Indicadores macroeconômicos e o coeficiente beta, do modelo CAPM, do setor industrial

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-Graduação em Administração, Florianópolis, 2016. === Made available in DSpace on 2016-12-20T03:16:50Z (GMT). No. of bitstreams: 1 342747.pdf: 5072816 bytes, checksum: 847a0dd951da71bb9241cfec858c...

Full description

Bibliographic Details
Main Author: Herling, Gabriel Moraes
Other Authors: Universidade Federal de Santa Catarina
Format: Others
Language:Portuguese
Published: 2016
Subjects:
Online Access:https://repositorio.ufsc.br/xmlui/handle/123456789/171721
Description
Summary:Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-Graduação em Administração, Florianópolis, 2016. === Made available in DSpace on 2016-12-20T03:16:50Z (GMT). No. of bitstreams: 1 342747.pdf: 5072816 bytes, checksum: 847a0dd951da71bb9241cfec858ca355 (MD5) Previous issue date: 2016 === A presente dissertação tem como objetivo avaliar o grau de correlação existente entre os principais indicadores econômicos do Brasil com o coeficiente beta, do modelo CAPM de custo de capital próprio, do setor industrial da BM&FBOVESPA no período de 2010 a 2015. Os indicadores econômicos analisados nesta pesquisa foram: Dólar Comercial Americano, o Produto Interno Bruto, a taxa Selic, a Inflação (IPCA) e a Produção Industrial (PIM-PF). Foram calculados os coeficientes betas de todas as empresas, do setor industrial, listadas na BM&FBOVESPA, para, através do cálculo do beta de uma carteira, calcular o coeficiente beta do setor industrial. Foram calculados os coeficientes betas para todos os meses do ano no período de 2010 a 2015. O coeficiente beta é um indicador que mede a sensibilidade de um ativo com relação as variações do mercado. Quanto mais próximo de zero for o valor do coeficiente beta, menor será sua sensibilidade à variação. A correlação entre o coeficiente beta e os indicadores foram medidos através do coeficiente de correlação linear de Pearson, onde quanto mais próximo de 1 ou -1, maior é a força da correlação entre as variáveis, e do coeficiente de determinação, que ajuda a explicar a variação de uma variável de acordo com a variação de outra variável. Foi realizado também o estudo de regressão linear simples e múltipla. Os resultados encontrados foram que dentre os cinco indicadores econômicos analisados, o Dólar Comercial Americano e o Produto Interno Bruto apresentaram correlação forte, sendo o dólar uma correlação negativa e o PIB uma correlação positiva, a taxa Selic e a Inflação ? IPCA apresentaram correlação negativa moderada e a Produção Industrial apresentou uma correlação positiva de moderada a fraca. Os estudos de regressão linear simples e múltipla não apresentaram um modelo adequado para predição do coeficiente beta do setor industrial.<br> === Abstract : This work aims to evaluate the degree of correlation between the main economic indicators in Brazil with the beta coefficient, the CAPM model of capital cost, the industrial sector of the BM & FBOVESPA in the period 2010 to 2015. The economic indicators analyzed in this research were: Commercial US Dollar, the Gross Domestic Product, the Selic rate, inflation (IPCA) and Industrial Production (PIM-PF). the beta coefficients were calculated for all companies in the industrial sector, listed on BM & FBOVESPA, for, through the beta calculation of a portfolio, calculate the beta coefficient of the industrial sector. the beta coefficients were calculated for each month of the year in the period 2010 to 2015. The beta coefficient is an indicator that measures the sensitivity of an asset in respect of market fluctuations. The closer to zero the value of the beta coefficient, the smaller is its sensitivity to variation. The correlation between the beta coefficient and the indicators were measured by the linear correlation coefficient of Pearson, where the closer to 1 or -1, the greater the strength of the correlation between the variables, and the coefficient of determination, which helps explain the variation of a variable according to variation in another variable. It was also carried out the study of simple and multiple linear regression. The results were that among the five economic indicators analyzed, the Commercial Dollar and the gross domestic product showed a strong correlation with the dollar is a negative correlation to GDP is a positive correlation, the Selic rate and inflation - IPCA had moderate negative correlation and Industrial Production showed a positive correlation of moderate to weak. The simple and multiple linear regression studies did not show an appropriate model for predicting the beta coefficient of the industrial sector.