Análise Fundamentalista está morta !

 Value Investing é um fracasso há 30 anos, segundo o professor de de contabilidade   Baruch Lev da NYU:

Resumo:

It is widely believed that the long-standing and highly popular value investing strategy—investing in low-valued stocks and selling short high-valued equities—lost its edge in the past 10-12 years. The reasons for this putative failure of value investing elude investors and academics, making it a challenge to assess the likelihood of the return of value investing to its days of glory. Based on extensive data analysis we show that value investing has generally been unprofitable for almost 30 years, barring a brief resurrection following the dotcom bust. We identify two major reasons for the failure of value investing: (1) accounting deficiencies causing systematic misidentification of value, and particularly of glamour (growth) stocks, and (2) fundamental economic developments which slowed down significantly the reshuffling of value and glamour stocks (mean reversion) which drove the erstwhile gains from the value strategy. We end up by identifying the type of companies (stocks) that may still generate gains from value investing.

Lev, Baruch Itamar and Srivastava, Anup, Explaining the Recent Failure of Value Investing (October 25, 2019). NYU Stern School of Business, Available at http://dx.doi.org/10.2139/ssrn.3442539

[...]

In our widely debated paper (“Explaining the Recent Failure of Value Investing”), we have established empirically the following:

• The failure of value investing isn’t a recent phenomenon. In fact, this highly touted and widely used investment technology stopped performing in the late 1980s.
• Value investing had a five-to six-year resurgence in the early 2000s, mainly due to Nasdaq’s collapse, and then returned to its long-term underperformance.
• An important reason for the failure of value investing is the use of highly deficient accounting data ― book values and earnings, in particular ― in selecting “value” and “growth” stocks.
• Beyond such mismeasurements, the main reasons for the failure of value investing are long-term, structural economic changes, causing a significant slowdown of the mean reversion of both value and growth stocks.

For the unfamiliar: Value investing is a popular investment scheme of buying low-valued stocks (e.g., low market-to-book or price-to-earnings stocks), and selling short highly valued stocks. The natural rebound of the former (“value” stocks) and the price drop of the latter (“growth” stocks) — namely, mean reversion ― generated the gains from value investing in the 1970s and 1980s.

But despite the clear and damning empirical evidence and the protracted underperformance of most value funds, there are still die-hards claiming that value investing will return to its former glory. In particular, some assert now that value investing is a safeguard in time of crisis. We decided to examine this claim on two recent crises: the financial crisis (December 2007 through June 2009, both inclusive), and the COVID crisis (2020 year, until July 27, 2020). Our data, presented below, will continue to disappoint value believers.

fonte: aqui

Rir é o melhor remédio

 

Pandemia e Ciência 2

 Tim Harford lembra um aspecto importante: adoramos "casos" neste sentido deixamos de lado a ciência (os números, as probabilidades, ...). Na realidade, isto não é originalmente dele, mas de Kahneman. Para este ganhador de Nobel, as "histórias vivas" tendem a embaçar nossa avaliação de risco. 

Em lugar da descrição simples "morrendo de Covid", contarmos uma história sobre infecção, preocupação familiar, febre, recuperação aparente, mudança acentuada para pior, ser levado rapidamente para o hospital, sedação e morte, separação da família, bem, nesta altura, ninguém se importa com a percentagens. O risco ficou terrivelmente real, pelo menos por um tempo. 

Por isto ficamos impressionados com as reportagens jornalísticas que contam os casos reais de uma pessoa específica e temos a tendência a extrapolar para todos os casos. 

Harford lembra um trabalho recente (e já polêmico) divulgado pelo NBER. O estudo solicitou que as pessoas respondessem sobre os riscos do coronavírus. O resultado mostrou que os jovens apresentaram uma estimativa de risco muito superior ao risco real. Já os mais velhos foi justamente o contrário: eles colocaram um risco bem menor. Já sabemos que o Covid apresenta uma taxa de risco muito reduzida para os jovens e um risco superior para os idosos. Vale a pena dar uma olhada no artigo de Harford.

Pandemia e a Ciência 1

 

Muito ainda iremos discutir sobre algumas questões estatísticas no mundo de pandemia. Mas já sabemos de algumas falhas cometidas neste ano por parte dos cientistas e das autoridades. 

Uma discussão importante e que deve ser feita sem alarme é se a forma como reagimos a doença foi razoável ou não. Neste momento é preciso analisar os argumentos, sem o viés da confirmação. O site ZeroHedge tem postado alguns textos contrários a forma como os governos reagiram à pandemia. Em um deles, "A maior fraude de todos os tempos" é muito afirmativo e contrário aos bloqueios. É importante ler e analisar criticamente os argumentos. O modelo do Imperial College parece que tinha falhas e a OMS cometeu erros grosseiros (e políticos). Escutamos demais Fergunson e pouco John Ioannidis:

Quando o bloqueio foi imposto, fomos informados de que estávamos enfrentando uma segunda pandemia de gripe espanhola (que provavelmente matou até 50 milhões de pessoas); que os hospitais seriam invadidos e haveria 500.000 mortes somente no Reino Unido. Era uma narrativa poderosa e emotiva, mas nunca era verdade. Os governos e uma mídia obediente focaram-se exclusivamente no cenário apocalíptico do Imperial College, agora baseado em um modelo hipotético e mal codificado, ignorando a história de seu autor de previsões fracassadas do apocalipse e as diferentes visões de outros cientistas.

O risco de mortalidade populacional do vírus foi inicialmente estimado em 3,8% pela OMS, que chegou a esse número simplesmente dividindo o número de mortes chinesas pelo número de casos confirmados, ignorando o fato de que apenas uma pequena proporção das pessoas infectadas provavelmente havia realmente foi testado; que os casos assintomáticos provavelmente apresentavam uma sub-representação significativa nos testes e que os casos mais graves provavelmente estavam altamente correlacionados a sintomas graves. Esse erro estatístico básico de simplesmente dividir as mortes por infecções relatadas não apenas exagerou a gravidade do risco, mas também levou diretamente a um erro político sobre a capacidade hospitalar e as mortes no domicílio.

Os relatórios da mídia também falharam intencionalmente em reconhecer que o risco de mortalidade estava altamente inclinado à idade ( idade mediana da mortalidade de 82 29), a fim de assustar toda a população a observar o bloqueio com relatos falsamente exagerados da mídia de jovens e saudáveis que morrem devido ao vírus. O risco de mortalidade entre os idosos foi distorcido para aqueles com problemas de saúde existentes (presença de comorbidades), com a Itália relatando que 96% das mortes por vírus também sofriam de outras doenças, mas isso não se encaixava na narrativa desejada.

Mas a falta de coordenação (e o descaso de alguns) também deve ser considerado. A obtenção da imunidade do rebanho por incompetência (IRPI), termo criado por Fernando Reinach, mostra nosso fracasso. Novamente, que fique bem claro, não é ser "contra ou a favor", mas de tentar olhar os argumentos dos dois lados. 

Rir é o melhor remédio

 

Onde alterar o teste de impairment para não fazer amortização

Notícias da Wirecard

 

A empresa alemã Wirecard fracassou recentemente, após uma grande investigação de jornalistas ingleses. Depois de negar problemas, a empresa teve que contratar uma auditoria independente, que desacreditou os números contábeis, especialmente os valores do caixa e equivalentes. Basicamente, a empresa tinha 2 bilhões de dólares a menos que o informado nas demonstrações contábeis. 

Com a renúncia do seu executivo, as investigações apontam algumas coisas interessantes. Segundo o Financial Times, um ex-parceiro da empresa, chamado Christopher Bauer (cartoon), apareceu misteriosamente morto em Manila. A Wirecard tinha feito empréstimos para empresas vinculadas à Bauer, um pouco antes da fraude ser descoberta. Parece que através dos empréstimos, o dinheiro saiu da Wirecard, uma parte dele no início de 2020. Uma empresa, chamada Ocap, recebeu 100 milhões de euros; a empresa era chefiada por um ex-funcionário da Wirecard. 

Um diretor de uma empresa contábil da Cingapura foi preso e acusado de falsificar documentos para esconder os problemas na Wirecard. 

Há dúvidas se Bauer está realmente morto e mais investigações serão realizadas (via aqui)

Webinar

 

Rir é o melhor remédio

Encaminhado por Sérgio Nazaré (grato)

Quando comunicamos com o mercado?

O gráfico acima mostra a distribuição do horário que um fato relevante de uma empresa de capital aberto foi colocado no site da CVM. Ao todo 1.732 fatos relevantes foram postados no site desde o início de 2020 até 3 de agosto. Os horários preferidos: o início da manhã e o período noturno. 

Como a comunicação quando o mercado está em funcionamento não é muito incentivada, o período da tarde possui pouca emissão. Em algumas empresas parece que vale o dito: o que você faz entre meia noite e seis horas da manhã. Apesar de reduzido, há comunicação durante o horário de sono das pessoas normais. 

Otimização de métricas é um problema da Inteligência Artificial

Resumo:

Optimizing a given metric is a central aspect of most current AI approaches, yet overemphasizing metrics leads to manipulation, gaming, a myopic focus on short-term goals, and other unexpected negative consequences. This poses a fundamental challenge in the use and development of AI. We first review how metrics can go wrong in practice and aspects of how our online environment and current business practices are exacerbating these failures. We put forward here an evidence based framework that takes steps toward mitigating the harms caused by overemphasis of metrics within AI by: (1) using a slate of metrics to get a fuller and more nuanced picture, (2) combining metrics with qualitative accounts, and (3) involving a range of stakeholders, including those who will be most impacted.

The Problem with Metrics is a Fundamental Problem for AI
Rachel Thomas, David Uminsky

Goodhart’s Law states that “When a measure becomes a target, it ceases to be a good measure.” At their heart, what most current AI approaches do is to optimize metrics. The practice of optimizing metrics is not new nor unique to AI, yet AI can be particularly efficient (even too efficient!) at doing so.

This is important to understand, because any risks of optimizing metrics are heightened by AI. While metrics can be useful in their proper place, there are harms when they are unthinkingly applied. Some of the scariest instances of algorithms run amok (such as Google’s algorithm contributing to radicalizing people into white supremacy, teachers being fired by an algorithm, or essay grading software that rewards sophisticated garbage) all result from over-emphasizing metrics. We have to understand this dynamic in order to understand the urgent risks we are facing due to misuse of AI.

Continua aqui

Sobre a precisão dos números da CVC

Ao ler o comunicado da CVC ao mercado, tratando do "processo de revisão e reconciliação de sua escrituração contábil realizado em decorrência da identificação de distorções em determinadas contas contábeis" três aspectos chamam a atenção. 

O primeiro é que ao publicar alguns dos resultados, ainda não auditados, a empresa pressiona o auditor no seu trabalho. É bem verdade que a decisão de publicação é importante para evitar notícias não oficiais. A empresa tenta tirar esta carga de responsabilidade dos auditores no seguinte trecho: 

A Companhia reitera que as informações constantes das demonstrações financeiras não auditadas ora divulgadas estão sujeitas a alterações em decorrência da conclusão dos trabalhos de auditoria. 

 O segundo é a questão da precisão dos números. Veja o seguinte trecho: 

As demonstrações financeiras não auditadas de 2019 contemplam os ajustes decorrentes das distorções identificadas ao longo do processo de revisão e reconciliação da escrituração contábil da Companhia, no valor de R$362.384.000,00, alocados da seguinte forma: 

(i)R$93.829.000,00 referentes ao exercício de 2019, causando redução na receita líquida consolidada de R$88.566.000,00 e aumento da despesa consolidada de variação cambial de R$5.263.000,00; 

(ii)R$135.109.000,00 referentes ao exercício de 2018, causando redução na receita líquida consolidada de R$127.248.000,00 e aumento da despesa consolidada de variação cambial de R$7.861.000,00; e 

(iii)R$133.446.000,00 referentes a exercícios anteriores a 2018, causando redução do patrimônio líquido em 1º. janeiro de 2018 neste montante. 

Veja que são valores precisos, sem nenhuma casa após o milhar. Eis outro trecho 

O impacto no lucro líquido da Companhia dos ajustes acima indicados foi reduzido pelo lançamento de crédito referente à recuperação de impostos de renda e contribuição social que foram pagos indevidamente, estimados pela Companhia, em aproximadamente R$ 55.000.000,00. (grifo do blog) 

Talvez seja uma questão de estilo, mas seria muito mais crível se a empresa tivesse dito: O impacto no lucro (...) estimados pela Companhia, em aproximadamente R$ 55 milhões. 

Finalmente, qual a causa dos problemas da empresa? Quem foi o responsável? O comunicado dá um pista sobre o que ocorreu: 

Os relatórios finais apresentados pela Comissão Especial de Apuração ao Conselho de Administração apontam deficiências nos sistemas, processos e controles relacionados à escrituração contábil da Companhia. Segundo os relatórios, essas deficiências contribuíram para ocorrência de distorções acima mencionadas nas demonstrações financeiras da Companhia. 

Além disso, os relatórios identificaram: (i) evidências de que deficiências nos controles internos da Companhia contribuíram para a ocorrência das distorções contábeis; (ii) evidências de que as deficiências acima referidas foram ocultadas por colaboradores da CVC inclusive dos auditores externos; e (iii) indícios, não conclusivos, de que os resultados da CVC podem ter sido intencionalmente manipulados.

Eletrobras e o planejamento em tempos do Covid - Parte 2

No final de março, logo depois da decretação da pandemia por parte da OMS, o Conselho da Eletrobras reuniu-se para aprovar o "Novo Plano Diretor de Negócios e Gestão", para o período de 2020 a 2024. Nós postamos aqui sobre este assunto. 

No início de agosto, a empresa divulgou um Plano Estratégico das Empresas Eletrobras 2020-2035, em substituição a outro documento, que contemplava o período de 2015 a 2030. Agora sim, a empresa contemplou, de forma mais detalhada, o impacto da pandemia. 

Mas notei algo interessante: não há, no documento, a palavra "privatização", um assunto considerado pelo principal acionista. E a palavra "venda" aparece somente para tratar da venda de serviços, embora "valor" apareça 38 vezes. (Estranho, para uma empresa que destruiu tanto o valor nos últimos anos)

Rir é o melhor remédio

Fonte: Aqui

Análise Textual do Wall Street Journal : 1984-2017

Resumo:

We propose an approach to measuring the state of the economy via textual analysis of business news. From the full text content of 800,000 Wall Street Journal articles for 1984–2017, we estimate a topic model that summarizes business news as easily interpretable topical themes and quantifies the proportion of news attention allocated to each theme at each point in time. We then use our news attention estimates as inputs into statistical models of numerical economic time series. We demonstrate that these text-based inputs accurately track a wide range of economic activity measures and that they have incremental forecasting power for macroeconomic outcomes, above and beyond standard numerical predictors. Finally, we use our model to retrieve the news-based narratives that underly “shocks” in numerical economic data.

The Structure of Economic News Leland Bybee, Bryan T. Kelly, Asaf Manela, and Dacheng Xiu. 2020.pdf

Rir é o melhor remédio

Fonte: Aqui

Assetization

Não conhecia esta discussão, sobre a "assetization". Aqui uma discussão sobre um livro que afirma que isto seria uma coisa ruim. O que seria isto? Segundo o comentário:

atribuir um valor monetário a coisas com valor intrínseco, mais a dimensão do poder do proprietário do ativo sobre quem o aluga.

Isto está muito ligado ao processo de mensuração. Assim, procurar definir e quantificar tudo aquilo que seja ativo: obra de arte, capital intelectual, recurso humano, recurso natural, conhecimento e muitos outros.

O conceito de um ativo cujo valor é herdado ao longo do tempo e depende agora de que tipo de futuro criamos é fundamental para a construção de uma economia sustentável.

Aqui um livro com a abordagem negativa da assetization (foto da capa).

Reserva de Emergência em Finanças Pessoais

Um dos tópicos relevantes na educação financeira (e em finanças pessoais) é a constituição de uma reserva de emergência. Um dos parâmetros é ter em caixa (ou aplicações de baixíssimo risco e elevada liquidez) seis meses de salário: Esta discussão é relevante, em momentos de elevado desemprego.

As recomendações dos especialistas variam, mas de forma geral eles dizem que o ideal é guardar o equivalente a pelo menos seis meses do que se precisa para viver. “Quanto mais instável for a fonte de renda, maior deve ser a reserva”, diz Samantha Millais, facilitadora de educação financeira da Guide Investimentos. Funcionários públicos, por exemplo, geralmente precisam ter menos recursos para emergência; autônomos e microempresários deveriam guardar até um ano de seus gastos ou sua renda, considera. (Reserva de emergência deve ser prioridade | Suplementos | Valor Econômico)

Foto: aqui

A razão dos seis meses? Se você perder o emprego, cortando gastos supérfluos, você teria condições de ficar desemprego, com estes recursos, por até um ano. 

Máquinas podem aprender Finanças?

Resumo:

Machine learning for asset management faces a unique set of challenges that differ markedly from other domains where machine learning has excelled. Understanding these differences is critical for developing impactful approaches and realistic expectations for machine learning in asset management. We discuss a variety of beneficial use cases and potential pitfalls, and emphasize the importance of economic theory and human expertise for achieving success through financial machine learning.

Israel, Ronen and Kelly, Bryan T. and Moskowitz, Tobias J., Can Machines 'Learn' Finance? (January 10, 2020).Forthcoming 2020. pdf

Rir é o melhor remédio

Fonte: Aqui

Qual o preço justo de um vinho?

De um artigo do Valor Econômico de 31 de julho:

Qual é o preço justo de um vinho? A resposta, sem dúvida, não está numa planilha de custo, computando produção e venda, como qualquer produto de consumo. Há tantos fatores intangíveis no vinho que fazem com que o valor que se paga por uma garrafa esteja mais ligado à disposição do consumidor em comprá-la do que a somatória de itens concretos e mensuráveis. Tem a ver com a reputação e a pressão sobre a oferta. (...)

Mais adiante, o autor comenta um caso interessante:

Surpresas não faltam, em especial em degustações às cegas, até entre críticos experientes. Para ilustrar, vale acessar youtu.be/1leRdKluE7I, vídeo curtinho de um evento realizado em Paris, em junho de 2009, organizado pela Grand Jury Européen (GJE), uma associação independente sem fins lucrativos cujo objetivo era servir como alternativa a avaliações individuais que renomados críticos (principalmente Robert Parker) faziam de grandes vinhos.

Na ocasião, 15 reconhecidos experts, entre eles Michel Bettane, o mais conhecido e influente (também o mais arrogante) jornalista francês do setor, e Olivier Poussier, melhor sommelier do mundo em 2000, analisaram 11 dos principais bordeaux tintos da safra 2001. Na verdade, eram dez Grands Crus Classés mais um “intruso”, o Château de Reignac, nada além do que um bom rótulo da simplória categoria Bordeaux Supérieur, considerado muitos degraus abaixo de seus nobres conterrâneos.

Recolhidas as anotações e pontuações individuais atribuídas pelos jurados a cada uma das amostras apreciadas, e enquanto os dados eram compilados por um observador autônomo, François Mauss, presidente do GJE, pedia aos integrantes do grupo que expusessem suas impressões vinho a vinho, na sequência em que foram provados. A cada rodada de comentários a identidade da amostra era revelada. As reações mostraram desconforto, provocando uma ou outra justificativa inoportuna.

Foto: aqui