RAE-Revista de Administração de Empresas (Journal of Business Management), 2019. V. 59, N. 4

1. PESQUISA E CONHECIMENTO V. 59, N. 4, Julho–Agosto 2019 www.fgv.br/rae 00594 ARTIGOS Modelo de precificação condicional com heteroscedasticidade: Avaliação de fundos brasileiros Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos Configurações de ecossistemas de empreendedorismo intensivo em conhecimento Andre Cherubini Alves | Bruno Fischer | Nicholas Spyridon Vonortas | Sérgio Robles Reis de Queiroz Marketing business-to-business: Análise da produção científica brasileira de 2008 a 2018 Renato Calhau Coda | Gustavo Henrique Carvalho de Castro Evidenciação voluntária: Análise empírica sobre o tom usado em audioconferências Felipe Ramos Ferreira | Diego Campana Fiorot | Fabio Yoshio Suguri Motoki | Nadia Cardoso Moreira PERSPECTIVAS Desafios atuais e caminhos promissores para a pesquisa em empreendedorismo Rose Mary Almeida Lopes | Edmilson Lima Evolução e tendências da agenda de pesquisa internacional em inovação Bibiana Volkmer Martins | Kadígia Faccin | Gustavo da Silva Motta | Roberto Bernardes | Alsones Balestrin RESENHA Trilhas, textos e contextos da liderança criativa Henrique Muzzio INDICAÇÃO BIBLIOGRÁFICA Diversidades, identidades e inclusão Eloisio Moulin de Souza

2. RAE-Revista de Administração de Empresas | FGV EAESP © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 ISSN 0034-7590; eISSN 2178-938X SUMÁRIO EDITORIAL 224 PARA COMEMORAR: NOVO FATOR DE IMPACTO DA RAE Something to celebrate: RAE's new impact factor Para celebrar: Nuevo factor de impacto de la RAE Maria José Tonelli ARTIGOS | ARTICLES | ARTÍCULOS 225 MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Conditional pricing model with heteroscedasticity: Evaluation of Brazilian funds Modelo de valoración condicional con heteroscedasticidad: Evaluación de fondos brasileños Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 242 CONFIGURAÇÕES DE ECOSSISTEMAS DE EMPREENDEDORISMO INTENSIVO EM CONHECIMENTO Configurations of knowledge-intensive entrepreneurial ecosystems Configuraciones de ecosistemas de emprendimiento intensivo en conocimiento Andre Cherubini Alves | Bruno Fischer | Nicholas Spyridon Vonortas | Sérgio Robles Reis de Queiroz 258 MARKETING BUSINESS-TO-BUSINESS: ANÁLISE DA PRODUÇÃO CIENTÍFICA BRASILEIRA DE 2008 A 2018 Business-to-business marketing: Brazilian scientific production from 2008 to 2018 Marketing business-to-business: Análisis de la producción científica brasileña desde 2008 hasta 2018 Renato Calhau Coda | Gustavo Henrique Carvalho de Castro 271 EVIDENCIAÇÃO VOLUNTÁRIA: ANÁLISE EMPÍRICA SOBRE O TOM USADO EM AUDIOCONFERÊNCIAS Voluntary disclosure: Empirical analysis of the tone used in conference calls Divulgación voluntaria: Análisis empírico del tono usado en conferencias telefónicas Felipe Ramos Ferreira | Diego Campana Fiorot | Fabio Yoshio Suguri Motoki | Nadia Cardoso Moreira PERSPECTIVAS | PERSPECTIVES | PERSPECTIVAS 284 DESAFIOS ATUAIS E CAMINHOS PROMISSORES PARA A PESQUISA EM EMPREENDEDORISMO Current challenges and promising avenues for entrepreneurship research Desafíos actuales y caminos prometedores para la investigación empresarial Rose Mary Almeida Lopes | Edmilson Lima 293 EVOLUÇÃO E TENDÊNCIAS DA AGENDA DE PESQUISA INTERNACIONAL EM INOVAÇÃO Evolution and trends of the international innovation research agenda Evolución y tendencias de la agenda internacional de investigación en innovación Bibiana Volkmer Martins | Kadígia Faccin | Gustavo da Silva Motta | Roberto Bernardes | Alsones Balestrin RESENHA | BOOK REVIEW | RESEÑA 308 TRILHAS, TEXTOS E CONTEXTOS DA LIDERANÇA CRIATIVA Paths, texts, and contexts of creative leadership Pistas, textos y contextos de liderazgo creativo Henrique Muzzio INDICAÇÃO BIBIOGRÁFICA | BOOK RECOMMENDATION | RECOMMENDACIÓN BIBLIOGRÁFICA 310 DIVERSIDADES, IDENTIDADES E INCLUSÃO Diversities, identities, and inclusion Diversidades, identidades e inclusión Eloisio Moulin de Souza

3. RAE-Revista de Administração de Empresas | FGV EAESP ISSN 0034-7590; eISSN 2178-938X EDITORIAL Maria José Tonelli Editora-chefe PARA COMEMORAR: NOVO FATOR DE IMPACTO DA RAE O Fator de Impacto (FI) da RAE-Revista de Administração de Empresas aumentou em indexadores internacionais como o Journal Citation Reports (JCR), Scopus, SciELO e Red Iberoamericana de Innovación y Conocimiento Científico (REDIB). No JCR, o aumento foi superior a 70%, de acordo com o último ranking divulgado pela Clarivate Analytics (junho de 2019), subindo de 0,404 (2017) para 0,701 (2018). O resultado classifica a RAE entre as 10 primeiras revistas do Brasil indexadas na base WoS/SSCI, que reúne os periódicos de Ciências Sociais. São números extremamente significativos quando consideramos que foram obtidos com a publicação de artigos majoritariamente em português até 2018, quando a RAE passou a ser bilíngue, publicando seus artigos em português e inglês, ou em espanhol e inglês. Indexada também no Scopus, da Elsevier, o CiteScore da RAE subiu de 0,49 (2017) para 0,80 (2018). Para calcular ovalor do CiteScore, é considerado o totalde citaçõesrecebidasem 2018, dividido pelo número de documentos publicados entre 2015 e 2017. No SciELO, o FI aumentou de 0,4286 (2017) para 0,6056 (2018), sendo o maior entre as revistas brasileiras de Administração de Empresas. Já no REDIB, o Qualificador Global da RAE é de 26.637, ocupando o primeiro lugar no ranking geral de Ciências Sociais, que inclui publicações do Brasil, México, Chile, Espanha e outros países. Esses avanços não seriam possíveis se não fosse o apoio dos autores que nos prestigiam com suas valiosas submissões e também com a citação de nossos artigos, além da colaboração inestimá- vel do Comitê de Política Editorial, do Corpo Editorial Científico e de todos os revisores que contribuem para o desenvolvimento dos artigos. Nosso profundo agradecimento a toda a comunidade científica, que torna a visibilidade da RAE possível. Agradecemos ao professor Eduardo Diniz, que, durante sua atuação como Editor-chefe, obteve a inclusão da RAE na base WoS/SSCI e levou seu impacto para o patamar de 0,408. Nossos agradecimentos também ao Editor-adjunto, Felipe Zambaldi, e a nossa equipe editorial: Ilda Fontes, Eldi Soares, Eduarda Pereira Anastacio, Denise Francisco Cândido, Andréa Cerqueira, Aline Santos e Rute Almeida, que ficam nos bastidores, mas sem as quais o espetáculo não seria possível. O JCR de 0,701 nos permite participar do cenário internacional de publicações acadêmicas em Administração, mas mantendo, ao mesmo tempo, a publicação em português, em sintonia com a missão da Fundação GetulioVargas, de contribuir para o desenvolvimento do nosso país. Agradecemos à FGV EAESP o suporte para a realização desse trabalho. Boa leitura! Maria José Tonelli1 ORCID: 0000-0002-6585-1493 1 Fundação Getulio Vargas Escola de Administração de Empresas de São Paulo, São Paulo, SP, Brasil 224 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 224 Versão original DOI: http://dx.doi.org/10.1590/S0034-759020190401

4. RAE-Revista de Administração de Empresas | FGV EAESP 225 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X ARTIGOS Submetido 15.05.2018. Aprovado 07.05.2019 Avaliado pelo sistema double blind review. Editora Científica: Fernanda Perobelli Versão traduzida DOI: http://dx.doi.org/10.1590/S0034-759020190402 MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Conditional pricing model with heteroscedasticity: Evaluation of Brazilian funds Modelo de valoración condicional con heteroscedasticidad: Evaluación de fondos brasileños RESUMO Os resultados empíricos na literatura demonstram que a versão condicional do Modelo de Precifica- ção de Ativos Financeiros (CAPM), particularmente no que se refere ao modelo na forma em espaço de estado, no qual o beta é estimado pelo filtro de Kalman, possui maior poder explicativo do que a sua versão incondicional. A maioria das análises empíricas na literatura baseia-se em portfólios de ações para explicar anomalias financeiras, porém poucos estudos propõem-se a melhorar a avaliação de desempenho de fundos de investimento. A principal contribuição deste artigo consiste em avaliar fundos de investimento brasileiros por meio de medidas tradicionais estimadas a partir do CAPM na forma em espaço de estado com erros heteroscedásticos e homoscedásticos e comparar seus resultados com modelos alternativos, tais como o CAPM incondicional e o modelo de quatro fatores. Utilizando uma amostra de fundos de ações, os resultados indicam que o modelo CAPM condicional produz melhores resultados do que os modelos alternativos, proporcionando melhores práticas de avaliação de desempenho em relação às habilidades de stock-picking e market-timing. PALAVRAS-CHAVE | Modelo de precificação de ativos financeiros condicional, filtro de Kalman, betas variantes no tempo, fundos de investimento, análise de performance. ABSTRACT Empirical studies have revealed that the conditional Capital Asset Pricing Model (CAPM) has a higher explanatory power than its unconditional version, particularly for the model in state-space form where the beta is estimated using Kalman filter. Most empirical analyses are based on stock portfolios to explain financial anomalies, but only a few studies proposed improving investment fund performance. The main contribution of this study is the assessment of Brazilian investment funds through traditional measures estimated from the CAPM model in state-space form with heteroscedastic and homoscedastic errors com- pared to alternative models, such as the unconditional CAPM and a four-factor model. Using a sample of stock funds from May 2005–April 2015, the results indicate that the conditional CAPM model produces better results than the alternative models, providing better performance evaluation practices for funds in both stock-picking and market-timing ability. KEYWORDS | Conditional Capital Asset Pricing Model, Kalman filter, time-varying betas, investment funds, performance analysis. RESUMEN Los resultados empíricos en la literatura revelan que la versión condicional del CAPM, particularmente con respecto al modelo en forma de espacio de estado, en el cual se estima beta mediante el filtro de Kalman, posee mayor poder explicativo que su versión incondicional. La mayoría de los análisis empíri- cos se basan en carteras de valores para explicar anomalías financieras, pero pocos estudios proponen mejorar el rendimiento de los fondos de inversión. La principal contribución de este estudio a la literatura es que lleva a cabo la evaluación de fondos de inversión a través de medidas condicionales generadas a partir del CAPM en forma espacio-estado con errores heteroscedásticos y homoscedásticos y que compara sus resultados con modelos alternativos, tales como CAPM incondicional, modelo de cuatro factores. Utilizando una muestra de fondos de acciones, los resultados indican que el modelo CAPM condicional produce mejores resultados que los modelos alternativos, proporcionando mejores prácticas de evaluación de desempeño en relación con las habilidades de stock-picking y market-timing. PALABRAS CLAVE | Modelo de valoración de activos de capital condicional, filtro de Kalman, betas variantes en el tiempo, fondos de inversión, análisis de rendimiento. LEANDRO SANTOS DA COSTA1 leandrosdcosta@gmail.com ORCID: 0000-0003-2183-8796 FRANCES FISCHBERG BLANK1 francesblank@puc-rio.br ORCID: 0000-0002-2022-4226 FERNANDO LUIZ CYRINO OLIVEIRA1 cyrino@puc-rio.br ORCID: 0000-0003-1870-9440 CRISTIAN ENRIQUE MUÑOZ VILLALOBOS2 crisstrink@gmail.com ORCID: 0000-0002-7563-8469 1 Pontifícia Universidade Católica do Rio de Janeiro, Departamento de Engenharia Industrial, Rio de Janeiro, RJ, Brasil 2 Pontifícia Universidade Católica do Rio de Janeiro, Departamento de Engenharia Elétrica, Rio de Janeiro, RJ, Brasil

5. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 226 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X INTRODUÇÃO Estudos empíricos têm demostrado as falhas do modelo de precificação de ativos financeiros (CAPM) por meio da obtenção de retornos consistentemente diferentes daqueles previstos pelo modelo. Desde o desenvolvimento dos modelos de fatores de Fama e French (1993) e Carhart (1997), vários estudos têm usado esses modelos na análise de desempenho de fundos de investimento para avaliar em que medida os retornos poderiam ser atribuídos a duas habilidades gerenciais principais: stock picking e market timing. Enquanto a primeira diz respeito à capacidade do gestor de selecionar os melhores ativos para um determinado nível de risco, o último refere-se à gestão do beta dos fundos em antecipação a movimentos futuros do mercado. Em geral, as evidências mostram que, depois de considerar todas as despesas com fundos, os gestores não têm habilidade de stock picking (Carhart, 1997; Elton, Gruber, & Blake, 2012; Fama & French, 2009). Os resultados são mais controversos para market timing, com alguns autores apontando para evidências de timing positivo (Bollen & Busse, 2001; Busse, 1999; Ferson & Schadt, 1996), enquanto muitos outros apontam para a falta dessa habilidade (Elton et al., 2012; Treynor & Mazuy, 1966). No Brasil, as conclusões sobre as habilidades dos gestores variam muito dependendo da amostra e do modelo proposto. Em geral, os resultados relatados são mais positivos do que os relatados pela literatura internacional (Borges & Martelanc, 2015). Utilizando o modelo de fator único e variações do CAPM, Rochman e Eid (2006) encontraram evidências de que fundos de ações têm desempenho superior ao mercado; Leusin e Brito (2008) encontraram alfas positivos e significativos, bem como evidência fraca para poucos gestores com habilidade de market timing; e Matos e Nave (2012) investigaram o fator persistência em fundos com melhor desempenho. Entretanto, Casaccia, Galli, Macêdo e Leitao (2011) não identificaram habilidades especiais nos gestores da sua amostra. Outros estudos sobre fundos brasileiros utilizando modelos fatoriais, em sua maioria, não identificaram habilidades gerenciais superiores. Castro e Minardi (2009) utilizaram o modelo de três fatores (Fama & French, 1993) e o modelo de quatro fatores (Carhart, 1997), juntamente com um quinto fator relacionado a market timing. Ao comparar fundos ativos e passivos, os autores não encontraram gestores com a habilidade de stock picking. Jordão e Moura (2011) analisaram uma extensa amostra utilizando o modelo de Carhart (1997) para analisar a habilidade de stock picking e o modelo de Treynor e Mazuy (1966) para analisar a habilidade de markettiming, e constataram que menos de 5% dos fundos apresentaram resultados positivos e significativos para tais habilidades. Nerasti e Lucinda (2016) investigaram a persistência do desempenho dos fundos de ações brasileiros fazendo uso de quatro modelos: o CAPM tradicional, o modelo de três fatores proposto por Fama e French (1993), o modelo de quatro fatores de Carhart (1997) e um modelo adicional agregando o fator de risco associado à liquidez dos ativos. Os autores não identificaram persistência de desempenho superior dos gestores brasileiros. Borges e Martelanc (2015) estimaram os alfas em uma amostra comparando fundos reais e fundos sintéticos usando o modelo de quatro fatores de Carhart (1997) e constataram que os gestores têm uma habilidade positiva de gerar retornos anormais, embora estes sejam modestos. Uma vez que os gestores assumem diferentes níveis de risco dependendo do tipo de fundo, evidências empíricas mostram que os fundos geralmente não mantêm níveis constantes de risco ao longo do tempo (Lee & Rahman, 1990; Mamaysky, Spiegel, & Zhang, 2008), o que destoa do pressuposto do CAPM incondicional e dos modelos fatoriais tradicionais. Portanto, uma modelagem mais cuidadosa da variação temporal do risco do fundo deverá resultar numa avaliação mais realista do seu desempenho. A versão condicional do CAPM foi desenvolvida para superar as limitações da versão estática tradicional. Existem três abordagens principais para modelar o comportamento dinâmico do beta: (i) modelar a função de distribuição condicional dos retornos como uma função explícita de variáveis condicionantes defasadas (Jagannathan & Wang, 1996; Lettau & Ludvigson, 2001), (ii) descrever a dinâmica do beta utilizando modelos de volatilidade condicionais ou estocásticos (Bodurtha & Mark, 1991; Bollerslev, Engle, & Wooldridge, 1988; Yu, 2002), (iii) utilizar modelos de espaço de estado em que a dinâmica beta é diretamente modelada como um processo estocástico (Adrian & Franzoni, 2009; Blank, Samanez, Baidya, & Aiube, 2014; Jostova & Philipov, 2005; Mergner & Bulla, 2008). Vários estudos têm indicado que a especificação CAPM condicional na forma em espaço de estado fornece estimativas mais precisas do beta do que as outras (Adrian & Franzoni, 2009; Faff, Hillier, & Hillier, 2000; Mergner & Bulla, 2008). Além disso, tais diferenças são mais pronunciadas nos dados diários do que nos dados mensais (Bollen & Busse, 2001). Um problema com os retornos financeiros é a dependência temporal de sua variância condicional – a presença de heteroscedasticidade. No entanto, a maioria dos estudos presumiu que os resíduos de CAPM condicionais são homoscedásticos, apesar de os testes empíricos constatarem alta heteroscedasticidade mesmo após o tratamento condicional do modelo (Mergner & Bulla, 2008). Ortas, Salvador e Moneva (2015) construíram a versão heteroscedástica do modelo CAPM condicional usando o algoritmo de filtro de Kalman, no qual os erros são modelados como um processo

6. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 227 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X autoregressivo heteroscedástico condicional generalizado (GARCH). Os resultados das análises interna (in-sample) e externa à amostra (out-of-sample) mostram que o modelo heteroscedástico supera o modelo homoscedástico. Considerando o contexto brasileiro, Tambosi, Garcia, Imoniana e Moreiras (2010) testaram um CAPM condicional incorporando variáveis macroeconômicas e financeiras e obtiveram aumento significativo do poder explicativo do modelo. Utilizando o CAPM condicional na forma em espaço de estado, Mazzeu, Costa e Santos (2013) observaram redução nos erros de preços utilizando o modelo beta variante no tempo em uma amostra de 13 ações no mercado brasileiro. Blank et al. (2014) prepararam carteiras de ações com base em book-to-market e características de valor de mercado e verificam que, quando o beta é modelado como passeio aleatório com variáveis condicionantes, os erros de apreçamento são reduzidos. Caldeira, Moura e Santos (2013) utilizaram uma abordagem semelhante ao combinarem uma matriz dinâmica de covariância condicional baseada em um modelo GARCH e os fatores de risco propostos por Carhart (1997) com coeficientes variantes no tempo. Os autores obtiveram resultados satisfatórios em comparação com modelos de referência. Alguns autores internacionais propõem a incorporação de dinâmicas temporais no risco sistemático. Ferson e Schadt (1996) analisaram uma amostra de fundos dos EUA com base em um modelo condicional em que os betas dos fundos dependem de variáveis defasadas e constataram que tanto o CAPM estático quanto o modelo de fator condicional produzem, na média, mais frequentementealfasnegativosdoquealfaspositivos.Osresultados mostram que o modelo condicional elimina qualquer evidência de timingnegativodosgestoresconstatadapelomodeloincondicional. Holmes e Faff (2008) compararam o CAPM condicional com base em variáveis defasadas com o CAPM condicional na forma em espaço de estado usando uma amostra de fundos australianos. Embora o primeiro modelo mostre a presença de habilidade de stock-picking, ela não é observada no modelo em espaço de estado. Da mesma forma, Mamaysky et al. (2008) encontraram o alfa e beta de uma grande amostra de fundos dos EUA. Suas previsões estimadas por meio do filtro Kalman são mais precisas do que as dos modelos comuns. Estudos brasileiros não utilizam modelos condicionais para analisar as habilidades dos gestores e não comparam esses modelos com abordagens tradicionais, como o CAPM incondicional e os modelos multifatoriais. Este artigo pretende preencher essa lacuna, tendo dois objetivos principais: (i) avaliar modelos de CAPM condicionais na forma em espaço de estado em uma amostra de fundos de ações brasileiros, usando o filtro Kalman com os erros da equação de regressão nas formas homoscedásticas (SS-HOM) e heteroscedásticas (SS-HET); e (ii) analisar como o uso de medidas tradicionais obtidas a partir do modelo CAPM condicional pode melhorar a prática atual de avaliação de desempenho dos fundos de investimento e as habilidades de stock picking e market timing dos gestores em comparação com modelos alternativos como o CAPM incondicional e o modelo de quatro fatores de Carhart (1997). Utilizando fundos brasileiros selecionados, os resultados mostram que a modelagem da estrutura heteroscedástica dos erros aumenta a capacidade condicional do CAPM de capturar a dinâmica temporal do alfa e beta dos fundos de investimento. Dada a superioridade dos modelos condicionais propostos, este estudo avalia o desempenho dos fundos de ações de 2 de maio de 2005 a 30 de abril de 2015. Evidências sugerem que a capacidade dos gestores para selecionar os melhores ativos está diretamente relacionada a uma valorização significativa no mercado de ações e que os gestores não têm a capacidade de antecipar períodos de valorização e queda no mercado. O restante deste artigo é organizado da seguinte forma. A próxima seção apresenta os modelos econométricos de precificação de ativos. Em seguida, analisa-se o desempenho dos modelos CAPM na forma em espaço de estado com resíduos homoscedásticos e heteroscedásticos na equação de observação. Depois, os modelos são aplicados empiricamente e, finalmente, as conclusões da pesquisa são apresentadas. MODELO E PROCEDIMENTO DE ESTIMATIVA O atrativo do CAPM, desenvolvido de forma independente por Sharpe (1964), Lintner (1965) e Mossin (1966), reside em sua simplicidade, onde o retorno esperado para um dado ativo é dado por: E Ri ⎡⎣ ⎤⎦ = βi E Rm ⎡⎣ ⎤⎦( ) (1) βi = cov Ri ,Rm ⎡⎣ ⎤⎦ var Rm ⎡⎣ ⎤⎦ (2) onde Ri e Ri são os retornos excedentes do ativo i e da carteira de mercado em relação ao ativo sem risco, respectivamente, e βi é uma medida de risco que não é eliminada por meio da diversificação, também conhecida como risco sistemático ou beta.

7. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 228 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X No entanto, uma limitação crítica do CAPM é a sua natureza estática. Em tal hipótese, a presença de anomalias poderia ser atribuída à dinâmica de variação temporal do beta que não é capturada pelo CAPM em sua forma original. Preservando a estrutura do modelo de um fator, diferentes modelos são usados para capturar o risco sistemático variante no tempo, com os modelos condicionais na forma espaço de estado geralmente provendo melhores resultados. O modelo descrito pelas equações (1) e (2) baseia-se em valores esperados e, por conseguinte, não é observável. É comumente testado em séries temporais usando medidas observáveis de retornos realizados. Assim, considerando um modelo clássico de regressão linear univariada Gaussiana, a versão condicional com alfa e beta variantes no tempo pode ser expressa como o modelo em estado de espaço dado pelas equações (3) a (5). Ri ,t =αi ,t + βi ,t Rm,t + ∈i ,t , ∈i ,t ~N 0,σ∈i 2 ( ),t =1,...n (3) αi ,t +1 =αi ,t +ϑi ,t , ϑi ,t ~N 0,σϑi 2 ( ) (4) βi ,t +1 = βi ,t +ηi ,t , ηi ,t ~N 0,σηi 2 ( ) (5) A equação (3) é conhecida como equação de observação e as (4) e (5) como equações de estado. Usualmente assume-se que os erros ϵi,t , ϑi,t , eηi,t são serialmente independentes e homoscedásticos. αi,t é conhecido como alfa de Jensen. O intercepto é estatisticamente considerado como sendo zero no CAPM, o que significa que o prêmio de risco de mercado ajustado pelo beta dos ativos seria suficiente para explicar os resultados observados. No entanto, se um gestor de carteira puder prever melhor os preços dos ativos, ele poderá obter retornos mais elevados do que os implícitos no modelo, e o alfa de Jensen poderia representar uma taxa de retorno incremental média da carteira pela unidade de tempo exclusivamente em função da habilidade do gestor. Em uma forma incondicional, a equação (3) seria estimada por mínimos quadrados ordinários (MQO) onde alfa e beta são constantes ao longo do tempo. Um processo de passeio aleatório descreve a dinâmica alfa e beta variante no tempo. Pizzinga e Fernandes (2006) apontaram três razões principais para justificar tal escolha: (i) parcimônia, (ii) simplicidade e (iii) possibilidade de mudanças gerenciais fundamentais ao longo do tempo devido à propriedade não estacionária. A especificação do modelo nas equações (3) a (5) permite a aplicação direta do filtro de Kalman para estimar tanto os parâmetros variantes no tempo como os parâmetros constantes (Adrian & Franzoni, 2009; Faff et al., 2000; Mergner & Bulla, 2008). Os parâmetros constantes são estimados especificamente por meio da decomposição do erro de previsão e maximização da função log-verossimilhança dada por: logL ψi( )= − n 2 log2π − 1 2 t =1 n log|Ft ψi( )|+ vt ψi( ) Ft ψi( ) ⎛ ⎝ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ ,∑ (6) onde ψi = σ∈,i 2 ,σϑ ,i 2 ,ση,i 2 ( ) é o vetor de hiperparâmetros do modelo; vt (ψi ) = Ri – E[Ri |Ωt-1, ψi ] e Ft (ψi ) = Var (vt (ψi )) são calculados por meio do filtro Kalman, conhecido respectivamente como erro de previsão um passo à frente e sua variância; e Ωt-1 ={R1 ,...,Rt-1 }. Neste estudo, vetores de estado βt e αt seguem processos de passeio aleatório, e a filtragem de Kalman é utilizada exatamente em sua forma difusa.

8. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 229 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X No entanto, os clusters de volatilidade, especialmente na série de retornos diários de ativos, refletem uma estrutura de variância condicional dependente do tempo que não é capturada pelo modelo descrito nas equações (3) a (5). Nesse contexto, Ortas et al. (2015) propõem uma versão heteroscedástica do modelo CAPM condicional estimada pelo algoritmo de filtro de Kalman, onde os erros da equação de regressão são modelados com variância condicional segundo um processo GARCH (1,1): ∈i ,t |Ωt −1 ~N 0,σ∈i ,t 2 ( ), Ωt −1 = {R1 ,...,Rt −1 } (7) σ∈i ,t 2 =ωi + ρ ∈i ,t −1 2 +γσ∈i ,t −1 2 , ωi >0,ρi ,γ i ≥0eρi +γ i <1 (8) O modelo estimado especificado nas equações (3) - (5) e (7) - (8) segue o procedimento iterativo proposto por Ortas et al. (2015). O processo maximiza uma função de log-verossimilhança parcial assumindo parâmetros médios constantes e, em seguida, maximiza uma função de log-verossimilhança parcial assumindo parâmetros de variância constante. Os parâmetros são estimados com base no algoritmo de filtro de Kalman. O procedimento alterna entre essas duas etapas até atingir a convergência. Dois modelos bem-estabelecidos na literatura de preços de ativos que são utilizados na análise de desempenho de fundos de investimento também são estimados para fins de comparação. O primeiro é o CAPM incondicional, testado na série temporal usando medidas observáveis de retornos realizados, estimadas a partir da equação (9). A estimativa é feita usando MQO com janelas móveis de 120 dias, o que é uma alternativa comumente usada na tentativa ad hoc de ajustar os coeficientes variantes no tempo do modelo. Rit =αi + βi Rmt( )+εit (9) onde εit é o termo de erro i.i.d., com E(εit ) e Var εit( )=σεi 2 . A segunda abordagem é o modelo de quatro fatores de Carhart (1997) dado pela equação (10). Ri ,t =αi + βiM RM ,t + βiS SMBt + βiH HMLt + βiW WMLt +εit (10) onde SMBt captura a anomalia de tamanho da empresa; HMLt captura a anomalia de razão book-to-market; eWMLt captura a anomalia de momento das ações. Mais uma vez, MQO é usado com janelas móveis de 120 dias para a estimativa. DESEMPENHO DO MODELO Esta seção analisa comparativamente o desempenho de modelos de CAPM condicionais na forma em espaço de estado em relação a erros homoscedásticos e heteroscedásticos na equação de observação e compara esses resultados com modelos já bem- estabelecidos na literatura. Dados Os dados deste estudo foram obtidos a partir da base de dados on-line da Quantum Axis. Foram selecionados os fundos classificados na categoria “Ações”, como “Ações Livres”, que apresentavam amostra completa do dia 5 de fevereiro de 2005 até o dia 30 de abril de 2015, totalizando 2.474 observações diárias para cada série. Esse período foi utilizado porque coincide com um período de desenvolvimento acelerado da indústria de fundos brasileira. Vale ressaltar que a amostra selecionada pode apresentar viés de sobrevivência, uma vez que compreende fundos que sobreviveram durante o período analisado. No entanto, estudos

9. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 230 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X têm demonstrado (Brown, Goetzmann, Ibbotson, & Ross, 1992; Carvalho, 2005) que a introdução de viés no resultado final das medidas de análise de desempenho é mínima, com viés positivo nos retornos médios de 0,2% a 0,8% ao ano. Ainda assim, de acordo com Milan e Eid (2014), a principal razão para o fim da maioria dos fundos de investimento brasileiros é a sua fusão com outros fundos, e não o mau desempenho. Tanto as quotas de fundos utilizadas como os índices de mercado foram ajustados para distribuição de dividendos, sendo líquidas das taxas cobradas pelos fundos. Utilizou-se o retorno aritmético como medida do retorno diário dos fundos, calculado com base no excesso de retorno em relação à taxa livre de risco. A Tabela 1 apresenta as principais estatísticas descritivas das séries de retorno diário. Os fundos são organizados em ordem decrescente de retorno total acumulado no período analisado. Um maior número de fundos selecionados indica um retorno positivo médio para o período. Os fundos mais mal colocados apresentam retornosnegativosmédios,oqueindicaquenãotiveramcapacidade de superar os ativos sem risco, uma vez que os resultados apresen- tadosse referem ao excesso de retorno. O teste Ljung-Boxaplicado ao quadrado dos retornos confirma a heteroscedasticidade das séries financeiras de retornos diários, uma vez que o valor estatís- tico do teste para todos os fundos rejeita a hipótese nula de que a autocorrelaçãodasérieéigualazeroaoníveldesignificânciade1%. Tabela 1. Estatísticas descritivas de séries de retorno de excesso de fundos Fundo Retorno Médio Desvio-Padrão LB² (6) Patrimônio Líquido Retorno Total Rm,t 0,018% 1,60% 1448,3¹ - 12,4% 1 0,042% 1,31% 1459,5¹ R$ 253.505,195 130,7% 2 0,040% 1,21% 932,0¹ R$ 223.226,073 123,2% 3 0,033% 1,17% 1735,4¹ R$ 96.507,324 89,5% 4 0,037% 1,53% 1789,2¹ R$ 48.425,162 86,0% 5 0,029% 1,17% 1827,4¹ R$ 141.638,916 74,9% 6 0,026% 0,89% 1709,2¹ R$ 12.462,034 74,2% 7 0,028% 1,19% 1072,0¹ R$ 213.115,019 68,7% 8 0,028% 1,27% 1651,3¹ R$ 47.754,743 62,5% 9 0,022% 0,95% 1458,1¹ R$ 16.210,743 54,7% 10 0,024% 1,16% 1503,6¹ R$ 167,.376,501 54,8% 11 0,029% 1,57% 1570,5¹ R$ 113.865,041 51,2% 12 0,021% 1,25% 1509,7¹ R$ 43.797,267 38,6% 13 0,022% 1,41% 1748,6¹ R$ 15.557,122 35,6% 14 0,013% 0,86% 38,9¹ R$ 112.662,732 27,0% 15 0,013% 1,27% 1416,7¹ R$ 56.117,911 13,1% 16 0,014% 1,42% 1535,5¹ R$ 5.893,538 11,2% 17 0,013% 1,43% 1895,6¹ R$ 208.973,148 6,7% 18 0,015% 1,58% 2052,1¹ R$ 148.715,381 5,2% 19 0,014% 1,61% 1855,1¹ R$ 19.162,430 2,9% 20 0,009% 1,36% 1339,5¹ R$ 7.459,161 0,3% 21 0,011% 1,82% 1193,8¹ R$ 122.802,719 -13,3% 22 -0,006% 1,07% 515,9¹ R$ 20.835,687 -25,7% 23 0,003% 1,80% 1408,1¹ R$ 6.339,762 -28,8% 24 -0,006% 1,33% 793,2¹ R$ 29.408,209 -31,3% 25 -0,002% 1,68% 1687,2¹ R$ 24.322,706 -32,4% continua

10. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 231 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X Fundo Retorno Médio Desvio-Padrão LB² (6) Patrimônio Líquido Retorno Total 26 -0,003% 1,80% 986,2¹ R$ 1.075,375 -37,8% 27 -0,006% 1,58% 1487,0¹ R$ 27.290,762 -37,6% 28 -0,005% 1,83% 1061,9¹ R$ 525.664,075 -41,3% 29 -0,012% 1,56% 1227,9¹ R$ 16.259,577 -45,1% 30 -0,013% 1,58% 1597,8¹ R$ 1.585,373 -46,7% 31 -0,013% 1,57% 1325,0¹ R$ 749,245 -47,0% 32 -0,036% 1,64% 1418,4¹ R$ 1.307,690 -70,9% 33 -0,042% 1,42% 907,9¹ R$ 2.354,023 -72,7% 34 -0,012% 2,89% 373,7¹ R$ 171.496,267 -73,9% 35 -0,040% 2,36% 102,4¹ R$ 2.532,896 -81,2% 36 -0,094% 2,24% 427,0¹ R$ 139,201 -94,7% Notas: ¹, ², ³ Significativo ao nível de 1%, 5% e 10%, respectivamente. Esta tabela mostra as estatísticas descritivas básicas dos retornos diários dos fundos de 2 de maio de 2005 a 30 de abril de 2015. JB é o teste de normalidade de Jarque- Bera. ADF é o teste Dickey – Fuller aumentado para raiz unitária. LB² é o teste Ljung-Box aplicado aos retornos quadrados. O número de “lags” é determinado de acordo com Tsay (2010): Ln 2474( )= 7.81 8. O retorno no período é calculado como o retorno acumulado para todo o período de amostragem. Tabela 1. Estatísticas descritivas de séries de retorno de excesso de fundos Estimativas do modelo Aqui analisamos as estimativas de parâmetros constantes do CAPM condicional na forma em espaço de estado com os resíduos da equação de observação, ϵi,t , sendo homoscedásticos (SS- HOM) nas equações (3) a (5) e heteroscedásticos (SS-HET) nas equações (3) a (5) e (7) e (8). Os resultados da estimativa de parâmetros constantes SS-HOM e SS-HET para cada um dos fundos da amostra são apresentados na Tabela 2. Como em outros estudos, observamos que os betas dos fundos parecem seguir um processo dinâmico variante no tempo, uma vez que os parâmetros ση,i 2 são estatisticamente diferentes de zero ao nível de significância de 1% em 34 dos 36 fundos amostrais. Em fundos de investimento, esse resultado é esperado, uma vez que as estratégias de previsão utilizadas pelos gestores e/ou a variação nos betas das ações que fazem parte de suas carteiras geram variações nos betas dos fundos.Vale ressaltar que as estimativas de parâmetros constantes são menores no modelo SS-HET do que no modelo SS-HOM. No que diz respeito à dinâmica variante no tempo do alfa de 26 fundos amostrais, é possível rejeitar a hipótese nula (σϑ ,i 2 para ser estatisticamente zero). No entanto, observa-se que suas estimativas estão próximas de zero. Isso sugere que o parâmetro alfa relacionado à habilidade de stock picking dos gestores varia gradualmente ao longo do tempo. Qualidade do ajuste e mensuração de modelos Os modelos SS-HOM e SS-HET discutidos na seção anterior são comparativamente avaliados nesta subseção. Usamos as seguintes medidas para testar a qualidade do ajuste: o critério de informação de Akaike (AIC), o critério de informação Bayesiano (BIC), o erro quadrático médio (RMSE) e o erro absoluto médio (MAE). Para os testes de diagnóstico residuais, utilizamos os testes Jarque-Bera (JB) e Ljung-Box (LB). A Tabela 3 mostra o AIC e o BIC para os modelos SS-HOM e SS-HET considerando todos os fundos da amostra. A maioria dos fundos, 26 dos 36, apresentam valores menores de AIC e BIC no modelo heteroscedástico do que no modelo homoscedástico, indicando que a abordagem da estrutura heteroscedástica de erros ϵt aumenta a capacidade do modelo CAPM condicional de capturar a dinâmica variante no tempo do alfa e beta dos fundos de amostra. Outras medidas utilizadas para a análise de poder explicativa são o RMSE e o MAE. Os retornos da previsão in-sample foram estimados para cada t de 2 de janeiro de 2006 a 30 de abril de 2015, totalizando 2.305 observações. Além dos resultados dos modelos SS-HOM e SS-HET, analisamos o desempenho do CAPM incondicional e do modelo de quatro fatores de Carhart (1997) utilizando MQO com janelas móveis de 120 dias. continuação

11. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 232 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X Considerando o objetivo explicativo, não preditivo, desta análise, para modelos CAPM condicionais em forma em espaço de estado estimados pelo algoritmo de filtro de Kalman, utilizam-se as versões suavizadas das variáveis de estado. A Tabela 4 mostra a média da amostra RMSE e MAE para cada modelo. Tabela 2. Estimativas dos modelos SS-HOM e SS-HET Fundo ϵi,t σ∈,i ,t 2 ση,t 2 σv ,t 2 LogL LB²(6) JB 1 HOM 4,0E-05¹ 6,9E-04¹ 1,9E-10¹ 8941,26 281,53¹ 3323,95¹ HET 4,1E-05 2,1E-04¹ 1,9E-11* 9163,68 5,29 385,77¹ 2 HOM 7,2E-05¹ 2,2E-03¹ 6,6E-09¹ 8177,76 105,21¹ 1656,05¹ HET 6,8E-05 1,0E-03¹ 2,2E-10¹ 8388,27 15,09³ 412,54¹ 3 HOM 3,0E-05* 4,2E-04* 2,8E-22* 9269,42 227,23¹ 143,37¹ HET 3,2E-05 4,3E-04* 6,4E-23* 9364,25 6,33 31,79¹ 4 HOM 3,2E-05¹ 4,3E-04¹ 1,2E-10¹ 9201,67 226,55¹ 5276,06¹ HET 3,4E-05 2,2E-04¹ 9,6E-11¹ 9370,53 29,16¹ 222,78¹ 5 HOM 2,4E-05¹ 5,4E-04¹ 1,6E-10¹ 9557,61 346,30¹ 9142,01¹ HET 2,3E-05 1,8E-04¹ 5,7E-11¹ 10226,79 27,89¹ 678,44¹ 6 HOM 1,5E-05¹ 5,1E-04¹ 1,5E-09¹ 10093,85 391,11¹ 4828,62¹ HET 1,6E-05 2,5E-04¹ 1,4E-10¹ 10325,09 22,07¹ 413,71¹ 7 HOM 6,2E-05¹ 5,2E-04¹ 2,2E-09* 8390,70 42,20¹ 1955,76¹ HET 5,5E-05 4,6E-04¹ 1,6E-10¹ 8558,32 6,37 916,44¹ 8 HOM 5,0E-05¹ 9,8E-04¹ 2,7E-10¹ 8633,61 220,74¹ 1600,70¹ HET 5,4E-05 3,2E-04¹ 2,4E-1¹ 8828,70 7,23 548,61¹ 9 HOM 3,0E-05¹ 3,2E-04¹ 6,5E-09¹ 9295,25 389,24¹ 2672,03¹ HET 3,2E-05 5,7E-05¹ 1,3E-09¹ 9313,95 19,41² 252,10¹ 10 HOM 3,0E-05¹ 5,9E-04¹ 5,7E-09¹ 9269,83 155,45¹ 15029,31¹ HET 3,4E-05 3,5E-04¹ 1,5E-10¹ 9403,12 14,70³ 1566,99¹ 11 HOM 6,1E-05¹ 5,3E-04¹ 1,8E-10¹ 8425,89 243,99¹ 1565,72¹ HET 6,5E-05 2,4E-04¹ 1,2E-12* 8364,22 18,19² 66,04¹ 12 HOM 2,6E-05¹ 2,1E-04¹ 4,7E-11¹ 9491,40 364,40¹ 14732,96¹ HET 2,5E-05 1,1E-04¹ 2,9E-11¹ 10055,05 23,00¹ 792,44¹ 13 HOM 2,8E-05¹ 8,6E-04¹ 3,1E-11¹ 9360,39 468,20¹ 660,44¹ HET 3,1E-05 4,1E-04¹ 1,3E-11¹ 9289,92 21,69¹ 64,22¹ 14 HOM 6,7E-05* 2,1E-04¹ 9,5E-09¹ 8313,37 30,02¹ 5783,80¹ HET 7,1E-05 1,6E-04¹ 6,3E-09¹ 8362,87 11,29 10156,94¹ 15 HOM 4,5E-05¹ 5,8E-04¹ 1,5E-18* 8795,09 118,35¹ 2725,92¹ HET 4,9E-05 3,0E-04¹ 7,0E-19* 8832,44 6,45 263,13¹ 16 HOM 4,7E-05¹ 1,0E-03¹ 1,1E-09¹ 8711,18 71,46¹ 7999,75¹ HET 5,0E-05 9,8E-04¹ 5,1E-10¹ 8804,96 22,47¹ 993,42¹ 17 HOM 3,8E-05¹ 6,3E-04¹ 1,0E-18* 8991,46 239,25¹ 6668,44¹ HET 3,9E-05 3,1E-04* 1,7E-20* 9106,42 13,97³ 395,98¹ 18 HOM 5,1E-05¹ 4,8E-04¹ 5,1E-09¹ 8643,48 351,34¹ 1132,51¹ HET 5,4E-05 2,4E-04¹ 1,3E-09¹ 8865,84 22,65¹ 220,01¹ continua

12. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 233 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X Fundo ϵi,t σ∈,i ,t 2 ση,t 2 σv ,t 2 LogL LB²(6) JB 19 HOM 3,2E-05¹ 2,5E-04¹ 4,7E-18 9216,70 780,17¹ 5222,83¹ HET 3,1E-05 2,4E-04¹ 1,9E-18¹ 9731,35 32,07¹ 203,54¹ 20 HOM 6,6E-05¹ 6,3E-04¹ 8,0E-09¹ 8313,00 239,70¹ 1040,05¹ HET 7,3E-05 6,3E-04¹ 3,4E-09¹ 8472,97 3,22 1038,71¹ 21 HOM 6,6E-05¹ 5,5E-04¹ 1,0E-18 8335,80 891,32¹ 1105,52¹ HET 6,8E-05 1,2E-04¹ 1,3E-18* 8836,12 120,66¹ 184,37¹ 22 HOM 6,4E-05¹ 8,8E-04¹ 9,1E-08¹ 8316,47 174,52¹ 1706,23¹ HET 7,4E-05 2,2E-04¹ 4,5E-08¹ 8171,99 10,3 502,16¹ 23 HOM 3,4E-05¹ 3,3E-04¹ 1,4E-10¹ 9140,05 700,00¹ 4847,10¹ HET 3,5E-05 3,4E-04¹ 7,1E-11¹ 9470,84 54,56¹ 136,66¹ 24 HOM 8,5E-05¹ 8,0E-03¹ 9,5E-09¹ 7904,87 408,83¹ 7857,83¹ HET 1,1E-04 3,7E-03¹ 1,9E-09¹ 7832,50 17,66² 1393,25¹ 25 HOM 3,4E-05¹ 4,5E-04¹ 7,1E-12* 9143,03 806,43¹ 3548,63¹ HET 3,6E-05 7,3E-04¹ 5,3E-11¹ 9729,34 21,05¹ 119,14¹ 26 HOM 7,2E-05¹ 4,0E-03¹ 7,4E-12¹ 8146,67 318,85¹ 427,95¹ HET 8,3E-05 2,4E-03¹ 1,8E-18¹ 8021,39 16,58² 94,87¹ 27 HOM 3,5E-05¹ 2,6E-04¹ 1,9E-11 9139,62 358,28¹ 6655,91¹ HET 3,5E-05 1,2E-04¹ 3,8E-19 9356,64 8,39 262,63¹ 28 HOM 7,9E-05¹ 4,9E-03¹ 4,8E-18* 8029,70 226,65¹ 186,25¹ HET 9,2E-05 3,1E-03¹ 1,2E-19* 7836,96 13,39³ 75,12¹ 29 HOM 3,8E-05¹ 6,9E-04¹ 1,8E-10¹ 9005,35 192,07¹ 15357,91¹ HET 3,8E-05 4,8E-04¹ 2,8E-10¹ 9278,35 33,24¹ 514,22¹ 30 HOM 3,7E-05¹ 4,4E-04¹ 4,1E-11 9045,65 702,41¹ 4383,64¹ HET 3,8E-05 3,7E-04¹ 1,1E-18* 9387,07 26,67¹ 117,59¹ 31 HOM 6,6E-05¹ 2,2E-04¹ 2,2E-09¹ 8340,41 149,95¹ 1229,98¹ HET 6,9E-05 3,3E-04¹ 2,1E-09¹ 8171,33 7,96 310,94¹ 32 HOM 5,8E-05¹ 7,2E-04¹ 1,2E-18² 8477,58 209,68¹ 7414,02¹ HET 5,9E-05 2,0E-04+ 6,5E-23* 8750,22 1,76 648,45¹ 33 HOM 6,0E-05¹ 5,3E-05¹ 1,3E-10¹ 8465,04 146,18¹ 19756,21¹ HET 6,1E-05 9,9E-05¹ 1,2E-10¹ 8573,00 3,86 35162,41¹ 34 HOM 8,0E-04 6,6E-05¹ 1,3E-16¹ 5293,45 372,73¹ 14620,96¹ HET 8,4E-04 2,2E-04¹ 2,7E-09¹ 5452,36 25,90¹ 5426,30¹ 35 HOM 4,2E-04¹ 2,0E-02¹ 2,0E-09¹ 5992,38 113,59¹ 1534487,60¹ HET 5,1E-04 2,7E-03¹ 3,9E-09¹ 6546,36 0,16 2104729,98¹ 36 HOM 4,5E-04* 6,4E-05¹ 6,5E-09¹ 5992,06 401,48¹ 13132,76¹ HET 4,8E-04 8,9E-06¹ 1,5E-09¹ 6243,57 9,43 8304,16¹ Notas: ¹, ², ³ Significativo ao nível de 1%, 5% e 10%, respectivamente; * Significância não medida pelo programa. A segunda coluna representa o pressuposto de resíduo ϵt da equação de observação (HOM: homoscedástico ou HET: heteroscedástico). As três colunas seguintes representam as estimativas de máxima verossimilhança da variância dos hiperparâmetros da equações de observação e das variáveis de estado . A variância do erro da equação de observação refere-se à variância incondicional de ϵt . LB² refere-se ao teste Ljung-Box aplicado aos resíduos quadrados padronizados dos modelos. O número de atrasos é determinado como em Tsay (2010): . JB refere-se aos testes de normalidade de Jarque-Bera. Tabela 2. Estimativas dos modelos SS-HOM e SS-HET continuação

13. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 234 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X Tabela 3. Medidas de qualidade do ajuste Fundo AIC BIC HOM HET HOM HET 1 -7,2241 -7,4048 -7,2124 -7,3954 2 -6,6069 -6,7779 -6,5952 -6,7685 3 -7,5046 -7,5822 -7,4928 -7,5728 4 -7,4347 -7,5720 -7,4229 -7,5626 5 -7,7224 -8,2642 -7,7107 -8,2548 6 -8,1559 -8,3436 -8,1442 -8,3342 7 -6,7928 -6,9294 -6,7810 -6,9200 8 -6,9896 -7,1484 -6,9778 -7,1390 9 -7,5103 -7,5262 -7,4986 -7,5168 10 -7,4898 -7,5983 -7,4780 -7,5889 11 -6,8075 -6,7585 -6,7958 -6,7491 12 -7,6689 -8,1253 -7,6571 -8,1159 13 -7,5630 -7,5068 -7,5512 -7,4974 14 -6,7301 -6,7711 -6,7184 -6,7616 15 -7,1060 -7,1370 -7,0942 -7,1276 16 -7,0381 -7,1148 -7,0264 -7,1054 17 -7,2647 -7,3585 -7,2530 -7,3491 18 -6,9834 -7,1640 -6,9717 -7,1546 19 -7,4468 -7,8637 -7,4351 -7,8543 20 -6,7299 -6,8602 -6,7181 -6,8508 21 -6,7347 -7,1400 -6,7229 -7,1306 22 -6,7191 -6,6031 -6,7073 -6,5937 23 -7,3848 -7,6531 -7,3731 -7,6437 24 -6,3863 -6,3286 -6,3746 -6,3192 25 -7,3873 -7,8620 -7,3755 -7,8526 26 -6,5818 -6,4813 -6,5700 -6,4719 27 -7,3845 -7,5607 -7,3727 -7,5513 28 -6,4872 -6,3322 -6,4755 -6,3228 29 -7,2759 -7,4975 -7,2642 -7,4881 30 -7,3085 -7,5853 -7,2968 -7,5759 31 -6,7384 -6,6025 -6,7267 -6,5931 32 -6,8493 -7,0705 -6,8375 -7,0611 25 -7,3873 -7,8620 -7,3755 -7,8526 26 -6,5818 -6,4813 -6,5700 -6,4719 27 -7,3845 -7,5607 -7,3727 -7,5513 28 -6,4872 -6,3322 -6,4755 -6,3228 29 -7,2759 -7,4975 -7,2642 -7,4881 30 -7,3085 -7,5853 -7,2968 -7,5759 31 -6,7384 -6,6025 -6,7267 -6,5931 32 -6,8493 -7,0705 -6,8375 -7,0611 33 -6,8530 -6,9413 -6,8412 -6,9319 34 -4,2752 -4,4045 -4,2635 -4,3951 35 -4,8402 -5,2889 -4,8285 -5,2795 36 -4,8400 -5,0441 -4,8282 -5,0347 Notas: AIC significa critério de informação Akaike e BIC significa critério de informação bayesiano. As medidas mais elevadas estão destacadas em negrito.

14. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 235 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X Os resultados da Tabela 4 mostram que a abordagem das janelas móveis pode ser melhorada ao considerarmos alfa e beta variantes no tempo uma vez que as medidas RMSE e MAE para os modelos SS-HOM e SS-HET foram inferiores ao CAPM e ao modelo de fatores. Assim, os resultados dos modelos condicionais são mais favoráveis que os resultados dos modelos de fatores. Isso mostra que, considerando o poder explicativo in-sample, a modelagem de alfa e beta variantes no tempo poderia trazer benefícios superiores à introdução de mais fatores de risco. Por outro lado, a comparação entre os modelos SS-HOM e SS-HET sugere uma preferência pelo modelo homoscedástico, com um menor RMSE e MAE na média. Do ponto de vista do poder explicativo do modelo, o modelo heteroscedástico em geral não parece gerar melhores resultados que o modelo homoscedástico. Tabela 4. Resultado consolidado da qualidade do ajuste in-sample dos 36 fundos da amostra Modelo RMSE MAE SS-HOM 8.00E-03 5.36E-03 SS-HET 8.15E-03 5.43E-03 CAPM 8.56E-03 5.77E-03 Factors model 8.37E-03 5.68E-03 Notas: Cada célula mostra a média de amostra RMSE e MAE para cada modelo. Testes diagnósticos residuais Osresultadosdostestesdiagnósticosresiduaissãoapresentadosna Tabela 2 e nascolunas7 e 8 para ostestesJB e LB, respectivamente. A hipótese de normalidade do resíduo padronizado para os modelosSS-HOMeSS-HETérejeitadaemtodososfundosanalisados pelotesteJB.Observa-seumareduçãonoúltimoemcomparaçãocom oprimeiro,emboraovalordaestatísticatparaomodeloSS-HETesteja distante dosvalores de uma distribuição padrão normal. O modelo SS-HOM não é capaz de capturar a heteroscedasticidade nos resíduos, uma vez que a hipótese nula de não autocorrelação dos resíduos padronizados ao quadrado é rejeitada em todos os fundos submetidos ao teste de LB. Por outro lado, essa hipótese não é rejeitada para os resíduos padronizados ao quadrado do modelo SS-HET em 14 dos 36 fundos amostrais. O achado de que 22 dos 36 fundos amostrais analisados ainda apresentam essa estrutura de dependência de resíduos padronizados do modelo SS-HET requer mais estudos. Portanto, analisamos os correlogramas de fundos que mostram persistentemente sinais de heteroscedasticidade nos resíduos do modelo SS-HET. A Figura 1 mostra dois exemplos dessa análise. Tal como acontece com todos os outros fundos não apresentados aqui, observa-se que, apesar de os valores de autocorrelação residual serem estatisticamente diferentes de zero, eles não são relevantes. Em comparação, a Figura 2 mostra os correlogramas dos resíduos padronizados do modelo SS-HOM para os mesmos fundos. Essa comparação mostra que o modelo SS-HET captura melhor a estrutura de dependência do tempo da variância da série de retorno considerando diminuição substancial da autocorrelação entre os resíduos. Uma vez que os modelos condicionais têm uma maior capacidade de se ajustarem aos dados da amostra, é razoável supor que a avaliação das medidas de desempenho obtidas a partir desse modelo possa melhorar a avaliação do desempenho real. CAPM CONDICIONAL NA ANÁLISE DOS FUNDOS DE AÇÕES BRASILEIROS Esta seção utiliza as medidas obtidas a partir dos modelos condicionais para analisar o desempenho das habilidades de stock picking e market timing dos gestores. Medidas de desempenho do fundo: Alfas condicionais A métrica usada aqui para comparar o desempenho do fundo é o intercepto αi,t das equações (3), (9) e (10), também conhecido como alfa de Jensen. Uma vez que o objetivo é estimar as medidas de avaliação de desempenho a partir dos impactos de diferentes modelos, construímos uma carteira igualmente ponderada com todos os fundos da amostra, de modo que os retornos da carteira em cada período fossem dados por retornos médios de todos os fundos no mesmo período. As estimativas de alfa da carteira para cada um dos modelos são apresentadas no Gráfico 1. Ao contrário da maioria dos estudos anteriores, que geralmente presumem a existência da habilidade de stock picking ao estimar o alfa em um determinado período, nosso modelo nos permite obter a estimativa alfa em cada instante do tempo, permitindo a análise da habilidade de stock picking dos gestores ao longo do tempo. Nesse sentido, observando o Gráfico 1, podemos concluir que a capacidade dos gestores para selecionar os melhores ativos está diretamente relacionada aos períodos de alta do mercado (2007-2008 e 2009-2010). Durante os períodos de queda do mercado (2008-2009), os gestores, em geral, entregam um excesso negativo de retorno aos seus investidores. Além disso, desde o pico de 2010, a habilidade de stock picking dos gestores diminuiu gradualmente, exibindo valores gerais negativos nos últimos anos da amostra.

15. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 236 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X Figura 1. Correlogramas dos quadrados dos resíduos padronizados para o modelo SS-HET Nota: Essa figura mostra os correlogramas dos resíduos padronizados do modelo SS-HET para os fundos 05 (esquerda) e 25 (direita). AC significa autocorrelação; PAC significa autocorrelação parcial. Figura 2. Correlogramas dos quadrados dos resíduos padronizados para o modelo SS-HOM Nota: Essa figura mostra os correlogramas dos resíduos padronizados do modelo SS-HOM para os fundos 05 (esquerda) e 25 (direita). AC significa autocorrelação; PAC significa autocorrelação parcial.

16. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 237 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X Gráfico 1. Estimativas de alfa para uma carteira igualmente ponderada para todos os fundos da amostra 0,20% 0,15% 0,10% 0,05% 0,00% -0,05% -0,10% -0,15% -0,20% Alfa SS-HOM 1/2/2006 1/2/2007 1/2/2008 1/2/2009 1/2/2010 1/2/2011 1/2/2012 1/2/2013 1/2/2014 1/2/2015 Alfa SS-HET Alfa CAPM Alfa Modelo de Fatores Nota: Essa figura mostra as estimativas pontuais de alfa do portfólio para os modelos SS-HOM, SS-HET, CAPM e fatores. Uma diferença substancial pode ser notada entre as estimativas de alfa de cada modelo, especialmente entre os modelos condicionais (SS-HOM e SS-HET) e os incondicionais (CAPM incondicional e modelo de fatores), sendo esses últimos consistentemente superiores aos primeiros em termos absolutos. Uma possível explicação para esse fenômeno é que o menor poder explicativo dos modelos incondicionais, confirmado pelas medidas RMSE e MAE, tende a superestimar os valores das estimativas do intercepto alfa. Assim, a variação temporal do beta dos fundos não seria capturado de maneira satisfatória com as estimativas de janelas móveis, sendo confundido com retornos anormais positivos ou negativos no CAPM e modelos de fatores. Isso significa que uma parte dos valores de alfa estimados pelos modelos incondicionais comumente utilizados não diz respeito à capacidade superior dos gestores, mas apenas uma incapacidade do modelo em capturar a variação temporal no beta do fundo. Assim, esses resultados indicam quatro questões relativas à habilidade de stock picking dos gestores: (1) a capacidade dos gestores de selecionar os melhores ativos pode estar diretamente relacionada com períodos de expansão do mercado de ações; (2) durante períodos de retração do mercado, a busca pelos gestores por ativos com potencial de valorização superior ao seu nível tem risco tem incorrido em retornos anormais negativos para os investidores; (3) os gestores têm consistentemente apresentado alfas negativos nos últimos anos da amostra; e (4) em geral, uma parcela dos valores alfa estimados pelos modelos incondicionais não se deve à habilidade de stock picking dos gestores, mas apenas à incapacidade do modelo de capturar adequadamente a variação temporal no beta. Medidas de desempenho de fundos: Betas condicionais Uma vez que a habilidade de market timing dos gestores está diretamente relacionada à análise de variação do beta de fundos ao longo do tempo, é preciso entender a evolução do beta estimado nos diferentes modelos. O Gráfico 2 mostra a série de betas para alguns dos fundos da amostra considerando os modelos SS-HOM e SS-HET. Observa-se uma série com menos ruídos nas estimativas de SS-HET do que nas de SS-HOM nos primeiros anos da amostragem, especialmente entre 2006 e 2008, período de considerável volatilidade do mercado causada pela crise financeira global de 2008. Uma investigação mais

17. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 238 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X aprofundada mostra que o desvio-padrão diário dos retornos dos fatores de mercado de 2006-2008 (2,04%) é superior ao de 2009-2015 (1,29%). De acordo com Ortas et al. (2015), uma estimativa com menos ruído com base no desempenho do modelo heteroscedástico ocorre porque a leptocurtose da distribuição incondicional de ϵi,t reduz a influência de outliers durante o processo de estimativa do beta. Em outras palavras, períodos de maior volatilidade seriam marcados por maiores diferenças nas estimativas de beta, como é observado no nosso caso. Gráfico 2. Estimativas de beta para fundos da amostra Nota: Essa figura mostra dois exemplos de estimativas pontuais de beta para o SS-HOM, SS-HET, CAPM e o modelo de fatores: o bloco esquerdo mostra estimativas do fundo 01 e o direito mostra estimativas do fundo 35 Em relação aos modelos condicionais e incondicionais, pode-se notar que os períodos em que beta cresce para o primeiro, em geral, são períodos de queda do beta para o último, e vice-versa. Uma vez que a estimativa para beta condicional em um determinado período é realizada condicionalmente nas informações para os períodos seguintes, as estimativas suavizadas geralmente antecipam as mudanças futuras na variável estimada. Para analisar a habilidade de market timing dos gestores, utilizou-se a abordagem de Holmes e Faff (2008), em que uma série diária de beta estimada por modelos condicionais e incondicionais é utilizada como variável dependente na regressão de fatores de mercado, conforme apresentado na seguinte equação: βi ,t k = constant +γ i k Rm,t +εi ,t (11) em que o i subscrito é o fundo de amostra analisado e o k sobrescrito é o modelo analisado; γ i k é o coeficiente de regressão, estimado pelo MQO; e Rm,t representa os rendimentos excedentes do fator de mercado. O gestor mostra a capacidade de previsão de mercado quando γ i k >0.If γ i k <0 o mesmo aumenta o beta durante a retração do mercado e diminuindo beta na expansão do mercado. Os resultados das estimativas de γ i k e seus p-valores são detalhados na Tabela 5. O uso de modelos condicionais SS-HOM e SS-HET revela mais fundos para os quais a habilidade de market timing dos gestores é negativa do que para os modelos CAPM e

18. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 239 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X fatores. Além disso, verificamos uma diminuição nos coeficientes médios dos fundos amostrais γ i k comparados aos modelos CAPM e fatores, que começam a apresentar valores substancialmente negativos para modelos condicionais. Esses resultados mostram que os modelos condicionais alteram a análise da capacidade de timing de mercado em comparação com os modelos CAPM e fatores, indicando que os gestores da amostra analisada não podem prever períodos de retrações ou expansões do mercado, agindo, na realidade, de forma contrária, isto é, aumentando sistematicamente o beta dos fundos durante as retrações do mercado e diminuindo durante as expansões. No entanto, não se observam diferenças significativas entre os resultados dos modelos SS-HOM e SS-HET. Tabela 5. Comparação de coeficientes de Market-timing γ i k para o CAPM condicional e o modelo de fatores SS-HOM SS-HET CAPM Modelo de fatores Painel A: estatísticas resumidas Número de casos positivos γ y k >0( ) 3 2 21 13 Número de casos negativos γ y k <0( ) 33 (8) 34 (6) 15 23 Painel B: coeficientes de correlação entre séries beta estimadas SS-HOM 0,9715 0,7560 0,6728 SS-HET 0,7812 0,6896 CAPM 0,8931 Notas: Os números entre parênteses representam resultados que são estatisticamente diferentes de zero ao nível de significância de 10%. O painel B mostra os coeficientes de correlação média da série beta para os 36 fundos da amostra. Um coeficiente negativo relacionado com a habilidade de market timing pede por explicações. De acordo com Ferson e Schadt (1996), um coeficiente negativo pode surgir quando um gestor tem a infeliz capacidade de prever o movimento do mercado na direção oposta. A correlação negativa entre o beta dos fundos e o retorno dos fatores de mercado também pode ser causada pelo fluxo de fundos de investimento: uma vez que investimentos significativos em fundos tendem a diminuir o seu beta, eles tendem a aumentar durante períodos de expansão do mercado. A explicação para a habilidade negativa de market timing dos gestores seria o fluxo significativo de investimentos durante a expansão do mercado. Além disso, o Painel B da Tabela 5 mostra que, em geral, existe uma forte correlação entre as estimativas de beta dos modelos condicionais. Essa poderia ser uma explicação para os resultados de market timing não apresentarem diferenças substanciais. Essa correlação diminui quando as estimativas dos modelos condicionais são analisadas em relação a outros modelos, os modelos condicionais e fatores. Isso poderia explicar os resultados de market timing apresentar diferenças mais significativas entre os diferentes modelos. CONCLUSÕES Os resultados obtidos neste estudo mostram que as medidas do modelo heteroscedástico de filtro de Kalman permitem uma melhor avaliação do desempenho dos fundos quanto à capacidade dos gestores em fundos de ações brasileiros em relação a stock picking e market timing do que os modelos tradicionais. Diferentemente de muitos artigos publicados ante- riormente, especialmente no contexto brasileiro, uma versão heteroscedástica do CAPM condicional é comparada com os resultados da versão homoscedástica do modelo e modelos alternativos, como o modelo de quatro fatores de Carhart (1997). Mantendo a estrutura do modelo de um fator, os resultados mostram que a modelagem da estrutura heteroscedástica dos resíduos aumenta a capacidade do modelo CAPM condicional de capturar a dinâmica temporal do alfa e beta dos fundos. Os modelos em espaço de estado também foram comparados em relação à qualidade do ajuste em relação ao CAPM incondicional e modelo de quatro fatores de Carhart (1997), ambos estimados com janelas móveis (rolling windows). Os resultados indicam a superioridade dos modelos condicionais

19. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 240 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X para todas as medidas de apreçamento utilizadas. Esses resultados sugerem que a variação no tempo de alfa e beta traz benefícios superiores à introdução de mais fatores de risco. Após a determinação da melhor qualidade do ajuste, as medidas condicionais de avaliação do desempenho do fundo de investimento foram estimadas. Podemos tirar quatro conclusões a respeito da capacidade de stock picking: (1) a capacidade dos gestores para selecionar melhor os ativos pode estar diretamente relacionada com períodos de expansões do mercado; (2) durante períodos de retrações do mercado, a procura dos gestores por melhores ativos com um potencial de valorização superior ao seu nível de risco conduz a retornos negativos anormais; (3) os gestores têm consistentemente apresentado alfas negativos nos últimos anos da amostra; e (4), de modo geral, parte dos valores de alfa estimados pelos modelos incondicionais não identifica gestores com habilidade de stock picking, mas apenas uma incapacidade do modelo para capturar adequadamente a variação temporal no beta. Em relação à habilidade de markettiming, os resultados indicam que os gestores da amostra analisada não só não têm capacidade de prever retrações ou expansões do mercado, como acabam fazendo exatamente o oposto, aumentando sistematicamente (diminuindo) os betas de fundos durante retrações (aumentos) do mercado. Novas possibilidades de pesquisa nessa área podem ser destacadas. Modelos híbridos combinando a abordagem do filtro de Kalman evariáveismacroeconômicasdefasadascomovariáveis condicionantespodemtrazermaisinformaçõessobreodesempenho dos gestores a partir de suas estratégias. Modelos multifatoriais heteroscedásticos no contexto de modelos de precificação condicionais com coeficientes variáveis no tempo podem trazer resultadosainda melhorestanto em termosde qualidade do ajuste quantodeprevisão.Issoseriaumpassoalémdodadoporesteartigo. Considerando especificamente a metodologia aqui apresentada e tendo em conta as diferentes aplicações potenciais dos métodos baseadosemfiltrosKalman,procedimentosequivalentespoderiam ser reproduzidose aplicadosa outrasáreasde estudo, em Finanças e Economia. Por fim, modelos mais sofisticados baseados em técnicas de aprendizado de máquina também podem ser uma rota de pesquisa nessa área. REFERÊNCIAS Adrian, T., & Franzoni, F. (2009). Learning about beta: Time-varying factor loadings, expected returns, and the conditional CAPM. Journal of Empirical Finance, 16(4), 537-556. doi:10.1016/j. jempfin.2009.02.003 Blank, F. F., Samanez, C. P., Baidya, T. K. N., & Aiube, F. A. L. (2014). CAPM condicional: Betas variantes no tempo no mercado brasileiro. Revista Brasileira de Finanças, 12(2), 163-199. BodurthaJ.N.,&Mark,N.(1991).TestingCAPMwithtime-varyingrisksand returns. Journal of Finance, 46(4), 1485-1505. doi:10.2307/2328868 Bollen, N., & Busse, J. (2001). On the timing ability of mutual fund managers. The Journal of Finance, 56(3), 1075-–1094. doi:10.1111/0022-1082.00356 Bollerslev, T., Engle, R.F., & Wooldridge, J. M. .(1988.). A capital asset pricing model with time-varying covariances. Journal of Political Economy, 96(1), 116-131. Borges, E. C., & Martelanc. (2015). Sorte ou habilidade: Uma avaliação dos fundos de investimento no Brasil. Revista de Administração, 50(2), 196-–207. doi:10.5700/rausp1194 Brown, S. J., Goetzmann, W., Ibbotson, R. G. & Ross, S. A. (1992). Survivorship bias in performance studies. The Review of Financial Studies, 5(4), 553-–580. Busse, J. A. (1999). Volatility timing in mutual funds: Evidence from daily returns. Review of Financial Studies, 12(5), 1009–1041. doi:10.1093/ rfs/12.5.1009 Caldeira, J. F., Moura, G. V. & Santos, A. P. (2013). Seleção de carteiras utilizando o modelo Fama-French-Carhart. Revista Brasileira de Economia, 67(1), 45-65. doi:10.1590/S0034-71402013000100003 Carhart, M. M. (1997). On persistence in mutual fund performance. The Journal of Finance, 52(1), 57-82. doi:10.2307/2329556 Carvalho, M. R. A. (2005). Avaliação de desempenho de fundos multimercado: Resultados passados podem ser utilizados para definir uma estratégia de investimento? Revista de Economia e Administração, 4(3), 367-–387. Casaccia, M. C., Galli, O. C., Macêdo, G. R., & Leitao, C. (2011). Análise do desempenho de fundos de investimentos: Um estudo em ações brasileiras no período de janeiro de 2004 a agosto de 2009. Revista Organizações em Contexto, 7(13), 1-–30. doi:10.15603/1982-8756/ roc.v7n13p1-30 Castro, B., & Minardi, A. (2009). Comparação do desempenho dos fundos de ações ativos e passivos. Revista Brasileira de Finanças, 7(2), 143-–161. Elton, E. J., Gruber, M. J., & Blake, C. R. (2012). An examination of mutual fund timing ability using monthly holdings data. Review of Finance, 16(3), 619-645. doi:10.1093/rof/rfr007 Faff, R. W., Hillier, D., & Hillier, J. (2000). Time varying beta risk: An analysis of alternative modelling techniques. Journal of Business Finance & Accounting, 27(5–6), 523-554. doi:10.1111/1468- 5957.00324 Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 33(1), 3-56. doi:10.1016/0304-405X(93)90023-5 Fama, E., & French, K. (2009). Luck versus skill in the cross-section of mutual fund returns. Journal of Empirical Finance, 65(June), 1915- 1947. Ferson, W. E., & Schadt, R. W. (1996). Measuring fund strategy and performance in changing economic conditions. Journal of Finance, 51(2), 425-461. doi:10.2307/2329367

20. ARTIGOS | MODELO DE PRECIFICAÇÃO CONDICIONAL COM HETEROSCEDASTICIDADE: AVALIAÇÃO DE FUNDOS BRASILEIROS Leandro Santos da Costa | Frances Fischberg Blank | Fernando Luiz Cyrino Oliveira | Cristian Enrique Muñoz Villalobos 241 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 225-241 ISSN 0034-7590; eISSN 2178-938X Holmes, K. A., & Faff, R. (2008). Estimating the performance attributes of Australian multi-sector managed funds within a dynamic Kalman filter framework. International Review of Financial Analysis, 17(5), 998-1011. doi:10.1016/j.irfa.2008.05.001 Jagannathan, R., & Wang, Z. (1996). The conditional CAPM and the cross-section of expected returns. The Journal of Finance, 51(1), 3-53. doi:10.2307/2329301 Jordão, G. A., & de Moura, M. L. (2011). Performance analysis of Brazilian hedge funds. Journal of Multinational Financial Management, 21(3), 165-176. doi:10.1016/j.mulfin.2011.02.002 Jostova, G., & Philipov, A. (2005). Bayesian analysis of stochastic betas. The Journal of Financial and Quantitative Analysis, 40(4), 747-–778. Lee, C. F.., & Rahman, S. (1990). Market timing, selectivity, and mutual fund performance: An empirical investigation. The Journal of Business, 63(2), 261-–278. Lettau, M., & Ludvigson, S. (2001). Resurrecting the (C)CAPM: A cross- sectional test when risk premia are time-varying. Journal of Political Economy, 109(6), 1238-1287. doi:10.1086/323282 Leusin, L. de M.., & Brito, R. D. (2008). Market timing e avaliação de desempenhodosfundosbrasileiros.RAE-RevistadeAdministraçãode Empresas, 48(2), 22-–36. doi:10.1590/S0034-75902008000200003 Lintner, J. (1965). The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets. The Review of Economics and Statistics, 47(1), 13-37. doi:10.2307/1924119 Mamaysky, H., Spiegel, M., & Zhang, H. (2008). Estimating the dynamics of mutual fund alphas and betas. Review of Financial Studies, 21(1), 233-264. Matos, P., & Nave, A. (2012). Fundos de investimento em ações no Brasil: Performance e expertise de gestão. Brazilian Business Review, 9(Especial), 1-–38. Mazzeu, J. H. G., Da Costa Júnior, N. C. A. Da. & Santos, A. A. P. (2013). CAPM condicional com aprendizagem aplicado ao mercado brasileiro de ações. RAM-Revista de Administração Mackenzie, 14(1), 143-175. doi:10.1590/S1678-69712013000100007 Mergner, S., & Bulla, J. (2008). Time-varying beta risk of Pan-European industry portfolios : A comparison of alternative modeling techniques. The European Journal of Finance, 14(8), 37-41. doi:10.1080/13518470802173396 Milan, P. L. A. B., & Eid, W. (2014). Elevada rotatividade de carteiras e o desempenho dos fundos de investimento em ações. Revista Brasileira de Finanças, 12(4), 469-–497. Mossin, J. (1966). Equilibrium in a capital asset market. Econometrica, 34(4), 768-–783. doi:10.2307/1910098 Nerasti, J. N., & Lucinda, C. R. (2016). Persistência de desempenho em fundos de ações no Brasil. Revista Brasileira de Finanças, 14(2), 269- –297. Ortas, E., Salvador, M., & Moneva, J. M. (2015). Improved beta modeling and forecasting: An unobserved component approach with conditional heteroscedastic disturbances. North American Journal of Economics and Finance, 31, 27-51. doi:10.1016/j.najef.2014.10.006 Pizzinga, A., & Fernandes C. (2006). State space models for dynamic style analysis of portfolios. Revista de Econometria, 26(1), 31-66. doi:10.12660/bre.v26n12006.2497 Rochman, R., & Eid, W. (2006). Fundos de investimento ativos e passivos no Brasil: Comparando e determinando seus desempenhos. Artigo apresentado no XXX Encontro da ANPAD, Salvador, BA. Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. The Journal of Finance, 19(3), 425-–442. doi:10.2307/2977928 Tambosi Filho, E., Garcia, F. G., Imoniana, J. O., & Moreiras, L. M. F. (2010). Teste do CAPM condicional dos retornos de carteiras dos mercados brasileiro, argentino e chileno, comparando-os com o mercado norte-americano. RAE-Revista de Administração de Empresas, 50(1), 60-74. doi:10.1590/S0034-75902010000100006 Treynor, J. L.., & Mazuy, K. K. (1966)). Can mutual funds outguess the market? Harvard Business Review, 131-136. Tsay, R. S. (2010). Analysis of Financial Time Series. John Wiley. Yu, J. (2002). Forecasting volatility in the New Zealand stock market. Applied Financial Economics, 12(3), 193-202. doi:10.1080/09603100110090118

21. RAE-Revista de Administração de Empresas | FGV EAESP 242 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 242-257 ISSN 0034-7590; eISSN 2178-938X ANDRE CHERUBINI ALVES1 andre.alves82@gmail.com ORCID: 0000-0002-4222-5334 BRUNO FISCHER2 bfischer@unicamp.br ORCID: 0000-0003-3878-9097 NICHOLAS SPYRIDON VONORTAS3 vonortas@gwu.edu ORCID: 0000-0002-6745-4926 SÉRGIO ROBLES REIS DE QUEIROZ1 squeiroz@ige.unicamp.br ORCID: 0000-0002-6534-9022 1 Universidade Estadual de Campinas, Departamento de Política Científica e Tecnológica, Campinas, SP, Brasil 2 Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas, Limeira, SP, Brasil 3 The George Washington University, Institute for International Science and Technology Policy, Department of Economics, Washington, DC, Estados Unidos da América ARTIGOS Submetido 31.07.2018. Aprovado 04.06.2019 Avaliado pelo sistema double blind review. Editora Científica convidada: Yeda Swirski de Souza Versão traduzida DOI: http://dx.doi.org/10.1590/S0034-759020190403 CONFIGURAÇÕES DE ECOSSISTEMAS DE EMPREENDEDORISMO INTENSIVO EM CONHECIMENTO Configurations of knowledge-intensive entrepreneurial ecosystems Configuraciones de ecosistemas de emprendimiento intensivo en conocimiento RESUMO O discurso dominante sobre os ecossistemas de empreendedorismo (EE) enfatiza o perfil de algumas localidades com histórico reconhecido de sucesso. Isso tem dificultado uma compreensão mais profunda dos mecanismos econômicos que moldam as tendências evolutivas na atividade empreendedora e como elas operam em lugares distintos. Nós propomos que esses ecossistemas possuem regularidades, mas elas também podem assumir diferentes configurações. Por meio de técnicas de fuzzy-set Qualitative Comparative Analysis (QCA), abordamos essa questão com dados do estado de São Paulo. Esta pesquisa se concentra em cinco dimensões dos ecossistemas de empreendedorismo: ciência e tecnologia, capital humano, dinâmica de mercado, dinâmica dos negócios e infraestrutura. Os resultados apontam para a natureza relativamente heterogênea dos ecossistemas. Não obstante, as universidades de pesquisa, a intensidade de empregos intensivos em conhecimento e a disponibilidade de crédito se apresentam como condições fundamentais. A proximidade ao principal centro econômico aparece como um diferencial importante entre os ecossistemas. PALAVRAS-CHAVE | Ecossistemas de empreendedorismo, empreendedorismo intensivo em conhecimento, qualitative comparative analysis, configurações, geografia da inovação. ABSTRACT The dominant discourse on Entrepreneurial Ecosystems (EE) remains focused on the profile of a handful of successful locations. This has hindered a deeper comprehension of the economic mechanisms that shape evo- lutionary trends in entrepreneurial activity and how they operate in distinct places. We propose that EE have regularities, but they can also assume different configurations, i.e., varying combinations of influential dimensions. Through fuzzy set qualitative comparative analysis, we address this issue with data from the State of São Paulo, Brazil. This research focuses on five EE dimensions: Science & Technology, Human Capital, Market Dynamics, Business Dynamics, and Infrastructure. Findings point at the heterogeneous nature of EE distributed in three different paths. While configurations’ vary in terms of causal conditions, research universities, knowledge-intensive jobs and wider credit operations are core-causal conditions. Proximity to the main economic hub appears as a key differentiator among ecosystems. KEYWORDS | Entrepreneurial ecosystems, knowledge-intensive entrepreneurship, qualitative comparative analysis, configurations, geography of innovation. RESUMEN El discurso dominante respecto a los Ecosistemas de emprendimiento (EE) pone énfasis en el perfil de algu- nas localidades con reconocido historial de éxito. Esto ha dificultado una comprensión más profunda de los mecanismos económicos que moldean las tendencias evolutivas en la actividad emprendedora y cómo ellas operan en lugares distintos. Partimos de la proposición de que estos ecosistemas tienen regularidades, pero también pueden asumir diferentes configuraciones. A través de técnicas de fuzzy-set Qualitative Comparative Analysis, abordamos el caso del Estado de São Paulo, Brasil, enfocando cinco dimensiones de los Ecosiste- mas de emprendimiento: Ciencia y Tecnología, Capital Humano, Dinámica de Mercado, Dinámica de Negocios e Infraestructura. Los resultados apuntan a la naturaleza relativamente heterogénea de los ecosistemas. No obstante, las universidades de investigación, la intensidad de empleos intensivos en conocimiento y la dispo- nibilidad de crédito son condiciones fundamentales. La proximidad del principal centro económico representa un aspecto diferencial importante entre los ecosistemas. PALABRAS CLAVE | Ecosistemas de emprendimiento, emprendimientos intensivos en conocimiento, qualitative comparative analysis, configuraciones, geografía de la innovación.

22. ARTIGOS | CONFIGURAÇÕES DE ECOSSISTEMAS DE EMPREENDEDORISMO INTENSIVO EM CONHECIMENTO Andre Cherubini Alves | Bruno Fischer | Nicholas Spyridon Vonortas | Sérgio Robles Reis de Queiroz 243 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 242-257 ISSN 0034-7590; eISSN 2178-938X INTRODUÇÃO O empreendedorismo intensivo em conhecimento (EIC) é um fenômeno que impulsiona a competitividade econômica e as capacidades de inovação (Ács, Autio, & Szerb, 2014). No entanto, tem recebido pouca atenção em estudos que tratam sobre abordagens de sistemas de inovação. A influência do contexto sobre a atividade empreendedora ainda é muitas vezes ignorada, com estudos focando primordialmente agentes individuais ou empresas (Borissenko & Boschma, 2016; Stam, 2015). Como resultado, ainda se está longe de uma compreensão aprofundada das questões relacionadas ao surgimento de novas empresas de base tecnológica e seus determinantes sistêmicos (Audretsch, 2012). O que se sabe, no entanto, é que o EIC está distribuído de modo desigual pelos territórios devido à heterogeneidade local em termos de conhecimento, instituições, recursos e demanda (Isaksen & Trippl, 2017). Como consequência, observamos uma concentração geográfica de atividades econômicas (Florida, 2005). Além disso, evidências sugerem que os impactos da atividade empreendedora são sentidos principalmente em nível regional (Ács & Armington, 2004), fazendo dos ecossistemas de empreendedorismo (EEs) um tema-chave para pesquisadores e formuladores de políticas (Audretsch & Belitski, 2017; Borissenko & Boschma, 2016). O fato de o EIC estar enraizado em contextos locais (Alvedalen & Boschma, 2017) apresenta desafios para analistas e formuladores de políticas já que iniciativas e modelos analíticos pensados de maneira generalizada podem ser considerados inadequados para a maioria dos locais – embora o discurso dominante continue enfatizando o perfil de alguns EEs bem- sucedidos (Nicotra, Romano, Giudice, & Schillaci, 2018; Stam, 2015). Nesse sentido, os mecanismos econômicos que moldam as tendências evolutivas do empreendedorismo não são lineares e operam de modo diferente em distintas localidades (Ács, Stam, Audretsch, & O’Connor, 2017; Brown & Mason, 2017; Boschma & Martin, 2010). Dessa forma, uma abordagem mecanicista dos EEs – baseada numa lógica insumo-produto – pode desconsiderar os traços específicos do contexto das regiões e das suas respectivas interações (Feldman, 2001). Neste artigo, propomos que os EEs podem ter regularidades, mas também podem assumir diferentes configurações, ou seja, diferentes combinações de dimensões influentes que podem gerar resultados semelhantes em termos de intensidade de empreendedorismo. Isso depende da trajetória evolutiva de cada local. As nossas perguntas orientadoras de pesquisa podem ser enunciadas da seguinte forma: Existem diferentes configurações de vetores de interesse que moldam EEs bem-sucedidos? Quais são os principais “ingredientes” dessas combinações? A partir de diferentes vertentes da literatura abordando a dinâmica dos locais de negócio, examinamos um amplo conjunto de variáveis, a fim de identificar os diferentes padrões fundamentais por trás dos EEs. Como caso concreto, avaliamos o estado de São Paulo, Brasil. Abordamos o EIC por meio de dados de projetos do Pesquisa Inovativa em Pequenas Empresas (PIPE), um programa financiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) que apoia iniciativas inovadoras de pequenas empresas. O nosso objetivo é adquirir mais conhecimento sobre a geografia evolutiva da inovação e do empreendedorismo no contexto de um país em desenvolvimento, reconhecendo as substanciais discrepâncias que esses países apresentam em relação às economias desenvolvidas quando se trata da geografia do empreendedorismo (Crescenzi & Rodríguez-Pose, 2012). O método empírico aplicado é a fuzzy sets Qualitative Comparative Anaysis (QCA). Foram avaliados dados de uma amostra de 299 municípios do estado de São Paulo. O exercício analítico se centrou em cinco dimensões como condições causais para o surgimento de EEs, a saber: ciência e tecnologia, capital humano, dinâmica de mercado, dinâmica de negócios e infraestrutura. Os resultados mostram trajetórias distintas e diferentes configurações, sugerindo a existência de padrões heterogêneos em EEs. No entanto, um núcleo comum é percebido entre as diferentes configurações, envolvendo principalmente o ambiente científico e tecnológico, a disponibilidade de capital humano e a dinâmica do mercado local. O artigo está estruturado da seguinte forma: partimos do embasamento conceitual de nossa avaliação, bem como de nossa proposta de um modelo analítico viável para o caso do estado de São Paulo. Em seguida, é discutida a literatura existente e a necessidade de uma compreensão mais flexível das configurações dos EEs. Em seguida, são delineados o método e os dados utilizados na pesquisa e os resultados empíricos. Finalmente, fazemos algumas considerações finais, apresentando implicações e direcionamentos para pesquisas futuras. Ecossistemas de empreendedorismo intensivos em conhecimento: Bases conceituais As regiões têm diferentes propensões para estabelecer atividades de EIC (Florida, 2005). Os padrões resultantes se reforçam ao longo do tempo uma vez que a proximidade geográfica funciona como um vetor fundamental para a troca de conhecimento

23. ARTIGOS | CONFIGURAÇÕES DE ECOSSISTEMAS DE EMPREENDEDORISMO INTENSIVO EM CONHECIMENTO Andre Cherubini Alves | Bruno Fischer | Nicholas Spyridon Vonortas | Sérgio Robles Reis de Queiroz 244 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 242-257 ISSN 0034-7590; eISSN 2178-938X (Alvedalen & Boschma, 2017). Essas condições colocam uma ênfase significativa no contexto local como determinante para o surgimento de EICs, levando o foco analítico para além da mera compreensão das capacidades no nível da empresa (Ács et al., 2014; Audretsch & Belitski, 2017; Mason & Brown, 2014). Foi reconhecendo essas características do ambiente socioeconômico que o conceito de EEs ganhou espaço nos últimos anos. OS EEs representam o “conjunto de atores empresariais interconectados, organizações empresariais, instituições e processos de empreendedorismo que, formal e informalmente, se unem para conectar, mediar e governar o desempenho no ambiente de empreendedorismo local” (Mason & Brown, 2014, p. 5, tradução nossa). A lógica subjacente aos EEs tem como foco as interações entre agentes, fatores tangíveis e intangíveis de produção, e como esses vetores se traduzem localmente em empreendedorismo (Ács et al., 2017; Nicotra et al., 2018). Devido ao seu caráter (eco)sistêmico, a produtividade dessas unidades geográficas é afetada pelo desempenho de qualquer um de seus componentes (Ács et al., 2014). Por produtividade, entendemos o que Radosevic e Yoruk (2013) chamam de “propensão empreendedora”, ou seja, a capacidade local para gerar e explorar oportunidades orientadas à inovação por meio de ações de empreendedores. Figura 1. Ecossistema de empreendedorismo intensivo em conhecimento Fonte: Adaptado de Isenberg (2010), Mason e Brown (2014) e Stam (2015). Tendo como base essa literatura, em especial os trabalhos de Isenberg (2010), Mason e Brown (2014) e Stam (2015), oferecemos um modelo viável do conceito de EE (Figura 1). Nossa adaptação segue os princípios básicos contidos nos marcos existentes, contemplando questões associadas à infraestrutura, capital humano, ciência e tecnologia (incluindo educação, universidades e sistema de apoio tecnológico), mercados e dinâmica empresarial. Embora questões vinculadas a políticas públicas (nível local) não sejam explicitamente abordadas em nosso modelo, elas estão intrinsecamente associadas a características relacionadas à infraestrutura, à dinâmica empresarial e ao capital humano. A única dimensão que não é abrangida pelo modelo que propomos é a cultura empreendedora. No entanto, como ressalta uma pesquisa recente (Fritsch, Obschonka, & Wyrwich, 2019), esses traços culturais estão relacionados a tradições de longa data e precisam de indicadores históricos adequados, que, muitas vezes, não estão disponíveis para exercícios empíricos. Assim, o nosso modelo operacional oferece uma perspectiva abrangente dos EEs de acordo com as propostas teóricas anteriores, mantendo-se parcimonioso quanto à abordagem da dinâmica de empreendedorismo dos ecossistemas. Devido à natureza local dos EEs, a literatura tem reconhecido as cidades como os loci mais adequados para avaliações empíricas (Audretsch & Belitski, 2017). A seguir, abordaremos com maior detalhamento cada uma das cinco dimensões definidas no modelo. Ciência e tecnologia Entre os fatores relacionados à dinâmica local, o acesso a uma base de conhecimento relevante pode ser considerado fundamental – mais ainda para o EIC (Boschma & Martin, 2010; Nicotra et al., 2018). Ambientes tecnológicos desenvolvidos tendem a facilitar a atividade empreendedora local (Nicotra et al., 2018). No estado de São Paulo, Brasil, a atividade de registro de patentes nas cidades está fortemente relacionada ao surgimento de atividade de EICs (Fischer, Queiroz, & Vonortas, 2018). Nesse sentido, universidades e institutos de pesquisa são agentes estratégicos (Spigel, 2017; Stam, 2015). Essas instituições não só contribuem para a geração de conhecimento, como também moldam as condições locais relacionadas ao sucesso educacional da população (Dorfman, 1983; Isaksen & Trippl, 2017). Portanto, a proximidade geográfica de universidades de pesquisa e centros de pesquisa pode ser uma fonte valiosa

24. ARTIGOS | CONFIGURAÇÕES DE ECOSSISTEMAS DE EMPREENDEDORISMO INTENSIVO EM CONHECIMENTO Andre Cherubini Alves | Bruno Fischer | Nicholas Spyridon Vonortas | Sérgio Robles Reis de Queiroz 245 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 242-257 ISSN 0034-7590; eISSN 2178-938X de conhecimento para a atividade empresarial de alta tecnologia (Stam, 2015). Além disso, o empreendedorismo de base científica está significativamente relacionado a spin-offs acadêmicos (Gregorio & Shane, 2003), uma situação que atribui relevância à presença local de universidades com alto grau de reconhecimento. Guerrero, Urbano, Fayolle, Klofsten e Mian (2016) propuseram que as universidades e os pesquisadores acadêmicos são agentes fundamentais dos sistemas de inovação por meio de seu envolvimento com a transferência de conhecimento e atividades empresariais. Isso ajuda a explicar por que os clusters de alta tecnologia são, muitas vezes, ligados às cidades universitárias (Isaksen & Trippl, 2017). Fitjar e Rodríguez-Pose (2011) argumentam que isso seja válido para regiões que carecem de economias de aglomeração e apresentam níveis relativos elevados de atividade inovadora, mas que o impacto das universidades em EEs depende da existência de um ambiente socioeconômico favorável à entrada de empresas (Patton & Kenney, 2010). Capital humano Chatterji, Glaeser e Kerr (2013) afirmam que os principais pilares do empreendedorismo estão essencialmente relacionados com o capital humano, o qual está associado à escolarização da força de trabalho e à oferta local de indivíduos com tendências empreendedoras. Essa característica é amplamente reconhecida na literatura, seja sob os conceitos de capital humano (Isenberg, 2011; World Economic Forum – WEF, 2014), capacidades da força de trabalho (Spigel, 2017), recursos humanos (Nicotra et al., 2018) ou disponibilidade de talentos (Stam, 2015). Não é à toa que a taxa emprego de alta tecnologia, muitas vezes, prevê a atividade empreendedora nas regiões (Motoyama & Danley, 2012). A disponibilidade de mão de obra altamente qualificada é uma pré-condição estrutural para a criação de sistemas de empreendedorismo inovadores (Bresnahan, Gambardella, & Saxenian, 2001). Além disso, embora o trabalho seja teoricamente considerado um recurso móvel, é mais provável que surjam clusters de empreendedorismo onde o talento profissional está localizado ou possa ser facilmente atraído (Dorfman, 1983). Assim, Audretsch e Feldman (1996) descobriram que há mais chances de clusters serem gerados em indústrias que dependem fortemente de novos conhecimentos econômicos, dependendo em grande parte da mão de obra qualificada. Essa proximidade permite que empresas intensivas em conhecimento tenham maior facilidade de acessar o capital humano disponível (Storper, 1995). Além disso, a atividade empresarial orientada por oportunidades está fortemente relacionada aos níveis de renda local (Radosevic & Yoruk, 2013). Assim, o nível de renda pode oferecer aproximações acerca dos níveis de educação e capacidades dentro de um grupo de indivíduos e a qualidade de vida e nível geral de desenvolvimento das regiões, os quais são os principais motivadores das escolhas de localização por parte de empreendedores intensivos em conhecimento (Florida & Mellander, 2014). Dinâmica de mercado A terceira dimensão de interesse em nosso modelo de EE diz respeito à dinâmica do mercado. Apesar da probabilidade de que novos empreendimentos intensivos em conhecimento sejam orientados para mercados globais, condições locais moldam o acesso desses empreendimentos aos recursos complementares necessários (Florida & Mellander, 2014). Mercados maiores oferecem mais oportunidades (Armington & Ács, 2002) e diversidade de demanda (Bosma, Schott, Terjesen, & Penny, 2015). Isenberg (2010) segue esse raciocínio, incluindo os mercados locais como vetores significativos na formação de EEs. Além disso, evidências de países desenvolvidos sugerem que o empreendedorismo tende a ser mais concentrado em grandes áreas urbanas (Bosma & Sternberg, 2014). O tamanho do mercado também impulsiona os EEs, só que de uma forma diferente: o tamanho da população é uma representação do grupo de potenciais empreendedores em um determinado local (Stuart & Sorenson, 2003). Essa categoria de dinâmica de mercado também inclui o financiamento disponível para empreendedores intensivos em conhecimento (Isenberg, 2010). A proximidade geográfica é uma característica crítica nesta discussão, uma vez que distâncias maiores entre capitalistas e empreendedores aumentam os custos de monitoramento envolvidos nas operações de financiamento (Dorfman, 1983). Isso mostra a relevância estratégica atribuída ao crédito como plataforma para start-ups operarem (Feldman, 2001; Lerner, 2002). Além dos fluxos privados de capital, os governos podem participar do financiamento desses empreendimentos incipientes (Lerner, 2002). Considerando o contexto brasileiro, esse vetor é particularmente crítico, pois as pequenas e médias empresas têm dificuldades excessivas para acessar mecanismos de financiamento devido à escassez de linhas de crédito (Neto, Farias, & Quelhas, 2014).

25. ARTIGOS | CONFIGURAÇÕES DE ECOSSISTEMAS DE EMPREENDEDORISMO INTENSIVO EM CONHECIMENTO Andre Cherubini Alves | Bruno Fischer | Nicholas Spyridon Vonortas | Sérgio Robles Reis de Queiroz 246 © RAE | São Paulo | V. 59 | n. 4 | jul-ago 2019 | 242-257 ISSN 0034-7590; eISSN 2178-938X Dinâmica empresarial Juntamente à ideia de dinâmica de mercado, introduzimos uma perspectiva sobre o ambiente de negócios das cidades como um componente influente dos EEs. Incluem-se aqui os aspectos do nível de desenvolvimento das estruturas econômicas regionais, bem como a sua atratividade para os investimentos dos operadores históricos. A literatura reconhece a importância das empresas adjacentes como propulsor da competitividade local (Stuart & Sorenson, 2003). As externalidades positivas surgem do agrupamento local de empresas, gerando uma massa crítica de apoio a novas empresas (Isaksen & Trippl, 2017; Isenberg, 2010; Storper, 1995). As empresas existentes também podem alavancar as condições de crescimento para novas empresas (WEF, 2014), fornecendo incentivos para a criação de novos negócios e contribuindo para a sobrevivência destas novas organizações (Delgado, Porter, & Stern, 2010). As empresas estabelecidas, e particularmente as multinacionais, também desempenham um papel importante no estabelecimento do cenário para o surgimento de novos empreendimentos intensivos em conhecimento (Brown & Mason, 2017), pois podem alavancar capacidades globais nos clusters (Bresnahan et al., 2001). Um item adicional de interesse diz respeito ao alcance geográfico de grandes mercados (“centros”) e como a proximidade a esses centros pode exercer efeitos em áreas vizinhas. Isso acontece porque as grandes cidades não representam apenas a aglomeração de pessoas, elas também estão indiscutivelmente associadas à geração de empreendedorismo inovador e de base científica (Duranton & Puga, 2002). Nesse sentido, existe uma “lacuna de eficiência” ao comparar regiões periféricas com aquelas localizadas perto de grandes mercados (Crescenzi & Rodríguez- Pose, 2012). É por isso que os clusters de empreendedorismo de alta tecnologia estão frequentemente localizados em regiões centrais (Isaksen & Trippl, 2017). Essa situação pode ser ampliada em regiões como o estado de São Paulo, que inclui um megahub que funciona como um centro de serviços empresariais, capital de risco e demanda corporativa (WEF, 2018). Infraestrutura A quinta dimensão do nosso modelo diz respeito à qualidade da infraestrutura, uma plataforma da qual a atividade econômica depende fortemente. A infraestrutura facilita as conexões urbanas, a mobilidade laboral e os fluxos de conhecimento (Audretsch, Heger, & Veith, 2015). Dessa forma, seus efeitos devem ser reconhecidos como determinantes para a formação de EEs (Nicotra et al., 2018; Spigel, 2017; Stuart & Sorenson, 2003). A qualidade da infraestrutura física também pode mitigar os efeitos prejudiciais associados às deseconomias de aglomeração de mercado (Audretsch & Belitski, 2017). Ecossistemas de empreendedorismo intensivos em conhecimento: Um argumento a favor de configurações heterogêneas Apesar de haver consenso sobre as definições básicas de EEs, persistem controvérsias sobre as relações causais dentro de sua dinâmica intrínseca (Borissenko & Boschma, 2016). Quais dimensões realmente importam para os EEs? Uma das principais questões aqui diz respeito à problemática de generalização com base em casos de reconhecido destaque. Embora essas generalizações sejam informativas, elas são desenvolvidas com base na ideia de que há uma relativa estabilidade na configuração dos atributos que influenciam os EEs. Um primeiro passo na nossa abordagem consiste em avaliar a validade de tais expectativas. Assim, a nossa primeira proposição pode ser apresentada da seguinte forma: Proposição 1. Os EEs bem-sucedidos dependem de um conjunto de dimensões críticas que moldam suas respectivas capacidades de sustentar a geração de EIC. Por outro lado, os pesquisadores têm criticado cada vez mais essas formulações, pois elas geram implicações únicas para todos os casos. Mesmo que as dimensões incluídas nesses modelos sejam inclusivas, alguns de seus atributos podem ser mais dominantes em alguns casos do que em outros (Spigel, 2017). O argumento central aqui é que os mecanismos econômicos operam diferentemente em locais distintos em função de suas trajetórias históricas (Boschma & Martin, 2010). É por isso que políticas centralizadas que visam organizar clusters de empreendedorismo são frequentemente consideradas ineficazes (Bresnahan et al., 2001; Chatterji et al., 2013; Feldman, 2001). Essa é a base da Geografia Econômica Evolucionária (GEE). Ao lidar com a dinâmica dos EEs, a visão evolucionária aponta a relevância das condições e ativos preexistentes para o surgimento de ecossistemas (Isaksen, 2016). Nesse sentido, novas empresas de base científica podem ser entendidas como resultado da existência prévia de pesquisa científica realizada por universidades e institutos de pesquisa em um determinado local (Feldman & Lendel, 2011). Nesse debate, esperamos

RAE-Revista de Administração de Empresas (Journal of Business Management), 2019. V. 59, N. 4

Esté a ler uma amostra.

Confira estes a seguir

RAE-Revista de Administração de Empresas (Journal of Business Management), 2019. V. 59, N. 4

Mais Conteúdo rRelacionado

Semelhante a RAE-Revista de Administração de Empresas (Journal of Business Management), 2019. V. 59, N. 4 (20)

Mais de FGV | Fundação Getulio Vargas (20)

Mais recentes (20)