Assim, conforme sugerido por Johnson e Wichern (2002) para a identificação de outliers
multivariados utiliza-se a distância de Mahalanobis (D
ição do qui-quadrado com p graus de liberdade.
Assim, a partir da relação cumulativa da probabilidade do valor da distribuição do qui-
quadrado com grau de liberdade igual ao número de variáveis incluídas no cálculo, considera-
se como um outlier multivariado aquele cuja respectiva probabilidade associada com sua D
2
,
for menor ou igual 0,001. Mais precisamente, a distância generalizada de Mahalanobis pode
ser entendida como a versão multidimensional do z-score, e pode ser usada como uma técnica
de comparação quanto à separação entre diversos grupos permitindo avaliar a extensão e a
direção dos afastamentos entre os valores médios das variáveis usadas na discriminação
(TABACHNICK e FIDELL, 2000), ou, uma medida de distância entre os casos proveniente
róide médio, dada uma distribuição de covariância (JOHNSON E WICHERN,
54
3.5 Estatísticas descritivas
r menor que 1,96 então, a distribuição é mais achatada
do que
ham sido
extraídos de uma mesma população. O cálculo da estatística desse teste é dado por:
Usa-se na descrição da base de dados, uma vez que as estatísticas descritivas
possibilitam a avaliação do comportamento de cada uma das variáveis utilizadas no estudo,
sendo tal comportamento avaliado a partir das seguintes estatísticas: média, desvio padrão,
coeficientes de assimetria e curtose. As medidas de assimetria e curtose são utilizadas
conforme definido por Pestana e Gageiro (2005). A medida de assimetria é dada pelo
quociente entre a assimetria e o desvio de erro, onde este quociente é usado para não rejeitar a
simetria, o que acontece se o seu resultado for menor que 1,96 (ou aproximadamente 2) em
valor absoluto. Em relação à curtose toma-se como o quociente entre a curtose e o desvio de
erro, por exemplo, se tal quociente fo
a normal, isto é, platicúrtica.
Para avaliar as diferenças univariadas entre os setores de atividade, propostos pelas
classificações BOVESPA e NAICS, utiliza-se o teste de Kruskal Wallis, o qual indicará se as
diferenças entre os setores significam genuínas diferenças entre as populações ou se elas
representam meramente o tipo de variação que seria esperada entre amostras aleatórias de
uma mesma população. A análise de variância de um fator de Kruskall-Wallis por postos é
um teste, conforme Siegel e Castellan (2006), extremamente útil para decidir se K amostras
independentes provêm de populações diferentes (hipótese nula - mesma população). O teste
de Kruskal-Wallis trabalha com as diferenças entre os postos médios para determinar se elas
são tão discrepantes que provavelmente não tenham vindo de amostras que ten
2
1
)(
)1(
12
−−
=
−
+
=
∑
RRn
NN
KW
j
k
j
j
(14)
nde:
N nada;
média dos postos no j-ésimo grupo
o
K= número de grupos;
n
j
= número de casos no j-ésima grupo;
= número de casos na amostra combi
=
_
j
R
55
Para análise da probabilidade segundo este teste usa-se a aproximação à distribuição
do qui-quadrado com (K-1) graus de liberdade. Assim se o valor observado de KW for maior
ou igual ao valor tabe
lado do qui-quadrado com nível de significância α=0,05 e para o
observado grau de liberdade, então se pode rejeitar H
0
neste nível de significância. As
hipótes
H
0
= não há diferença mediana entre os K setores;
diferem com relação à mediana.
3.6 Téc
grupos é feita de modo que as observações
de um
s demais. Portanto, se a
segmen
NSON e WICHERN,
2002).
es a testar são:
H
1
= os k setores
nica estatística
A principal técnica estatística utilizada nesta pesquisa é a análise de agrupamento ou
análise de cluster (originalmente cluster analysis), que por sua vez, é um conjunto de técnicas
que tem por objetivo identificar padrões ao formar clusters (grupos) homogêneos e
mutuamente exclusivos, isto é, os mais semelhantes pertencem a um mesmo grupo (HAIR et
al., 2005). Da mesma forma, Malhotra (2001) define a análise de cluster como uma técnica
usada para classificar objetos ou casos, em grupos relativamente homogêneos chamados de
clusters. Segundo essa técnica, a construção dos
mesmo grupo se pareçam mais entre si do que com as observações existentes nos
outros grupos formados (BUSSAB et al., 1990).
De acordo com estes autores, os clusters obtidos devem apresentar tanto uma
homogeneidade interna (dentro de cada cluster), sendo semelhantes entre si, como grande
heterogeneidade externa (entre clusters), se diferenciando do
tação for bem sucedida, os objetos dentro dos clusters estarão próximos quando
representados graficamente e clusters diferentes estarão distantes.
A busca por grupos naturais ou homogêneos nos dados de uma estrutura faz da análise
de cluster uma importante técnica exploratória uma vez que fornece meios informais para
avaliações dimensionais e até mesmo identificação de observações destoantes que podem vir
a serem valores atípicos (outliers), oportunizando ainda o surgimento de hipóteses
interessantes nos relacionamentos ao se produzirem taxonomias (JOH
Nenhuma condição ou suposição é feita sobre o número de clusters ou sobre a
estrutura de cada um e não há prévia alocação dos casos nos clusters.
De acordo com Bergman e Feser (1998) o termo análise de cluster foi introduzido
primeiramente por Tryon em 1939, contudo, idéias semelhantes já vinham ocorrendo desde o
56
final do século XIX. Esta técnica vem sendo utilizada em importantes áreas científicas para a
identificação de padrões de comportamento nos dados analisados, auxiliando com
isso o
process
eses a priori sobre as observações e o
descon
grupos, tampouco sobre a quantidade dos mesmos, pois os agrupamentos
são fe
vard
que é d
o de descoberta do conhecimento, pois a divisão em grupos ou classes facilita a
compreensão das observações e o desenvolvimento subseqüente de teorias científicas.
Outro ponto de relevância dessa técnica está em sua utilização ainda na fase
exploratória da pesquisa, onde a falta de hipót
hecido número de grupos permitem que as mesmas auxiliem na organização dos dados
em estruturas significativas de fácil interpretação.
Com o intuito de diferenciar a análise de clusters de outros métodos cabe ressaltar que,
apesar da existência de referências a esse termo, não estamos trabalhando com um método de
classificação, a qual, segundo Johnson e Wichern (2002), pressupõem que se conheçam o
número de grupos finais e suas características, sendo seu objetivo operacional associar novas
observações a um desses grupos. Assim, comparada à classificação a análise de cluster
apresenta-se como uma técnica mais primitiva onde não existe assunção sobre a existência e
característica dos
itos com base nas medidas de distância (coeficientes de similaridade ou
dissimilaridade).
Como pré-requisito para aplicar as técnicas de grupamento, além da existência dos
dados no conjunto inicial, é necessário definir qual o critério a ser utilizado na definição de
proximidade entre os objetos. Por outro lado, na classificação, os objetos são associados a
grupos ou classes pré-definidas, e nos agrupamentos, os grupos (quantidade dos mesmos e
que indivíduos pertencem a cada um) surgem durante o processo. Portanto, a análise de
cluster também pode ser utilizada para auxiliar a uma classificação que não tenha sido
aplicada ainda devido à falta dos grupos e características dos mesmos. A título de ilustração
citam-se como exemplos de classificações, a classificação das estrelas, introduzida por A. J.
Cannon em 1910 e aperfeiçoada por volta de 1920, conhecida por Classificação de Har
e suma importância para a astronomia e a classificação geral das galáxias, elaborada
por Hubble, em 1927, que ficou conhecida como Classificação Morfológica de Hubble.
Outro ponto que cabe destacar quando se utiliza a técnica análise de cluster, é a
impossibilidade da técnica de determinar antecipadamente as variáveis dependentes e
independentes, uma vez que essa técnica permite examinar as relações de interdependência
entre todo o conjunto de variáveis ou casos. Destaca-se, ainda a interdependência como ponto
de similaridade com a análise fatorial e a forma de tratamento dos objetos como forma de
57
diferen
vel”, ao minimizar a variabilidade dentro
de cada
. Além da fácil interpretação, outra razão pela opção da utilização da análise de
cluster
iação suficiente dentro do universo de investimento, conseqüentemente torna difícil
segmen
o, possibilita comparar os
objetos
espécie de objetos. A flexibilidade do
ciação das mesmas, uma vez que a análise fatorial trabalha somente com as variáveis,
com vistas a reduzir o conjunto das mesmas, através da criação de fatores (HAIR et al., 2005).
Diversos autores destacam ainda que as técnicas utilizadas na análise de cluster
referem-se à aprendizagem não-supervisionada (KRZANOWSKI e MARRIOT, 1995) e
dentre estes existem aqueles que ressaltam o fato de não existirem testes de significância
estatística envolvidos na sua utilização, mesmo em casos onde existem graus de liberdade
(EVERITT, 1974). Entretanto, esses mesmos autores consideram que as técnicas de análise de
cluster encontram a solução mais “significativa possí
grupo e maximizar a variabilidade entre os grupos, os quais são objetivos semelhantes
existentes nas análises Discriminantes e Fatoriais.
A análise de cluster tem aplicabilidade em diversas áreas do conhecimento, com
destaque para marketing e, mais recentemente, nas áreas de investimentos, economia e
finanças
é a não exigência de pressupostos iniciais quanto à distribuição de probabilidade dos
dados.
Algumas técnicas estatísticas de análise multivariada são pertinentes ao processo de
segmentação de mercado, por permitirem identificar relações simultâneas entre mais de duas
variáveis. A escolha do método análise de cluster nessa pesquisa deve-se ao fato de ser entre
os métodos estatísticos de segmentação o que melhor responde ao escopo do estudo. Outros
métodos como, por exemplo, a análise dos componentes principais, não mostra uma
diferenc
tar o mercado de uma maneira relevante e útil (CLIFFORD, 2002; BOILLAT et al.,
2002).
Nesse sentido, Hair et al. (2005) argumentam que as opções de estratégias baseadas na
identificação de grupos dentro de uma dada população, tal como segmentação do mercado,
não seria possível sem uma metodologia objetiva. E ainda, segundo esses autores, a análise de
cluster é a única técnica multivariada a não estimar a variável estatística empiricamente, ou
seja, usa a variável estatística especificada pelo pesquisador. Log
com base na variável estatística e não na estimação da variável estatística em si,
assim, a definição da variável estatística é ponto de análise crítica.
Outro ponto de relevância da técnica é sua flexibilidade Lapointe e Legendre (1994) e
Toms et al.(2001) argumentam que este método permite agrupar objetos de acordo com o
grau de similaridade, podendo ser aplicado a uma larga
58
método
res diferentes dos convencionais. A seguir descreve-se com mais
etalhes a técnica análise de cluster, justificando vários pontos de relevância para a
3.6.1 E
ara comparar objetos na análise de
cluster is usadas para
compar
belece etapas para aplicação da análise de cluster:
o os grupos formados; a escolha de um processo de aglomeração;
que exige julgamento por parte do
pesquis
tapa 4 - a interpretação e perfilação dos clusters;
a tarefa para as
e dos algoritmos que estão associados a ele explica a diversidade de sua aplicação,
podendo variar das ciências físicas às ciências sociais.
Mais precisamente, em consonância com o escopo dessa pesquisa, a análise de cluster
será utilizada para segmentar as ações listadas conforme mencionado no subitem 3.2 do
corrente capítulo para posterior análise dessas ações quando classificadas segundo as
classificações BOVESPA e NAICS, ou seja, setores convencionais. Assim esta técnica
proporciona a esta pesquisa uma forma de correspondência ou não das ações em setores
convencionais, ou em seto
d
consolidação do método.
stágios de aplicação da técnica análise de cluster
Nesta técnica multivariada a variável estatística se apresenta de uma forma bastante
diferente de outras técnicas multivariadas. A variável estatística do cluster é “o conjunto de
variáveis que representam as características usadas p
” (HAIR et al., 2005, p.384). Como ela incluiu apenas as variáve
ar objetos, ela determina o caráter dos objetos.
Malhotra (2001) esta
Etapa 1 - a formulação do problema, onde se define com quais variáveis a
aglomeração será baseada;
Etapa 2 - a escolha de uma medida de distância, que determina o quão semelhantes ou
diferentes serã
Etapa 3 - a decisão quanto ao número de clusters,
ador;
E
Etapa 5 - a avaliação quanto à validade do processo.
Hair et al. (2005) apresentam seis estágios para o processo de construção de um
modelo para o uso da análise de cluster. Define-se a seguir esses estágios.
Estágio 1 -
esse estágio é de definição dos objetivos da análise de cluster, tal como a
descrição taxonômica, ou seja, a formação de uma classificação de objetos baseada na
experiência; simplificação de dados, pois a análise de cluster executa a mesm
59
observ
is que caracterizam objetos agregados ou se relacionem
especif
stágio 2 -
esse estágio trata do projeto de pesquisa em análise de cluster. Antes de
iniciar
os clusters existentes) podem ser detectadas
e se for
) como deve ser medida a similaridade?
eis a
observ
mbinar as características em uma medida de
similar
o os objetos semelhantes em clusters.
estacam três métodos para a medida de similaridade nas aplicações da análise de
cluster
ntam a
ações; a identificação de relação que é um meio para revelar as relações entre as
observações, o que talvez não fosse possível com as observações individuais.
Nesse estágio destacam ainda a seleção de variáveis a serem incluídas na variável
estatística de agrupamento, a qual deve ser feita em relação às considerações teóricas e
conceituais, bem como práticas. Se o argumento a respeito da seleção das variáveis for
baseado em uma teoria explícita, pesquisa anterior, ou suposição deve-se ter em mente a
importância de incluir apenas variáve
icamente aos objetivos da análise de cluster. Esta técnica não tem meios de diferenciar
variáveis relevantes das irrelevantes.
E
o processo de partição, três questões devem ser respondidas. Que são:
i) as observações atípicas (independentes d
caso podem ser eliminadas?
ii
iii) os dados devem ser padronizados?
Nesse estágio aborda-se como se faz a detecção de observações atípicas. A análise de
cluster é muito sensível à inclusão de variáveis irrelevantes e também igualmente sensív
ações atípicas, que se entende mais precisamente por objetos muito diferentes de todos
os outros. Assim uma projeção preliminar de observações atípicas é sempre necessária.
Quanto às medidas de similaridade entre objetos ou medida de correspondência ou
semelhança entre objetos a serem agrupados, sugerem primeiro especificar as características
que definem a similaridade e após definidas co
idade calculada para todos os pares de objetos. Então, o procedimento prossegue
agregand
D
:
i) medida correlacional
-
essa medida requer dados métricos e represe
similaridade pela correspondência de padrões ao longo das características (X
variáveis), esta medida não olha a magnitude, mas sim os padrões dos valores.
ii) medida de distância
-
essa medida requer dados métricos e representam a
similaridade como a proximidade entre observações ao longo das variáveis na variável
60
estatística do cluster. Mais precisamente as medidas de distância são, na verdade, uma
medida de dissimilaridade, no qual os valores maiores denotam menor similaridade. A
i) medida de associação
–
é usada para comparar objetos cujas características são
ais comum de padronização é a conversão de cada
variável em escores padrão (z-escore) que é dado pelo escore subtraído da média após divisão
pelo desvio padrão para cada variável.
distância é convertida em uma medida de similaridade pelo uso de uma relação
inversa.
ii
medidas apenas em termos não métricos (medida nominal e ordinal).
Após a seleção da medida de similaridade os autores remetem-se a padronização das
variáveis explicitando que a forma m
S
X-X
Z
i
=
_
i
(15)
onde:
X
i
= uma dada variável
−
X
= média do conjunto das observações
S = de
tude
represe
ores padronizados quando muda apenas a escala.
são avaliados como possíveis
represe
svio padrão amostral
De acordo com Hair et al. (2005) um dos benefícios da padronização das variáveis é a
facilidade para comparar as variáveis quando elas estão na mesma escala; a magni
nta o número de desvios-padrão que o valor original está distante da média. Outro
benefício é que não há diferença nos val
Por outro lado, se existe alguma relação “natural” refletida na escala das variáveis, a
padronização pode não ser apropriada.
Estágio 3 -
suposições em análise de cluster, essa técnica não é uma técnica de
inferência estatística em que os parâmetros de uma amostra
ntantes de uma população. Assim, esse estágio deve ser concentrado em duas questões
críticas, representatividade da amostra e a multicolinearidade.
Quanto à representatividade da amostra sugerem que todos os esforços devam ser
feitos para garantir que a amostra é representativa e que os resultados são generalizáveis para
a população de interesse. Quanto ao impacto da multicolinearidade argumentam que o efeito
61
na análise de cluster é diferente porque as variáveis multicolineares são implicitamente
ponderadas com maior peso. A multicolinearidad
e atua como um processo de ponderação
não vis
a característica
importante desse procedimento hierárquico é que os resultados de um estágio anterior são
sempre
process
a distância mais curta é
íduos
ério de agrupamento é a distância média de todos os indivíduos em um
ível para o observador, mas que afeta a análise. Então se devem examinar as variáveis
usadas em busca de multicolinearidade substancial e se encontrá-las reduzir a números iguais
em cada cluster.
Estágio 4 -
determinação de clusters e avaliação do ajuste geral, nesse estágio a
pergunta importante a responder é qual procedimento deve ser usado para colocar objetos
similares em clusters? Ou qual algoritmo é o mais adequado?
Os algoritmos mais comumente usados classificam-se em duas categorias gerais,
hierárquica e não hierárquicos. Os procedimentos hierárquicos envolvem a construção de uma
estrutura do tipo árvore. Podem ser de dois tipos aglomerativos e divisivos.
Nos aglomerativos cada objeto de observação começa como seu próprio cluster. Nos
próximos passos os dois clusters mais próximos são combinados em um novo cluster,
reduzindo assim o número de clusters em uma unidade em cada passo. Um
aninhados com os resultados de um estágio posterior. A representação gráfica desse
o chama-se dendograma. Cita-se a seguir 5 algoritmos aglomerativos:
i) ligação individual ou vizinho mais próximo - esse procedimento é baseado na
distância mínima. Ele encontra os dois objetos separados pela menor distância e os
coloca num primeiro cluster. Em seguida, a próxim
determinada, e um terceiro objeto se junta aos dois primeiros para formar um cluster
ou um cluster de dois membros é formado. O processo continua até que todos os
objetos formem um só cluster;
ii) ligação completa -
é semelhante ao da ligação individual, exceto em que o critério
de agrupamento se baseia na distância máxima. A distância máxima entre indiv
em cada cluster representa a menor esfera que pode incluir todos os objetos em ambos
os clusters. É chamado de ligação completa porque todos os objetos em um cluster são
conectados um com o outro a alguma distância máxima ou similaridade mínima;
iii) ligação média - começa da mesma forma que a ligação individual ou completa,
mas o crit
cluster aos demais em outro. Esta abordagem tende a combinar clusters com pequena
variação interna e tendem a produzir clusters com aproximadamente a mesma
variância;
62
iv) método ward - a distância entre dois clusters é a soma dos quadrados entre os dois
clusters feitos sobre todas as variáveis. Em cada etapa d
o procedimento, a soma
re as variáveis na variável
statística de agrupamento. Toda vez que os indivíduos são reunidos um novo
a-se com um grande cluster que contém todas as
observ
nte. Em seguida outra
sement
iginalmente associados.
o procedimento de agrupamento for realizado sobre os dados iniciais, a
interpr
ters obtidos com aqueles propostos por alguma teoria ou por experiência prática. Se
for usada pra confirmação, os perfis da análise de cluster fornecem um meio direto para
interna de quadrados é minimizada sobre todas as partições que podem ser obtidas
pela combinação de dois clusters do estágio anterior. Esse procedimento tende a
combinar clusters com um pequeno número de observações;
v) método centróide - a distância entre dois clusters é a distância entre seus centróides.
Centróides são os valores médios das observações sob
e
centróide é computado. A vantagem desse método é que ele é menos afetado por
observações atípicas do que outros métodos hierárquicos.
No método divisivo, começ
ações (objetos). Em passos sucessivos, as observações que mais diferem entre si são
separadas e transformadas em clusters menores. Esse processo continua até que cada objeto
seja um agrupamento por si mesmo.
Procedimentos não hierárquicos ou k-médias: não envolvem o processo de construção
de árvore, em vez disso designam objetos aos clusters assim que o número de cluster estiver
sido especificado. O processo funciona seguindo as etapas, sendo a primeira a seleção de uma
semente de agrupamento como o centro inicial de um cluster e todos os objetos dentro de uma
distância de referência pré-especificada é incluído no cluster resulta
e de agrupamento é escolhida e a designação continua até que todos os objetos tenham
sido designados. Os objetos podem então serem redesignados se estiverem mais próximos de
outro cluster do que daquele ao qual foram or
Estágio 5 -
interpretação dos clusters, este estágio envolve o exame de cada cluster
em termos da variável estatística de agrupamento para nomear ou designar um rótulo que
descreva precisamente a natureza do cluster.
Uma medida freqüentemente usada quando se inicia o processo de interpretação é o
centróide. Se
etação será uma descrição lógica. Se os dados forem padronizados daí deve-se voltar
aos escores iniciais, isto é, para as variáveis originais e computar os perfis médios usando
esses dados.
O perfil e a interpretação dos clusters fornecem um meio de avaliar a correspondência
dos clus
63
avaliar
alidação e perfil do cluster, apesar de não haver qualquer método pra
garanti
utros objetos e estável com o
passar
ros de
grupos
r como eles podem diferir em dimensões relevantes. O
proced
adronização das variáveis,
omogeneidade dos clusters e estabilidade, todos voltados para o escopo desse estudo usando
.
3.7 De
e cluster no presente
estudo. A partir da definição da análise de cluster, a qual consiste em agrupar objetos
similar
Formalmente,
2 n
xx (16)
a correspondência, pois fornecem uma rota para se fazer avaliações de significância
prática.
Estágio 6 -
v
r a validade e significância prática, destacam-se duas abordagens para fornecer alguma
base para avaliação.
Validação da solução, a validação inclui tentativas para garantir que a solução seja
representativa da população geral, e assim generalizável para o
do tempo. Um método comum é particionar a amostra em dois grupos. Cada um é
analisado separadamente e os resultados são então comparados.
Outra técnica inclui uma forma modificada de partição de amostra onde cent
obtidos a partir de uma solução são empregados para definir clusters de outras
observações e os resultados são comparados, é uma forma direta de validação cruzada.
Perfil da solução por cluster, o estágio de perfil envolve a descrição das características
de cada cluster para explica
imento inicia depois que os clusters são identificados no procedimento de agrupamento
que caracterizam cada cluster.
Em relação aos procedimentos desse estudo, detalham-se alguns pontos fundamentais
do método análise de cluster, isto é, pontuam-se a seguir alguns pressupostos básicos em
relação à definição do método, à função distância, p
h
um tratamento vetorial multidimensional, que o mesmo requer
finição da análise de
cluster
via tratamento vetorial
A visão apresentada a seguir serve para elucidar a análise d
es, usa-se a noção vetorial para a representação de tais objetos.
denota-se um dado objeto pelo vetor x, usando a seguinte notação:
).,..........,,(
1
xx =
onde:
64
m particular, considerando-se o retorno mensal de uma dada empresa num período
co
esa:
2 n
xx
com k = 1,..., p (17)
x
i
= com
esentarão o retorno de outras empresas, sendo
tais ve
da mesma idéia e notação.
ormalmente, denota-se um dado cluster X, com m objetos, sendo cada objeto de
mensão n, por:
x
i
= componentes do vetor com i = 1, ..., n
E
m n meses, têm-se a seguinte notação para o vetor retorno x
k
de uma k empr
),...,,(
1
k
xx =
onde:
ponentes dos retornos mensais de uma dada empresa
Da mesma forma, outros vetores repr
tores os objetos almejados para os clusters. E para as demais variáveis utilizadas no
estudo apropria-se
F
di
{
}
m
xxxxX = ...,.,,,
321
tal que, e i = 1,..., m (18)
i
= vetor
co=
ticular, considerando-se a variável retorno mensal num período com n meses,
para um k empresa, com k =1, ..., p, então um dado cluster X de dimensão m será denotado
co :
) .....,,,(
11
2
1
1 n
i
xxxx =
onde:
x
n,..., j,...,m e i 11 com vetor do mponente ==
Em par
x
i
j
a
mo segue
{
}
p
m
xxxX = ,....,,
2
2
1
1
tal que, e i =1,...,p e j = 1, .., m (19)
onde:
),...,,(
21
i
n
iii
j
xxxx =
65
x m...,,jp..,, i
i
j
1 e 1 com empresa dada uma de retornovetor ===
do com Lima (1981), define-se distância como uma função d: R
n
× R
n
→R, tal
:
d ( x , x ) = 0
, y ) ≥ 0
i) d ( x ,y ) ≤ d ( x, z ) + d ( z, y )
x
,
y
m particular, seguindo a mesma notação anterior, mostram-se a definição de
distância para dois ve
período com n meses. Então:
xRd
n
(20)
res
x
1
e
x
2
, algumas medidas de distância, de acordo com Boillat
et
•
istância euclidiana
3.7.1 Noções de distância
De acor
que satisfaz as seguintes condições
i)
ii) d (x
ii
onde:
e
z
são vetores arbitrários de dimensão n, da forma
x
= (x
1
, ........, x
n
);
y
= ( y
1
,........, y
n
) e
z
=( z
1
,........, z
n
).
E
tores representantes do retorno mensal de duas dadas empresas, num
const)()(
21
a,xx
RR
n
→
→
:
Tomando-se dois veto
al. (2002) e Clifford (2002) são expressas como:
d
2
2212
)()(
⎥
⎤
⎢
⎡
−=
∑
n
ii
xxd
1
1
1
,
⎣
=i
xx
(21)
Esta distância é a recomendada para os métodos de agrupamento centróide e ward.
•
city block
⎦
distância
66
∑
=
−=
n
212
i
ii
xxxx
1
),(
(22)
mas com as outras.
distância Mahalanobis
(23)
nde:
= matriz de covariância de x
1
e x
2
; (x
1
– x
2
)' indica a matriz transposta.
distância de
Pearson
d
1
Esta distância para serem usadas as variáveis em questão não pode ser correlacionada
u
•
d(x
1
, x
2
) = ( x
1
-x
2
)’ V
-1
( x
1
-x
2
)
o
V
•
1),(
12
21
−=
δ
xxd
p
(24)
onde:
d
p
=
distância de Pearson entre os entes
δ
1,2
= correlação de Pearson entre
x
e
x
1 2
A seguir mostra-se a medida de distância euclidiana e de Pearson para um par de
objetos (vetores) através da notação desenvolvida anteriormente. Para tanto, toma-se a
variável retorno mensal num período com n meses de duas empresas
x
1
e
x
2
.
2
1
22121
⎤⎡
n
1
)(),(
⎥
⎦
⎢
⎣
−=
∑
=
e,
ii
i
xxxxd
1),(
12
21
−=
δ
xxd
(25)
imidade entre os setores foi à
distânc dos estudos
pesquisados (ARNOTT, 1980; BOILLAT et al., 2002; SILVA et al., 2007).
Clifford (2002) usa a distância de Pearson em seu estudo. Na presente pesquisa o
coeficiente escolhido para ser utilizado na avaliação da prox
ia euclidiana um coeficiente de dissimilaridade usado na maioria
67
3.7.2 A
algoritmo de ligação trata-se de um procedimento de agregação dos objetos dentro
jetos similares em um cluster. A
guir sob a ótica da análise vetorial, citam-se tais algoritmos:
ssim, de acordo com o método de ligação individual o qual é baseado na distância
e:
D ( X,
lgoritmo de ligação
O
de um cluster, ou seja, procedimento de colocação de ob
se
Seja D(X, Y) uma medida de dissimilaridade entre dois clusters (X e Y).
A
mínima, tem-s
Y ) =
{
}
)....,,1();...,,1( ),( min kjmiyxd
ji
∈∈
(26)
No método de ligação completa, que se baseia na distância máxima, tem-se:
D(X,Y) ma
x
{
}
)....,,1();...,,1( ),( kjmiyxd
ji
∈∈
=
(27)
No método de ligação média, o critério de agrupamento é a distância média de todos
os indivíduos em um cluster aos demais em um outro. Assim:
∑
∈∈=
ji
ji
kjmiyxd
km
YXD
,
)...,,1( e )....,,1( com ),(
.
1
),(
(28)
No método centróide, a distância entre dois clusters é a distância entre seus centróides,
então:
(29)
de:
),(),(
médioe médio
yxdYXD =
on
∑
∑
=
j
j
médio
i
i
yd
k
y
xd
m
)0,(
1
),0(
=x
1
médio
68
No método de ward a distância entre dois clusters é a soma dos quadrados entre os
dois clusters feitos sobre todas as variáveis, então:
2
médiomédio
)),((
.
), yxd
Km
km
Y
+
=
(30)
Apesar de o método individual ser o mais comumente usado, ele é aplicado somente
bjetos que são relativamente distintos uns dos outros (BOILLAT et al., 2002). No
em questão não é adequado, pois os dados das empresas que formam a base do estudo
apresentar pequena variação relativa, assim o método não é ideal. Por outro lado,
et al., (2002) apresentam duas propriedades do método ward as quais são
entais para a proposta do estudo em questão.
(XD
para o
estudo
podem
Boillat
fundam
i) seja a medida de dissimilaridade dada pelo método ward
k
m
km
+
.
2
),((
.
),(
yxd
médiomédio
km
k
m
YXD =
don
+
de o fator , que é parte da fórmula,
to e Y contém 9
o de clusters grandes, com alguns
bjetos independentes e isolados flutuantes entre eles;
s forem normalizados
então a distância entre os clusters sob o método ward é diretamente proporcional ao
coeficiente de correlação entre tais objetos.
ostram a existência de uma relação direta entre o método
o tradicional método utilizado no campo das finanças para
identificar relacionamentos entre variáveis (multicolinearidade), no que se refere à correlação
linear e
zação efetuada como segue:
cria uma tendência que pressupõe a formação de clusters internamente homogêneos
contendo números similares de objetos. Por exemplo, suponha-se que a distância entre
os centros de massas dos clusters X e Y seja 1, se cada um tiver 5 objetos, à distância
ward será ponderada por 2,5. Se por outro lado se X contém 1 obje
objetos, o fator de ponderação será de 0,9. Logo com a ponderação proporcionada por
tal fator previnem a formação de um número pequen
o
ii) se os dados que representam os objetos a ser classificado
Logo esses resultados m
usado para formar os clusters e
ntre elas. Assim, nesta pesquisa utiliza-se o método de ligação ward.
Demonstra-se a seguir a proposição (ii), conforme apresentado por Boillat et al.
(2002). De fato, seja a normali
69
5,0
)
22
(
'
><−><
><−
=
xx
x
i
x
x
x
i
= cada componente do vetor
<x> = m
substituições e após alguns passos algébric
(31)
onde:
édia das componentes.
A partir de (29) e da medida da dissimilaridade do método ward (28), com as devidas
os, chega-se a proporcionalidade da distância ward
ao coeficiente de correlação.
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎣
⎡
><−><><−><
>
<
>
<
−
∑
≅
5,0
))
22
).(
22
((
.
2.- constante
yyxx
yx
i
y
i
i
x
t
ward
d
(32)
3.7.3 Dendograma
O dendograma é a forma gráfica usada para representar o resultado final dos diversos
agrupamentos. Entretanto, por ser este gráfico uma simplificação em duas dimensões de uma
relação n-dimensional, é inevitável que algumas distorções quanto à similaridade apareçam.
a construção de um dendograma, sob o viés vetorial, os objetos que serão
cias que separam os clusters ficam no eixo
orizontal. Conseqüentemente torna-se fácil ver a posição do objeto em relação aos seus
vizinho
N
aglomerados ficam no eixo vertical e as distân
h
s. Cada linha vertical representa um cluster, a composição inicial do cluster é formada
por dois objetos e gradualmente o tamanho da composição vai aumentando. O dendograma no
presente estudo permitiu obter-se uma imagem singular da totalidade do processo de
aglomeração resultante do método, também foram utilizados, principalmente, para se observar
os saltos que ocorrem na formação dos grupos. Assim, através do dendograma busca-se
detectar a formação de grupos heterogêneos, ou seja, essas estruturas permitiram também a
identificação de quanto seria necessário consentir ou “relaxar” na definição de grupos
homogêneos, corroborando para a definição do número de clusters quando da utilização da
regra de parada.
70
3.7.4 Critério de seleção do número de clusters
Quanto ao nú
mero de clusters que devem ser formados segundo vários autores
(CORRAR, 2007; PESTANA E GAGEIRO, 2005; HAIR et al., 2005; JOHNSON e
procedimento objetivo padrão de seleção. Alguns autores
ntre eles Johnson e Wichern (2002) sugerem um tipo de regra de parada (stopping rule)
relativa
siderar a
análise
O método, análise de cluster, mostra claramente clusters homogêneos do ponto de
ista matemático, o que é obviamente claro, dado a estrutura do método. Entretanto, espera-se
ue estes clusters sejam homogêneos também sob o ponto de vista da análise setorial, pois a
essupostos da formação dos grupos. Nesse sentido, o princípio
ásico adotado neste estudo é o de que um cluster será tão mais homogêneo quanto uma
aior p
WICHERN, 2002) não existe um
e
mente simples que é o exame da medida de distância entre clusters em cada passo
sucessivo, sendo a solução quanto ao número de agrupamento definido quando a medida das
diferenças de distâncias entre duas etapas adjacentes exceder a um valor especificado ou
quando existir um salto repentino no tamanho das diferenças pode-se considerar como o
número adequado de clusters. Esta solução baseia-se na lógica de que a última combinação
causou um substancial decréscimo na similaridade. Além disso, deve-se também con
do dendograma como suporte complementar ao julgamento estritamente empírico
realizado. Salienta-se que este procedimento refere-se aos processos aglomerativos no caso do
método hierárquico.
3.7.5 Homogeneidade dos clusters
v
q
homogeneidade está entre os pr
b
m roporção de empresas formadoras dos clusters pertencerem ao mesmo setor.
Mais precisamente, a partir dos resultados da análise de cluster, cada um dos clusters
terá sua composição avaliada. Cada empresa pertencente a determinado cluster será
classificada em um dos setores, conforme as classificações adotadas nesse estudo. Dada à
classificação das empresas dentro de um cluster, faz-se a distribuição de freqüências dos
setores para o referido cluster. Assim, quanto maior a freqüência em um único setor mais
homogêneo será o cluster.
71
3.7.6 Estabilidade dos clusters
É razoável argumentar que o período sobre o qual os dados são observados tem
Assim, para
a avaliação da estabilidade dos clusters ao longo do período do estudo utilizou-se o Teste de
Wilcox
condições do que a um par que mostra uma diferença pequena e aplica-se para se analisar as
d ecânica do
ste, leva-se em conta valor absoluto das diferenças, sendo a diferença expressa por ׀D
i
׀ =
, onde os dados que ocorrem aos pares são analisados numa sucessão única de valores
rdenados. As diferenças nulas, se existirem são suprimidas e no caso de diferenças iguais em
édia das ordens que lhes caberiam se
0
= E(X) = E(Y) (33)
H
1
= E(
substancial influência sobre os resultados e, portanto sobre a formação dos clusters. A questão
natural é saber se estas estruturas são estáveis suficientemente para serem usadas.
on, o qual dá mais peso a um par que mostra uma diferença grande entre as duas
iferenças entre duas condições (SIEGEL e CASTELLAN, 2006). Assim, na m
te
׀Y
i
-X
i
׀
o
valor absoluto (empates) atribui-se a cada uma delas a m
os valores fossem distintos. As hipóteses são:
H
X) ≠ E(Y) ou E(X) > E(Y) ou E(X) < E(Y)
A estatística quando existe empate é dado por:
∑
=
−+
−
=
n
i
i
R
WW
T
1
2
(34)
R
i
= ordem atribuída às diferenças
onde:
W
+
= soma das ordens que correspondem a diferenças
W
-
= soma das ordens que correspondem a diferenças negativas
No entanto para amostras grandes (n ≥20) como é o caso do presente estudo, a
distribuição T tende para a normal, e segundo Reis (1997) a aproximação à normal é sempre
válida caso haja empates ou o número de pares em análise seja grande.
A estatística do teste quando não existem empates é dada por:
72
24/)12)(1(
4
)1(
++
+
−
+
=
nnn
nn
W
T
(35)
nde:
+
= soma das ordens que correspondem a diferenças
n = número de elementos da amostra
Como nesse estudo a análise de cluster será aplicada para cada ano do período
proposto se utiliza o Teste de Wilcoxon para comparar as composições medianas dos clusters
geradas para cada ano. Portanto, se a análise de cluster é estável ao longo dos anos, a
composição setorial mediana de cada cluster, deverá ser mantida a mesma, ou seja, a
participação dos setores dentro do cluster não deverá se alterar significativamente. Portanto,
constata-se a estabilidade do cluster se a hipótese nula, igualdade da composição mediana dos
clusters, for aceita.
o
W
4. ANÁLISE DOS RESULTADOS
Este capítulo aborda quatro momentos distintos: o primeiro momento traz a definição
da amostra, procedimentos adotados e tratamento dos dados. O segundo momento apresenta
uma análise inicial dos dados e engloba a apresentação das estatísticas descritivas das
variáveis médias, incluindo uma descrição da amostra e uma análise univariada. O terceiro
momento é dedicado à aplicação da análise de cluster. E por fim, o quarto momento apresenta
os testes para avaliação da eficiência da análise de cluster.
4.1 Procedimento de amostragem
Utilizando a base de dados do Economática realizou-se a coleta de dados referentes às
variáveis do estudo, para cada um dos sete anos, isto é, de 2000 a 2007, e de todas as ações de
empresas brasileiras listadas no programa. Obteve-se uma listagem inicial de 403 ações e,
como dentre essas, 5 ações são de empresas que foram registradas em 2008, optou-se por
retirá-las passando então a amostra a contar com um total de 398 ações. Ressalta-se ainda que
para cada um dos anos do período de estudo a quantidade de ações reporta-se as ações ativas
na BOVESPA, com o devido registro válido durante todo o ano. No Quadro 04 apresenta-se a
quantidade de ações para cada ano do período do estudado.
ANO NÚMERO DE AÇÕES
2000 287
2001 290
2002 294
2003 296
2004 299
2005 306
2006 335
2007 391
2000 a 2007 398
Quadro 04 – Quantidade de ações em negociação nos respectivos anos, no período de
2000 - 2007
74
Observa-se que ao longo dos anos estudados houve um aumento no número de ações
ativas, indicando que o número de ações sendo negociadas foi superior ao número de ações
que deixaram de ser negociadas. A amostra durante o período de estudo apresenta 398 ações
diferentes com um crescimento percentual no período de 36,24.
4.2 Tratamento dos dados
Os dados da pesquisa receberam dois tratamentos distintos. Primeiramente apresenta-
se o tratamento para os dados omissos (item 4.2.1). Na seqüência apresentam-se os
procedimentos adotados para a verificação dos outliers (item 4.2.2).
4.2.1 Dados omissos
A Tabela 01 apresenta a quantidade média de dados omissos para cada variável em
relação aos anos de 2000 a 2007. A média foi obtida a partir do número de dados omissos em
cada ano conforme apresentado no Apêndice A.
Tabela 01 – Quantidade de percentual médio (M), mediana (MD), desvio padrão (DP) de
dados
omissos para cada variável em relação ao período de 2000 - 2007
VARIÁVEIS MÉDIA % MEDIANA
DESVIO
PADRÃO
liquidez corrente 17,75 5,68 16,50 5,99
liquidez seca 38,38 12,28 36,00 9,65
margem operacional 49,88 15,97 46,00 10,29
margem ebitida 69,75 22,33 66,50 16,68
rentabilidade do ativo 13,63 4,36 13,50 4,34
rentabilidade do patrimônio líquido 50,13 16,05 52,00 9,26
exigível total/ativo total 11,63 3,72 11,00 4,96
endividamento geral 11,63 3,72 11,00 4,96
endividamento financeiro 62,38 19,97 56,50 14,21
dividendo
yeld 175,75 56,26 174,50 10,01
payout 139,88 44,78 137,00 15,14
valor patrimonial da ação 24,75 7,92 10,50 41,75
liquidez em bolsa 60,75 19,45 61,00 6,58
retorno 96,25 30,81 101,00 13,35
ln (valor de mercado) 66,25 21,21 76,50 31,95
ln (receita líquida) 46,50 14,89 46,00 3,16
ln (ativo total ) 21,75 6,96 11,50 28,34
75
Da Tabela 01 pode-se observar que em média as variáveis “dividendo yeld” e
“payout” apresentam o maior percentual de dados omissos no período considerado com
56,26% e 44,78 %, respectivamente. Salienta-se que os percentuais correspondentes as
variáveis apresentados na tabela 01 relacionam-se a um total médio de 312,37 de números de
casos. Pela mediana constata-se certa proximidade com a média, exceto para as variáveis
“valor patrimonial da ação”, “ln (valor de mercado)” e “ln (ativo total)” que apresentam uma
diferença entre elas maior do que 20 %, como acusado pelo desvio padrão.
4.2.2 Dados outliers
A identificação de outliers é feita com base nos clusters índice e mercado, em cada um
dos respectivos anos. Ressalta-se que o cluster índice envolve todas as variáveis menos as de
mercado, ao passo que o cluster mercado envolve somente as variáveis de mercado. Os
resultados deste procedimento são apresentados na Tabela 02.
Tabela 02 –
Quantidade de outliers para os clusters índices e mercados em relação ao
período de 2000 – 2007
QUANTIDADE DE OUTLIERS COM RESPECTIVOS PERCENTUAIS
SEM VARIÁVEIS DE TAMANHO COM VARIÁVEIS DE TAMANHO
ANOS CLUSTER ÍNDICE CLUSTER MERCADO CLUSTER ÍNDICE
CLUSTER
MERCADO
CASOS CASOS CASOS CASOS
VÁLIDOS
Nº %
VÁLIDOS
Nº %
VÁL.
Nº %
VÁL.
Nº %
2000 231,0 5,0 2,2 224,0 12,0 5,4 232,0 9,0 3,9 230,0 4,0 1,7
2001 234,0 9,0 3,8 230,0 10,0 4,5 235,0 13,0 5,5 235,0 5,0 2,1
2002 235,0 6,0 2,6 234,0 6,0 2,7 236,0 11,0 4,7 230,0 6,0 2,6
2003 239,0 5,0 2,1 236,0 4,0 1,8 241,0 6,0 2,5 242,0 5,0 2,1
2004 247,0 13,0 5,3 250,0 11,0 4,9 249,0 13,0 5,2 254,0 8,0 3,1
2005 254,0 19,0 7,5 255,0 8,0 3,6 256,0 20,0 7,8 258,0 2,0 0,8
2006 276,0 16,0 5,8 275,0 15,0 6,7 279,0 13,0 4,7 282,0 5,0 1,8
2007 313,0 17,0 5,4 307,0 11,0 4,9 324,0 18,0 5,6 334,0 2,0 0,6
MÉDIA 253,6 11,2 4,3 251,3 9,6 4,3 256,5 12,8 5,0 258,1 4,6 1,8
Diante do exposto na Tabela 02, pode-se observar que a quantidade média percentual
de outliers para os clusters índice e mercado mostra-se em torno de 4,3% quando não se
considera as variáveis de tamanho e com a inclusão de tais variáveis observa-se que fica em
torno de 3,4%. Então, seguindo a literatura (CORRAR et al., 2007; JOHNSON e WICHERN,
2002) optou-se por não retirá-los da amostra.
76
4.3 Classificações setoriais
Apresenta-se a seguir a distribuição das empresas conforme as classificações setoriais
propostas pela BOVESPA e pela North America Industrial Classification (NAICS nível 1).
A Tabela 03 apresenta as empresas distribuídas conforme a classificação setorial da
BOVESPA, esta tabela apresenta o respectivo percentual de distribuição das empresas nos
setores para cada um dos anos.
Tabela 03 - Classificação setorial segundo a BOVESPA para cada ano das ações em
negociação no período de 2000 – 2007
CLASSIFICAÇÃO BOVESPA
SETORES
2000
(%)
2001
(%)
2002
(%)
2003
(%)
2004
(%)
2005
(%)
2006
(%)
2007
(%)
M
(%)
D P
bens industriais 11,1 11,4 11,2 11,1 11,0 10,8 11,0 9,7 10,9 0,5
construção e transporte 10,5 10,7 10,9 10,8 11,0 11,1 11,3 14,6 11,4 1,2
Consumo cíclico 18,5 18,6 18,4 18,2 18,1 18,3 16,7 15,9 17,8 0,9
Consumo não cíclico 7,3 7,2 7,5 7,4 8,4 8,5 9,6 10,0 8,2 1,0
financeiro e outros 16,4 16,2 16,0 15,9 16,1 16,0 16,1 18,2 16,4 0,7
Materiais básicos 16,4 16,2 16,3 16,2 15,4 14,7 13,7 12,8 15,2 1,3
petróleo, gás e biocombustíveis 0,7 0,7 0,7 0,7 0,7 0,7 1,2 1,0 0,8 0,2
tecnologia da informação 0,7 0,7 0,7 0,7 0,7 1,0 1,8 1,8 1,0 0,5
Telecomunicações 6,3 6,2 6,1 6,1 6,0 5,9 5,1 4,3 5,8 0,6
Utilidade pública 12,2 12,1 12,2 12,8 12,7 13,1 13,4 11,8 12,5 0,5
TOTAL (%) 100 100 100 100 100 100 100 100
TOTAL DE EMPRESAS 287 290 294 296 299 306 335 391
M = média, DP= desvio padrão
Da classificação anual segundo a BOVESPA observa-se um crescimento do número
de empresas no decorrer do período nos setores de “construção e transporte”, “consumo não
cíclico”, “petróleo gás e bicombustíveis” e “tecnologia da informação”. Nos demais, se
verifica uma diminuição do número de empresas. Observa-se também que, em média, o setor
que apresenta uma maior concentração de empresas no período é o setor de “consumo cíclico”
(17,8 %) e o menor, o setor de “petróleo gás e bicombustíveis” (0,8%). E para uma visão
geral da classificação BOVESPA em todo o período apresenta-se a tabela 04.
77
Tabela 04 - Classificação segundo a BOVESPA considerando todas as ações em
negociação no período de 2000 – 2007
CLASSIFICAÇÃO BOVESPA
SETORES FREQ %
bens industriais
38,0 9,5
construção e transporte
57,0 14,3
Consumo cíclico
62,0 15,6
Consumo não cíclico
39,0 9,8
financeiro e outros
71,0 17,8
Materiais básicos
54,0 13,6
petróleo, gás e biocombustíveis
4,0 1,0
tecnologia da informação
7,0 1,8
telecomunicações
19,0 4,8
Utilidade pública
47,0 11,8
TOTAL 398 100
MÉDIA 39,8 10
A partir da visão geral apresentada na Tabela 04 observa-se que, para as ações da
amostra, o setor “financeiros e outros” com 17,8% do total é o mais representativo e o setor
“petróleo gás e biocombustíveis” é o de menor representatividade na amostra.
A NAICS trata-se de uma classificação setorial internacional estruturada em três
níveis. Num primeiro nível as empresa dividem-se em 20 categorias, sendo que cada uma
destas categorias subdividem-se num total de 96 categorias para formar o nível 2, e no nível 3,
apresenta um total de 313 categorias. Na presente pesquisa optou-se pela classificação no
nível 1 devido ao número de empresas pertinentes a amostra. Assim, o estudo estrutura-se nas
classificações setoriais de acordo com a classificação da BOVESPA e da NAICS no nível 1,
que a partir de agora se denota por NAICS.
Tabela 05 - Classificação setorial segundo a NAICS para cada ano das ações em
negociação, no período de 2000 – 2007
CLASSIFICAÇÃO NAICS
SETORES
2000
(%)
2001
(%)
2002
(%)
2003
(%)
2004
(%)
2005
(%)
2006
(%)
2007
(%) M DP
Adm. empresas e empreend. 7,7 7,6 7,8 7,8 7,7 7,5 7,2 6,1 7,4 0,5
agric., pec., silvi., pesca e caça 0,3 0,3 0,3 0,3 0,7 0,7 0,9 1,0 0,6 0,3
artes, entretenimento e recreação 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,0
assistência médica e social 0,0 0,0 0,0 0,0 0,3 0,3 1,2 1,3 0,4 0,5
Comércio atacadista 0,0 0,0 0,0 0,0 0,3 0,3 0,6 0,5 0,2 0,2
78
CLASSIFICAÇÃO NAICS
SETORES
2000
(%)
2001
(%)
2002
(%)
2003
(%)
2004
(%)
2005
(%)
2006
(%)
2007
(%)
M DP
Comércio varejista 3,8 3,8 3,7 3,7 3,7 3,6 3,3 3,3 3,6 0,2
construção 4,2 4,5 4,4 4,4 4,3 4,2 5,7 9,2 5,1 1,6
educação 1,0 1,4 1,4 1,4 1,3 1,3 1,2 1,3 1,3 0,1
empresa de eletric., gás e água 12,2 12,1 12,2 12,5 12,4 12,7 13,4 12 12,4 0,4
hotel e restaurante 0,7 0,7 0,7 0,7 0,7 0,7 0,6 0,5 0,7 0,1
imob. e locadora de outros bens 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,8 0,4 0,2
Indústria manufatureira 46,3 45,9 45,6 45,3 44,1 43,5 41,5 38,6 43,9 2,5
informação 7,3 7,2 7,1 7,1 7,0 7,2 6,9 5,9 7,0 0,4
mineração 1,4 1,4 1,4 1,4 1,3 1,3 2,1 1,8 1,5 0,3
outros serv. (exceto adm. púb.) 0,7 0,7 0,7 0,7 0,7 0,7 0,6 0,5 0,7 0,1
Serviços de apoio e ger. res. e rem. 0,3 0,7 0,7 0,7 0,7 0,7 0,9 1,3 0,8 0,3
Serviços financeiros e seguros 9,4 9,3 9,2 9,1 9,4 9,5 8,7 10,5 9,4 0,5
Serviços profis., cient. e técnicos 0,7 0,7 1,0 1,0 1,0 1,0 0,9 0,8 0,9 0,1
transporte e armazenamento 3,1 3,1 3,1 3,4 3,7 4,2 3,9 4,3 3,6 0,5
TOTAL (%) 100 100 100 100 100 100 100 100 100
TOTAL DE EMPRESAS 287 290 294 296 299 306 335 391
Da classificação anual segundo a NAICS observa-se que em nove dos seus vinte
segmentos apresentam crescimento em relação ao número de empresas. Setores como de
“agricultura-pecuária-silvicultura-pesca-caça”, “assistência médico social”, “construção”,
“imobiliária-locadora de outros bens”, “mineração”, “serviços de apoio as empresas e
gerenciamento de resíduos e remediação”, “serviços profissionais científicos e técnicos” e por
fim o setor de “transporte e armazenamento” apresenta tal crescimento o que não se verifica
nos demais. Observa-se também que em média o setor que apresenta uma maior concentração
de empresas é o setor de indústria manufatureira (43,9%) e em média o de menor
concentração é o setor de comércio atacadista (0,2%).
E para uma visão geral da classificação NAICS em todo o período apresenta-se a
Tabela 06.
Tabela 06 - Classificação segundo a NAICS considerando todas as ações em
negociação no período de 2000 - 2007
CLASSIFICAÇÃO NAICS
SETORES FREQ %
administração de empresas e empreendimentos 25,0 6,3
agricultura, pecuária, silvicultura, pesca e caça 4,0 1,0
artes, entretenimento e recreação 1,0 0,3
assistência médica e social 5,0 1,3
Comércio atacadista 2,0 0,5
Comércio varejista 13,0 3,3
79
CLASSIFICAÇÃO NAICS
SETORES FREQ %
Construção 36,0 9,0
Educação 5,0 1,3
empresa de eletricidade, gás e água 47,0 11,8
hotel e restaurante 2,0 0,5
imobiliária e locadora de outros bens 3,0 0,8
Indústria manufatureira 155,0 38,9
Informação 25,0 6,3
Mineração 7,0 1,8
outros serviços (exceto administração pública) 2,0 0,5
Serviços de apoio a empresa e ger. res. e rem. 5,0 1,3
Serviços financeiros e seguros 41,0 10,3
Serviços profis., científicos e técnicos 3,0 0,8
transporte e armazenamento 17,0 4,3
TOTAL 398 100
MÉDIA 20,9 5,3
Pela Tabela 06 observa-se uma forte concentração na “indústria manufatureira” que
apresenta 38,94% do total, além disso, observa-se que somente 3 setores apresentam uma
concentração em torno dos 10%, que são os setores de “serviços financeiros e seguros” (10,3
%), “empresa de eletricidade gás e água” (11,8 %) e “construção” (9,05 %). Sendo os que
apresentam menor concentração em torno de 0,5 % os setores de “artes, entretenimento e
recreação” (0,3 %), “comércio atacadista” (0,5 %), “hotel e restaurante” (0,5 %) e “outros
serviços” (0,5 %).
4.4 Estatísticas descritivas
As estatísticas descritivas possibilitam a avaliação do comportamento de cada uma das
variáveis utilizadas no estudo sob o ponto de vista univariado. Tal comportamento foi
avaliado a partir das seguintes estatísticas: número de casos válidos (N), valor mínimo da
distribuição (MIN), valor máximo da distribuição (MAX), média (M), mediana (MED),
desvio padrão (DP) e coeficientes de assimetria (ASSIM) e curtose (CURT). A análise refere-
se às estatísticas descritivas das variáveis médias. Conforme já descrito no capítulo de
método, as variáveis médias indicam a média dos valores anuais para as respectivas variáveis.
Salienta-se que as estatísticas se referem aos valores antes da padronização das variáveis, uma
vez que, após a padronização, as variáveis apresentam média igual a zero e desvio padrão
igual a um.
80
Tabela 07 – Número de casos válidos, valores mínimo e máximo, média, mediana,
desvio-padrão, assimetria e curtose das variáveis médias
VARIÁVEIS
MÉDIAS
N MÍN. MÁX. M MED DP ASSIM. CURT.
liquidez corrente 394 0,0 190,5 2,5 1,3 10,2 16,5 296,6
liquidez seca 364 0,0 190,5 2,3 1,1 10,6 16,0 276,7
margem operacional 351 -429090,6 16802,2 -1413,6 4,5 23436,2 -17,6 320,0
margem ebitida 342 -61215,2 5274,9 -200,0 13,8 3378,0 -17,5 315,0
rentabilidade do ativo 398 -91766,7 66,9 -329,4 2,0 4745,3 -18,3 350,4
rentab. Patrim. líquido 381 -12409,7 3666,9 -37,3 7,5 676,0 -15,8 299,5
exigível total/ativo total 398 1,8 20507,6 261,8 65,2 1494,6 10,3 119,2
Endividamento geral 398 -34613,1 14958,4 339,4 145,8 2156,8 -9,4 181,1
Endivid. financeiro 338 0,3 100,0 50,8 46,6 27,2 0,4 -0,9
Dividendo
yeld 249 0,0 53,7 5,8 4,2 7,0 4,0 21,9
Payout 289 -2440,9 2736,0 55,4 38,8 235,5 1,3 102,3
valor patrim. ação 398 -20008,0 1013,4 -36,2 4,3 1014,8 -19,3 380,7
liquidez em bolsa 373 0,0 8,1 0,2 0,0 0,8 6,8 58,1
Retorno 289 -0,5 8,0 0,5 0,3 0,9 4,9 31,2
ln (valor de mercado) 370 5,8 18,5 12,8 13,3 2,5 -0,5 -0,4
ln (receita liquida) 351 4,5 18,4 12,6 12,7 2,2 -0,8 1,3
ln (ativototal) 398 1,5 19,2 13,2 13,4 2,4 -0,9 3,0
M = média; MED = mediana; DP = desvio padrão
Da Tabela 07 pode-se observar que todas as variáveis apresentam valores expressivos
de assimetria e curtose. Quanto à assimetria, as duas variáveis relacionadas à margem
(margem operacional e margem ebitida) e as duas relacionadas à rentabilidade (rentabilidade
do ativo e rentabilidade do patrimônio líquido) e o endividamento geral apresentam assimetria
negativa indicando que as caudas são alongadas à esquerda. As demais variáveis apresentam
assimetria positiva, o que de um modo geral indicam que, em média, a mensuração de
lucratividade dada pelas margens sinaliza empresas com capacidades menores do que o ponto
de máximo se a distribuição fosse normal, menor capacidade de gerar lucro. Como também,
menores capacidade da empresa garantir os capitais de terceiros.
No que se referem à curtose, todas as variáveis médias assumiram valores positivos
indicando que as curvas são mais alongadas do que a curva normal. Em mediana as ações
apresentam liquidez corrente e seca em torno de 1,34 e 1,11 respectivamente. Em relação à
margem apresenta mediana em torno de 4,5 para a operacional e 13,8 para a ebitida; quanto à
rentabilidade do ativo apresentam em mediana em torno de 2,0 e a rentabilidade do
patrimônio líquido em torno de 7,5. Ainda, apresentam endividamento geral e financeiro, em
mediana, em torno de 145,8 e 46,6 respectivamente; dividendo yeld, em mediana, em torno de
4,2 e payout com mediana em torno de 38,8.
81
Com relação à participação no mercado suas ações têm valor patrimonial mediano em
torno de 4,3, liquidez em bolsa com mediana em torno de 0,01 e retorno anual mediano igual
a 0,3. Com relação ao tamanho, como as variáveis foram calculadas utilizando-se o logaritmo
natural pode-se deduzir que o valor de mercado em mediana apresenta-se em torno de
603.197,53 (e
13,31
= 603.197,53) ao passo que em mediana o valor apresentado para a receita
líquida está em torno de 334.368,85 (e
12,72
= 334.368,85) e por fim em mediana o ativa total
apresenta-se em torno de 673.336,17 (e
13,42
= 673.336,17). As estatísticas descritivas para
cada ano do estudo podem ser visualizadas no Apêndice B.
Para análise da diferença univariada entre os setores de atividade, propostos pelas
classificações BOVESPA e NAICS, optou-se pela utilização do Teste de Kruskal Wallis. As
variáveis utilizadas para tal avaliação referem-se às variáveis médias do período, por
exemplo, a variável liquidez corrente é a média dos valores da liquidez corrente nos anos de
2000 a 2007, conforme foi definido no método.
A Tabela 08 apresenta o valor do teste e sua respectiva significância.
Tabela 08
- Teste Kruskal Wallis para as variáveis médias segundo as classificações
setoriais da NAICS e BOVESPA
TESTE KRUSKAL-WALLIS PARA CLASSIFICAÇÃO SETORIAL
NAICS BOVESPA
VARIÁVEIS MÉDIAS Qui-quadrado p -valor Qui-quadrado p -valor
liquidez corrente 73,97
0,00
39,77
0,00
liquidez seca 62,50
0,00
33,34
0,00
margem operacional 44,05
0,00
47,33
0,00
margem ebitida 61,85
0,00
77,25
0,00
rentabilidade do ativo 19,26 0,38 25,84
0,00
rentabilidade patrimônio líquido 37,32
0,01
44,60
0,00
exigível total/ativo total 51,55
0,00
15,05 0,09
endividamento geral 58,39
0,00
21,82
0,01
endividamento financeiro 73,39
0,00
59,47
0,00
dividendo yeld 50,87
0,00
37,56
0,00
Payout 22,43 0,10 15,76 0,07
valor patrimonial da ação 35,06
0,01
18,24
0,03
liquidez em bolsa 40,37
0,00
31,79
0,00
ln (valor de mercado) 74,50
0,00
54,49
0,00
ln (receita líquida) 83,74
0,00
76,82
0,00
ln (ativo total) 91,47
0,00
86,48
0,00
retorno 46,16
0,00
33,39
0,00
82
Para a grande maioria das variáveis o valor de significância é inferior a 0,05 para as
duas classificações setoriais indicando que existe diferença significativa entre os setores de
atividade para as referidas variáveis. Apenas as variáveis “rentabilidade do ativo” e “payout”
não apresentaram diferença significativa na análise segundo a classificação NAICS, e
segundo a classificação da BOVESPA, as variáveis médias exigível total/ativo total e payout
não foram significativas. De maneira geral, os resultados do Teste Kruskal Wallis mostram
que, do ponto de vista univariado, o setor de atividade é um fator de classificação
preponderante uma vez que as medianas de cada setor diferem estatisticamente.
Seguindo o procedimento adotado na análise anterior, o Teste Kruskal Wallis também
foi aplicado anualmente e os resultados são apresentados no Apêndice C. Observa-se que
estes resultados são muito semelhantes aos apresentados na Tabela 08 indicando que as
diferenças setoriais não são fortemente afetadas pelo ano de estudo, já que as diferenças se
conservam ao longo do tempo.
4.5 Análise dos clusters
Conforme definido anteriormente, a análise dos clusters será realizada para dois
conjuntos de dados. O primeiro, denominado cluster índice e o segundo denominado cluster
mercado, ambos envolvem a estimação dos clusters a partir das variáveis apresentadas no
Quadro 05 abaixo. Para tais clusters será feita uma avaliação da influência da utilização de
variáveis para o controle de tamanho. Assim, primeiramente, os clusters serão estimados sem
as variáveis de tamanho e, posteriormente, tais variáveis serão inseridas.
CLUSTER
INDICE
VARIÁVEIS
CLUSTER
MERCADO
VARIÁVEIS
CONTROLE
VARIÁVEIS
liquidez corrente valor patrimonial da ação ln (valor de mercado)
liquidez seca liquidez em bolsa ln (receita líquida)
margem operacional retorno ln (ativo total)
margem ebitida
rentabilidade do ativo
rentabilidade patrimônio líquido
Payout
dividendo yeld
exigível total/ativo total
endividamento geral
endividamento financeiro
Quadro 05 – Variáveis formadoras dos clusters índice e mercado, e variáveis de controle
83
Para a definição do número de clusters serão utilizados dois métodos. O primeiro,
denominado método de parada envolve o procedimento descrito no item 3.7.4. O segundo tem
o número de clusters previamente definido conforme o número de setores existentes em cada
classificação, ou seja, 10 para a classificação BOVESPA e 20 para a classificação NAICS.
Assim, no item 4.5.1 tem-se uma descrição dos métodos utilizados na definição do número de
clusters. A construção dos clusters é apresentada no item 4.6 e finalmente têm-se os
resultados de controle para o tamanho no item 4.7.
4.5.1 Definição do número de clusters
Como forma de ilustração do procedimento descrito no item 3.7.4 do capítulo do
método apresenta-se o número de clusters a partir da matriz de aglomeração (agglomeration
schedule) complementada pela exibição da diferença de coeficientes e com as respectivas
mudanças de percentuais considerando-se o cluster mercado referente ao ano 2000, com a
inclusão das variáveis de tamanho.
COMBINADOS COEF
DIF.
ENTRE
COEF.
MUDANÇA
% PRÓXIMO
NÍVEL
PRIMEIRA
ETAPA DE
AGLOMERAÇÃO
Etapas
Cluster 1 Cluster 2 Cluster 1 Cluster 2
Nova
etapa
Nº de
Clusters
1 317 324 0,00000 0 0 2
2 66 317 0,00000 0 1 4
3 264 315 0,00000 0 0 4
4 66 264 0,00000 2 3 6
15 94 293 0,00000 0,00000 0 0 42
18 147 269 0,00000 0,00000 0 0 26
...
...
...
...
...
...
...
...
...
...
273 61 360 14,07900 0,93800 0,07138 265 0 281 14
274 22 62 15,02900 0,95000 0,06748 271 255 280 13
275 27 45 16,54200 1,51300 0,10067 267 269 277 12
275 282 10
279 5 124 28,06600 5,09800 0,22196 278 272 282 8
280 1 22 33,91600 5,85000 0,20844 266 274 284 7
281 61 265 41,51100 7,59500 0,22394 273 251 285 6
282 5 15 50,41800 8,90700 0,21457 279 277 284 5
283 113 261 60,84900 10,43100
0,20689
0 0 285 4
284 1 5 72,98100 12,13200 0,19938 280 282 286 3
285 61 113 88,08100 15,10000 0,20690 281 283 286 2
286 1 61 118,02400 29,94300 0,33995 284 285 0 1
Quadro 06 – Dados da matriz de aglomeração para o cluster mercado e sem as variáveis
de tamanho, para o ano de 2000
84
Assim, por meio da análise do Quadro 06, que exibe os resultados da avaliação da
mudança de percentual ocorrida quando se altera o número de clusters, observa-se que o
coeficiente de aglomeração demonstra maiores ganhos ao passar de 4 para 3 clusters. Nessa
situação opta-se por tomar como 3 o número adequado de clusters. Adotando-se o mesmo
procedimento, para os demais anos chega-se ao seguinte quadro resumo.
NÚMERO DE CLUSTERS
SEM AS VARIÁVEIS DE
TAMANHO
COM AS VARIÁVEIS DE
TAMANHO
ANO
Clusters
índices
Clusters
mercados
Clusters
índices
Clusters
mercados
2000 10 3 4 6
2001 4 5 5 6
2002 5 2 5 9
2003 4 9 6 11
2004 4 4 3 2
2005 6 2 3 2
2006 8 7 7 6
2007 10 4 11 10
Quadro 07 – Definição do número de clusters considerando ou não as variáveis de
tamanho na construção dos clusters no período de 2000 – 2007
Para os clusters índices (CI) o número de clusters após a inclusão das variáveis de
tamanho observa-se um aumento do número de clusters em três anos do período (2001, 2003,
2007), permanecendo igual em um ano (2002) e menor nos demais. Para as variáveis de
mercado (CM) a inclusão das variáveis de tamanho provoca um aumento do número de
clusters em mais de 60% dos anos do período. Mais especificadamente, para os clusters
índices e mercados, sem a inclusão das variáveis de tamanho, o número predominante de
clusters são respectivamente 4 e 2.
No segundo método, o número de clusters leva em conta o número de subdivisões das
classificações adotadas no estudo, ou seja, 10 (subdivisão da BOVESPA) e 20 (subdivisão da
NAICS nível 1). Entretanto, quando o número de clusters foi estipulado por 10 nem todos os
clusters apresentaram mais de 1 elemento, como pode ser visualizado no quadro 8, sendo que
o número de clusters exibidos representa os clusters com pelo menos 2 elementos.
85
CLASSIFICAÇÃO BOVESPA – COM 10 CLUSTERS
SEM VARIÁVEIS DE TAMANHO COM VARIÁVEIS DE TAMANHO
ANO
Cluster índice Cluster mercado Cluster índice Cluster mercado
2000 8 8 8 8
2001 9 9 9 9
2002 7 9 7 9
2003 7 9 7 9
2004 7 9 8 9
2005 9 8 8 9
2006 6 8 6 10
2007 10 9 10 10
Quadro 08 – Definição do número de clusters segundo o mesmo número de subdivisões
da classificação da BOVESPA, ou seja, 10, no período de 2000 – 2007
Optando-se pela formação do número de clusters igual a 10 nota-se que a inclusão das
variáveis de tamanho nos clusters índice e mercado praticamente não altera o número de
clusters. Observa-se também que o número máximo de clusters é 10 e ocorre somente no
último período. Quando tomamos o número de clusters igual a 20, os clusters índice e
mercado não apresentam grandes diferenças em relação ao número de clusters quando da
inclusão das variáveis de tamanho, o que pode ser verificado no Apêndice D.
4.6 Construção dos clusters
Conforme estabelecido anteriormente nesta etapa da análise os clusters serão
estimados para os dois conjuntos de dados sem as variáveis de tamanho. O primeiro
denominado cluster índice envolve todas as variáveis menos as de mercado. O segundo
denominado cluster mercado envolve só as variáveis de mercado. Para cada um destes
clusters os resultados são avaliados considerando as classificações segundo a BOVESPA e
NAICS, levando-se em conta o número de cluster sugerido pelo método da parada, o número
de clusters igual a 10 (classificação BOVESPA) e o número de cluster igual a 20
(classificação NAICS). Assim, para cada um dos conjuntos apresenta-se um total de 6
estimações por ano para análise. Ressalta-se ainda que, apenas as tabelas referentes aos dois
grupos de clusters índice e mercado com a classificação BOVESPA são apresentadas ao
longo do texto.
86
4.6.1 Análise dos clusters segundo a regra de parada
Esta análise é feita considerando-se as duas classificações BOVESPA e NAICS, para
tanto se apresenta as tabelas de 09 a 17 dispostas segundo a classificação da BOVESPA e as
tabelas de 18 a 25 dispostas segundo a classificação NAICS, ambas com o número de clusters
sugeridos pelo critério de parada conforme exemplificado na seção 4.5.1.
Inicialmente apresenta-se a Tabela 09 com a classificação BOVESPA para os clusters
índice e mercado considerando o ano 2000.
Tabela 09 – Freqüência percentual e total de casos, segundo a classificação BOVESPA,
no ano 2000
CLASSIFICAÇÃO BOVESPA – MÉTODO DE PARADA, ANO 2000
Cluster índice (%)
Cluster
mercado (%)
SETORES
1 2 3 4 5 6 7 8 9 10 1 2 3
bens industriais 8,0 23,5 11,1 0,0 0,0 8,3 0,0 0,0 0,0 0,0 11,6 0,0 0,0
construção e transporte 8,0 13,7 11,1 33,3 0,0 10,2 0,0 0,0 0,0 0,0 10,9 0,0 0,0
Consumo cíclico 20,0 27,5 15,9 0,0 33,3 14,8 0,0 33,3 0,0 0,0 18,5 11,1 50,0
Consumo não cíclico 6,0 11,8 4,8 0,0 0,0 8,3 0,0 0,0 0,0 0,0 7,6 0,0 0,0
financeiro e outros 20,0 3,9 3,2 0,0 50,0 25,9 100,0 0,0 100,0 0,0 17,0 0,0 0,0
Materiais básicos 22,0 17,6 9,5 0,0 0,0 18,5 0,0 33,3 0,0 0,0 16,7 11,1 0,0
petróleo, gás e biocomb. 0,0 0,0 0,0 0,0 0,0 1,9 0,0 0,0 0,0 0,0 0,4 11,1 0,0
tecnologia da informação 2,0 2,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,7 0,0 0,0
telecomunicações 6,0 0,0 12,7 0,0 16,7 4,6 0,0 0,0 0,0 100,0 4,7 55,6 0,0
utilidade pública 8,0 0,0 31,7 66,7 0,0 7,4 0,0 33,3 0,0 0,0 12,0 11,1 50,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 50 51 63 3 6 108 1 3 1 1 276 9 2
Segundo o critério da regra de parada para a decisão do número de clusters dos 10
clusters sugeridos para o cluster índice observa-se pela Tabela 09 que o cluster 6 (37,6%) e os
clusters 1 (17,4%), 2 (17,8%) e 3 (22%) concentram a maioria das ações da amostra para o
ano 2000. Observa-se que nestes clusters as ações estão distribuídas em diversos setores,
entretanto, com concentrações pequenas em torno de 25% nos setores mais concentrados o
que sugere a não homogeneidade setorial. Apenas para o cluster 5 com apenas 6 casos a
concentração é um pouco mais expressiva com 50% dos casos no setor “financeiro e outros”.
Com relação ao cluster mercado, o cluster 1 apresenta uma concentração de 96,2% dos casos
sendo que os setores da classificação BOVESPA com concentração maior do que 10%
referem-se aos setores de “consumo cíclico” (18,5%), “financeiros e outros” (17%),
87
“materiais básicos” (16,7%), “utilidade pública” (12%), “bens industriais” (11,6%) e
“construção e transporte” (10,9%).
A Tabela 10 apresenta a classificação BOVESPA para os clusters índices e mercado
para o ano 2001.
Tabela 10 – Classificação BOVESPA, com 4 clusters para cluster índice e 5 clusters para
cluster mercado, no ano 2001
CLASSIFICAÇÃO BOVESPA – MÉTODO DE PARADA, ANO 2001
Cluster índice Cluster mercado
SETORES
1 2 3 4 1 2 3 4 5
bens industriais 9,4 16,9 20,0 0,0 7,7 11,1 34,3 0,0 0,0
construção e transporte 9,9 14,1 0,0 0,0 11,0 12,7 8,6 0,0 0,0
consumo cíclico 15,6 28,2 20,0 0,0 19,9 22,2 8,6 10,0 0,0
consumo não cíclico 5,7 12,7 0,0 0,0 7,7 4,8 11,4 0,0 0,0
financeiro e outros 18,4 5,6 40,0 100,0 20,4 7,9 11,4 10,0 0,0
materiais básicos 17 15,5 0,0 0,0 14,4 25,4 11,4 10,0 0,0
petróleo, gás e biocomb. 0,9 0 0,0 0,0 0,6 0,0 0,0 10,0 0,0
tecnologia da informação 0,5 1,4 0,0 0,0 0,0 3,2 0,0 0,0 0,0
telecomunicações 7,5 1,4 20,0 0,0 6,1 3,2 0,0 50,0 0,0
utilidade pública 15,1 4,2 0,0 0,0 12,2 9,5 14,3 10,0 100,0
TOTAL (%) 100 100 100 100 100 100 100 100 100
TOTAL CASOS 212 71 5 2 181 63 35 10 1
A Tabela 10 apresenta para o cluster índice uma concentração no cluster 1 de 73,10%
seguido de 24,5% no cluster 2, ou seja, estes dois clusters correspondentes à metade do
número de clusters para esse conjunto guardam um total de 97,6% dos casos. Observa-se que
nestes clusters as ações estão distribuídas em diversos setores, com pequenas concentrações,
sendo o de maior concentração apresentado no cluster 2 (28,2%). Para o cluster mercado o
cluster 1 apresenta uma concentração de 62,4%, seguido dos clusters 2 (21,7%) e 3 (12,10%).
Nesses clusters as ações encontram-se distribuídas em diversos setores sendo as maiores
concentrações em torno de 25% como, por exemplo, o setor de “materiais básicos” (25,4%)
do cluster 2.
A Tabela 11 apresenta a classificação BOVESPA para os clusters índice e mercado
para o ano 2002.
88
Tabela 11 – Classificação BOVESPA, com 5 clusters para o cluster índice e 2 clusters
para o cluster mercado, no ano 2002
CLASSIFICAÇÃO BOVESPA – MÉTODO DE PARADA, ANO 2002
Cluster índice
Cluster
mercado
SETORES
12345 1 2
Bens industriais 9,8 18,0 7,5 0,0 25,0 11,6 9,6
construção e transporte 11,7 16,0 6,0 0,0 8,3 11,2 9,6
consumo cíclico 17,8 26,0 10,4 50,0 33,3 19,8 11,5
consumo não cíclico 3,7 14,0 10,4 0,0 16,7 7,4 7,7
financeiro e outros 22,1 4,0 9,0 50,0 16,7 17,8 7,7
materiais básicos 16,0 16,0 20,9 0,0 0,0 13,6 28,8
petróleo, gás e biocomb. 0,0 2,0 1,5 0,0 0,0 0,4 1,9
tecnologia da informação 1,2 0,0 0,0 0,0 0,0 0,8 0,0
telecomunicações 5,5 0,0 13,4 0,0 0,0 4,1 15,4
utilidade pública 12,3 4,0 20,9 0,0 0,0 13,2 7,7
TOTAL (%) 100 100 100 100 100 100 100
TOTAL CASOS 163 50 67 2 12 242 52
Observa-se pela Tabela 11 que no cluster índice o cluster que apresenta maior número
de casos é o cluster 1 perfazendo um total de 55,4%, os clusters 2 e 3 apresentam percentuais
de 17% e 22,8% respectivamente, sendo que estes três clusters juntos representam um total de
95,2% dos casos. Os clusters 1, 2 e 3 apresentam uma classificação setorial dispersa sendo o
setor de “consumo cíclico” do cluster 2 o que apresentou maior concentração (26%). Para o
cluster mercado o cluster 1 apresenta uma concentração de 82,3% do total de casos, ou seja,
apresenta uma considerável concentração. Quanto à classificação setorial desse cluster
observa-se que o setor que apresenta maior concentração é o setor de “consumo cíclico”
(19,8%). A Tabela 12 apresenta a classificação BOVESPA para os clusters índice e mercado
para o ano 2003.
Tabela 12 – Classificação BOVESPA, com 4 clusters para o cluster índice e 9 clusters
para cluster mercado no ano 2003
CLASSIFICAÇÃO BOVESPA – MÉTODO DE PARADA, ANO 2003
Cluster índice Cluster mercado
SETORES
1 234123 45 6 7 89
bens industriais 7,3 22,7 7,1 22,2 9,4 30,0 16,9 0,0 9,1 7,7 16,7 0,0 0,0
construção e transporte 10,9 9,1 10,7 22,2 12,9 20,0 8,5 0,0 12,1 12,3 8,3 0,0 0,0
consumo cíclico 16,1 28,8 7,1 22,2 15,3 30,0 11,9 0,0 15,2 21,5 45,8 6,3 0,0
consumo não cíclico 6,7 9,1 10,7 0,0 10,6 10,0 6,8 0,0 12,1 4,6 0,0 6,3 0,0
financeiro e outros 20,2 3,0 14,3 22,2 22,4 0,0 5,1 0,0 21,2 21,5 4,2 18,8 0,0
materiais básicos 15,0 19,7 17,9 11,1 8,2 0,0 39,0 0,0 6,1 15,4 8,3 25,0 0,0
petróleo, gás e biocomb. 0,5 1,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0 1,5 0,0 0,0 33,3
tecnologia da informação 1,0 0,0 0,0 0,0 0,0 0,0 1,7 0,0 3,0 0,0 0,0 0,0 0,0
Telecomunicações 7,8 1,5 7,1 0,0 7,1 0,0 0,0 0,0 3,0 3,1 12,5 25,0 66,7
utilidade pública 14,5 4,5 25,0 0,0 14,1 10,0 1,0 100,0 18,2 12,3 4,2 18,8 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 193 66 28 9 85 10 59 1 33 65 24 16 3
89
Novamente nos clusters mais representativos as ações encontram-se distribuídas nos
diversos setores sendo que os com maiores concentrações de casos apresentam um percentual
na faixa dos 20%. Para o cluster mercado, os clusters que apresentam um percentual de
concentração de casos acima de 10% são os clusters 1 (28,7%), 3 (19,9%), 5 (11%) e o 6
(22%) que juntos representam 81,6% dos casos.
A Tabela 13 apresenta a classificação BOVESPA para os clusters índice e mercado
para o ano 2004.
Tabela 13 – Classificação BOVESPA, num total de 4 clusters para o cluster índice e 4
clusters para o cluster mercado, no ano 2004
CLASSIFICAÇÃO BOVESPA – MÉTODO DE PARADA, ANO 2004
Cluster índice Cluster mercado
SETORES
123412 3 4
Bens industriais 9,3 18,3 0,0 16,7 8,7 45,5 0,0 0,0
construção e transporte 11,5 11,7 0,0 0,0 11,8 9,1 0,0 0,0
consumo cíclico 14,1 30,0 33,3 33,3 19,8 9,1 0,0 0,0
consumo não cíclico 7,5 11,7 0,0 16,7 8,4 9,1 0,0 7,7
financeiro e outros 17,2 6,7 66,7 16,7 17,5 0,0 0,0 15,4
materiais básicos 16,3 13,3 0,0 16,7 14,8 13,6 0,0 30,8
petróleo, gás e biocomb. 0,4 1,7 0,0 0,0 0,4 0,0 0,0 7,7
tecnologia da informação 0,4 1,7 0,0 0,0 0,8 0,0 0,0 0,0
telecomunicações 7,0 3,3 0,0 0,0 5,3 0,0 0,0 30,8
utilidade pública 16,3 1,7 0,0 0,0 12,5 13,6 100,0 7,7
TOTAL (%) 100 100 100 100 100 100 100 100
TOTAL CASOS 227 60 6 6 263 22 1 13
Observa-se pela Tabela 13 que no cluster índice o cluster 1 com 65,2% é o mais
expressivo. As ações encontram-se distribuídas nos diversos setores, sendo os que apresentam
maiores concentrações apresentam um percentual na faixa dos 15%, a exceção do setor
“consumo cíclico” do cluster 2 que apresenta uma concentração de 30%. Do mesmo modo
para o cluster mercado o cluster 1 predomina com 88% dos casos. A distribuição nos setores
desses clusters apresenta pequenas concentrações nos diversos setores, sendo as maiores em
torno dos 15%, a exceção do setor “bens industriais” no cluster 2 que apresenta uma
concentração bem expressiva (45,5%). Observa-se ainda que para a maioria dos setores, as
empresas se dividem entre dois ou mais clusters, mostrando que não há aglomeração das
empresas de um mesmo setor em um único cluster.
A Tabela 14 apresenta a classificação BOVESPA para os clusters índice e mercado
para o ano 2005.
90
Tabela 14 – Classificação BOVESPA, com 6 clusters para o cluster índice e 2 clusters
para o cluster mercado, no ano 2005
CLASSIFICAÇÃO BOVESPA – MÉTODO DE PARADA, ANO 2005
Cluster índice
Cluster
mercado
SETORES
123456 1 2
bens industriais 7,1 21,2 5,0 9,2 0,0 33,3 11 3,8
construção e transporte 10,6 16,7 10,0 9,2 0,0 0,0 11 11,5
consumo cíclico 13,3 27,3 20,0 16,3 50,0 0,0 19 7,7
consumo não cíclico 8,0 9,1 5,0 10,2 0,0 0,0 8,6 7,7
financeiro e outros 4,4 7,6 20,0 32,7 16,7 66,7 16 15,4
materiais básicos 12,4 10,6 30,0 17,3 16,7 0,0 14 23,1
petróleo, gás e biocomb. 0,9 1,5 0,0 0,0 0,0 0,0 0,4 3,8
tecnologia da informação 0,0 1,5 5,0 1,0 0,0 0,0 1,1 0,0
telecomunicações 12,4 0,0 5,0 2,0 16,7 0,0 5,4 11,5
utilidade pública 31,0 4,5 0,0 2,0 0,0 0,0 13 15,4
TOTAL (%) 100 100 100 100 100 100 100 100
TOTAL CASOS 113 66 20 98 6 3 272 26
No cluster 1 predomina o setor de “utilidade pública” (31%) e no cluster 4 o “setor
financeiro e outros” (32,7). Já para o cluster mercado o cluster 1 acumula a grande maioria
dos casos (88%) e os mesmos se distribuem em diversos setores, o que mostra uma grande
heterogeneidade setorial. A Tabela 15 apresenta a classificação BOVESPA para os clusters
índice e mercado para o ano 2006.
Tabela 15 – Classificação BOVESPA, com 8 clusters para o cluster índice e 7 clusters
para o cluster mercado, no ano 2006
CLASSIFICAÇÃO BOVESPA – MÉTODO DE PARADA, ANO 2006
Cluster índice Cluster mercado
SETORES
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7
bens industriais 5,0 11,5 22,6 4,0 9,7 50,0 0,0 0,0 16,7 14,2 25,0 7,3 11,1 0,0 0,0
construção e
transporte
9,0 14,2 16,1 8,0 3,2 0,0 0,0 0,0 0,0 12,3 25,0 13,4 3,7 14,3 0,0
Consumo cíclico 18,0 14,2 24,2 24,0 3,2 0,0 0,0 0,0 33,3 16,1 0,0 12,2 33,3 3,6 0,0
consumo não
cíclico
10,0 12,4 6,5 8,0 3,2 0,0 0,0 100,0 0,0 7,7 25,0 12,2 7,4 14,3 0,0
financeiro e outros 7,0 27,4 3,2 24,0 22,6 0,0 100,0 0,0 0,0 14,8 12,5 22,0 11,1 21,4 0,0
Materiais básicos 18,0 11,5 12,9 8,0 16,1 0,0 0,0 0,0 0,0 12,3 12,5 7,3 25,9 17,9 0,5
petróleo, gás e
biocomb.
2,0 0,0 1,6 0,0 0,0 50,0 0,0 0,0 0,0 1,3 0,0 0,0 1,9 0,0 0,5
tecnologia da
informação
0,0 4,4 1,6 0,0 0,0 0,0 0,0 0,0 0,0 2,6 0,0 1,2 1,9 0,0 0,0
telecomunicações 4,0 1,8 6,5 16,0 9,7 0,0 0,0 0,0 16,7 1,9 0,0 8,5 1,9 17,9 0,0
Utilidade pública 27,0 2,7 4,8 8,0 32,3 0,0 0,0 0,0 33,3 16,8 0,0 15,9 1,9 10,7 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 100 113 62 25 31 2 1 1 6 155 8 82 54 28 2
91
Da Tabela 15 observa-se que para o cluster índice novamente predominam dois
clusters (1 e 2) sendo estes bastantes heterogêneos. Por outro lado, os clusters 7 e 8
apresentam apenas 1 caso, portanto não são representativos. A Tabela 16 apresenta a
classificação BOVESPA para os clusters índice e mercado para o ano 2007.
Tabela 16 – Classificação BOVESPA, com 10 clusters para o cluster índice e 4 clusters
para o cluster mercado, no ano 2007
CLASSIFICAÇÃO BOVESPA – MÉTODO DE PARADA, ANO 2007
Cluster índice Cluster mercado
SETORES
1 2 3 4 5 6 7 8 9 10 1 2 3 4
bens industriais 15,0 17,4 4,8 0,0 0,0 0,0 0,0 20,0 25,0 0,0 10,5 14,3 2,4 11,1
construção e transporte 11,3 15,9 15,7 12,9 0,0 13,3 39,3 0,0 25,0 0,0 14,7 0,0 14,6 22,2
consumo cíclico 15,8 29,0 8,4 6,5 9,5 40,0 7,1 20,0 0,0 50,0 16,2 28,6 7,3 33,3
consumo não cíclico 12,8 11,6 9,6 3,2 0,0 13,3 10,7 0,0 0,0 0,0 9,9 0,0 14,6 0,0
financeiro e outros 22,6 2,9 8,4 58,1 4,8 20,0 25,0 40,0 25,0 0,0 18,6 0,0 14,6 33,3
materiais básicos 12,0 11,6 24,1 6,5 0,0 13,3 3,6 0,0 0,0 50,0 12,0 28,6 19,5 0,0
Petróleo, gás e biocomb. 1,5 1,4 1,2 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,9 14,3 0,0 0,0
tecnologia da informação 0,8 4,3 0,0 0,0 0,0 0,0 10,7 0,0 0,0 0,0 2,1 0,0 0,0 0,0
Telecomunicações 5,3 0,0 6,0 6,5 4,8 0,0 3,6 20,0 0,0 0,0 3,6 0,0 12,2 0,0
Utilidade pública 3,0 5,8 21,7 6,5 81,0 0,0 0,0 0,0 25,0 0,0 11,7 14,3 14,6 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 133 69 83 31 21 15 28 5 4 2 334 7 41 9
Da Tabela 16 observa-se que para o cluster índice apenas os clusters 1, 2 3 com os
respectivos percentuais de 34%, 17,6% e 21,20% representam juntos 72,8% dos casos, esses
clusters apresentam uma distribuição setorial com concentrações pequenas nos setores,
ficando as maiores em torno de 20%, e o setor que apresenta maior concentração é o setor
“financeiro e outros” (18,6%) e a menor concentração é o setor “petróleo, gás e
bicombustíveis” (0,9%). As Tabelas 17 e 18 apresentam um resumo para os clusters índice e
mercado respectivamente, para o critério regra de parada, segundo a classificação BOVESPA.
Tabela 17 – Resumo da classificação setorial BOVESPA, para o
cluster
índice no
período 2000 - 2007
CLUSTER INDICE – CRITÉRIO REGRA DE PARADA
QUANTIDADE DE
SETORES
ANO
Nº
CLUSTERS
MAX MIN MÉDIA
FREQUÊNCIA
SETORIAL
MÁXIMA
SETOR
2000 10 9 1 4,4 25,9 financeiro e outros
2001 4 10 1 6,0 18,4 financeiro e outros
2002 5 9 2 6,6 22,1 financeiro e outros
2003 4 10 5 8,0 20,2 financeiro e outros
2004 4 10 2 6,8 17,2 financeiro e outros
2005 6 9 2 6,3 31,0 utilidade pública
2006 8 10 1 6,0 24,2 consumo cíclico
2007 10 10 2 6,1 22,6 financeiro e outros
92
Dos resultados exibidos na Tabela 17 observa-se, pelo valor mínimo que, para a
maioria dos anos, foi obtido pelo menos um cluster com empresas de um único setor. Tais
clusters, geralmente, são aqueles formados por apenas uma ou duas empresas. O número
máximo de setores por cluster foi 9 para os anos 2000, 20002 e 2005, e 10 para os anos de
2001, 2003, 2004, 2006 e 2007. Em média há 6,3 setores por clusters e a freqüência máxima
em um único setor é em torno de 22,7%.
Tabela 18 – Resumo da classificação setorial BOVESPA, para o
cluster
mercado no
período 2000 - 2007
CLUSTER MERCADO - CRITÉRIO REGRA DE PARADA
QUANTIDADE DE
SETORES
ANO
Nº
CLUSTERS
MAX MIN MÉDIA
FREQUÊNCIA
SETORIAL
MÁXIMA
SETOR
2000 3 10 2 7,1 18,5 consumo cíclico
2001 5 9 1 6,4 25,4 materiais básicos
2002 2 10 9 9,5 19,8 consumo cíclico
2003 9 9 1 6,1 21,5 financeiros/outros, consumo cíclico
2004 4 10 1 6,8 19,8 consumo cíclico
2005 2 10 9 9,5 19,3 consumo cíclico
2006 7 10 2 6,7 33,3 consumo cíclico
2007 4 10 4 6,8 18,6 financeiros e outros
Dos resultados exibidos na Tabela 18 observa-se pelo valor mínimo que para os anos,
de 2001, 2003 e 2004 foi obtido pelo menos um cluster com empresas de um único setor, em
geral, tais clusters são aqueles formados por apenas uma ou duas empresas. O número
máximo de setores por cluster foi 10 para a grande parte dos anos. Em média existem 7,4
setores por clusters e a freqüência máxima em um único setor em torno de 17,7%.
Portanto, como a classificação BOVESPA possui 10 setores e como, por este critério,
o número máximo de clusters estimado foi 9 (2003), caso os setores fossem heterogêneos para
esse ano, esperar-se-ia que cada cluster apresentasse empresas de um setor. Como os
resultados demonstram uma alta heterogeneidade setorial em cada cluster então tais resultados
apontam para a ineficiência da análise setorial, nesse caso.Os clusters índice e os clusters
mercado estimados segundo a regra de parada também foram classificados segundo o critério
NAICS. O Apêndice E, apresenta os resultados para cada um dos anos do período em estudo.
Os resultados obtidos não se diferenciam expressivamente dos apresentados para a
classificação BOVESPA. No que se refere à concentração amostral para o cluster índice na
maioria dos anos dois clusters concentram um percentual expressivo da amostra. Por
93
exemplo, o ano com menor concentração de clusters é o ano de 2005 (68,9%) da amostra e o
ano com maior concentração é o ano de 2001 (97,5%). Já para o cluster mercado no que se
refere à concentração amostral na maioria dos anos também dois clusters concentram um
percentual predominante, sendo o ano de 2005 (100%) com a maior concentração e 2003 com
a menor concentração (50,67%). Quanto à distribuição setorial, novamente os clusters são
bastante heterogêneos. Cabe destacar apenas que, nessa classificação, o setor “indústria
manufatureira” ganha muita representatividade dentro de cada cluster. Por exemplo, no ano
2002 o setor “indústria manufatureira” apresenta no cluster índice percentuais de 42,3% no
cluster 1, apresenta 35,8% no cluster 3, e por fim apresenta uma concentração de 66% para o
cluster 2, sendo que os clusters 1,3 e 2 na ordem são os de maior representatividade de casos
para esse ano.
4.6.2 Análise dos clusters índices e mercados formados com o mesmo número de setores das
classificações BOVESPA (10) e NAICS (20)
Esta análise é feita considerando-se o número de clusters igual a 10, que corresponde
ao número de setores da classificação BOVESPA. Considera-se nessa análise somente a
classificação BOVESPA, e para melhor visualização dos resultados os clusters índices e
mercados são mostrados em tabelas separadas. Salienta-se que a classificação NAICS também
será avaliada tomando-se para tal o número de clusters igual a 20 que corresponde ao mesmo
número de setores dessa classificação. As Tabelas 19 e 20 apresentam os resultados das
composições dos 10 clusters, critério BOVESPA, para o cluster índice e o cluster mercado,
segundo a classificação BOVESPA para o ano de 2000.
Tabela 19 – Classificação BOVESPA, com 10 clusters para o cluster índice no ano 2000
CLASSIFICAÇÃO BOVESPA – ANO 2000
Cluster índice
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 8,0 23,5 11,1 0,0 0,0 8,3 0,0 0,0 0,0 0,0
construção e transporte 8,0 13,7 11,1 33,3 0,0 10,2 0,0 0,0 0,0 0,0
consumo cíclico 20,0 27,5 15,9 0,0 33,3 14,8 0,0 33,3 0,0 0,0
consumo não cíclico 6,0 11,8 4,8 0,0 0,0 8,3 0,0 0,0 0,0 0,0
financeiro e outros 20,0 3,9 3,2 0,0 50,0 25,9 100,0 0,0 100,0 0,0
materiais básicos 22,0 17,6 9,5 0,0 0,0 18,5 0,0 33,3 0,0 0,0
petróleo, gás e biocomb. 0,0 0,0 0,0 0,0 0,0 1,9 0,0 0,0 0,0 0,0
tecnologia da informação 2,0 2,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Telecomunicações 6,0 0,0 12,7 0,0 16,7 4,6 0,0 0,0 0,0 100,0
utilidade pública 8,0 0,0 31,7 66,7 0,0 7,4 0,0 33,3 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 50 51 63 3 6 108 1 3 1 1
94
Tabela 20 - Classificação BOVESPA, com 10
clusters
para o
cluster
mercado no ano
2000
CLASSIFICAÇÃO BOVESPA – ANO 2000
Cluster Mercado
SETORES
123456 78 9 10
bens industriais 7,9 13,1 13,6 5,9 14,7 0,0 0,0 14,3 0,0 0,0
construção e transporte 18,4 8,2 7,4 0,0 14,7 0,0 0,0 0,0 0,0 0,0
consumo cíclico 10,5 21,3 19,8 0,0 29,4 0,0 0,0 57,1 100,0 33,3
consumo não cíclico 9,2 3,3 8,6 5,9 11,8 0,0 0,0 0,0 0,0 0,0
financeiro e outros 22,4 14,8 17,3 11,8 11,8 0,0 0,0 14,3 0,0 0,0
materiais básicos 10,5 19,7 19,8 29,4 11,8 16,7 0,0 14,3 0,0 0,0
petróleo, gás e biocomb. 0,0 1,6 0,0 0,0 0,0 0,0 0,0 0,0 0,0 33,3
tecnologia da informação 0,0 1,6 1,2 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Telecomunicações 5,3 1,6 3,7 23,5 2,9 66,7 0,0 0,0 0,0 33,3
utilidade pública 15,8 14,8 8,6 23,5 2,9 16,7 100,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 76 61 81 17 34 6 1 7 1 3
Segundo este critério de decisão do número de clusters, dos 10 clusters sugeridos
observa-se pelas tabelas 19 e 20 que tanto para o cluster índice como para o cluster mercado
as ações expressivamente concentram-se em poucos clusters, 4 e 3 clusters respectivamente.
Mais precisamente, considerando o cluster índice observa-se que nos clusters com as maiores
concentrações (6, 3, 2 e 1) as ações estão distribuídas em diversos setores e com pequenas
concentrações, ficando em torno de 20% nos setores de maior concentração. Para o cluster
mercado observa-se que para os clusters de maiores concentrações (3, 1 e 2), as ações estão
distribuídas em diversos setores e com pequenas concentrações, tal como no cluster índice.
Dessa forma, do ponto de vista da composição do cluster, estes resultados sugerem uma não
homogeneidade dos clusters.
Por outro lado, analisando-se as distribuições dos setores nos clusters, observa-se que
para o cluster índice a maioria dos setores apresenta-se distribuídos em torno de 5 clusters,
onde a distribuição mais heterogênea nos clusters ocorre para o setor “financeiro e outros”.
Para o cluster mercado observa-se também que a maioria dos setores encontra-se distribuídos
em torno de 5 clusters, ocorrendo a decomposição mais heterogênea no setor de “consumo
cíclico”. Assim, esses resultados sugerem uma não homogeneidade setorial tanto para o
cluster índice como para o cluster mercado.
As Tabelas 21 e 22 apresentam os resultados das composições dos 10 clusters para o
cluster índice e o cluster mercado, segundo a classificação BOVESPA para o ano de 2001.
95
Tabela 21 – Classificação BOVESPA, com 10 clusters para o cluster índice no ano 2001
CLASSIFICAÇÃO BOVESPA – ANO 2001
Cluster índice
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 7,4 16,9 11,1 15,0 0,0 0,0 0,0 0,0 50,0 0,0
construção e transporte 10,6 14,1 8,9 10,0 0,0 16,7 0,0 0,0 0,0 0,0
consumo cíclico 13,8 28,2 16,7 15,0 0,0 16,7 0,0 0,0 50,0 50,0
consumo não cíclico 8,5 12,7 3,3 5,0 0,0 0,0 0,0 0,0 0,0 0,0
financeiro e outros 27,7 5,6 10,0 20,0 100,0 0,0 0,0 100,0 0,0 0,0
materiais básicos 20,2 15,5 12,2 20,0 0,0 33,3 0,0 0,0 0,0 0,0
petróleo, gás e biocomb. 0,0 0,0 2,2 0,0 0,0 0,0 0,0 0,0 0,0 0,0
tecnologia da informação 1,1 1,4 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
telecomunicações 1,1 1,4 13,3 10,0 0,0 0,0 100,0 0,0 0,0 50,0
utilidade pública 9,6 4,2 22,2 5,0 0,0 33,3 0,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 94 71 90 20 2 6 1 2 2 2
Tabela 22 - Classificação BOVESPA, com 10
clusters
para o
cluster
mercado ano 2001
CLASSIFICAÇÃO BOVESPA – ANO 2001
Cluster mercado
SETORES
1234567 8 9 10
bens industriais 7,1 8,3 10,3 36,4 6,7 12,5 0,0 0,0 0,0 0,0
construção e transporte 15,7 9,4 15,4 9,1 0,0 8,3 0,0 0,0 0,0 0,0
consumo cíclico 15,7 26,0 10,3 6,1 0,0 41,7 12,5 0,0 50,0 0,0
consumo não cíclico 11,4 5,2 7,7 12,1 6,7 0,0 0,0 0,0 0,0 0,0
financeiro e outros 20,0 21,9 12,8 12,1 13,3 0,0 12,5 0,0 0,0 0,0
materiais básicos 11,4 14,6 30,8 9,1 26,7 16,7 12,5 0,0 50,0 0,0
petróleo, gás e biocomb. 0,0 1,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 50,0
tecnologia da informação 0,0 0,0 0,0 0,0 0,0 8,3 0,0 0,0 0,0 0,0
Telecomunicações 4,3 4,2 5,1 0,0 26,7 0,0 50,0 0,0 0,0 50,0
utilidade pública 14,3 9,4 7,7 15,2 20,0 12,5 12,5 100,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 70 96 39 33 15 24 8 1 2 2
Observa-se pelas Tabelas 21 e 22, respectivamente, cluster índice e cluster mercado
apresentam poucos clusters com expressivas concentrações. O cluster índice concentra-se
praticamente nos clusters 1, 3 e 2, ao passo que o cluster mercado apresenta-se concentrado
basicamente nos clusters 2 e 1. Para o cluster mercado, o cluster 2 é o de maior concentração
com 33,10% do total de casos, a composição setorial desse cluster apresenta os setores
“consumo cíclico” (26%), “financeiros e outros” (21,9%) e “materiais básicos” (14,6%) como
os setores de maiores concentrações de um modo geral, para o cluster mercado a maioria dos
clusters apresentam pequenas concentrações em vários setores. Para o cluster índice, os
clusters apresentam pequenas concentrações de ações em vários setores, o que sugere
96
novamente uma não homogeneidade dos clusters. Do ponto de vista da decomposição dos
setores nos clusters, ressalta-se que a maioria dos setores apresenta decomposição em torno
de 6 clusters tanto para o cluster índice como para o cluster mercado. Ressalta-se que os
setores com menores decomposições apresentam um pequeno número de ações como, por
exemplo, o setor de “petróleo, gás e bicombustíveis” que apresenta um percentual de
distribuição no cluster 2 de 2,2% equivalendo a quase duas ações do total de ações nesse
cluster.
As Tabelas 23 e 24 apresentam os resultados das composições dos 10 clusters para o
cluster índice e o cluster mercado, segundo a classificação BOVESPA para o ano de 2002.
Tabela 23 – Classificação BOVESPA, com 10 clusters para o cluster índice no ano 2002
CLASSIFICAÇÃO BOVESPA – ANO 2002
Cluster índice
SETORES
12345 67 8 9 10
bens industriais 9,1 18,0 10,3 7,5 12,5 0,0 11,1 0,0 100,0 50,0
construção e transporte 10,0 16,0 17,2 6,0 12,5 0,0 0,0 0,0 0,0 50,0
consumo cíclico 15,5 26,0 24,1 10,4 20,8 100,0 44,4 0,0 0,0 0,0
consumo não cíclico 5,5 14,0 0,0 10,4 0,0 0,0 22,2 0,0 0,0 0,0
financeiro e outros 26,4 4,0 20,7 9,0 4,2 0,0 22,2 100,0 0,0 0,0
materiais básicos 15,5 16,0 17,2 20,9 16,7 0,0 0,0 0,0 0,0 0,0
petróleo, gás e biocomb. 0,0 2,0 0,0 1,5 0,0 0,0 0,0 0,0 0,0 0,0
tecnologia da informação 1,8 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Telecomunicações 7,3 0,0 3,4 13,4 0,0 0,0 0,0 0,0 0,0 0,0
utilidade pública 9,1 4,0 6,9 20,9 33,3 0,0 0,0 0,0 0,0 0,0
TOTAL (%)
0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
TOTAL CASOS 110 50 29 67 24 1 9 1 1 2
Tabela 24 - Classificação BOVESPA, com 10
clusters
para o
cluster
mercado no ano
2002
CLASSIFICAÇÃO BOVESPA – ANO 2002
Cluster mercado
SETORES
123 45678 9 10
bens industriais 8,9 12,5 8,8 0,0 17,1 0,0 16,0 33,3 0,0 0,0
construção e transporte 13,9 13,6 2,9 0,0 7,3 0,0 20,0 0,0 0,0 0,0
consumo cíclico 13,9 22,7 20,6 0,0 24,4 5,9 20,0 0,0 0,0 0,0
consumo não cíclico 11,4 8,0 2,9 0,0 2,4 11,8 4,0 33,3 0,0 0,0
financeiro e outros 20,3 15,9 26,5 0,0 9,8 5,9 4,0 33,3 25,0 0,0
materiais básicos 10,1 15,9 11,8 0,0 17,1 35,3 36,0 0,0 0,0 0,0
petróleo, gás e biocomb. 0,0 1,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 50,0
tecnologia da informação 0,0 1,1 0,0 0,0 2,4 0,0 0,0 0,0 0,0 0,0
Telecomunicações 5,1 2,3 2,9 0,0 7,3 29,4 0,0 0,0 50,0 50,0
utilidade pública 16,5 6,8 23,5 100,0 12,2 11,8 0,0 0,0 25,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 79 88 34 1 41 17 25 3 4 2
97
Os resultados exibidos nas Tabelas 23 e 24 mostram que os clusters índice e mercado
apresentam 2 clusters como os de maiores concentrações, sendo os clusters 1 e 4 para o
cluster índice e os clusters 2 e 1 para o cluster mercado. Para o cluster índice a composição
setorial dos clusters mostra pequenas concentrações em vários clusters, o mesmo ocorrendo
para o cluster mercado, o que sugere uma não homogeneidade dos clusters. Em relação à
decomposição setorial nos clusters, tanto o cluster índice como o cluster mercado as ações
dos setores encontram-se distribuídas em vários clusters o que sugere uma não
homogeneidade setorial. As Tabelas 25 e 26 apresentam os resultados das composições dos
10 clusters para o cluster índice e o cluster mercado, segundo a classificação BOVESPA para
o ano de 2003.
Tabela 25 – Classificação BOVESPA, com 10
clusters
para o
cluster
índice no ano 2003
CLASSIFICAÇÃO BOVESPA – ANO 2003
Cluster Índice
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 7,0 22,7 7,4 8,7 0,0 0,0 0,0 100,0 25,0 0,0
construção e transporte 9,9 9,1 11,5 8,7 20,0 0,0 0,0 0,0 50,0 0,0
consumo cíclico 8,5 28,8 20,5 8,7 0,0 100,0 0,0 0,0 25,0 0,0
consumo não cíclico 5,6 9,1 7,4 13,0 0,0 0,0 0,0 0,0 0,0 0,0
financeiro e outros 7,0 3,0 27,9 13,0 20,0 0,0 100,0 0,0 0,0 50,0
materiais básicos 26,8 19,7 8,2 21,7 0,0 0,0 0,0 0,0 0,0 50,0
petróleo, gás e biocomb. 1,4 1,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
tecnologia da informação 0,0 0,0 1,6 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Telecomunicações 7,0 1,5 8,2 4,3 20,0 0,0 0,0 0,0 0,0 0,0
utilidade pública 26,8 4,5 7,4 21,7 40,0 0,0 0,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 71 66 122 23 5 1 1 1 4 2
Tabela 26 - Classificação BOVESPA, com 10
clusters
para o
cluster
mercado no ano
2003
CLASSIFICAÇÃO BOVESPA – ANO 2003
Cluster mercado
SETORES
123 45678 9 10
bens industriais 11,1 30,0 16,9 0,0 9,1 8,6 7,7 16,7 0,0 0,0
Construção e transporte 3,7 20,0 8,5 0,0 12,1 17,2 12,3 8,3 0,0 0,0
consumo cíclico 14,8 30,0 11,9 0,0 15,2 15,5 21,5 45,8 6,3 0,0
Consumo não cíclico 7,4 10,0 6,8 0,0 12,1 12,1 4,6 0,0 6,3 0,0
financeiro e outros 18,5 0,0 5,1 0,0 21,2 24,1 21,5 4,2 18,8 0,0
materiais básicos 11,1 0,0 39,0 0,0 6,1 6,9 15,4 8,3 25,0 0,0
petróleo, gás e biocomb. 0,0 0,0 0,0 0,0 0,0 0,0 1,5 0,0 0,0 33,3
tecnologia da informação 0,0 0,0 1,7 0,0 3,0 0,0 0,0 0,0 0,0 0,0
telecomunicações 18,5 0,0 0,0 0,0 3,0 1,7 3,1 12,5 25,0 66,7
utilidade pública 14,8 10,0 10,2 100,0 18,2 13,8 12,3 4,2 18,8 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 27 10 59 1 33 58 65 24 16 3
98
Observa-se que para o cluster índice, o cluster 3 é aquele que apresenta a concentração
mais expressiva, com 41,2 % do total. Quanto à composição setorial desse cluster, este
apresenta vários setores com pequenas concentrações sendo que “materiais básicos” e
“utilidade pública”, ambos com 26,8%, são os que apresentam as maiores concentrações, os
demais apresentam percentuais de concentrações abaixo de 10%. Isso também se verifica para
os demais clusters, ou seja, pequenas concentrações em vários setores. O cluster mercado
apresenta o cluster 7 como o de maior concentração com 22% do total de casos. Os clusters
de maior expressividade apresentam uma composição setorial com pequenas concentrações
em vários setores. Por outro lado, a decomposição dos setores nos clusters fica em torno de 5
clusters tanto para o cluster índice como para o cluster mercado.
As Tabelas 27 e 28 apresentam os resultados das composições dos 10 clusters para o
cluster índice e o cluster mercado, segundo a classificação BOVESPA para o ano de 2004.
Tabela 27 – Classificação BOVESPA, com 10
clusters
para o
cluster
índice no ano 2004
CLASSIFICAÇÃO BOVESPA – ANO 2004
Cluster índice
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 8,6 18,3 3,8 14,3 8,3 0,0 0,0 0,0 100,0 0,0
construção e transporte 7,5 11,7 19,2 12,9 0,0 0,0 0,0 0,0 0,0 0,0
consumo cíclico 10,8 30,0 23,1 12,9 8,3 33,3 100,0 33,3 0,0 0,0
consumo não cíclico 6,5 11,7 7,7 8,6 8,3 0,0 0,0 0,0 0,0 100,0
financeiro e outros 9,7 6,7 13,5 27,1 33,3 66,7 0,0 33,3 0,0 0,0
materiais básicos 19,4 13,3 17,3 11,4 16,7 0,0 0,0 33,3 0,0 0,0
petróleo, gás e biocomb. 1,1 1,7 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
tecnologia da informação 0,0 1,7 1,9 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Telecomunicações 9,7 3,3 3,8 5,7 8,3 0,0 0,0 0,0 0,0 0,0
utilidade pública 26,9 1,7 9,6 7,1 16,7 0,0 0,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 93 60 52 70 12 6 1 3 1 1
99
Tabela 28 - Classificação BOVESPA, com 10
clusters
para
cluster
mercado ano 2004
CLASSIFICAÇÃO BOVESPA – ANO 2004
Cluster mercado
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 6,5 13,9 47,4 6,8 0,0 7,8 3,6 0,0 33,3 0,0
construção e transporte 3,2 10,1 5,3 12,2 0,0 19,6 10,7 0,0 33,3 0,0
consumo cíclico 9,7 27,8 10,5 21,6 0,0 15,7 10,7 0,0 0,0 0,0
consumo não cíclico 9,7 10,1 5,3 6,8 0,0 9,8 3,6 9,1 33,3 0,0
financeiro e outros 12,9 19,0 0,0 16,2 0,0 21,6 14,3 18,2 0,0 0,0
materiais básicos 16,1 11,4 15,8 12,2 0,0 5,9 46,4 36,4 0,0 0,0
petróleo, gás e biocomb. 0,0 0,0 0,0 1,4 0,0 0,0 0,0 0,0 0,0 50,0
tecnologia da informação 0,0 1,3 0,0 0,0 0,0 0,0 3,6 0,0 0,0 0,0
Telecomunicações 22,6 0,0 0,0 8,1 0,0 2,0 0,0 27,3 0,0 50,0
utilidade pública 19,4 6,3 15,8 14,9 100,0 17,6 7,1 9,1 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 31 79 19 74 1 51 28 11 3 2
Para o cluster índice, o cluster 1 é o que apresenta maior concentração. A composição
setorial desse cluster e para os demais apresentam pequenas concentrações e vários setores.
Quanto à distribuição dos setores nos clusters ela fica em torno de 4 clusters, entretanto com
pequenos percentuais. Para o cluster mercado, mesmo os clusters de maiores concentrações,
apresentam concentrações pouco expressiva (em torno de 20%). A composição setorial desses
clusters também demonstra uma não homogeneidade dos clusters.
As Tabelas 29 e 30 apresentam os resultados das composições dos 10 clusters para o
cluster índice e o cluster mercado, segundo a classificação BOVESPA para o ano de 2005.
Tabela 29 – Classificação BOVESPA, com 10
clusters
para o
cluster
índice no ano 2005
CLASSIFICAÇÃO BOVESPA – ANO 2005
Cluster índice
SETORES
12345678 9 10
bens industriais 7,1 21,2 14,3 11,3 5,6 0,0 0,0 0,0 0,0 100,0
Construção e transporte 10,6 16,7 14,3 6,5 13,9 0,0 7,7 0,0 0,0 0,0
consumo cíclico 13,3 27,3 0,0 12,9 22,2 33,3 30,8 66,7 0,0 0,0
consumo não cíclico 8,0 9,1 0,0 11,3 8,3 0,0 7,7 0,0 0,0 0,0
financeiro e outros 4,4 7,6 14,3 40,3 19,4 33,3 23,1 0,0 100,0 0,0
materiais básicos 12,4 10,6 57,1 11,3 27,8 0,0 15,4 33,3 0,0 0,0
petróleo, gás e biocomb. 0,9 1,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
tecnologia da informação 0,0 1,5 0,0 1,6 0,0 0,0 7,7 0,0 0,0 0,0
telecomunicações 12,4 0,0 0,0 1,6 2,8 33,3 7,7 0,0 0,0 0,0
utilidade pública 31,0 4,5 0,0 3,2 0,0 0,0 0,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 113 66 7 62 36 3 13 3 2 1
100
Tabela 30 - Classificação BOVESPA, com 10
clusters
para o
cluster
mercado no ano
2005
CLASSIFICAÇÃO BOVESPA – ANO 2005
Cluster mercado
SETORES
1234 5678 9 10
bens industriais 4,3 8,3 16,7 12,7 0,0 9,5 6,5 0,0 0,0 0,0
construção e transporte 0,0 25,0 9,7 9,8 0,0 4,8 21,0 0,0 0,0 0,0
consumo cíclico 17,4 16,7 15,3 24,5 0,0 19,0 16,1 0,0 0,0 0,0
consumo não cíclico 8,7 8,3 6,9 7,8 0,0 9,5 11,3 0,0 0,0 100,0
financeiro e outros 17,4 16,7 22,2 10,8 0,0 0,0 22,6 22,2 0,0 0,0
materiais básicos 13,0 8,3 18,1 20,6 0,0 4,8 1,6 44,4 33,3 0,0
petróleo, gás e biocomb. 0,0 0,0 0,0 1,0 0,0 0,0 0,0 0,0 33,3 0,0
tecnologia da informação 0,0 0,0 2,8 1,0 0,0 0,0 0,0 0,0 0,0 0,0
telecomunicações 21,7 0,0 2,8 3,9 0,0 4,8 4,8 22,2 33,3 0,0
utilidade pública 17,4 16,7 5,6 7,8 100,0 47,6 16,1 11,1 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 23 12 72 102 1 21 62 9 3 1
Para o cluster índice, os clusters 1, 2, 4 e 5 são os que apresentam as maiores
concentrações para o cluster índice, sendo os respectivos percentuais de 36,9 %, 21,6 %, 20,3
% e 11,8 %, e juntos computam o total de 90,6%. Na composição setorial do cluster 1, o setor
de “utilidade pública” é o que apresenta uma relevante concentração de 31%. A composição
setorial desses clusters apresenta pequenas concentrações em vários setores, o que sugere uma
não homogeneidade desses clusters. Para o cluster mercado, o cluster 4 é o de maior
concentração, com 33,3% do total de casos. A composição setorial desse cluster apresenta os
setores “materiais básicos” (20,6 %), “consumo cíclico” (24,5 %), “bens industriais” (12,7 %)
e “financeiros e outros” (10,8 %), como os setores de maiores concentrações. Os demais
clusters também apresentam composições setoriais variadas e de baixa concentração.
As Tabelas 31 e 32 apresentam os resultados das composições dos 10 clusters para o
cluster índice e o cluster mercado, segundo a classificação BOVESPA para o ano de 2006.
101
Tabela 31 – Classificação BOVESPA, com 10
clusters
para o
cluster
índice no ano 2006
CLASSIFICAÇÃO BOVESPA – ANO 2006
Cluster índice
SETORES
123456 7 8 9 10
bens industriais 5,0 11,5 22,6 0,0 9,7 6,7 100,0 0,0 0,0 0,0
construção e transporte 9,0 14,2 16,1 10,0 3,2 6,7 0,0 0,0 0,0 0,0
consumo cíclico 18,0 14,2 24,2 20,0 3,2 26,7 0,0 0,0 0,0 0,0
consumo não cíclico 10,0 12,4 6,5 20,0 3,2 0,0 0,0 0,0 100,0 0,0
financeiro e outros 7,0 27,4 3,2 10,0 22,6 33,3 0,0 100,0 0,0 0,0
materiais básicos 18,0 11,5 12,9 0,0 16,1 13,3 0,0 0,0 0,0 0,0
petróleo, gás e biocomb. 2,0 0,0 1,6 0,0 0,0 0,0 0,0 0,0 0,0 100,0
tecnologia da informação 0,0 4,4 1,6 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Telecomunicações 4,0 1,8 6,5 20,0 9,7 13,3 0,0 0,0 0,0 0,0
utilidade pública 27,0 2,7 4,8 20,0 32,3 0,0 0,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 100 113 62 10 31 15 1 1 1 1
Tabela 32 - Classificação BOVESPA, com 10
clusters
para o
cluster
mercado no ano
2006
CLASSIFICAÇÃO BOVESPA – ANO 2006
Cluster mercado
SETORES
123 45678 9 10
bens industriais 20,0 14,0 14,3 0,0 7,3 11,1 0,0 15,4 100,0 0,0
construção e transporte 0,0 10,9 28,6 0,0 13,4 3,7 14,3 19,2 0,0 0,0
consumo cíclico 40,0 14,7 0,0 0,0 12,2 33,3 3,6 23,1 0,0 0,0
consumo não cíclico 0,0 9,3 28,6 0,0 12,2 7,4 14,3 0,0 0,0 0,0
financeiro e outros 0,0 13,2 14,3 0,0 22,0 11,1 21,4 23,1 0,0 0,0
materiais básicos 0,0 14,7 14,3 0,0 7,3 25,9 17,9 0,0 0,0 50,0
petróleo, gás e biocomb. 0,0 1,6 0,0 0,0 0,0 1,9 0,0 0,0 0,0 50,0
tecnologia da informação 0,0 3,1 0,0 0,0 1,2 1,9 0,0 0,0 0,0 0,0
Telecomunicações 20,0 2,3 0,0 0,0 8,5 1,9 17,9 0,0 0,0 0,0
utilidade pública 20,0 16,3 0,0 100,0 15,9 1,9 10,7 19,2 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 5 129 7 1 82 54 28 26 1 2
Para os resultados apresentados na Tabela 31, observa-se que os clusters 2 e 1 são os
clusters que apresentam maior concentração de casos, respectivamente com 33,7% e 29,9%.
Na composição setorial do cluster 1, os setores de “utilidade pública” (27%) e “consumo
cíclico” e “materiais básicos” ambos com o mesmo percentual (18%) são os setores de maior
relevância, do mesmo modo, os outros clusters pertencentes ao cluster índice apresentam
pequenas concentrações em um variado número de setores. Para o cluster mercado, os
clusters 2 e 5 são os que apresentam as concentrações mais expressivas. O cluster 2 é o de
102
maior concentração com 38,5% do total de casos. A composição setorial desse cluster, como
os demais, apresentam baixas concentrações em vários setores.
As Tabelas 33 e 34 apresentam os resultados das composições dos 10 clusters para o
cluster índice e o cluster mercado, segundo a classificação BOVESPA para o ano de 2007.
Tabela 33 - Classificação BOVESPA, com 10
clusters
para o
cluster
índice no ano 2007
CLASSIFICAÇÃO BOVESPA – ANO 2007
Cluster índice
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 15,0 17,4 4,8 0,0 0,0 0,0 0,0 20,0 25,0 0,0
construção e transporte 11,3 15,9 15,7 12,9 0,0 13,3 39,3 0,0 25,0 0,0
consumo cíclico 15,8 29,0 8,4 6,5 9,5 40,0 7,1 20,0 0,0 50,0
consumo não cíclico 12,8 11,6 9,6 3,2 0,0 13,3 10,7 0,0 0,0 0,0
financeiro e outros 22,6 2,9 8,4 58,1 4,8 20,0 25,0 40,0 25,0 0,0
materiais básicos 12,0 11,6 24,1 6,5 0,0 13,3 3,6 0,0 0,0 50,0
petróleo, gás e biocomb. 1,5 1,4 1,2 0,0 0,0 0,0 0,0 0,0 0,0 0,0
tecnologia da informação 0,8 4,3 0,0 0,0 0,0 0,0 10,7 0,0 0,0 0,0
telecomunicações 5,3 0,0 6,0 6,5 4,8 0,0 3,6 20,0 0,0 0,0
utilidade pública 3,0 5,8 21,7 6,5 81,0 0,0 0,0 0,0 25,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 133 69 83 31 21 15 28 5 4 2
Tabela 34 - Classificação BOVESPA, com 10
clusters
para o
cluster
mercado no ano
2007
CLASSIFICAÇÃO BOVESPA – ANO 2007
Cluster mercado
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 8,3 9,8 0,0 2,9 20,5 14,3 0,0 11,1 25,0 0,0
construção e transporte 18,6 9,8 0,0 17,6 12,8 28,6 0,0 22,2 0,0 0,0
consumo cíclico 14,7 15,9 0,0 8,8 23,1 14,3 0,0 33,3 50,0 0,0
consumo não cíclico 9,6 9,8 0,0 17,6 12,8 0,0 0,0 0,0 0,0 0,0
financeiro e outros 26,3 13,6 0,0 5,9 7,7 0,0 57,1 33,3 0,0 0,0
materiais básicos 10,9 12,1 0,0 14,7 17,9 0,0 42,9 0,0 25,0 50,0
petróleo, gás e biocomb. 0,6 1,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0 50,0
tecnologia da informação 1,3 3,0 0,0 0,0 2,6 0,0 0,0 0,0 0,0 0,0
telecomunicações 1,9 5,3 0,0 14,7 2,6 14,3 0,0 0,0 0,0 0,0
utilidade pública 7,7 18,9 100,0 17,6 0,0 28,6 0,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 156 132 1 34 39 7 7 9 4 2
103
Segundo os resultados exibidos na Tabela 33, para o cluster índice, observa-se que os
clusters 1 e 2 são os que apresentam as concentrações mais expressivas, juntos computam o
total de 73,7%. O cluster 1 é o de maior concentração com 39,9% do total de casos. A
composição setorial desse cluster apresenta o setor “financeiro e outros” (26,3%) como o de
maior relevância, as demais ações apresentam-se distribuídas em vários setores com pequenas
concentrações. O cluster 2 com percentual de concentração de 33,8% apresenta na sua
composição os setores “utilidade pública” (18,9%), “consumo cíclico” (15,9%), “financeiros e
outros” (13,6%), “materiais básicos” (12,1%) como os setores de maiores concentrações. A
distribuição setorial no cluster índice aponta também para uma não homogeneidade dos
clusters.
Para os resultados do cluster mercado, exibidos na Tabela 34, a maior concentração
dos casos encontra-se no cluster 1. Quanto à composição setorial do cluster 1 os setores de
maiores concentrações são os setores “financeiros e outros” (22,6%), “consumo cíclico”
(15,8%), “consumo não cíclico” (12,8%), “materiais básicos” (12%) e “construção e
transporte” (11,3%), os demais clusters também apresentam uma distribuição das ações em
vários setores com pouca concentração.
Tabela 35 – Resumo da classificação setorial BOVESPA, para o
cluster
índice para o
período 2000 - 2007
CLUSTER INDICE – CRITÉRIO CLASSIFICAÇÃO BOVESPA
QUANTIDADE DE
SETORES
ANO
Nº
CLUSTERS
MAX MIN MÉDIA
FREQUÊNCIA
SETORIAL
MÁXIMA (%)
SETOR
2000 10 9 1 4,4 25,9 financeiro e outros
2001 10 9 1 4,6 28,2 consumo cíclico
2002 10 9 1 4,8 26,4 financeiro e outros
2003 10 9 1 4,7 28,8 consumo cíclico
2004 10 10 1 5,1 30,0 consumo cíclico
2005 10 10 6 8,8 31,0 utilidade pública
2006 10 10 1 5,2 24,2 consumo cíclico
2007 10 10 2 6,1 22,6 financeiro e outros
Dos resultados exibidos na Tabela 35 observa-se pelo valor mínimo que para todos os
anos, foi obtido pelo menos um cluster com empresas de um único setor. Tais clusters,
geralmente, são aqueles formados por apenas uma ou duas empresas. O número máximo de
setores por cluster foi 9 para os anos 2000 a 2003 e 10 para os anos de 2004 a 2007. Em
104
média há 5,5 setores por clusters e a freqüência máxima em um único setor é em torno de
27,1%.
Tabela 36 – Resumo da classificação setorial BOVESPA, para o
cluster
mercado para o
período 2000 – 2007
CLUSTER MERCADO - CRITÉRIO CLASSIFICAÇÃO BOVESPA
QUANTIDADE DE
SETORES
ANO
Nº
CLUSTERS
MAX MIN MÉDIA
FREQ
SETORIAL
MÁXIMA
(%) SETOR
2000 10 10 1 5,3 21,3 consumo cíclico
2001 10 9 1 5,4 26,0 consumo cíclico
2002 10 10 1 5,6 22,7 consumo cíclico
2003 10 9 1 6,3 21,5 Financeiro, cons. Cíclico
2004 10 9 1 5,8 21,6 consumo cíclico
2005 10 10 1 5,7 24,5 consumo cíclico
2006 10 10 1 5,4 33,3 consumo cíclico
2007 10 10 1 5,3 26,3 financeiros e outros
Dos resultados exibidos na Tabela 36 observa-se pelo valor mínimo que para todos os
anos, foi obtido pelo menos um cluster com empresas de um único setor. Em geral, tais
clusters são aqueles formados por apenas uma ou duas empresas. O número máximo de
setores por cluster foi 9 para os anos 2001, 2003 e 2004, sendo 10 para os anos 2000, 2002,
2005, 2006 e 2007. Em média há 5,6 setores por clusters e a freqüência máxima em um único
setor gira em torno de 24,6%.
Portanto, como a classificação BOVESPA possui 10 setores e como foram estimados
10 clusters, caso os setores fossem heterogêneos entre si esperar-se-ia que cada cluster
apresentasse empresas de um setor. Logo, os resultados demonstram uma alta
heterogeneidade setorial em cada cluster, o que aponta para a ineficiência da análise setorial
nesses casos.
Para a classificação NAICS, foram estimados os clusters índices e mercados formados
com 20 clusters, o mesmo número de setores da classificação NAICS (20). No entanto,
observou-se que tanto para o cluster índice como o cluster mercado diversos clusters foi
construído com poucos casos. O Quadro 09 apresenta um levantamento do número de clusters
com 1, 2 ou 3 casos em cada período.
105
LEVANTAMENTO DO NÚMERO DE CLUSTERS
CLASSIFICAÇÃO NAICS - CRITÉRIO NAICS
(20 CLUSTERS)
NÚMERO DE CLUSTERS
ANO 1, 2 ou 3 CASOS %
2000 11 55
2001 12 60
2002 11 55
2003 9 45
2004 8 40
2005 7 35
2006 9 45
CLUSTER ÍNDICE
2007 10 50
2000 6 30
2001 6 30
2002 10 50
2003 4 20
2004 6 30
2005 4 20
2006 9 45
CLUSTER
MERCADO
2007 5 25
Quadro 09 - Levantamento do número de clusters quando se impõe o número de clusters
iguais a 20 o mesmo número de subdivisões da classificação NAICS, no
período de 2000 – 2007
Observa-se que para o cluster índice e para o cluster mercado em torno de 55% e 35%,
respectivamente, são os números de clusters formados por apenas uma, duas ou três ações.
Portanto, conclui-se que a utilização da análise de cluster com a regra de formação de 20
clusters é inadequada para os objetivos dessa pesquisa, pois para grande parte dos clusters não
há aglomeração de empresas.
4.7 Análise dos clusters índice e mercado com a inclusão das variáveis de tamanho,
segundo a classificação BOVESPA
Para avaliação do efeito das variáveis de tamanho na formação dos clusters, estimam-
se novamente os clusters índice e mercado com a classificação BOVESPA. A tabela 37
apresenta os resultados para o cluster índice e a Tabela 38 para o cluster mercado, ambas para
o ano de 2001.
A Tabela 37 apresenta os resultados para o cluster índice e mostra os percentuais de
distribuições nos 10 clusters, segundo a classificação BOVESPA, para o ano 2001.
106
Tabela 37 – Classificação BOVESPA, com 10 clusters para o cluster índice, no ano 2001
CLASSIFICAÇÃO BOVESPA – COM VARIÁVEIS DE TAMANHO, ANO 2001
Cluster Índice
SETORES
12345678 9 10
Bens Industriais 1,5 16,4 10,8 18,8 28,6 0,0 0,0 0,0 0,0 0,0
Construção e Transporte 4,4 13,7 9,6 18,8 28,6 0,0 0,0 0,0 0,0 0,0
Consumo Cíclico 2,9 28,8 16,9 27,1 28,6 0,0 25,0 0,0 0,0 50,0
Consumo Não Cíclico 7,4 11,0 7,2 4,2 28,6 0,0 0,0 0,0 0,0 0,0
Financeiro e Outros 11,8 6,8 24,1 18,8 28,6 100,0 0,0 0,0 100,0 0,0
Materiais Básicos 20,6 17,8 18,1 8,3 28,6 0,0 25,0 0,0 0,0 0,0
Petróleo, Gás e Biocomb. 1,5 0,0 1,2 0,0 28,6 0,0 0,0 0,0 0,0 0,0
Tecnologia da Informação 0,0 1,4 0,0 2,1 28,6 0,0 0,0 0,0 0,0 0,0
Telecomunicações 19,1 0,0 2,4 2,1 28,6 0,0 0,0 100,0 0,0 50,0
Utilidade Pública 30,9 4,1 9,6 0,0 28,6 0,0 50,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 68 73 83 48 7 2 4 1 2 2
Observa-se que os clusters estimados com as variáveis de tamanho apresentam
resultados semelhantes aos obtidos sem a inclusão de tais variáveis. Na maioria dos casos os
clusters apresentam uma grande variedade setorial e cada setor aparece em diversos clusters.
A Tabela 38 apresenta os resultados para o cluster mercado e mostra os percentuais de
distribuições nos 10 clusters, segundo a classificação BOVESPA, para o ano 2001.
Tabela 38 – Classificação BOVESPA, com 10 clusters para o cluster mercado, no ano
2001
CLASSIFICAÇÃO BOVESPA – C/VARIAVEIS DE TAMANHO, ANO 2001
Cluster Mercado
SETORES
12345678 9 10
Bens Industriais 5,4 17,2 14,5 5,0 18,2 26,7 0,0 9,1 0,0 0,0
Construção e Transporte 6,5 20,7 14,5 0,0 15,2 13,3 0,0 9,1 0,0 0,0
Consumo Cíclico 12,9 17,2 15,8 0,0 36,4 46,7 10,0 36,4 0,0 50,0
Consumo Não Cíclico 3,2 10,3 13,2 15,0 6,1 0,0 0,0 0,0 0,0 0,0
Financeiro e Outros 12,9 17,2 22,4 25,0 12,1 6,7 10,0 18,2 0,0 0,0
Materiais Básicos 18,3 13,8 17,1 30,0 12,1 6,7 10,0 0,0 0,0 50,0
Petróleo, Gás e Biocomb. 1,1 0,0 0,0 0,0 0,0 0,0 10,0 0,0 0,0 0,0
Tecnologia da Informação 1,1 0,0 0,0 0,0 0,0 0,0 0,0 9,1 0,0 0,0
Telecomunicações 8,6 0,0 2,6 10,0 0,0 0,0 50,0 9,1 0,0 0,0
Utilidade Pública 30,1 3,4 0,0 15,0 0,0 0,0 10,0 9,1 100,0 0,0
TOTAL (%)
100 100 100 100 100 100 100 100 100 100
TOTAL CASOS
93
29 76 20 33 15 10 11 1 2
107
Pelos resultados exibidos na Tabela 38, do mesmo modo que ocorreu para o cluster
índice, a inclusão das variáveis de tamanho não altera significativamente os resultados. Na
maioria dos casos os clusters apresentam uma grande variedade setorial e cada setor aparece
em diversos clusters.
Para os demais anos, os resultados assemelham-se aos apresentados para o ano de
2001. A inclusão das variáveis de tamanho não promove um aumento da homogeneidade
setorial de cada cluster nem aumenta a aglomeração dos setores em cada cluster.
As tabelas dos clusters índice e mercado com as variáveis de tamanho para os demais
anos encontram-se no Apêndice F.
5. ESTABILIDADE DOS CLUSTERS
Para avaliar se os clusters são estáveis ao longo do tempo aplicou-se o teste de
Wilcoxon. Este teste foi aplicado para análise da estabilidade quando se opta pelo número de
clusters sugeridos conforme a regra de parada e pela classificação BOVESPA. Como o
objetivo é avaliar o comportamento do cluster ao longo do tempo, a composição do cluster
em cada ano (2001 a 2007) foi comparada a composição no primeiro ano da série (2000).
Para os clusters estimados, segundo a regra de parada, o número de clusters a serem
comparados referem-se a menor quantidade de clusters gerados pelo método no ano 2000, ou
seja, 4 para o cluster índice e 2 para o cluster mercado.
Para a estimação com o critério BOVESPA, o número de clusters estimados é
constante e igual a dez.. Portanto, para este critério foram comparados os dez clusters gerados
em cada ano. A Tabela 39 apresenta os resultados do Teste de Wilcoxon para o cluster índice
e cluster mercado, segundo o critério de regra de parada, para a classificação BOVESPA.
Tabela 39 – Valores de significância para o teste de Wilcoxon, com 4 clusters para o
cluster índice e 2 clusters para o cluster mercado, com critério de regra de
parada, para os anos do período de 2001-2007
TESTE RANK SINAL DE WILCOXON
CLASSIFICAÇÃO BOVESPA – CRITÉRIO REGRA DE PARADA
Cluster índice Cluster mercado
nº clusters/ano
2001 2002 2003 2004 2005 2006 2007 2001 2002 2003 2004 2005 2006 2007
1 0,95 0,95 0,92 0,84 0,88 0,57 0,88 0,65 0,58 0,88 0,51 0,51 0,96 0,84
2 0,59 0,59 0,96 0,96 0,86 0,86 0,77 0,28 0,44 0,31 0,67 0,31 0,39 0,51
3 0,73 0,73 0,86 0,77 0,67 0,37 0,68
4 0,67 0,67 0,67 0,58 0,44 0,92 0,73
O Teste de Wilcoxon compara a composição setorial do cluster no ano 2000 à
composição em cada um dos anos seguintes (2001 a 2007). Observa-se que todos os valores
de significância são superiores a 0,05, indicando que não há alterações significativas na
composição dos clusters ao longo do período estudado.
A Tabela 40 apresenta os resultados do Teste de Wilcoxon para o cluster índice e
cluster mercado, segundo o critério da classificação BOVESPA.
109
Tabela 40 – Significância para o teste de Wilcoxon, com 10 clusters para os clusters
índice e mercado, para os anos do período de 2001-2007
TESTE RANK SINAL DE WILCOXON
CLASSIFICAÇÃO BOVESPA- CRITÉRIO BOVESPA
Cluster índice Cluster mercado
nºclusters/ano 2001 2002 2003 2004 2005 2006 2007 2001 2002 2003 2004 2005 2006 2007
1 0,95 0,95 0,92 0,84 0,88 0,57 0,88 0,67 0,78 1,00 1,00 1,00 1,00 0,28
2 0,59 0,59 0,96 0,96 0,86 0,86 0,77 0,96 0,65 0,96 0,96 0,96 0,86 0,88
3 0,73 0,73 0,86 0,77 0,67 0,37 0,68 0,77 0,68 0,77 0,37 0,95 0,59 0,11
4 0,67 0,67 0,67 0,58 0,44 0,92 0,73 0,89 0,34 0,34 0,77 0,80 0,34 0,94
5 1,00 1,00 0,89 0,87 0,93 0,78 0,72 0,89 0,95 0,95 0,16 0,16 0,95 0,86
6 0,86 0,86 0,11 0,48 0,68 1,00 0,37 0,46 0,46 0,40 0,40 0,61 0,33 0,92
7 1,00 1,00 1,00 1,00 0,23 1,00 0,24 0,49 0,24 0,11 0,16 0,16 0,24 1,00
8 0,71 0,71 0,71 1,00 0,66 0,71 0,92 0,49 0,68 1,00 0,61 0,75 0,75 0,89
9 1,00 1,00 0,71 1,00 1,00 1,00 0,71 1,00 0,71 0,34 0,71 0,71 1,00 1,00
10 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,66 1,00 0,71 1,00 1,00
Do mesmo modo que na tabela anterior, todos os valores de significância apresentados
são superiores a 0,05. Portanto, os clusters estimados segundo o critério BOVESPA também
apresentam composições semelhantes ao longo dos anos.
Independentemente do critério de estimação utilizado, regra de parada ou critério
BOVESPA, conclui-se que a composição setorial de cada cluster não se alterou
significativamente ao longo do período. Portanto conclui-se que a composição setorial dos
clusters é estável no período analisado.
6. CONCLUSÕES
Esta dissertação avaliou a eficiência da classificação setorial. A utilização da
classificação setorial nos estudos na área de Administração tem por base o pressuposto de que
empresas de um mesmo setor são semelhantes. Portanto, se a classificação setorial é eficiente,
espera-se que empresas de um mesmo setor formem um cluster e que empresas de setores
diferentes sejam agrupadas em clusters díspares.
Inicialmente optou-se por uma avaliação univariada das diferenças entre os setores. Os
resultados do Teste de Kruskal Wallis apresentaram valor de significância inferior a 0,05 para
as duas classificações setoriais, indicando que existe diferença significativa entre os setores de
atividade para as variáveis estudadas. Tais resultados mostram que, do ponto de vista
univariado, o setor de atividade é um fator de classificação preponderante, uma vez que as
medianas de cada setor diferem estatisticamente. Observou-se ainda que as diferenças
setoriais não sejam fortemente afetadas pelo ano de estudo, já que as diferenças se conservam
ao longo do período estudado.
Para a análise dos clusters considerou-se o cluster índice e o cluster mercado. O
cluster índice foi estimado com variáveis predominantemente econômico-financeiras e o
cluster mercado com variáveis relacionadas ao mercado de ações. Como critério de escolha
do número de clusters utilizou-se o critério da regra de parada e o critério de definição do
número de clusters segundo o número de setores em cada classificação. Todos os clusters
também foram reestimados utilizando-se variáveis de tamanho.
De modo geral, apesar dos clusters índice e mercado serem construídos a partir de
variáveis diferentes, não foi observado homogeneidade para nenhum desses conjuntos,
quando classificados segundo as classificações BOVESPA e NAICS. Salienta-se também que,
objetivamente, quando foram incluídas as variáveis de tamanho essa situação não apresentou
mudanças consideráveis.
Quanto ao critério de escolha do número de clusters cabe salientar que o critério regra
de parada tanto para as classificações BOVESPA e NAICS não foi eficiente, no sentido de um
número de clusters adequado com vistas a obter uma maior homogeneidade setorial nos
clusters. O critério BOVESPA, com um número de clusters iguais a 10, também apresentou
uma alta heterogeneidade setorial nos clusters. E o critério NAICS, regra de formação com 20
clusters, mostrou-se inadequado para os objetivos dessa pesquisa, pois para a grande maioria
dos clusters não apresentava aglomeração de empresas.
111
Após a formação dos clusters e a sua classificação em setores, buscou-se avaliar a
estabilidade dos mesmos ao longo do período estudado. O teste de Wilcoxon apresentou
resultados não significativos para todos os clusters e em todos os períodos comparados ao ano
inicial de análise, independente da utilização do critério para a obtenção do número de
clusters, regra de parada ou critério BOVESPA. Portanto, conclui-se que a composição
setorial de cada cluster não se alterou significativamente ao longo do período, o que implica
numa composição setorial dos clusters estável durante o período analisado.
Os resultados de um modo geral demonstraram uma alta heterogeneidade setorial nos
clusters, seja pelo número de clusters sugerido pela regra de parada ou critério BOVESPA, e
esta heterogeneidade é estável, uma vez que se manteve ao longo do período estudado.
Portanto, os resultados apontam para a ineficiência da análise setorial.
O estudo do agrupamento de empresas (ações) a partir de dados econômicos e
financeiros serviu para identificar a não existência de homogeneidade dos setores do ponto de
vista dos indicadores quando sujeitos a uma classificação baseada unicamente no tipo de bem
ou serviço produzido. Questões tradicionalmente analisadas sob o ponto de vista de setor
constituído por empresas oriundas do mesmo tipo de bem ou serviço produzido, podem não
ser sequer adequadas ao estudo do ambiente de tarefas da empresa. Nesse sentido, a análise de
um setor definido nessas condições esclarece muito pouco sobre as ameaças e oportunidades
existentes para uma dada empresa, subsidiando um arcabouço de natureza estratégica
inadequado, seja para os investidores seja para as empresas.
Para tomadas de decisões mais precisas, os setores podem ser reestruturados de modo
a incorporar, em cada agrupamento, empresas que possam ser razoavelmente semelhantes. A
análise da indústria, onde o setor é previamente definido em função do ramo de atividade em
que a empresa está inserida, deve ser utilizada com muita cautela. A visão da empresa baseada
em recursos (RBV) ao considerar que toda empresa possui um portfolio de recursos físicos,
financeiros, intangíveis (marca, imagem), organizacionais (cultura organizacional, sistemas
administrativos) e recursos humanos que deve ser avaliado para que a empresa possa criar
vantagens competitivas parece mais adequada, uma vez que se foca no portfolio de recursos e
não necessariamente no setor de atividade para a tomada de decisão.
Do ponto de vista financeiro, os resultados desta pesquisa apontam para a necessidade
de se rever o método tradicional de construção de índices-padrão a partir das empresas do
mesmo setor. Na definição de estratégias de diversificação, a grande heterogeneidade setorial
obtida vai ao encontro dos estudos que defendem que a diversificação por país é mais
relevante do que a diversificação por setor. Do mesmo modo, é preciso rever ou aprimorar as
112
técnicas de formação do grupo de controle nos estudos em que são formadas amostras de
controle, principalmente tendo como variável chave o setor de atividade.
Dados setoriais publicados e organizados por tipo de bem ou serviço devem ser
utilizados com a devida prudência. A análise da indústria fica prejudicada num contexto onde
o grupo de comparação, empresa do mesmo setor, pode ter poucas características em comum.
É importante salientar que, no cenário atual de economia globalizada, de
reconfiguração das empresas globais na busca da eficiência coletiva, o papel do setor ainda é
tradicionalmente importante. Entretanto, é preciso compreender esse processo de
reestruturação do tecido industrial de um país, como o Brasil, sob o ponto de vista dinâmico.
O processo de agrupamento por atividade é estático e pode não responder às expectativas de
crescimento tanto das empresas como do país. É preciso que as empresas encontrem formas
estratégicas mais adequadas à natureza das suas vantagens competitivas, à sua dimensão e à
sua cultura organizacional.
Pesquisas futuras podem realizar estudos de agrupamentos setoriais utilizando-se de
variáveis mais relacionadas à estratégia e performance empresarial. Além disso, devem
considerar a possibilidade de utilização de classificações setoriais que não sejam baseadas no
produto final, bem ou serviços prestados.
Como limitações do estudo destacam-se a classificação setorial e o período de análise.
Quanto às classificações foram testadas somente duas, a BOVESPA e NAICS nível 1. Poderia
ter sido incluída a classificação Economática, porém, devido ao número de ações da amostra,
e considerando o ocorrido como a classificação NAICS é esperado que o mesmo se repita
com a classificação Economática, uma vez que também é composta por 20 setores. A
pesquisa tomou os balanços referentes ao exercício fiscal de 2000 á 2007, assim, os resultados
da análise por meio de índices e, por extensão, de cluster, refletem o desempenho e a situação
patrimonial das empresas brasileiras, na conjuntura econômica vigente no ano de exercício e
nos precedentes.
7. REFERÊNCIAS BIBLIOGRÁFICAS
AMIT, R.; SCHOEMAKER, P. J. H. Strategic assets and organizational rent.
Strategic
Management Journal
, n. 14, p.33-46, 1993.
ANDRADE, M. M.
Introdução a Metodologia do Trabalho Científico
. 2ª ed. São Paulo:
Atlas, 1997.
ANGELO, C. F.; SANVICENTE, A. Z. Agrupamento de empresas por semelhança: uma
crítica à análise setorial convencional.
Revista de administração, São Paulo, v. 25, p. 20-27,
1990.
ANSOFF, H. I.
Corporate strategy. Harmondsworth: Penguin, 1965.
ARNOTT, R. D. Cluster Analysis and Stock Price Comovement.
Financial Analysts
Journal
, v. 37, n. 6 (November/December):56-62, 1980.
ASSAF NETO, Alexandre.
Estrutura e análise de balanços
: um enfoque econômico -
financeiro. Comércio e Serviços Indústrias Bancos Comerciais e Múltiplos. 7ª ed. São Paulo:
Atlas, 2002.
______________________.
Contribuição ao estudo da avaliação de empresas no Brasil:
uma aplicação prática. Ribeirão Preto. Tese (Livre Docência). Faculdade de Economia,
Administração e Contabilidade, Universidade de São Paulo, 2004.
BACA, S.P.; GARBE, B.L.; WEISS, R.A. The Rise of Sector Effects in Major Equity
Markets.
Financial Analysts Journal
, v.56, p.34-40, 2000.
BARNEY, J. B. Firm resources and sustained competitive advantage.
Journal of
Management
, n.17, p. 99-120, 1991.
BARNETT, V.; LEWIS, T.
Outliers in statistical data. Ed. John Viley&Sons, New York,
1994.
BEAVER, W.H. Financial Ratios and Predictions of Failure, Empirical Research in
Accouting Selected Studies.
Suplemento do Journal of Accouting Research, p.77-111,
1966.
BOILLAT, P.Y.; SKOWRONSKI, N.; TUCHSCHMID, N. Cluster Analysis: application to
sector indices and empirical validation.
Financial Markets and Portfolio Management,
v.16, n.4
,
p. 467–486, 2002.
BOVESPA - Bolsa de Valores de São Paulo -.
Folheto informativo: Classificação setorial
das empresas listadas
. Disponível em: <http://www.bovespa.com.br/pdf/ClassifSetorial.pdf>
Acesso em maio de 2008.
114
BERGMAN, E. M.; FESER, E. J. Industrial and Regional Clusters: Concepts and
Comparative Applications. Virginia: West Virginia University - Regional Research Institute,
1998. Disponível em:
http://www.rri.wvu.edu/WebBook/Bergman-Feser/contents.htm
.
Acesso em março 2007.
BUSSAB, W. de O.; MIAZAKI, E.S.; ANDRADE, D.F. Introdução à Análise de
Agrupamentos. In: 9º Simpósio Nacional de Probabilidade e Estatística, São Paulo.
Associação Brasileira de Estatística, p.105, 1990.
CAVAGLIA, S.; BRIGHTMAN C.; AKED M. The Increasing Importance of Industry
Effects.
Financial Analysts Journal,
v
.
56, n.5, p.41-54, 2000.
CAVES, R. E.
American Industry, Structure, Conduct and Performance. Englewood
Cliffs: Prentice Hall, 306 p., 1982.
CHANDLER, Alfred D. Strategy and structure: chapters in the history of the industrial
enterprise. M.I.T. PRESS, 1962.
CLIFFORD, W. Another Method of Analyzing the Importance of a Company's Country
versus Sector Characteristics. Available at SSRN:
http://ssrn.com/abstract=302850
or
DOI:
10.2139/ssrn.302850
, 2002.Acesso em junho de 2007.
CORRAR, L. J.; PAULO E.; FILHO, J. M. D.
Análise Multivariada. Para os Cursos de
Administração, Ciências Contábeis e Economia. 1ª ed. São Paulo: Atlas, 2007.
DALHSTEDT, Roy; SALMI, Timo; LUOMA, Martti; LAAKKONEN, Arto. (1994). On the
Usefulness of Standard Industrial Classifications in Comparative Financial Statement
Analysis.
Journal of Operational Research, n. 79, v. 2, p.230-238. Europa, 1994.
DAMODARAN, Aswath.
A Face Oculta da Avaliação: Avaliação de Empresas da Velha
Tecnologia, da Nova Tecnologia e da Nova Economia. 1ª ed. São Paulo: Makron Books,
2002.
______________________.
Avaliação de Investimentos: ferramentas e técnicas para a
determinação do valor de qualquer ativo. Rio de Janeiro: Qualitymark, 2001.
DE MOOR, Lieven; SERCU, Piet M.F.A.Country and Sector Effects in International Stock
Returns Revisited. IFSAM 2006 Berlin Meetings Available at SSRN:
http://ssrn.com/abstract=676394
. Acesso em junho de 2007.
DOSI, G.; PAVITT, K.; SOETE, L. Technology and trade: an overview of the literature. In:
The economics of technical change and international trade. Great British:
Harvester
Wheatsheaf
, p.15-39, 1990.
ELTON, E. J.; GRUBER, M. J.; BROWN, S. J.; GOETZMANN, W. N. Moderna Teoria de
Carteiras e Análise de Investimentos
. 1ª ed. São Paulo: Atlas, 2004.
EVERITT, B. S.
Cluster Analysis
: A Survey, Springer-Verlog, Berlin, 1974.
115
FAMA, E.; Mac. BETH, J. Risk, return and equilibrium: empirical tests.
Journal of Political
Economy,
v.3, n.80, p. 607-636,
1973.
FAMÁ, Rubens; VENTURA, Alessandra Montini; PEREIRA, Leonel Molero. Índices
Financeiros como Previsores de Falência. VI SEMEAD – Seminários em Administração
2003, São Paulo.
Anais... FEA-USP, São Paulo: 2003.
FARRELL, J. L. Analyzing Covariation of Returns to determine Homogeneous Stock
Groupings.
Journal of Business, v.48, n.2 (April), p.186-207, 1974.
_____. Homogeneous Stock Groupings: Implications for Portfolio Management.
Financial
Analysts Journal
, v.31, n.3 (May/June), p.50-62, 1975.
FERREIRA, M. Ângelo. The Importance of Industry and Country Effects in the EMU Equity
Markets.
European Financial Management, v.12, p.341-373, 2006.
FLAVIN, T. J. The Effect of the Euro on Country versus Industry Portfolio Diversification.
Journal of International Money and Finance. Elsevier, v. 23, n.7-8, p.1137-1158, 2004.
GRIFFIN, J.M.; KAROLYI, G.A.. Another Look at the Role of the Industrial Structure of
Markets for International Diversification Strategies
.
Journal of Financial Economics,
n.50,
p.351-373, 1998.
GRUBEL, H.G. Internationally Diversified Portfolios: Welfare Gains and Capital loss.
American Economic Review, v. 58, n. 5, p.1299-1314, 1968.
HAIR, J.; ANDERSON, R.E.; TATHAN, R.L.;BLACK, W.C. Análise Multivariada de
Dados.
5ª ed.; Porto Alegre: Bookman; 2005.
HAMELINK, Foort.; HARASTY, Hélène; HILLION, Pierre. Country, Sector or Style: What
matters most when constructing Global Equity Portfolios? An empirical investigation from
1990-2001.
FAME Research Paper, n.35, 2001.
HESTON, S.L.; ROUWENHORST, K.G. Industry and country efects in international stock
returns.
Journal of Portfolio Management
, spring, n.21, p.53–58, 1995.
HORNA, J.
The Study of Leisure
. Oxford University Press, 1994.
IBGE - Fundação Instituto Brasileiro de Geografia e Estatística.
Folheto informativo:
Classificação Nacional de Atividades Econômicas – CNAE, 2007. IBGE. Pesquisa
Industrial Anual. Disponível em <http://www.ibge.gov.br>. Acesso em: 14 mar. de 2008.
JOHNSON, R. A.; WICHERN, D. W.
Applied multivariate statistical analysis. 5ª ed.; New
Jersey: Prentice Hall; 2002.
KING, Benjamin F. Market and Industry Factors in Stock Price Behavior.
Journal of
Business
, v.39, n.1, p.139-199, 1966.
116
KLINE, R. B.
Principles and practice of structural equation modeling. New York: The
Guilford Press, 1998, 354p.
KROGH, G.; ROOS, J. A perspective on knowledge, competence and strategy.
Personnel
Review
, v.24, n.3, p. 56-76, 1995.
KRZANOWSKI, W. J.; MARRIOTT, F. H. C.
Multivariate Analysis Part 2. John Wiley 1a
Edição, 1995.
LAPOINTE, F.J; LEGENDRE, P. A Classification of Pure Malt Scotch Whiskies, Université
de Montréal,
Applied Statistics 43, n. 1, p. 237–257, 1994.
LESSARD, D.R.. World, national and industry factors in equity returns.
Journal of Finance,
v.29, p.379–391, 1974.
LEVY, H.
Introduction to Investments. 2ª edição. South-Western College Publishing, 1999.
LIMA, Elon L. Curso de Análise, v.2. 3ªed. Rio de Janeiro. Instituto de Matemática Pura e
Aplicada, 1981.
LIVINGSTON, Miles. Industry Movements of Common Stocks.
Journal of Finance, v.32,
n.3 (June), p.861-874, 1977.
LUDÍCIBUS, Sérgio.
Análise de Balanços. 7º ed. - São Paulo: Atlas, 1998.
MALHOTRA, N.K.
Pesquisa de Marketing: uma orientação aplicada. Trad. Nivaldo M. Jr.
e Alfredo A. de Farias. 3ª. ed. Porto Alegre: Bookman, 2001.
MATARAZZO, Dante C.
Análise financeira de balanços: abordagem básica e gerencial. 6ª
ed. São Paulo: Atlas, 2003.
MARKOWITZ, Harry. Portfolio Selection.
The Journal of Finance, v.7, n.1, p.77-91, 1952.
MEYERS, Stephen L. A Re-Examination of Market and Industry Factors in Stock Price
Behavior.
Journal of Finance, v.28, n.2, p.695-705, 1973.
PADOVEZE, C. L.; BENEDICTO, G.C.
Análise das Demonstrações Financeiras
. 2ª ed.
São Paulo: Thomson Learning, 2007.
PAVITT, K. Sectors Patterns of Technical Change: toward and taxonomy and theory.
Research Policy
, v.13, n.6, p.343-373, 1984.
PHYLAKTIS, Kate; XIA, Lichuan. Sources of Firms’ Industry and Country Effects in
Emerging Markets.
Journal of International Money and Finance
, v.25, n.3, p.459-475,
2006.
PESTANA, M.; GAGEIRO, J.
Análise de Dados para Ciências Sociais - A
Complementaridade do SPSS. Lisboa: Edições Silabo, 2005.
117
PETERAF, M. The cornerstones of competitive advantage: a resourcebased view.
Strategic
Management
Journal, v.12, n.3, p.95-117, 1993.
PORCARO, R. M.
Produção de informação estatística oficial na (des)ordem social da
modernidade
. Tese (Doutorado em Ciência da Informação) - Escola de Comunicação da
UFRJ, Rio de Janeiro, 2000.
PORTER, M. E. The structure within industries and companies’ performance.
The Review of
Economics and Statistics
, v. 61, n. 2, p. 214-227, 1979.
______________.
Estratégia competitiva: técnicas para análise de indústrias e da
concorrência. 7. ed. Rio de janeiro: Campus, 1986.
_______________.What is strategy?
Harvard Business Review. Nov.-Dec., p.61-78, 1996.
PRATES, Daniela.
Crises Financeiras dos Países “Emergentes”: uma explicação
heterodoxa. Tese (Doutorado em Economia) - Instituto de Economia, Campinas, SP, 2006.
PRAHALAD, C. K.; HAMEL, G. The core competence of the corporation.
Harvard
Business Review
, v.68, n.3, p. 79-92, 1990.
PROCIANOY, JL; HEINEBERG, R. Aspectos Determinantes do Pagamento de Proventos
em Dinheiro das Empresas com Ações Negociadas na BOVESPA. In: ENCONTRO DA
ASSOCIAÇÃO NACIONAL DA PÓS-GRADUAÇÃO E PESQUISA EM
ADMINISTRAÇÃO (ENANPAD), Atibaia, 2003
. Anais...
São Paulo: 2003.
REIS, E. Estatística Multivariada Aplicada. Lisboa: Ed. Silabo, 1997.
RICHARDSON, R. et al.
Pesquisa social
: métodos e técnicas. São Paulo: Atlas, 1985.
ROLL, R. Industrial structure and the comparative behavior of international stock market
indices.
Journal of Finance,
v.47, n.1, p.3–42, 1992.
ROSS, S. A.; WESTERFIELD, R.W.; JAFFE, J.F.
Administração Financeira:
corporate
finance, 2ª ed. São Paulo: Atlas, 2007.
ROUWENHORST, K. G. European Equity Markets and the EMU.
Financial Analysts
Journal
, v.55, n.3 (May/June), p.57-64, 1999.
SANTOS, E. S; PONTE,V. Modelo de Decisão em Gestão Econômica
. Caderno de Estudos.
São Paulo, FIPECAFI, v.10, n.19, p.43–56 (set/dez), 1998.
SAMPIERI, H. R.; COLLADO, C. F.; LÚCIO, P. B.
Metodologia de Pesquisa
. 3ª ed. São
Paulo: McGraw-Hill, 2006.
SELTIZ, C.; JAHODA, M.; DEUTSCH, M.; COOK, S.W.
Research Methods in Social
Relations
, 2ª ed., London: Methuen, 1959.
118
SIEGEL, S.; CASTELLAN, N. Jr.
Estatística não paramétrica para ciências do
comportamento
. 2ª ed., Porto Alegre: Artmed, 2006.
SILVA, W.V.; GOMES, L.; MARQUES S.; LINS G. Formação de Carteiras Hipotéticas de
Ativos Financeiros Usando a Técnica Análise de Cluster. In: XXXI ENCONTRO DA
ASSOCIAÇÃO NACIONAL DA PÓS-GRADUAÇÃO E PESQUISA EM
ADMINISTRAÇÃO (ENANPAD), 2007, Rio de Janeiro.
Anais da XXXI Reunião Anual
da ANPAD.
Rio de Janeiro:2007.
SOLNIK, Bruno. The international pricing of risk: an empirical investigation of the world
capital market structure.
Journal of Finance, v.29, n.2, 1974.
SORENSEN, Christoffer Kok; GUTIÉRREZ, Josep Maria Puigvert. Euro area banking sector
integration using hierarchical cluster analysis techniques. Working paper series nº 627, Social
Science Research Network electronic library. Alemanha, 2006. Disponível em:
http://ssrn.com/abstract_id=900399
. Acesso em janeiro de 2008.
STELIAROS, M.; THOMAS, D. C. The Cross-Sectional Variability of Stock-Price
Returns:country and sector effects revisited. Cass Business School Research Paper Available
at SSRN, 2006. Disponível em
http://ssrn.com/abstract=888721
, Acesso em janeiro de 2008.
TABACHNICK, B.; FIDELL, L.
Using Multivariate Statistics. New York: Harper, 2000.
TOMS, M.; CUMMINGS-HILL, M.; CURRY, D.; CONE, S. Using Cluster Analysis for
Deriving Menu of Structures for Automotive Mobile Multimedia Applications. International
Congress and Exposition - Society of Automotive Engineers, 2001.
Anais….Detroit,
Michigan,2001.
VAN DALEN, D.B.; MEYER, Y.
Manual de técnica de la investigación educacional
.
Paidos Educador. DF, México, 1994.
VERMULM, Roberto.
O setor de bens de capital. Departamento de Economia da FEA/USP.
Disponível em: <http://www.schwartzman.org.br/simon/scipol/vermulm.pdf>. Acesso em:
fevereiro de 2008.
ANEXOS
120
ANEXO A -
Propriedades do operador valor esperado (E)
Um método alternativo para indicar um valor esperado consiste em colocar o símbolo
E, ou seja, o operador E, tal que
representa o valor esperado de R
ij
, que também pode
se denotado por
(ELTON et al., 2004).
Propriedades do operador E:
____
)
RR
RREi
+=+
=
1
.)
1
.( ) RC
j
RCEii
)(
ij
RE
−
i
R
()
21
21
jj
−
121
APÊNDICE A - Quantidade de dados omissos com percentuais para cada variável nos
respectivos anos do período 2000-2007
2000 2001 2002 2003 2004 2005 2006 2007
VARIÁVEIS
Nº (%) Nº (%) Nº (%) Nº (%) Nº (%) Nº (%) Nº (%) Nº (%)
liquidez corrente 16 5,57 17 5,86 18 6,12 17 5,74 13 4,35 14 4,58 15 4,48 32 8,18
liquidez seca 35 12,20 36 12,41 36 12,24 36 12,16 32 10,70 34 11,11 36 10,75 62 15,86
margem
operacional 43 14,98 44 15,17 46 15,65 46 15,54 46 15,38 46 15,03 54 16,12 74 18,93
margem ebitida 75 26,13 73 25,17 67 22,79 64 21,62 56 18,73 51 16,67 66 19,70 106 27,11
rentabilidade do
ativo 13 4,53 14 4,83 14 4,76 15 5,07 10 3,34 9 2,94 11 3,28 23 5,88
rentabilidade do
patrim. líquido
35 12,20 41 14,14 47 15,99 52 17,57 52 17,39 52 16,99 57 17,01 65 16,62
exgível
total/ativo total
11 3,83 11 3,79 11 3,74 13 4,39 8 2,68 8 2,61 8 2,39 23 5,88
endividamento
geral 11 3,83 11 3,79 11 3,74 13 4,39 8 2,68 8 2,61 8 2,39 23 5,88
endividamento
financeiro 56 19,51 54 18,62 59 20,07 57 19,26 54 18,06 54 17,65 70 20,90 95 24,30
dividendo
yeld 176 61,32 171 58,97 180 61,22 173 58,45 166 55,52 162 52,94 186 55,52 192 49,10
payout 137 47,74 138 47,59 158 53,74 137 46,28 124 41,47 125 40,85 133 39,70 167 42,71
valor patrimonial
da ação
10 3,48 11 3,79 11 3,74 13 4,39 9 3,01 8 2,61 8 2,39 128 32,74
liquidez em
bolsa 70 24,39 66 22,76 66 22,45 64 21,62 54 18,06 56 18,30 58 17,31 52 13,30
retorno 108 37,63 101 34,83 102 34,69 101 34,12 82 27,42 89 29,08 113 33,73 74 18,93
ln (valor de
mercado)
97 33,80 12 4,14 95 32,31 82 27,70 69 23,08 78 25,49 75 22,39 22 5,63
ln (receita
líquida) 44 15,33 44 15,17 46 15,65 46 15,54 46 15,38 46 15,03 54 16,12 46 11,76
Ln (ativo total ) 11 3,83 91 31,38 12 4,08 13 4,39 9 3,01 8 2,61 8 2,39 22 5,63
TOTAL DE
CASOS 287 290 294 296 299 306 335 392
122
APÊNDICE B –
Estatística descritivas das variáveis para cada ano do período de 2000 - 2007
Tabela B1 - Desvio padrão, média, assimetria e curtose para os dados das variáveis em
relação ao ano 2000
VARIÁVEIS
N
MÍNIMO MÁXIMO MÉDIA D. P ASSIM. CURTOSE
Liquidez corrente 00 271 0,0 21,0 1,6 2,1 6,4 50,9
Liquidez seca 00 252 0,0 21,0 1,3 2,1 7,0 59,1
Margem operacional 00 244 -12.404,4 3.879,8 -75,2 883,3 -11,2 159,8
Margem ebitida 00 212 -7.541,6 238,0 -42,2 591,2 -11,3 133,7
rentabilidade do ativo 00 274 -58.961,1 209,8 -322,5 3.953,7 -13,4 188,0
rentabilidade do patr. líquido 00 252 -12.409,7 10.900,0 -11,5 1.048,5 -2,1 124,6
Exigível total/ativo total 00 276 0,9 86.224,1 418,1 5.201,0 16,5 272,3
endividamento geral 00 276 -8.286,2 46.979,0 564,4 3.306,0 11,0 146,2
dividendo
yeld 00 111 0,0 70,3 8,0 10,4 3,9 18,7
payout 00 150 -471,2 5.210,6 69,5 429,5 11,6 140,4
valor patrimonial ação 00 277 -58.497,3 960,5 -186,0 3.517,6 -16,6 276,6
Liquidez em bolsa 00 217 0,0 6,4 0,2 0,9 5,5 33,1
Endividamento financeiro 00 231 0,6 100,0 52,4 30,8 0,2 -1,2
retorno 00 179 -0,7 24,3 0,3 1,9 11,4 143,2
ln(valor mercado)00 190 3,9 17,7 11,8 2,5 -0,2 0,0
ln(receita liquida)00 243 5,5 17,7 12,3 2,1 -0,7 0,7
ln(ativo total)00 276 4,1 18,8 13,0 2,2 -0,4 1,9
Tabela B2 – Desvio padrão, média, assimetria e curtose para os dados das variáveis em
relação ao ano 2001
VARIÁVEIS
N
MÍNIMO MÁXIMO MÉDIA D.P ASSIM CURTOSE
liquidez corrente 01 273 0,0 28,8 1,5 2,5 8,3 80,6
liquidez seca 01 254 0,0 28,8 1,2 2,5 9,1 92,2
margem operacional 01 246 -171.580,0 333,0 -735,7 10.939,9 -15,7 245,7
margem ebitida 01 217 -118.366,7 280,3 -532,1 8.036,4 -14,7 217,0
rentabilidade do ativo 01 276 -54.963,2 29,1 -345,8 3.967,1 -12,3 156,2
rentabilidade do patr. líquido 01 249 -1.874,4 150,5 -18,5 165,4 -9,3 92,9
exigível total/ativo total 01 279 0,7 11.642,6 141,5 744,5 13,9 208,7
endividamento geral 01 279 -4.742,3 20.522,4 404,1 1.747,7 7,9 80,9
dividendo
yeld 01 119 0,2 119,3 10,7 16,9 4,3 21,0
payout 01 152 -403,6 1.994,2 62,3 217,1 6,4 51,9
valor patrimonial ação 01 279 -101.620,7 3.427,2 -330,2 6.089,9 -16,7 278,3
liquidez em bolsa 01 224 0,0 10,6 0,3 1,1 6,6 52,2
endividamento financeiro 01 236 0,1 100,0 51,5 30,8 0,3 -1,2
retorno 01 189 -0,7 3,7 0,0 0,5 3,4 20,9
ln(valor mercado)01 199 5,0 17,8 11,7 2,5 -0,1 -0,3
ln(receita liquida)01 246 2,7 17,9 12,4 2,2 -0,9 1,6
ln(ativo total)01 278 2,9 18,9 13,1 2,3 -0,5 1,8
123
Tabela B3 – Desvio padrão, média, assimetria e curtose para os dados das variáveis em
relação ao ano 2002
VARIÁVEIS
N
MÍNIMO MÁXIMO MÉDIA D.P ASSIM CURTOSE
liquidez corrente 02 276 0,0 104,1 1,9 6,4 14,8 233,4
liquidez seca 02 258 0,0 104,1 1,6 6,6 14,7 226,6
margem operacional 02 248 -26.312,5 640,1 -138,8 1.689,7 -15,2 235,8
margem ebitida 02 227 -1.377,5 180,2 4,6 130,5 -9,7 98,4
rentabilidade do ativo 02 280 -47.701,9 36,7 -182,8 2.851,0 -16,7 279,6
rentabilidade do patr. líquido 02 247 -1.760,2 70,6 -28,5 157,1 -7,7 71,0
exigível total/ativo total 02 283 1,0 59.344,4 325,5 3.538,8 16,6 277,2
endividamento geral 02 283 -3.696,8 10.023,6 382,5 1.049,3 4,4 34,9
dividendo
yeld 02 114 0,8 35,1 9,2 7,3 1,4 1,8
payout 02 136 -9.043,1 2.042,3 -27,3 848,9 -9,0 96,6
valor patrimonial ação 02 283 -7.926,3 834,7 -9,7 478,2 -16,2 269,1
liquidez em bolsa 02 228 0,0 10,9 0,3 1,1 6,7 55,7
endividamento financeiro 02 235 0,4 100,0 54,5 30,5 0,2 -1,3
retorno 02 192 -1,0 3,0 0,0 0,6 2,0 6,0
ln(valor mercado)02 199 5,3 17,7 11,6 2,6 -0,1 -0,4
ln(receita liquida)02 248 5,5 18,1 12,5 2,2 -0,7 0,7
ln(ativo total)02 282 3,4 19,1 13,1 2,3 -0,4 1,3
Tabela B4 – Desvio padrão, média, assimetria e curtose para os dados das variáveis em
relação ao ano 2003
VARIÁVEIS
N
MÍNIMO MÁXIMO MÉDIA D.P ASSIM CURTOSE
liquidez corrente 03 279 0,0 1.135,7 5,7 68,0 16,6 276,8
liquidez seca 03 260 0,0 1.135,7 5,7 70,5 16,0 258,0
margem operacional 03 250 -189.861,3 857,8 -771,2 12.008,8 -15,8 249,9
margem ebitida 03 232 -2.209,9 1.081,7 10,2 188,0 -6,8 94,3
rentabilidade do ativo 03 281 -2.200,0 27,7 -17,5 156,2 -11,6 148,4
rentabilidade do patr. líquido 03 244 -600,7 414,6 2,2 69,3 -2,6 35,9
exigível total/ativo total 03 283 0,1 5.500,0 152,2 580,6 8,4 72,2
endividamento geral 03 283 -3.744,1 29.954,5 356,2 1.941,9 12,7 193,1
dividendo
yeld 03 123 0,3 22,6 5,7 4,6 1,4 1,7
payout 03 159 -973,2 870,7 50,0 130,1 -1,4 34,8
valor patrimonial ação 03 283 -5.781,0 842,1 -2,6 353,5 -15,5 255,7
liquidez em bolsa 03 232 0,0 11,0 0,3 1,0 6,8 58,3
endividamento financeiro 03 239 0,3 100,0 56,2 30,9 0,1 -1,3
retorno 03 195 -1,3 0,9 0,3 0,4 -1,4 2,6
ln(valor mercado)03 214 4,8 18,2 12,1 2,6 -0,1 -0,3
ln(receita liquida)03 250 4,7 18,4 12,6 2,3 -0,8 1,2
ln(ativo total)03 283 1,1 19,3 13,2 2,4 -0,7 2,7
124
Tabela B5 – Desvio padrão, média, assimetria e curtose para os dados das variáveis em
relação ao ano 2004
VARIÁVEIS
N
MÍNIMO MÁXIMO MÉDIA D.P ASSIM CURTOSE
liquidez corrente 04 282 0,0 14,8 1,6 1,8 4,7 27,8
liquidez seca 04 264 0,0 14,8 1,2 1,6 5,5 37,6
margem operacional 04 250 -272.118,7 6.351,6 -1.098,5 17.219,5 -15,8 249,4
margem ebitida 04 240 -11.666,7 176,6 -41,6 765,7 -14,8 225,1
rentabilidade do ativo 04 285 -13.605,3 45,6 -65,7 818,8 -16,1 265,9
rentabilidade do patr. líquido 04 244 -1.667,4 178,8 0,1 117,2 -12,3 170,9
exigível total/ativo total 04 287 1,3 6.972,1 190,2 759,5 7,5 57,6
endividamento geral 04 287 -2.156,2 64.493,6 490,4 3.856,9 16,1 267,8
dividendo yeld 04 133 0,2 24,8 5,6 4,7 2,0 4,5
payout 04 172 -11.125,8 2.007,9 2,1 873,3 -12,1 156,8
valor patrimonial ação 04 286 -6.811,8 1.050,0 -6,3 413,8 -15,6 259,4
liquidez em bolsa 04 242 0,0 8,8 0,3 0,9 5,7 41,0
endividamento financeiro 04 242 0,3 100,0 53,0 31,7 0,2 -1,4
retorno 04 217 -0,9 12,8 0,6 1,4 6,0 45,8
ln(valor mercado)04 227 5,3 18,5 12,3 2,6 -0,1 -0,4
ln(receita liquida)04 250 3,4 18,5 12,8 2,3 -0,9 1,8
ln(ativo total)04 286 0,7 19,3 13,2 2,5 -0,9 3,6
Tabela B6 – Desvio padrão, média, assimetria e curtose para os dados das variáveis em
relação ao ano 2005
VARIÁVEIS
N
MÍNIMO MÁXIMO MÉDIA D.P ASSIM CURTOSE
Liquidez corrente 05 292 0,0 12,5 1,6 1,5 3,4 16,9
Liquidez seca 05 272 0,0 12,5 1,3 1,4 4,2 24,0
Margem operacional 05 260 -985.004,6 1.322,0 -3.804,9 61.087,5 -16,1 260,0
Margem ebitida 05 255 -9.595,5 1.262,2 -21,1 612,2 -15,2 238,2
rentabilidade do ativo 05 297 -4.300,0 81,0 -26,6 268,7 -14,2 219,5
rentabilidade do patr. líquido 05 254 -1.526,8 459,2 -2,6 128,3 -8,3 89,6
Exigível total/ativo total 05 298 3,1 29.212,4 267,7 1.813,4 14,2 221,4
endividamento geral 05 298 -1.644,0 15.265,7 365,2 1.280,4 8,4 83,3
dividendo yeld 05 144 0,1 39,3 6,4 6,4 2,3 6,8
payout 05 181 -3.635,6 1.120,4 50,4 305,5 -9,5 119,9
valor patrimonial ação 05 298 -6.895,6 1.133,4 -5,0 411,8 -15,8 266,7
Liquidez em bolsa 05 250 0,0 7,7 0,3 0,9 5,3 32,0
endividamento financeiro 05 252 0,3 100,0 50,9 33,0 0,3 -1,4
retorno 05 217 -0,8 7,8 0,2 0,9 4,3 28,3
ln(valor mercado)05 228 5,4 18,9 12,7 2,6 -0,2 -0,4
ln(receita liquida)05 260 3,1 18,7 12,9 2,3 -0,8 1,4
ln(ativo total)05 298 0,0 19,4 13,3 2,6 -1,2 4,6
125
Tabela B7 – Desvio padrão, média, assimetria e curtose para os dados das variáveis em
relação ao ano 2006
VARIÁVEIS
N
MÍNIMO MÁXIMO MÉDIA D.P ASSIM CURTOSE
Liquidez corrente 06 320 0,0 120,7 2,1 6,9 16,0 272,3
Liquidez seca 06 299 0,0 120,7 1,9 7,1 15,7 260,3
Margem operacional 06 281
-
1.209.790,0 18.289,5 -4.196,8 72.189,0 -16,8 280,8
Margem ebitida 06 269 -1.884,1 1.864,2 13,5 175,6 -0,8 98,3
rentabilidade do ativo 06 324 -183.533,3 63,0 -612,6 10.203,8 -17,9 322,7
rentabilidade do patr. líquido 06 278 -7.809,0 640,2 -29,7 505,5 -13,9 207,8
Exigível total/ativo total 06 327 0,8 31.600,0 312,7 2.044,2 12,2 173,4
endividamento geral 06 327 -2.560,3 31.682,8 406,5 2.253,2 10,8 131,7
dividendo
yeld 06 149 0,1 25,5 4,5 4,1 2,2 6,5
payout 06 202 -185,6 461,3 57,3 63,5 2,2 12,9
valor patrimonial ação 06 327 -511,8 2.162,5 25,9 152,8 10,1 128,3
liquidez em bolsa 06 277 0,0 11,1 0,3 0,9 7,5 72,9
Endividamento financeiro 06 265 0,3 100,0 47,9 33,0 0,4 -1,3
retorno 06 222 -0,5 22,7 0,7 1,9 7,9 82,4
ln(valor mercado)06 260 5,6 19,2 13,1 2,6 -0,4 -0,2
ln(receita liquida)06 281 3,0 18,9 12,8 2,4 -0,9 1,4
ln(ativo total)06 327 0,0 19,5 13,3 2,8 -1,4 4,9
Tabela B8 – Desvio padrão, média, assimetria e curtose para os dados das variáveis em
relação ao ano 2007
VARIÁVEIS
N
MÍNIMO MÁXIMO MÉDIA D.P ASSIM CURTOSE
liquidez corrente 07 359 0,0 24,8 2,0 2,2 4,7 35,4
liquidez seca 07 329 0,0 24,8 1,8 2,1 5,4 44,4
margem operacional 07 317 -743.273,8 134.348,3 -1.842,9 42.469,3 -16,8 296,9
margem ebitida 07 285 -3.182,4 42.055,8 159,7 2.502,1 16,6 279,7
rentabilidade do ativo 07 368 -3.900,0 426,7 -21,5 248,2 -12,4 174,4
rentabilidade do patri. líquido 07 326 -242,4 1.551,7 16,8 90,9 14,8 252,2
exigível total/ativo total 07 368 0,0 23.903,8 211,9 1.493,6 13,2 190,3
endividamento geral 07 368 -9.959,9 11.050,1 182,6 972,5 -0,1 80,6
dividendo yeld 07 199 0,0 32,3 3,4 3,8 3,3 17,2
payout 07 224 -77,8 1.877,2 63,3 134,8 11,2 148,4
valor patrimonial ação 07 369 -424,8 2.166,3 27,3 151,4 9,7 119,2
liquidez em bolsa 07 345 0,0 10,4 0,2 0,8 9,1 98,8
endividamento financeiro 07 296 0,1 100,0 45,3 32,5 0,4 -1,2
retorno 07 263 -1,0 22,6 1,0 2,4 5,1 33,6
ln(valor mercado)07 339 8,2 19,8 13,7 2,1 -0,3 0,1
ln(receita liquida)07 317 3,7 19,0 13,0 2,3 -0,9 1,7
ln(ativo total)07 369 0,0 19,7 13,7 2,4 -1,2 5,7
126
APÊNDICE C – Teste Kruskal Wallis aplicado para as classificações setoriais NAICS, e
BOVESPA, segundo cada ano do período de 2000-2007
Tabela C1- Resultados do Teste Kruskal Wallis, classificação NAICS, 200-2007
CLASSIFICAÇÃO NAICS
TESTE KRUSKAL WALLIS –
SIGNIFICÂNCIA
VARIÁVEIS
2000 2001 2002 2003 2004 2005 2006 2007
liquidez corrente 0,01 0,00 0,00 0,00 0,39 0,00 0,12 0,00
liquidez seca 0,02 0,00 0,00 0,07 0,23 0,00 0,34 0,00
margem operacional 0,01 0,01 0,02 0,05 0,01 0,07 0,00 0,00
margem ebitida 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,00
rentabilidade do ativo 0,06 0,02 0,00 0,32 0,10 0,08 0,11 0,00
rentabilidade do patrim. líquido 0,00 0,05 0,00 0,03 0,00 0,00 0,03 0,00
Exigível total/ativo total 0,03 0,05 0,10 0,05 0,12 0,08 0,00 0,00
endividamento geral 0,10 0,02 0,05 0,01 0,00 0,00 0,00 0,00
endividamento financeiro 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
dividendo yeld 0,03 0,01 0,04 0,10 0,22 0,07 0,00 0,00
Payout 0,54 0,26 0,11 0,59 0,52 0,15 0,01 0,00
valor patrimonial ação 0,00 0,00 0,00 0,01 0,02 0,01 0,03 0,04
liquidez em bolsa 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,06
ln (valor de mercado) 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
ln (receita líquida) 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
ln (ativo total) 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
retorno 0,96 0,10 0,00 0,63 0,00 0,02 0,05 0,00
Tabela C2- Resultados do Teste Kruskal Wallis, classificação BOVESPA, 200-2007
CLASSIFICAÇÃO BOVESPA
TESTE KRUSKAL WALLIS – SIGNIFICÂNCIA
VARIÁVEIS
2000 2001 2002 2003 2004 2005 2006 2007
liquidez corrente 0,19 0,01 0,01 0,05 0,19 0,04 0,01 0,00
liquidez seca 0,10 0,43 0,02 0,26 0,35 0,36 0,10 0,01
margem operacional 0,00 0,03 0,06 0,00 0,00 0,00 0,00 0,00
margem ebitida 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
rentabilidade do ativo 0,12 0,03 0,04 0,00 0,00 0,01 0,00 0,00
rentabilidade do patrim. líquido 0,03 0,02 0,02 0,00 0,00 0,05 0,00 0,00
exigível total/ativo total 0,02 0,02 0,41 0,11 0,06 0,04 0,01 0,01
endividamento geral 0,04 0,02 0,22 0,03 0,02 0,01 0,00 0,00
endividamento financeiro 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00
dividendo yeld 0,11 0,02 0,04 0,15 0,69 0,02 0,00 0,00
Payout 0,76 0,02 0,13 0,51 0,55 0,42 0,00 0,01
valor patrimonial ação 0,07 0,02 0,10 0,06 0,10 0,05 0,03 0,02
liquidez em bolsa 0,00 0,02 0,00 0,00 0,00 0,01 0,01 0,03
ln (valor de mercado) 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00
ln (receita líquida) 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00
ln (ativo total) 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00
retorno 0,37 0,02 0,00 0,00 0,00 0,03 0,03 0,26
127
APÊNDICE D – Número de clusters com mais de um elemento, considerando o mesmo
número de subdivisões da classificação NAICS nível 1, no período de 2000 – 2007
CLASSIFICAÇÃO NAICS - COM 20 CLUSTERS
SEM VARIÁVEIS DE
TAMANHO
COM VARIÁVEIS DE
TAMANHO
ANO
Cluster índice
Cluster mercado
Cluster índice
Cluster mercado
2000 13 17 13 18
2001 15 16 15 18
2002 15 16 15 19
2003 16 18 16 19
2004 16 17 16 19
2005 15 17 15 18
2006 14 13 16 17
2007 12 17 15 19
128
APÊNDICE E – Classificação NAICS com freqüência percentual nos setores, com número
de clusters definidos conforme a regra de parada, no período de 2000 – 2007
Tabela E1 – Classificação NAICS, com 10 clusters para o cluster índice e 3 clusters para
o cluster mercado, no ano 2000
CLASSIFICAÇÃO NAICS – ANO 2000 - MÉTODO DE PARADA
Cluster índice
Cluster
mercado
SETORES
1 2 3 4 5 6 7 8 9 10 1 2 3
adm. empresas e
empreendimentos 16,0 3,9 4,8 0,0 16,7 5,6 100,0 0,0 100,0 0,0 8,0 0,0 0,0
agr., pec., silvic., pesca e caça 0,0 0,0 0,0 0,0 0,0 0,9 0,0 0,0 0,0 0,0 0,4 0,0 0,0
artes, entretenimento e
recreação 0,0 0,0 1,6 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,4 0,0 0,0
comércio varejista 2,0 7,8 4,8 0,0 0,0 1,9 0,0 33,3 0,0 0,0 4,0 0,0 0,0
Construção 2,0 9,8 1,6 0,0 0,0 4,6 0,0 0,0 0,0 0,0 4,3 0,0 0,0
Educação 0,0 0,0 1,6 0,0 0,0 1,9 0,0 0,0 0,0 0,0 1,1 0,0 0,0
empresa de eletricidade, gás e
água 6,0 2,0 31,7 66,7 0,0 7,4 0,0 33,3 0,0 0,0 12,0 11,1 50,0
hotel e restaurante 0,0 2,0 0,0 0,0 0,0 0,9 0,0 0,0 0,0 1,0 0,7 0,0 0,0
imobiliária e locadora de outros
bens
0,0 0,0 0,0 0,0 16,7 0,0 0,0 0,0 0,0 0,0 0,4 0,0 0,0
indústria manufatureira 54,0 70,6 27,0 33,3 33,3 45,4 0,0 33,3 0,0 0,0 47,8 0,0 50,0
Informação 4,0 0,0 17,5 0,0 16,7 5,6 0,0 0,0 0,0 0,0 5,4 66,7 0,0
Mineração 0,0 0,0 1,6 0,0 0,0 2,8 0,0 0,0 0,0 0,0 0,7 22,2 0,0
outros serviços 2,0 2,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,7 0,0 0,0
serviços de apoio e ger. de res.
remediação 0,0 0,0 0,0 0,0 0,0 0,9 0,0 0,0 0,0 0,0 0,4 0,0 0,0
serviços financeiros e seguros 8,0 0,0 0,0 0,0 16,7 20,4 0,0 0,0 0,0 0,0 9,8 0,0 0,0
serviços profis., científicos e
técnicos
2,0 0,0 0,0 0,0 0,0 0,9 0,0 0,0 0,0 0,0 0,7 0,0 0,0
Transporte e armazenamento 4,0 2,0 7,9 0,0 0,0 0,9 0,0 0,0 0,0 0,0 3,3 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 50 51 63 3 6 108 1 3 1 1 276 9 2
Tabela E2 – Classificação NAICS, com 4 clusters para o cluster índice e 5 clusters para o
cluster mercado, no ano 2001
CLASSIFICAÇÃO NAICS - ANO 2001 - MÉTODO DE PARADA
Cluster índice Cluster mercado
SETORES
1 2 3 4 1 2 3 4 5
adm. empresas e empreendimentos 7,1 5,6 40,0 50,0 9,4 6,3 2,9 0,0 0,0
agric., pecuária, silv., pesca e caça 0,0 1,4 0,0 0,0 0,6 0,0 0,0 0,0 0,0
artes, entretenimento e recreação 0,5 0,0 0,0 0,0 0,6 0,0 0,0 0,0 0,0
comércio varejista 3,3 5,6 0,0 0,0 5,0 3,2 0,0 0,0 0,0
Construção 2,8 9,9 0,0 0,0 3,9 4,8 8,6 0,0 0,0
Educação 1,9 0,0 0,0 0,0 2,2 0,0 0,0 0,0 0,0
empresa de eletricidade, gás e água 15,1 4,2 0,0 0,0 11,6 9,5 17,1 10,0 100,0
hotel e restaurante 0,0 1,4 20,0 0,0 1,1 0,0 0,0 0,0 0,0
129
imobiliária e locadora de outros bens 0,0 0,0 0,0 50,0 0,0 0,0 2,9 0,0 0,0
indústria manufatureira 40,1 66,2 20,0 0,0 39,2 65,1 60,0 0,0 0,0
Informação 9,0 1,4 20,0 0,0 7,2 3,2 0,0 60,0 0,0
Mineração 1,9 0,0 0,0 0,0 1,1 0,0 0,0 20,0 0,0
outros serviços 0,5 1,4 0,0 0,0 0,6 1,6 0,0 0,0 0,0
serviços de apoio e ger. de res. remediação 0,9 0,0 0,0 0,0 0,6 0,0 2,9 0,0 0,0
serviços financeiros e seguros 12,7 0,0 0,0 0,0 12,2 3,2 5,7 10,0 0,0
serviços profis., científicos e técnicos 0,5 1,4 0,0 0,0 1,1 0,0 0,0 0,0 0,0
transporte e armazenamento 3,8 1,4 0,0 0,0 3,9 3,2 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100
TOTAL CASOS 212 71 5 2 181 63 35 10 1
Tabela E3 – Classificação NAICS, com 5 clusters para o cluster índice e 2 clusters para o
cluster mercado, no ano 2002
CLASSIFICAÇÃO NAICS - ANO 2002 - MÉTODO DE PARADA
Cluster índice
Cluster
mercado
SETORES
1 2 3 4 5 1 2
adm. empresas e empreendimentos 7,4 6,0 10,4 50,0 0,0 8,3 5,8
agric., pecuária, silv., pesca e caça 0,0 0,0 1,5 0,0 0,0 0,0 1,9
artes, entretenimento e recreação 0,6 0,0 0,0 0,0 0,0 0,4 0,0
comércio varejista 1,8 8,0 6,0 0,0 0,0 4,1 1,9
Construção 4,3 8,0 1,5 0,0 8,3 4,1 5,8
Educação 1,2 2,0 0,0 50,0 0,0 1,7 0,0
empresa de eletricidade, gás e água 12,3 4,0 20,9 0,0 0,0 13,2 7,7
hotel e restaurante 0,6 2,0 0,0 0,0 0,0 0,8 0,0
imobiliária e locadora de outros bens 0,6 0,0 0,0 0,0 0,0 0,4 0,0
indústria manufatureira 42,3 66,0 35,8 0,0 66,7 44,2 51,9
Informação 4,9 0,0 16,4 0,0 16,7 5,0 17,3
Mineração 1,2 0,0 3,0 0,0 0,0 0,8 3,8
outros serviços 1,2 0,0 0,0 0,0 0,0 0,8 0,0
serviços de apoio e ger. de res. remediação 1,2 0,0 0,0 0,0 0,0 0,8 0,0
serviços financeiros e seguros 16,0 0,0 0,0 0,0 8,3 10,7 1,9
serviços profis., científicos e técnicos 0,6 4,0 0,0 0,0 0,0 0,8 1,9
transporte e armazenamento 3,7 0,0 4,5 0,0 0,0 3,7 0,0
TOTAL (%) 100 100 100 100 100 100 100
TOTAL CASOS 163 50 67 2 12 242 52
Tabela E4 – Classificação NAICS, com 4 clusters para o cluster índice e 9 clusters para o
cluster mercado, no ano 2003
CLASSIFICAÇÃO NAICS - ANO 2003 - MÉTODO DE PARADA
Cluster índice Cluster mercado
SETORES
1 2 3 4 1 2 3 4 5 6 7 8 9
adm. empresas e
empreendimentos 9,8 1,5 3,6 22,2 12,9 0,0 5,1 0,0 3,0 7,7 8,3 6,3 0,0
agric., pecuária, silv., pesca e
caça
0,0 1,5 0,0 0,0 0,0 0,0 0,0 0,0 3,0 0,0 0,0 0,0 0,0
Artes, entretenimento e
recreação 0,5 0,0 0,0 0,0 1,2 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
130
comércio varejista 2,6 7,6 3,6 0,0 5,9 0,0 5,1 0,0 3,0 3,1 0,0 0,0 0,0
Construção 3,1 7,6 3,6 11,1 3,5 10,0 1,7 0,0 3,0 9,2 4,2 0,0 0,0
Educação 1,6 0,0 0,0 11,1 4,7 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
empresa de eletricidade, gás e
água 14,0 4,5 25,0 0,0 12,9 10,0 10,2 100,0 21,2 10,8 4,2 18,8 0,0
hotel e restaurante 0,0 3,0 0,0 0,0 1,2 0,0 0,0 0,0 0,0 1,5 0,0 0,0 0,0
imobiliária e locadora de outros
bens
0,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0 3,0 0,0 0,0 0,0 0,0
indústria manufatureira 37,3 68,2 46,4 44,4 23,5 70,0 72,9 0,0 39,4 47,7 66,7 25,0 0,0
Informação 8,8 3,0 7,1 0,0 9,4 0,0 0,0 0,0 3,0 3,1 12,5 31,3 66,7
Mineração 2,1 0,0 0,0 0,0 2,4 0,0 0,0 0,0 0,0 0,0 0,0 6,3 33,3
outros serviços 0,5 1,5 0,0 0,0 1,2 0,0 1,7 0,0 0,0 0,0 0,0 0,0 0,0
serviços de apoio e ger. de res.
remediação 1,0 0,0 0,0 0,0 1,2 10,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
serviços financeiros e seguros 13,0 0,0 7,1 0,0 12,9 0,0 1,7 0,0 15,2 12,3 0,0 12,5 0,0
serviços profis., científicos e
técnicos 1,6 0,0 0,0 0,0 1,2 0,0 0,0 0,0 3,0 1,5 0,0 0,0 0,0
transporte e armazenamento 3,6 1,5 3,6 11,1 5,9 0,0 1,7 0,0 3,0 3,1 4,2 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 193 66 28 9 85 10 59 1 33 65 24 16 3
Tabela E5 – Classificação NAICS, com 4 clusters para o cluster índice e 4 clusters para o
cluster mercado, no ano 2004
CLASSIFICAÇÃO NAICS – ANO 2004 - MÉTODO DE PARADA
Cluster índice Cluster mercado
SETORES
1 2 3 4 1 2 3 4
adm. empresas e empreendimentos 7,9 3,3 33,3 16,7 8,7 0,0 0,0 0,0
agric., pecuária, silv., pesca e caça 0,9 0,0 0,0 0,0 0,8 0,0 0,0 0,0
artes, entretenimento e recreação 0,4 0,0 0,0 0,0 0,4 0,0 0,0 0,0
assistência médica e social 0,4 0,0 0,0 0,0 0,4 0,0 0,0 0,0
comércio atacadista 0,4 0,0 0,0 0,0 0,4 0,0 0,0 0,0
comércio varejista 3,1 6,7 0,0 0,0 4,2 0,0 0,0 0,0
Construção 4,0 6,7 0,0 0,0 4,9 0,0 0,0 0,0
Educação 0,4 1,7 16,7 16,7 1,5 0,0 0,0 0,0
empresa de eletricidade, gás e água 15,9 1,7 0,0 0,0 11,8 18,2 100,0 7,7
hotel e restaurante 0,0 3,3 0,0 0,0 0,4 4,5 0,0 0,0
imobiliária e locadora de outros bens 0,0 0,0 16,7 0,0 0,4 0,0 0,0 0,0
indústria manufatureira 39,2 65,0 16,7 50,0 42,6 72,7 0,0 30,8
Informação 7,0 6,7 0,0 16,7 6,5 0,0 0,0 30,8
Mineração 1,8 0,0 0,0 0,0 0,8 0,0 0,0 15,4
outros serviços 0,4 1,7 0,0 0,0 0,8 0,0 0,0 0,0
serviços de apoio e ger. de res. remediação 0,9 0,0 0,0 0,0 0,8 0,0 0,0 0,0
serviços financeiros e seguros 11,9 0,0 16,7 0,0 9,9 0,0 0,0 15,4
serviços profis., científicos e técnicos 1,3 0,0 0,0 0,0 1,1 0,0 0,0 0,0
transporte e armazenamento 4,0 3,3 0,0 0,0 3,8 4,5 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100
TOTAL CASOS 227 60 6 6 263 22 1 13
131
Tabela E6 – Classificação NAICS, com 6 clusters para o cluster índice e 2 clusters para o
cluster mercado, no ano 2005
CLASSIFICAÇÃO NAICS - ANO 2005 - MÉTODO DE PARADA
Cluster índice
Cluster
mercado
SETORES
1 2 3 4 5 6 1 2
adm. empresas e empreendimentos 8,8 6,1 15,0 4,1 0,0 66,7 7,9 3,8
agric., pecuária, silv., pesca e caça 0,0 0,0 0,0 2,0 0,0 0,0 0,7 0,0
artes, entretenimento e recreação 0,9 0,0 0,0 0,0 0,0 0,0 0,4 0,0
assistência médica e social 0,0 0,0 0,0 1,0 0,0 0,0 0,4 0,0
comércio atacadista 0,9 0,0 0,0 0,0 0,0 0,0 0,4 0,0
comércio varejista 2,7 7,6 0,0 3,1 0,0 0,0 3,9 0,0
Construção 2,7 7,6 5,0 4,1 0,0 0,0 3,9 7,7
Educação 0,9 1,5 5,0 1,0 0,0 0,0 1,4 0,0
empresa de eletricidade, gás e água 29,2 4,5 5,0 2,0 0,0 0,0 12,5 15,4
hotel e restaurante 0,0 1,5 0,0 0,0 16,7 0,0 0,7 0,0
imobiliária e locadora de outros bens 0,0 0,0 5,0 0,0 0,0 0,0 0,4 0,0
indústria manufatureira 26,5 63,6 55,0 46,9 50,0 33,3 44,3 34,6
Informação 15,0 1,5 5,0 2,0 16,7 0,0 6,8 11,5
Mineração 1,8 0,0 0,0 2,0 0,0 0,0 0,7 7,7
outros serviços 0,0 1,5 0,0 1,0 0,0 0,0 0,7 0,0
serviços de apoio e ger. de res.
remediação 0,9 0,0 0,0 1,0 0,0 0,0 0,7 0,0
serviços financeiros e seguros 1,8 0,0 5,0 25,5 16,7 0,0 9,3 11,5
serviços profis., científicos e técnicos 0,9 1,5 0,0 1,0 0,0 0,0 0,7 3,8
transporte e armazenamento 7,1 3,0 0,0 3,1 0,0 0,0 4,3 3,8
TOTAL (%) 100 100 100 100 100 100 100 100
TOTAL CASOS 113 66 20 98 6 3 280 26
Tabela E7 – Classificação NAICS, com 8 clusters para o cluster índice e 7 clusters para o
cluster mercado, no ano 2006
CLASSIFICAÇÃO NAICS - ANO 2006 - MÉTODO DE PARADA
Cluster índice Cluster mercado
SETORES
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7
adm. empresas e
empreendimentos 11,0 8,0 1,6 12,0 0,0 0,0 0,0 0,0 16,7 5,8 0,0 7,3 11,1 7,1 0,0
agric., pec., silv.,
pesca e caça 0,0 0,9 1,6 4,0 0,0 0,0 0,0 0,0 0,0 1,3 0,0 0,0 1,9 0,0 0,0
artes, entreten. e
recreação 1,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 1,2 0,0 0,0 0,0
assistência
médica e social
1,0 1,8 0,0 4,0 0,0 0,0 0,0 0,0 0,0 1,3 0,0 2,4 0,0 0,0 0,0
comércio
atacadista 2,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,6 0,0 0,0 0,0 3,6 0,0
comércio
varejista 1,0 3,5 9,7 0,0 0,0 0,0 0,0 0,0 16,7 3,2 12,5 4,9 0,0 0,0 0,0
Construção 4,0 6,2 9,7 8,0 0,0 0,0 0,0 0,0 0,0 7,7 12,5 7,3 0,0 0,0 0,0
educação 0,0 0,9 3,2 4,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 3,7 1,9 0,0 0,0
empresa de 25,0 2,7 4,8 8,0 35,5 0,0 100,0 0,0 16,7 16,8 0,0 17,1 1,9 10,7 0,0
132
eletric., gás e
água
hotel e
restaurante
0,0 0,0 3,2 0,0 0,0 0,0 0,0 0,0 0,0 0,6 0,0 0,0 1,9 0,0 0,0
imob. e locadora
de outros bens 0,0 0,0 0,0 4,0 0,0 0,0 0,0 0,0 0,0 0,6 0,0 0,0 0,0 0,0 0,0
indústria
manufatureira 43,0 38,9 54,8 28,0 29,0 50,0 0,0 100,0 33,3 43,2 37,5 22,0 75,9 28,6 0,0
Informação 5,0 5,3 6,5 20,0 9,7 0,0 0,0 0,0 16,7 4,5 12,5 9,8 0,0 21,4 0,0
mineração 2,0 2,7 0,0 4,0 0,0 50,0 0,0 0,0 0,0 2,6 0,0 1,2 0,0 0,0 100,0
outros serviços 0,0 0,9 1,6 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 1,2 1,9 0,0 0,0
serv. apoio e ger.
de res. remed. 1,0 1,8 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,6 0,0 2,4 0,0 0,0 0,0
serviços financ. e
seguros
0,0 19,5 0,0 0,0 22,6 0,0 0,0 0,0 0,0 7,7 12,5 12,2 3,7 14,3 0,0
serviços profis.,
cient. e técnicos
0,0 0,9 1,6 0,0 3,2 0,0 0,0 0,0 0,0 1,9 0,0 0,0 0,0 0,0 0,0
transporte e
armazenamento 4,0 6,2 1,6 4,0 0,0 0,0 0,0 0,0 0,0 1,3 12,5 7,3 0,0 14,3 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 100 113 62 25 31 2 1 1 6 155 8 82 54 28 2
Tabela E8 – Classificação NAICS, com 10 clusters para o cluster índice e 4 clusters para
o cluster mercado, no ano 2007
CLASSIFICAÇÃO NAICS – ANO 2007 -MÉTODO DE PARADA
Cluster índice Cluster mercado
SETORES
1 2 3 4 5 6 7 8 9 10 1 2 3 4
adm. empresas e
empreendimentos 2,3 2,9 9,6 9,7 0,0 13,3 3,6 40,0 50,0 50,0 6,3 0,0 4,9 11,1
agric., pecuária, silv.,
pesca e caça
1,5 1,4 0,0 0,0 0,0 0,0 3,6 0,0 0,0 0,0 1,2 0,0 0,0 0,0
artes, entretenimento e
recreação 0,0 1,4 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,3 0,0 0,0 0,0
assistência médica e
social 0,8 0,0 2,4 0,0 0,0 0,0 7,1 0,0 0,0 0,0 1,5 0,0 0,0 0,0
comércio atacadista 0,8 0,0 1,2 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,3 0,0 2,4 0,0
comércio varejista 3,8 8,7 1,2 3,2 0,0 0,0 0,0 0,0 0,0 0,0 2,7 14,3 7,3 0,0
Construção 3,8 10,1 8,4 6,5 0,0 6,7 50,0 0,0 0,0 0,0 10,2 0,0 4,9 0,0
Educação 1,5 1,4 0,0 0,0 0,0 13,3 0,0 0,0 0,0 0,0 1,5 0,0 0,0 0,0
empresa de eletricidade,
gás e água
3,8 5,8 20,5 9,7 81,0 0,0 0,0 0,0 25,0 0,0 12,0 14,3 14,6 0,0
hotel e restaurante 0,0 2,9 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,3 0,0 0,0 11,1
Imob. locadora de bens 0,8 0,0 1,2 0,0 0,0 6,7 0,0 0,0 0,0 0,0 0,9 0,0 0,0 0,0
indústria manufatureira 44,4 60,9 34,9 9,7 9,5 46,7 17,9 40,0 25,0 50,0 39,5 14,3 31,7 55,6
Informação 6,0 1,4 7,2 9,7 4,8 0,0 10,7 20,0 0,0 0,0 5,1 0,0 14,6 0,0
Mineração 2,3 0,0 2,4 6,5 0,0 0,0 0,0 0,0 0,0 0,0 1,2 42,9 0,0 0,0
outros serviços 1,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,3 0,0 0,0 11,1
serviços de apoio e ger.
De res. remediação 0,8 0,0 2,4 3,2 0,0 6,7 0,0 0,0 0,0 0,0 1,2 14,3 0,0 0,0
serviços fin. e seguros 18,0 0,0 1,2 41,9 4,8 6,7 3,6 0,0 0,0 0,0 11,1 0,0 9,8 0,0
serviços profis.,
científicos e técnicos
1,5 1,4 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,6 0,0 0,0 11,1
transporte e
armazenamento 6,8 1,4 7,2 0,0 0,0 0,0 3,6 0,0 0,0 0,0 3,9 0,0 9,8 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 133 69 83 31 21 15 28 5 4 2 334 7 41 9
133
APÊNDICE F - Critério classificação BOVESPA, com variáveis de tamanho, para cada ano
do período 2000-2007
Tabela F1 – Classificação e critério BOVESPA, cluster índice, ano 2000
CLASSIFICAÇÃO BOVESPA –C/VARIAVEIS DE TAMANHO, ANO 2000
Cluster índice
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 4,5 18,5 0,0 18,2 13,0 0,0 0,0 0,0 0,0 0,0
construção e transporte 5,7 16,3 33,3 13,6 11,1 0,0 0,0 0,0 0,0 0,0
consumo cíclico 11,4 25,0 0,0 36,4 20,4 0,0 0,0 25,0 0,0 0,0
consumo não cíclico 5,7 8,7 0,0 9,1 7,4 10,0 0,0 0,0 0,0 0,0
financeiro e outros 14,8 13,0 0,0 9,1 22,2 20,0 100,0 0,0 100,0 100,0
materiais básicos 17,0 16,3 0,0 4,5 18,5 25,0 0,0 25,0 0,0 0,0
petróleo, gás e biocomb. 0,0 0,0 0,0 0,0 1,9 5,0 0,0 0,0 0,0 0,0
tecnologia da informação 1,1 1,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
telecomunicações 10,2 0,0 0,0 9,1 0,0 30,0 0,0 25,0 0,0 0,0
utilidade pública 29,5 1,1 66,7 0,0 5,6 10,0 0,0 25,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 88 92 3 22 54 20 1 4 1 2
Tabela F2 – Classificação e critério BOVESPA, cluster mercado, ano 2000
CLASSIFICAÇÃO BOVESPA – COM VARIAVEIS DE TAMANHO, ANO 2000
Cluster mercado
SETORES
123 45678 9 10
bens industriais 2,9 10,7 13,7 0,0 10,0 21,4 0,0 33,3 0,0 0,0
construção e transporte 2,9 28,6 9,8 0,0 11,4 14,3 0,0 8,3 0,0 0,0
consumo cíclico 10,0 25,0 9,8 0,0 18,6 38,1 11,1 25,0 0,0 100,0
consumo não cíclico 8,6 10,7 2,0 0,0 11,4 4,8 0,0 8,3 0,0 0,0
financeiro e outros 10,0 10,7 25,5 100,0 24,3 4,8 0,0 16,7 0,0 0,0
materiais básicos 22,9 10,7 17,6 0,0 15,7 16,7 11,1 0,0 0,0 0,0
petróleo, gás e biocomb. 0,0 0,0 0,0 0,0 1,4 0,0 11,1 0,0 0,0 0,0
tecnologia da informação 1,4 0,0 0,0 0,0 1,4 0,0 0,0 0,0 0,0 0,0
telecomunicações 11,4 0,0 3,9 0,0 2,9 0,0 55,6 8,3 0,0 0,0
utilidade pública 30,0 3,6 17,6 0,0 2,9 0,0 11,1 0,0 100,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 70 28 51 3 70 42 9 12 1 1
134
Tabela F3 – Classificação e critério BOVESPA, cluster índice, ano 2001
CLASSIFICAÇÃO BOVESPA – COM VARIAVEIS DE TAMANHO, ANO 2001
Cluster índice
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 4,7 15,7 6,3 12,2 0,0 18,8 0,0 0,0 100,0 50,0
construção e transporte 5,9 17,1 6,3 11,2 0,0 12,5 0,0 0,0 0,0 50,0
consumo cíclico 8,2 22,9 18,8 18,4 100,0 43,8 50,0 0,0 0,0 0,0
consumo não cíclico 5,9 10,0 0,0 8,2 0,0 6,3 25,0 0,0 0,0 0,0
financeiro e outros 8,2 12,9 6,3 26,5 0,0 12,5 25,0 100,0 0,0 0,0
materiais básicos 22,4 14,3 18,8 15,3 0,0 6,3 0,0 0,0 0,0 0,0
petróleo, gás e biocomb. 1,2 1,4 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
tecnologia da informação 1,2 1,4 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
telecomunicações 15,3 1,4 0,0 4,1 0,0 0,0 0,0 0,0 0,0 0,0
utilidade pública 27,1 2,9 43,8 4,1 0,0 0,0 0,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 85 70 16 98 1 16 4 1 1 2
Tabela F4 – Classificação e critério BOVESPA, cluster mercado, ano 2001
CLASSIFICAÇÃO BOVESPA – COM VARIÁVEIS TAMANHO, ANO 2001
Cluster mercado
SETORES
12345678 9 10
bens industriais 5,4 17,2 14,5 5,0 18,2 26,7 0,0 9,1 0,0 0,0
construção e transporte 6,5 20,7 14,5 0,0 15,2 13,3 0,0 9,1 0,0 0,0
consumo cíclico 12,9 17,2 15,8 0,0 36,4 46,7 10,0 36,4 0,0 50,0
consumo não cíclico 3,2 10,3 13,2 15,0 6,1 0,0 0,0 0,0 0,0 0,0
financeiro e outros 12,9 17,2 22,4 25,0 12,1 6,7 10,0 18,2 0,0 0,0
materiais básicos 18,3 13,8 17,1 30,0 12,1 6,7 10,0 0,0 0,0 50,0
petróleo, gás e biocomb. 1,1 0,0 0,0 0,0 0,0 0,0 10,0 0,0 0,0 0,0
tecnologia da informação 1,1 0,0 0,0 0,0 0,0 0,0 0,0 9,1 0,0 0,0
telecomunicações 8,6 0,0 2,6 10,0 0,0 0,0 50,0 9,1 0,0 0,0
utilidade pública 30,1 3,4 0,0 15,0 0,0 0,0 10,0 9,1 100,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 93 29 76 20 33 15 10 11 1 2
Tabela F5 – Classificação e critério BOVESPA, cluster índice, ano 2002
CLASSIFICAÇÃO BOVESPA –COM VARIÁVEIS TAMANHO, ANO 2002
Cluster índice
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 1,5 16,4 10,8 18,8 28,6 0,0 0,0 0,0 0,0 0,0
construção e transporte 4,4 13,7 9,6 18,8 28,6 0,0 0,0 0,0 0,0 0,0
consumo cíclico 2,9 28,8 16,9 27,1 28,6 0,0 25,0 0,0 0,0 50,0
consumo não cíclico 7,4 11,0 7,2 4,2 28,6 0,0 0,0 0,0 0,0 0,0
financeiro e outros 11,8 6,8 24,1 18,8 28,6 100,0 0,0 0,0 100,0 0,0
materiais básicos 20,6 17,8 18,1 8,3 28,6 0,0 25,0 0,0 0,0 0,0
petróleo, gás e biocomb. 1,5 0,0 1,2 0,0 28,6 0,0 0,0 0,0 0,0 0,0
tecnologia da informação 0,0 1,4 0,0 2,1 28,6 0,0 0,0 0,0 0,0 0,0
telecomunicações 19,1 0,0 2,4 2,1 28,6 0,0 0,0 100,0 0,0 50,0
utilidade pública 30,9 4,1 9,6 0,0 28,6 0,0 50,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 68 73 83 48 7 2 4 1 2 2
135
Tabela F6 – Classificação e critério BOVESPA, cluster mercado, ano 2002
CLASSIFICAÇÃO BOVESPA – COM VARIÁVEIS DE TAMANHO, ANO 2002
Cluster mercado
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 4,6 23,1 0,0 0,0 17,2 11,0 0,0 25,8 22,2 0,0
construção e transporte 6,9 26,9 0,0 0,0 10,3 13,7 0,0 16,1 11,1 0,0
consumo cíclico 9,2 30,8 0,0 11,1 31,0 24,7 3,7 19,4 33,3 0,0
consumo não cíclico 4,6 0,0 0,0 11,1 13,8 11,0 11,1 6,5 0,0 0,0
financeiro e outros 13,8 7,7 0,0 66,7 10,3 20,5 22,2 6,5 11,1 0,0
materiais básicos 17,2 11,5 0,0 0,0 10,3 16,4 25,9 25,8 0,0 0,0
petróleo, gás e biocomb. 0,0 0,0 0,0 0,0 0,0 1,4 0,0 0,0 0,0 50,0
tecnologia da informação 1,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 11,1 0,0
telecomunicações 10,3 0,0 0,0 11,1 3,4 0,0 22,2 0,0 0,0 50,0
utilidade pública 32,2 0,0 ### 0,0 3,4 1,4 14,8 0,0 11,1 0,0
TOTAL (%)
100 100 100 100 100 100 100 100 100 100
TOTAL CASOS
87
26 1 9 29 73 27 31 9 2
Tabela F7 – Classificação e critério BOVESPA, cluster índice, ano 2003
CLASSIFICAÇÃO BOVESPA – COM VARIÁVEIS DE TAMANHO, ANO 2003
Cluster Índice
SETORES
123456 7 8 9 10
bens industriais 8,7 20,0 16,7 11,5 0,0 6,3 0,0 0,0 25,0 0,0
construção e transporte 7,6 12,5 5,6 16,7 3,8 12,5 0,0 0,0 0,0 100,0
consumo cíclico 9,8 35,0 25,0 26,9 0,0 0,0 100,0 0,0 0,0 0,0
consumo não cíclico 6,5 10,0 5,6 7,7 7,7 12,5 0,0 0,0 0,0 0,0
financeiro e outros 19,6 10,0 0,0 19,2 19,2 18,8 0,0 100,0 25,0 0,0
materiais básicos 13,0 7,5 30,6 11,5 34,6 18,8 0,0 0,0 25,0 0,0
petróleo, gás e biocomb. 0,0 0,0 2,8 0,0 3,8 0,0 0,0 0,0 0,0 0,0
tecnologia da informação 0,0 2,5 2,8 0,0 0,0 0,0 0,0 0,0 0,0 0,0
telecomunicações 7,6 0,0 0,0 3,8 23,1 6,3 0,0 0,0 25,0 0,0
utilidade pública 27,2 2,5 11,1 2,6 7,7 25,0 0,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 92 40 36 78 26 16 1 1 4 2
Tabela F8 – Classificação e critério BOVESPA, cluster mercado, ano 2003
CLASSIFICAÇÃO BOVESPA – COM VARIÁVEIS DE TAMANHO, ANO 2003
Cluster mercado
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 12,0 21,7 13,2 6,7 0,0 4,6 15,8 0,0 22,7 0,0
construção e transporte 12,0 13,0 14,5 6,7 0,0 6,2 10,5 0,0 22,7 0,0
consumo cíclico 24,0 43,5 14,5 6,7 0,0 12,3 26,3 0,0 31,8 0,0
consumo não cíclico 14,0 4,3 10,5 6,7 0,0 3,1 0,0 13,0 0,0 0,0
financeiro e outros 18,0 0,0 18,4 6,7 0,0 16,9 31,6 21,7 4,5 0,0
materiais básicos 14,0 8,7 19,7 33,3 0,0 13,8 0,0 26,1 18,2 0,0
petróleo, gás e biocomb. 0,0 0,0 1,3 0,0 0,0 0,0 0,0 0,0 0,0 50,0
136
tecnologia da informação 0,0 0,0 0,0 0,0 0,0 1,5 5,3 0,0 0,0 0,0
telecomunicações 2,0 4,3 2,6 0,0 0,0 9,2 5,3 26,1 0,0 50,0
utilidade pública 4,0 4,3 5,3 33,3 ### 32,3 5,3 13,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 50 23 76 15 1 65 19 23 22 2
Tabela F9 – Classificação e critério BOVESPA, cluster mercado, ano 2004
CLASSIFICAÇÃO BOVESPA – COM VARIÁVEIS DE TAMANHO, ANO 2004
Cluster índice
SETORES
1234567 8 9 10
bens industriais 13,8 26,4 0,0 7,5 6,3 10,5 0,0 0,0 0,0 100,0
construção e transporte 6,9 9,4 2,5 24,5 14,1 5,3 0,0 0,0 0,0 0,0
consumo cíclico 8,6 30,2 2,5 24,5 15,6 26,3 33,3 100,0 25,0 0,0
consumo não cíclico 3,4 15,1 10,0 7,5 7,8 5,3 0,0 0,0 25,0 0,0
financeiro e outros 3,4 1,9 17,5 18,9 29,7 21,1 66,7 0,0 25,0 0,0
materiais básicos 13,8 11,3 27,5 11,3 15,6 21,1 0,0 0,0 25,0 0,0
petróleo, gás e biocomb. 0,0 1,9 2,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0
tecnologia da informação 0,0 0,0 0,0 1,9 1,6 0,0 0,0 0,0 0,0 0,0
telecomunicações 10,3 0,0 17,5 3,8 4,7 0,0 0,0 0,0 0,0 0,0
utilidade pública 39,7 3,8 20,0 0,0 4,7 10,5 0,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 58 53 40 53 64 19 6 1 4 1
Tabela F10 – Classificação e critério BOVESPA, cluster mercado, ano 2004
CLASSIFICAÇÃO BOVESPA – COM VARIÁVEIS DE TAMANHO, ANO 2004
Cluster mercado
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 9,7 23,3 47,1 6,7 0,0 9,5 6,9 0,0 0,0 50,0
construção e transporte 11,3 26,7 11,8 5,3 0,0 14,3 15,5 0,0 0,0 0,0
consumo cíclico 30,6 30,0 5,9 13,3 0,0 38,1 12,1 0,0 0,0 0,0
consumo não cíclico 14,5 3,3 0,0 4,0 0,0 4,8 10,3 9,1 13,6 50,0
financeiro e outros 12,9 3,3 0,0 17,3 0,0 28,6 24,1 0,0 27,3 0,0
materiais básicos 12,9 13,3 17,6 17,3 0,0 0,0 13,8 36,4 27,3 0,0
petróleo, gás e biocomb. 0,0 0,0 0,0 0,0 0,0 0,0 1,7 9,1 0,0 0,0
tecnologia da informação 1,6 0,0 0,0 1,3 0,0 0,0 0,0 0,0 0,0 0,0
telecomunicações 1,6 0,0 0,0 8,0 0,0 4,8 5,2 36,4 13,6 0,0
utilidade pública 4,8 0,0 17,6 26,7 ### 0,0 10,3 9,1 18,2 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 62 30 17 75 1 21 58 11 22 2
137
Tabela F11 – Classificação e critério BOVESPA, cluster índice, ano 2005
CLASSIFICAÇÃO BOVESPA –C/VAR TAMANHO, ANO 2005
Cluster índice
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 6,7 20,3 16,7 7,6 0,0 0,0 12,9 0,0 0,0 100,0
construção e transporte 6,7 17,4 25,0 10,6 0,0 7,1 12,9 0,0 0,0 0,0
consumo cíclico 3,8 33,3 8,3 19,7 60,0 28,6 25,8 0,0 0,0 0,0
consumo não cíclico 8,6 10,1 0,0 9,1 0,0 7,1 9,7 0,0 0,0 0,0
financeiro e outros 16,2 10,1 16,7 21,2 20,0 28,6 6,5 0,0 100,0 0,0
materiais básicos 17,1 5,8 33,3 16,7 20,0 14,3 16,1 0,0 0,0 0,0
petróleo, gás e biocomb. 1,0 0,0 0,0 0,0 0,0 0,0 3,2 0,0 0,0 0,0
tecnologia da informação 0,0 0,0 0,0 0,0 0,0 7,1 6,5 0,0 0,0 0,0
telecomunicações 11,4 1,4 0,0 4,5 0,0 7,1 0,0 100,0 0,0 0,0
utilidade pública 28,6 1,4 0,0 10,6 0,0 0,0 6,5 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 105 69 12 66 5 14 31 1 2 1
Tabela F12 – Classificação e critério BOVESPA, cluster mercado, ano 2005
CLASSIFICAÇÃO BOVESPA –COM VARIÁVEIS DE TAMANHO, ANO 2005
Cluster mercado
SETORES
123 45678 9 10
bens industriais 13,7 18,2 13,1 0,0 2,7 0,0 11,1 0,0 17,1 0,0
construção e transporte 10,5 18,2 1,6 0,0 16,2 0,0 33,3 0,0 17,1 0,0
consumo cíclico 20,0 9,1 13,1 0,0 16,2 25,0 25,9 0,0 37,1 0,0
consumo não cíclico 10,5 18,2 3,3 0,0 10,8 0,0 3,7 14,3 8,6 0,0
financeiro e outros 15,8 18,2 19,7 0,0 2,7 62,5 18,5 21,4 8,6 0,0
materiais básicos 16,8 9,1 21,3 0,0 5,4 0,0 3,7 25,0 11,4 33,3
petróleo, gás e biocomb. 1,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 33,3
tecnologia da informação 1,1 0,0 1,6 0,0 2,7 0,0 0,0 0,0 0,0 0,0
telecomunicações 4,2 0,0 4,9 0,0 5,4 12,5 0,0 25,0 0,0 33,3
utilidade pública 6,3 9,1 21,3 100,0 37,8 0,0 3,7 14,3 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 95 11 61 1 37 8 27 28 35 3
Tabela F13 – Classificação e critério BOVESPA, cluster índice, ano 2006
CLASSIFICAÇÃO BOVESPA – COM VARIÁVEIS DE TAMANHO, ANO 2006
Cluster índice
SETORES
123456 7 8 9 10
bens industriais 12,2 5,5 20,9 7,7 2,1 7,7 100,0 0,0 0,0 0,0
construção e transporte 10,6 18,2 14,9 3,8 8,5 0,0 0,0 0,0 0,0 0,0
138
consumo cíclico 14,6 21,8 26,9 11,5 2,1 30,8 0,0 0,0 0,0 0,0
consumo não cíclico 10,6 9,1 6,0 11,5 10,6 7,7 0,0 0,0 100,0 0,0
financeiro e outros 16,3 25,5 3,0 19,2 14,9 38,5 0,0 100,0 0,0 0,0
materiais básicos 13,0 14,5 14,9 3,8 21,3 7,7 0,0 0,0 0,0 0,0
petróleo, gás e biocomb. 0,0 1,8 1,5 0,0 2,1 0,0 0,0 0,0 0,0 100,0
tecnologia da informação 2,4 0,0 1,5 7,7 0,0 0,0 0,0 0,0 0,0 0,0
telecomunicações 2,4 1,8 6,0 11,5 10,6 7,7 0,0 0,0 0,0 0,0
utilidade pública 17,9 1,8 4,5 23,1 27,7 0,0 0,0 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 1235567264713 1 1 1 1
Tabela F14 – Classificação e critério BOVESPA, cluster mercado, ano 2006
CLASSIFICAÇÃO BOVESPA – COM VARIÁVEIS DE TAMANHO, ANO 2006
Cluster mercado
SETORES
12345678 9 10
bens industriais 14,3 15,7 16,3 33,3 6,7 4,3 0,0 10,0 0,0 0,0
construção e transporte 0,0 9,8 16,3 33,3 6,7 10,9 0,0 20,0 0,0 0,0
consumo cíclico 28,6 14,7 23,3 0,0 13,3 6,5 0,0 34,0 14,3 0,0
consumo não cíclico 0,0 10,8 7,0 16,7 8,3 13,0 8,3 8,0 14,3 0,0
financeiro e outros 0,0 18,6 20,9 0,0 16,7 4,3 41,7 10,0 57,1 0,0
materiais básicos 0,0 14,7 7,0 16,7 13,3 15,2 25,0 16,0 0,0 50,0
petróleo, gás e biocomb. 0,0 1,0 2,3 0,0 0,0 0,0 0,0 0,0 14,3 50,0
tecnologia da informação 0,0 2,9 2,3 0,0 3,3 0,0 0,0 0,0 0,0 0,0
telecomunicações 14,3 2,9 2,3 0,0 5,0 15,2 8,3 2,0 0,0 0,0
utilidade pública 42,9 8,8 2,3 0,0 26,7 30,4 16,7 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 7 102 43 6 60 46 12 50 7 2
Tabela F15 – Classificação e critério BOVESPA, cluster índice, ano 2007
CLASSIFICAÇÃO BOVESPA – COM VAR TAMANHO, ANO 2007
Cluster índice
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 6,3 18,4 13,6 0,0 0,0 0,0 0,0 14,3 20,0 20,0
construção e transporte 4,2 12,6 19,7 0,0 22,2 55,6 11,4 14,3 0,0 20,0
consumo cíclico 7,4 16,1 33,3 11,1 33,3 0,0 2,9 22,9 20,0 20,0
consumo não cíclico 11,6 9,2 7,6 0,0 11,1 11,1 11,4 17,1 0,0 0,0
financeiro e outros 34,7 19,5 12,1 0,0 16,7 14,8 5,7 2,9 40,0 20,0
materiais básicos 12,6 14,9 9,1 0,0 16,7 3,7 28,6 11,4 0,0 20,0
petróleo, gás e biocomb. 0,0 2,3 0,0 0,0 0,0 0,0 2,9 2,9 0,0 0,0
tecnologia da informação 0,0 1,1 0,0 0,0 0,0 11,1 0,0 8,6 0,0 0,0
telecomunicações 4,2 4,6 0,0 5,6 0,0 3,7 17,1 0,0 20,0 0,0
utilidade pública 18,9 1,1 4,5 83,3 0,0 0,0 20,0 5,7 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 95 87 66 18 18 27 35 35 5 5
139
Tabela F16 – Classificação e critério BOVESPA, cluster mercado, ano 2007
CLASSIFICAÇÃO BOVESPA – COM VARIÁVEIS TAMANHO, ANO 2007
Cluster mercado
SETORES
1 2 3 4 5 6 7 8 9 10
bens industriais 6,8 13,6 17,2 20,0 5,0 6,3 0,0 0,0 0,0 0,0
construção e transporte 5,9 23,6 15,5 0,0 12,5 21,9 0,0 25,0 20,0 0,0
consumo cíclico 10,2 13,6 22,4 40,0 7,5 43,8 0,0 37,5 0,0 0,0
consumo não cíclico 8,5 11,8 10,3 0,0 17,5 6,3 7,7 0,0 0,0 0,0
financeiro e outros 23,7 14,5 12,1 0,0 7,5 18,8 38,5 37,5 60,0 0,0
materiais básicos 15,3 8,2 19,0 20,0 12,5 3,1 30,8 0,0 0,0 50,0
petróleo, gás e biocomb. 0,8 0,9 1,7 0,0 0,0 0,0 0,0 0,0 0,0 50,0
tecnologia da informação 1,7 4,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
telecomunicações 3,4 2,7 1,7 0,0 17,5 0,0 7,7 0,0 20,0 0,0
utilidade pública 23,7 6,4 0,0 20,0 20,0 0,0 15,4 0,0 0,0 0,0
TOTAL (%) 100 100 100 100 100 100 100 100 100 100
TOTAL CASOS 118 110 58 5 40 32 13 8 5 2
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
