CADERNOS DO MERCADO DE VALORES MOBILIÁRIOS

bull A LITERACIA FINANCEIRA E OS CUSTOSDE TRANSACcedilAtildeO

bull REGULACcedilAtildeO DOS CRIPTOATIVOS

bull INVESTOR ATTENTION AND PORTUGUESESTOCK MARKET VOLATILITY

CADERNOSDO MERCADODE VALORESMOBILIAacuteRIOS

Nordm 64

Nordm 64


Iacutendice

bull

bull

bull

3 cmvmpt

4

8

30

70

CADERNOS DO MERCADO DE VALORES MOBILIAacuteRIOS

EDITORIAL

ARTIGOS

A LITERACIA FINANCEIRA E OS CUSTOS DE TRANSACcedilAtildeO

PAULO SILVA e VICTOR MENDES

REGULACcedilAtildeO DOS CRIPTOATIVOS

JOAtildeO VIEIRA DOS SANTOS

INVESTOR ATTENTION AND PORTUGUESE STOCK MARKET VOLATILITY

ANA BROCHADO

4 cmvmpt


Editorial

5 Voltar ao iacutendice cmvmpt


ediccedilatildeo nordm 64 dos Cadernos do Mercado dos Valores Mobiliaacuterio inclui dois ar-tigos de natureza econoacutemica e um terceiro de acircmbito juriacutedico Os dois arti-gos desenvolvidos na esfera econoacutemica enquadram-se no acircmbito das financcedilas comportamentais enquanto o texto juriacutedico se insere na temaacutetica da fintech

No primeiro artigo eacute analisada a reaccedilatildeo dos investidores a alteraccedilotildees de pre-ccedilaacuterios de corretagem sendo comparada a tempestividade da resposta dos indiviacuteduos com maior niacutevel de educaccedilatildeo e de literacia financeira com a dos demais investidores de retalho Tomando como ponto de partida a alteraccedilatildeo dos preccedilaacuterios de corretagem que ocorreu apoacutes a aquisiccedilatildeo da BVLP pelo grupo Euronext em 2003 que se traduziu numa penalizaccedilatildeo das transaccedilotildees de valor reduzido (inferiores a euro1000) os autores concluem que muitos investidores de retalho natildeo se adaptaram com sucesso agrave nova estrutura das comissotildees de corretagem Com efeito os resultados empiacutericos obtidos indicam que apoacutes a alteraccedilatildeo do preccedilaacuterio os investidores com o ensino universitaacuterio concluiacutedo aumentaram mais rapidamente o valor transacionado em cada negoacutecio e con-seguiram evitar o pagamento de comissotildees de corretagem mais elevadas Este estudo contribui para uma melhor compreensatildeo das limitaccedilotildees cognitivas dos investidores na avaliaccedilatildeo do impacto das alteraccedilotildees dos preccedilaacuterios de interme-diaccedilatildeo financeira sobre o desempenho dos seus investimentos Natildeo obstante a importacircncia da transparecircncia da informaccedilatildeo no processo de decisatildeo a obri-gatoriedade de divulgaccedilatildeo dos preccedilaacuterios natildeo eacute por si soacute suficiente para evitar erros na tomada de decisatildeo dos investidores de retalho

O segundo trabalho estuda as Initial Coin Offerings (ICOs) instrumentos que permitem a obtenccedilatildeo de financiamento atraveacutes da emissatildeo de criptoativos Entre outros temas o autor analisa os pressupostos subjacentes agrave qualifica-ccedilatildeo juriacutedica dos criptoativos enquanto moeda em sentido juriacutedico e enquanto instrumento financeiro O autor realccedila a heterogeneidade da posiccedilatildeo institu-cional da China (proibiccedilatildeo da transaccedilatildeo de criptoativos) dos Estados Unidos da Ameacuterica (regulaccedilatildeo por recurso agraves normas relativas a valores mobiliaacuterios) e as posiccedilotildees adotadas na Europa (eg Portugal Malta Franccedila Espanha Reino Unido e Alemanha) O autor propotildee que o regime para a regulaccedilatildeo dos

Editorial

A



criptoativos tenha em conta a sua natureza especiacutefica (ie os criptoativos que se qualificam como valores mobiliaacuterios os que satildeo produtos de investimen-to transacionados em exchanges os que se qualificam como moeda eletroacuteni-ca e os que natildeo tecircm um retorno financeiro associado nem satildeo transacionados em exchanges) Segundo o autor a integraccedilatildeo das ICOs no nosso ordenamento juriacutedico permitiria melhor controlar os seus riscos e fomentar a sua utiliza-ccedilatildeo no financiamento das empresas apresentando tambeacutem vantagens para a prossecuccedilatildeo dos objetivos subjacentes agrave Uniatildeo dos Mercados de Capitais

Estudos recentes tecircm destacado o papel das pesquisas na Internet como um indicador da atenccedilatildeo do investidor pelas empresas cotadas O terceiro estu-do da presente ediccedilatildeo analisa a relaccedilatildeo entre a atenccedilatildeo do investidor aferida pelo volume de pesquisas no Google e a volatilidade das cotaccedilotildees dos tiacutetulos no mercado portuguecircs Apoacutes apresentar e discutir o conceito de atenccedilatildeo do investidor a autora lista um conjunto de eventos que podem estar associados ao aumento da atenccedilatildeo do investidor nomeadamente a comunicaccedilatildeo sobre dividendos resultados aumentos de capital e divulgaccedilatildeo de planos operacio-nais ou de relatoacuterios de vendas Tendo concluiacutedo que o volume de pesquisas no Google relativas ao nome das empresas cotadas na Euronet Lisbon pode ser usado como uma medida da atenccedilatildeo do investidor o estudo conclui igual-mente que o volume de pesquisas no Google estaacute relacionado com a volatili-dade histoacuterica e que a relaccedilatildeo entre as duas variaacuteveis tende a ser mais intensa em periacuteodos de retornos elevados

Satildeo pois de muita atualidade e interesse os artigos incluiacutedos na presente edi-ccedilatildeo dos Cadernos do Mercado de Valores Mobiliaacuterios

EDITORIAL

7 cmvmpt


bull A LITERACIA FINANCEIRA E OS CUSTOS DE TRANSACcedilAtildeO




bull INVESTOR ATTENTION AND PORTUGUES ESTOCK MARKET VOLATILITY

ANA BROCHADO

Artigos



A literacia financeirae os custosde transaccedilatildeo

PAULO PEREIRA DA SILVA

As opiniotildees expressas apenas vinculam os seus autores e natildeo a CMVM Este trabalho eacute financiado por fundos

nacionais atraveacutes da FCT ndash Fundaccedilatildeo para a Ciecircncia e a Tecnologia no acircmbito do projeto UIDECO040072019

CMVM - Comissatildeo do Mercado de Valores Mobiliaacuterios e CEFAGE-UE Universidade de Eacutevora

VICTOR MENDES



CADERNOS DO MERCADO DE VALORES MOBILIAacuteRIOSA LITERACIA FINANCEIRAE OS CUSTOS DE TRANSACcedilAtildeO

1 INTRODUCcedilAtildeO

importacircncia da literacia financeira no processo de tomada de decisatildeo tem es-tado no centro de um debate intenso entre decisores de poliacutetica econoacutemica reguladores e induacutestria financeira De facto a participaccedilatildeo (direta e indireta) de investidores de retalho nos mercados financeiros aumentou de modo re-levante nas uacuteltimas deacutecadas Essa evoluccedilatildeo foi acompanhada pelo desenvol-vimento de novos produtos e serviccedilos financeiros e pela divulgaccedilatildeo (por ve-zes massiva) de informaccedilatildeo junto de consumidores Muitos desses produtos satildeo complexos e difiacuteceis de compreender pelos consumidores gerando preo-cupaccedilotildees em governos e reguladores Paralelamente o consumo de produtos financeiros tem-se tornado uma atividade ldquofaccedila-vocecirc-mesmordquo (Ryan et al 2011) com os indiviacuteduos a assumirem maior responsabilidade pelo seu bem--estar financeiro1

As instituiccedilotildees supranacionais os decisores poliacuteticos e os reguladores tecircm su-blinhado o papel da literacia financeira enquanto promotora do bem-estar so-cial No entanto constata-se que existe elevada iliteracia financeira entre as famiacutelias sendo de notar o desconhecimento de princiacutepios econoacutemicos e finan-ceiros baacutesicos como a capitalizaccedilatildeo de juros (Lusardi e Mitchell 2007 2011 e Hilgert et al 2003) Neste contexto uma questatildeo que emerge eacute a de saber se os indiviacuteduos estaratildeo efetivamente preparados para processar a informaccedilatildeo dis-poniacutevel e tomar decisotildees financeiras informadas no que toca a planeamento fi-nanceiro poupanccedila e pensotildees e creacutedito

Este estudo discute a importacircncia da educaccedilatildeo e da literacia financeira no acircm-bito do mercado de capitais Em especiacutefico avalia-se os seus efeitos em aacutereas ateacute agora pouco escrutinadas como no domiacutenio das comissotildees de intermedia-ccedilatildeo financeira aplicadas no mercado acionista A estrateacutegia de identificaccedilatildeo desses efeitos baseia-se num evento exoacutegeno que envolveu a aquisiccedilatildeo da Bolsa de Valores de Lisboa (BVL) pelo Grupo Euronext em 2003 Apoacutes essa data a es-trutura de comissotildees de corretagem cobradas pelos intermediaacuterios financei-ros sofreu profundas alteraccedilotildees penalizando sobretudo transaccedilotildees envolven-do valores reduzidos (inferiores a 1 000 Euro) as quais eram bastante comuns entre os investidores de retalho antes de 2002 Tendo em conta a natureza exoacute-gena daquele evento este texto analisa a resposta dos investidores de retalho

1 Por exemplo reformas estruturais da seguranccedila social e do sistema de pensotildees e a liberalizaccedilatildeo dos mercados contribuiacuteram

para uma maior responsabilizaccedilatildeo dos indiviacuteduos pelo seu bem-estar financeiro designadamente no que se refere agraves reformas

de velhice Tambeacutem o creacutedito ficou disponiacutevel para um nuacutemero cada vez maior de famiacutelias

A



agravequelas alteraccedilotildees de preccedilaacuterio Em particular compara-se a tempestividade da reaccedilatildeo dos indiviacuteduos com maior niacutevel de educaccedilatildeo e de literacia financeira com a dos demais investidores de retalho

Este estudo utiliza uma base de dados fornecida por uma instituiccedilatildeo financeira portuguesa que conteacutem registos de transaccedilotildees realizadas por investidores de retalho Antes do evento analisado era cobrada uma taxa ad-valorem de 028 sobre o valor da transaccedilatildeo quando este se situava abaixo dos 25 000 Euro Nesse sentido a dimensatildeo da ordem era irrelevante porquanto a comissatildeo de corre-tagem era diretamente proporcional ao valor do negoacutecio Apoacutes o evento a alte-raccedilatildeo da estrutura de comissotildees aplicadas teve como consequecircncia que a taxa ad-valorem foi substituiacuteda pela combinaccedilatildeo de uma taxa lump sum por tran-saccedilatildeo com uma taxa ad-valorem Dito de outro modo assistiu-se agrave cobran-ccedila de um montante miacutenimo natildeo despiciente por cada transaccedilatildeo e por conse-guinte o montante cobrado por Euro investido ou transacionado (doravante taxa percentual efetiva - TPE) tornou-se uma funccedilatildeo decrescente do valor do investimento

Neste novo enquadramento o valor da ordem passa a determinar a TPE co-brada pelo intermediaacuterio financeiro Assim antes da alteraccedilatildeo do preccedilaacuterio em transaccedilotildees inferiores a 500 Euro o intermediaacuterio financeiro cobrava uma taxa ad-valorem de 028 do valor da transaccedilatildeo Em 2004 a (mediana da) TPE era superior a 10 para transaccedilotildees daqueles montantes isto eacute a TPE era 30 vezes superior ao que era cobrado antes da alteraccedilatildeo do preccedilaacuterio

A literatura financeira tem argumentado que a educaccedilatildeo em geral e a litera-cia financeira em particular podem ajudar os indiviacuteduos a tomar decisotildees mais acertadas nos mercados financeiros (eg Campbell et al 2011) O evento em anaacutelise permite aferir se os indiviacuteduos com maior niacutevel de literacia e experiecircncia foram mais bem-sucedidos a evitar comissotildees de corretagem excessivas apoacutes a alteraccedilatildeo de preccedilaacuterio confirmando ou infirmando esses argumentos

Para o efeito eacute realizado um estudo de eventos em que se compara a variaccedilatildeo da TPE (medida antes e apoacutes o evento) entre dois grupos de indiviacuteduos um gru-po de ldquotratamentordquo que inclui os investidores com maior niacutevel de literacia e um grupo de ldquocontrolordquo formado pelos demais investidores A amostra (apro-ximadamente 90 000 contas) eacute dividida numa primeira fase entre indiviacuteduos com e sem licenciatura do ensino superior Em exerciacutecios alternativos a parti-ccedilatildeo tem tambeacutem por base conhecimentos financeiros ou capacidades matemaacute-ticas O estudo cobre o periacuteodo 1998-2007 o qual eacute subdividido em duas partes a janela temporal anterior ao evento (1998-2003Q1) e a janela temporal poste-rior ao evento (2003Q4-2007)



A validade da estrateacutegia de identificaccedilatildeo do efeito da educaccedilatildeo assenta no facto de a aquisiccedilatildeo da BVL pelo grupo Euronext ter desencadeado alteraccedilotildees exoacutege-nas nos preccedilaacuterios de corretagem dos intermediaacuterios financeiros Por um lado essa ocorrecircncia afetou todos os intermediaacuterios financeiros a atuar em Portugal traduzindo-se em preccedilaacuterios caracterizados por taxas lump sum por transaccedilatildeo as quais eram inexistentes na janela preacute-evento Por outro lado o ldquotratamen-tordquo (literacia) eacute exoacutegeno na medida em que o evento natildeo altera a procura de educaccedilatildeo ou os conhecimentos financeiros dos investidores

Numa fase preliminar compara-se TPE antes e apoacutes o evento e entre os indiviacute-duos do grupo de tratamento e os do grupo de controlo Sem surpresa em ter-mos meacutedios a diferenccedila da TPE aplicada aos dois grupos era residual (-00014 pontos percentuais ndash pp) antes do evento2 Apoacutes o evento a diferenccedila aumen-ta para -005 pp se a janela temporal poacutes-evento for considerada e -011 pp caso se considere apenas o ano 20053 Estes resultados constituem evidecircncia preliminar de que o niacutevel de educaccedilatildeo condicionou a resposta dos investidores ao novo preccedilaacuterio4

Uma limitaccedilatildeo da anaacutelise univariada eacute que nenhum controlo eacute realizado para mitigar a influecircncia da composiccedilatildeo dos grupos ou endogeneidade Uma dessas limitaccedilotildees eacute que a heterogeneidade no padratildeo de negociaccedilatildeo dos grupos ana-lisados pode ser anterior ao evento Por exemplo se os indiviacuteduos com ensino universitaacuterio tiverem maior propensatildeo a transacionar valores mais elevados a alteraccedilatildeo do preccedilaacuterio iraacute resultar mecanicamente em comissotildees mais elevadas para os demais indiviacuteduos porquanto estes estariam mais expostos agraves altera-ccedilotildees do preccedilaacuterio

Para mitigar esta limitaccedilatildeo e outras similares5 recorreu-se a anaacutelise multiva-riada Em especiacutefico a mediana da TPE observada na janela de evento por in-vestidor eacute regredida numa variaacutevel binaacuteria indicativa de educaccedilatildeo universitaacute-ria (Educ) no logaritmo do nuacutemero de negoacutecios realizados na janela preacute-evento (lnTrades) na percentagem de transaccedilotildees de valores inferiores a 1 000 Euro na

2 Esta diferenccedila resulta das ordens de maior dimensatildeo beneficiarem de uma taxa add-valorem ligeiramente inferior

3 Esta anaacutelise eacute realizada por transaccedilatildeo e natildeo por investidor contrariamente ao que acontece no resto do documento

Investidores com maior nuacutemero de transaccedilotildees estatildeo sobre-representados face a investidores ocasionais nestas estatiacutesticas4

As diferenccedilas satildeo ainda mais acentuadas caso se incluam no grupo de tratamento apenas os indiviacuteduos com maior niacutevel de li-

teracia financeira ou de capacidades numeacutericas5

Indiviacuteduos com ensino universitaacuterio concluiacutedo podem distinguir-se de outros em termos de experiecircncia de negociaccedilatildeo idade

geacutenero ou local de residecircncia por exemplo



janela preacute-evento (L1000) e variaacuteveis sociodemograacuteficas O interesse principal desta regressatildeo recai no coeficiente estimado para Educ Em linha com as hipoacute-teses deste estudo o coeficiente estimado eacute negativo e estatisticamente signifi-cativo Controlando para os outros fatores a TPE paga apoacutes o evento pelos inves-tidores com educaccedilatildeo universitaacuteria eacute 05 pp inferior agrave dos demais investidores

Em anaacutelises suplementares eacute incluiacuteda uma variaacutevel binaacuteria indicativa de litera-cia financeira ou de capacidades matemaacuteticas A anaacutelise revela que estas carac-teriacutesticas tecircm poder explicativo para aleacutem daquele que eacute capturado pelo ensino universitaacuterio As conclusotildees anteriores satildeo igualmente corroboradas noutros exerciacutecios de robustez (i) controlo de valores extremos (ii) atribuiccedilatildeo de di-ferentes pesos agraves observaccedilotildees usadas na regressatildeo (conferindo maior peso aos investidores frequentes) Nestas regressotildees a magnitude do paracircmetro esti-mado para Educ eacute menor mas o efeito da variaacutevel manteacutem-se estatiacutestica e eco-nomicamente significativo Este conjunto de resultados sugere que a educaccedilatildeo universitaacuteria melhora a qualidade de decisatildeo dos investidores ajudando-os a evitar comissotildees excessivas

Este estudo avalia tambeacutem a relevacircncia da experiecircncia de negociaccedilatildeo no pro-cesso de decisatildeo Esta hipoacutetese remonta a Friedman (1953) e ao argumento de que os consumidores aprendem a comportar-se de forma oacutetima atraveacutes de ite-raccedilotildees tentativa-erro No contexto analisado seraacute tambeacutem de esperar que a experiecircncia acumulada dos investidores sem diploma universitaacuterio os ajude a melhorar a qualidade das suas decisotildees financeiras

A anaacutelise economeacutetrica revela duas inferecircncias importantes Por um lado a va-riaacutevel que mede a experiecircncia de negociaccedilatildeo tem um coeficiente estimado ne-gativo e estatisticamente significativo em conformidade com o papel da expe-riecircncia na reduccedilatildeo do montante cobrado por transaccedilatildeo apoacutes o evento Por outro lado restringindo a amostra aos investidores com maior nuacutemero de transaccedilotildees na janela poacutes-evento verifica-se uma reduccedilatildeo substancial do coeficiente asso-ciado a EDUC A conjunccedilatildeo destes resultados sugere que a experiecircncia de nego-ciaccedilatildeo atenua os erros cometidos na tomada de decisatildeo e diminui (sem contu-do a anular) a importacircncia da literacia

Assim os investidores deveriam evitar negoacutecios de valor reduzido de modo a diluir o impacto da componente lump sum na TPE Estrateacutegias de negociaccedilatildeo assentes em pequenos negoacutecios tornaram-se pouco lucrativas com o novo pre-ccedilaacuterio Face aos resultados obtidos na anaacutelise multivariada antecipa-se maior tempestividade dos indiviacuteduos com ensino universitaacuterio e literacia financeira na adoccedilatildeo de padrotildees de negociaccedilatildeo assentes em ordens de maior dimensatildeo No essencial essa hipoacutetese eacute atestada pela anaacutelise empiacuterica Uma anaacutelise de



regressatildeo tendo como variaacutevel dependente a variaccedilatildeo percentual do valor me-diano das ordens entre as janelas temporais e como variaacuteveis explicativas EDUC L1000 e EDUCxL1000 revela um crescimento superior da dimensatildeo das ordens entre os indiviacuteduos com ensino superior e em especial naqueles que tinham maior propensatildeo para realizar transaccedilotildees de valor reduzido antes de 2003

Este estudo contribui para uma melhor compreensatildeo das limitaccedilotildees cognitivas dos consumidores na avaliaccedilatildeo do impacto dos preccedilaacuterios de intermediaccedilatildeo fi-nanceira sobre o desempenho dos seus investimentos Agrave semelhanccedila de outros erros comuns identificados na literatura de financcedilas comportamentais os con-sumidores parecem ter dificuldades na interpretaccedilatildeo de preccedilaacuterios de correta-gem de tiacutetulos Mais importante mostra-se que o niacutevel educacional a literacia financeira e a capacidade numeacuterica impactam a tempestividade da resposta dos consumidores a alteraccedilotildees de preccedilaacuterio prejudiciais ao seu bem-estar financei-ro Os resultados deste estudo parecem assim suportar o esforccedilo de regulado-res na elevaccedilatildeo da literacia financeira dos investidores

Este estudo estaacute organizado do seguinte modo a seccedilatildeo 2 desenvolve as ques-totildees de investigaccedilatildeo e a seccedilatildeo 3 define as variaacuteveis e descreve a amostra A se-ccedilatildeo 4 apresenta a metodologia e a seccedilatildeo 5 mostra os resultados empiacutericos Finalmente a seccedilatildeo 6 sumariza as conclusotildees



2 HIPOacuteTESES SOB INVESTIGACcedilAtildeO

ste estudo avalia o impacto da educaccedilatildeo conhecimentos financeiros e capaci-dade matemaacutetica no processo de tomada de decisotildees financeiras Relaciona-se assim com consumer e household finance corrente que refuta as hipoacuteteses neo-claacutessicas de maximizaccedilatildeo de utilidade (Campbell et al 2011) Regra geral o in-vestidor mediano denota falta de capacidades cognitivas que lhe permitam oti-mizar a sua situaccedilatildeo financeira mesmo em circunstacircncias em que a informaccedilatildeo que seria necessaacuteria para o fazer estaacute acessiacutevel Um exemplo eacute a incapacidade de os agentes econoacutemicos garantir poupanccedilas suficientes para manter padrotildees de consumo em idades avanccediladas porquanto estes tendem a favorecer o consumo presente A existecircncia de fricccedilotildees de mercado (custo de obtenccedilatildeo de informaccedilatildeo e assimetria de informaccedilatildeo - seleccedilatildeo adversa e risco moral) tendem a agravar a situaccedilatildeo

Para esta linha de investigaccedilatildeo a insuficiecircncia de conhecimentos financeiros baacutesicos pelos individuos constitui uma limitaccedilatildeo cognitiva (Lusardi e Mitchell 2007 2011 Lusardi e Tufano 2015) A educaccedilatildeo e em particular a educaccedilatildeo fi-nanceira pode conduzir agrave tomada de decisotildees mais acertadas

Este estudo avalia o impacto de uma alteraccedilatildeo disruptiva dos preccedilaacuterios de cor-retagem em Portugal apoacutes a aquisiccedilatildeo da BVL pelo grupo Euronext Antes da-quele evento as comissotildees de corretagem eram definidas como uma percenta-gem fixa do montante investido isto eacute todos os negoacutecios tinham um encargo igual por cada Euro investido (TPE) Apoacutes o evento a TPE passou a depender de uma componente ad-valorem sobre o valor investido e de uma componen-te lump sum por negoacutecio Desse modo a comissatildeo aplicada a pequenas ordens tornou-se em termos relativos mais elevada que a aplicada a ordens de maior dimensatildeo

Antes do evento as ordens de valor inferior a 2 500 Euro eram comuns na amos-tra analisada 622 (230) das ordens provenientes de investidores indivi-duais envolviam montantes inferiores a 2 500 (1 000) Euro A mediana da TPE aplicada a ordens inferiores a 1 000 Euro era de 028 Apoacutes o evento a me-diana da TPE escalou para pequenas ordens 325 para ordens ateacute 500 Euro e 137 para ordens entre 500 e 1 000 Euro

Torna-se relevante perceber se os investidores com maior niacutevel de escolarida-de (ou em alternativa maior literacia financeira ou capacidades matemaacuteticas) responderam de forma diferente agravequela alteraccedilatildeo de preccedilaacuterio O aumento da di-mensatildeo das ordens poderia mitigar os efeitos dessa alteraccedilatildeo (por via da dilui-ccedilatildeo da componente lump sum da comissatildeo de corretagem) especialmente para

A LITERACIA FINANCEIRAE OS CUSTOS DE TRANSACcedilAtildeO

E



os investidores com propensatildeo a realizar transaccedilotildees de valor reduzido A pri-meira hipoacutetese examinada neste estudo eacute portanto a seguinte

H1 Investidores com maior niacutevel de literacia ajustaram mais rapidamente os seus padrotildees de negociaccedilatildeo ao novo preccedilaacuterio evitando dessa forma comissotildees de corre-tagem excessivas

A primeira hipoacutetese eacute testada de duas formas complementares Em primeiro lugar compara-se a TPE nos dois grupos de investidores na janela poacutes-evento Em segundo lugar comparam-se alteraccedilotildees de padrotildees de negociaccedilatildeo dos dois grupos designadamente o valor negociado por transaccedilatildeo

A segunda hipoacutetese avalia o efeito da experiecircncia de negociaccedilatildeo no ajustamen-to ao novo preccedilaacuterio e a sua interaccedilatildeo com o niacutevel de escolaridade Neste parti-cular Friedman (1953) sublinha a capacidade de aprendizagem dos indiacuteviduos designadamente a aptidatildeo para otimizar comportamentos atraveacutes de iteraccedilotildees tentativa-erro Assim a experiecircncia de negociaccedilatildeo poderia substituir a literacia em individuos com menor niacutevel de escolaridade melhorando a qualidade das suas decisotildees financeiras A segunda hipoacutetese examina por conseguinte se a experiecircncia pode atuar como substituto da literacia para evitar erros em deci-sotildees financeiras

H2 A experiecircncia de negociaccedilatildeo mitiga as diferenccedilas na resposta agrave alteraccedilatildeo de pre-ccedilaacuterio (sobre operaccedilotildees de corretagem) de iacutendividuos com maiores e menores niacuteveis de escolaridade

Finalmente a uacuteltima hipoacutetese em anaacutelise centra-se nas diferenccedilas entre os iacuten-dividuos com maior niacutevel de escolaridade designadamente quanto ao niacutevel de conhecimentos financeiros e capacidades matemaacuteticas

H3 O niacutevel de conhecimentos financeiros e as capacidades matemaacuteticas tecircm rele-vacircncia per se isto eacute tecircm um impacto incremental face aacutequele demonstrado pelo niacute-vel de escolaridade

A seccedilatildeo que se segue descreve a amostra e apresenta as variaacuteveis utilizadas na anaacutelise empiacuterica



3 AMOSTRA E DEFINICcedilAtildeO DAS VARIAacuteVEIS

base de dados usada neste estudo foi obtida junto de uma das maiores insti-tuiccedilotildees financeiras a atuar em Portugal Essa base de dados conteacutem registos de transaccedilotildees de tiacutetulos negociados por clientes da instituiccedilatildeo entre 1998 e 2007 A tabela ldquoTransaccedilotildeesrdquo eacute formada pelos seguintes campos coacutedigo (interno e ISIN) do tiacutetulo transacionado data preccedilo quantidade transacionada tipo de tran-saccedilatildeo (compra versus venda) moeda e descriccedilatildeo do tiacutetulo Para aleacutem da tabela ldquoTransaccedilotildeesrdquo a base de dados conteacutem ainda uma tabela com informaccedilatildeo so-ciodemograacutefica do primeiro detentor da conta de tiacutetulos designadamente ida-de geacutenero ocupaccedilatildeoprofissatildeo niacutevel de educaccedilatildeo e coacutedigo postal da residecircncia Em acreacutescimo conteacutem ainda variaacuteveis binaacuterias indicativas da detenccedilatildeo de de-poacutesitos a prazo creacutedito pessoal e creacutedito agrave habitaccedilatildeo junto da instituiccedilatildeo

Satildeo aplicados vaacuterios filtros ao universo de dados excluiacuteram-se clientes natildeo re-sidentes e aqueles para os quais natildeo existe informaccedilatildeo acerca do niacutevel de esco-laridade e ocupaccedilatildeoprofissatildeo Satildeo tambeacutem excluiacutedos os investidores sem tran-saccedilotildees antes de 2003 ou apoacutes 2004 porquanto o interesse deste estudo reside na comparaccedilatildeo da respetiva atividade antes e apoacutes o evento

A amostra final conteacutem 91 278 contas de tiacutetulos e 1 756 598 transaccedilotildees Cerca de 604 dos investidores satildeo homens 507 residiam nas regiotildees de Lisboa ou do Porto e 342 concluiacuteram o ensino superior O segmento mais repre-sentativo quanto agrave ocupaccedilatildeo eacute o de trabalhadores indiferenciados (377) Sem prejuiacutezo disso 235 dos indiviacuteduos ocupavam cargos de gestatildeo em empresas ou entidades governamentais e 191 eram trabalhadores qualificados de car-gos intermeacutedios Para aleacutem da conta de tiacutetulos alguns investidores detinham depoacutesitos a prazo (193) contraiacuteram creacutedito pessoal (59) e creacutedito hipo-tecaacuterio (137) Apenas 109 (142) dos indiviacuteduos com ensino universitaacute-rio tinham uma ocupaccedilatildeo que requeria conhecimentos econoacutemico-financeiros (exigecircncia de capacidades numeacutericas relevantes)

A



Geacutenero masculino 604

Residecircncia Lisboa ou Porto 507

Educaccedilatildeo universitaacuteria concluiacuteda 342

Tem depoacutesito a prazo 193

Tem creacutedito pessoal 59

Tem creacutedito hipotecaacuterio 137

Literacia financeira 109

Capacidades matemaacuteticas 142

Gestor 235

Trabalhador qualificado 191

Trabalhador especializado 78

Trabalhador indiferenciado 377

Sem ocupaccedilatildeo 119

Tabela 1 ndash Estatiacutesticas descritivas( dos Indiviacuteduos)

O Graacutefico 1 mostra a evoluccedilatildeo (da mediana) dos valores por transaccedilatildeo e da TPE entre 1998 e 2007 A mediana dos valores por transaccedilatildeo cresceu substancial-mente ao longo do periacuteodo analisado 2001 sendo exceccedilatildeo (decliacutenio ligeiro re-lativamente ao ano anterior) Sem prejuiacutezo disso a mediana dos valores por transaccedilatildeo aumentou 96 entre 2003 e 2005 (1 970 Euro e 3 875 Euro em 2003 e 2005 respetivamente) A TPE permaneceu estaacutevel entre 1998 e 2002 mas apoacutes 2004 aumentou significativamente Essa variaccedilatildeo foi mais pronunciada em 2004 tendo-se assistido a uma reversatildeo nos trecircs anos subsequentes

5000

4500

4000

3500

3000

2500

2000

1500

1000

500

0

045

040

035

030

025

020

015

015

005

000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

Valor por transaccedilatildeoTPE ()

Mon

tant

e (e

uro)

TPE

()

Graacutefico 1 ndash Evoluccedilatildeo da TPE e do valor por transaccedilatildeo



O Graacutefico 2 mostra a evoluccedilatildeo dos valores por transaccedilatildeo e da TPE por grupo de indiviacuteduos A anaacutelise graacutefica permite identificar diferenccedilas substantivas entre os investidores com ensino universitaacuterio e os demais investidores com o cres-cimento da TPE a ser mais acentuado entre investidores com menor niacutevel de escolaridade Estes resultados preliminares indiciam maior capacidade de res-posta e de adaptaccedilatildeo agrave alteraccedilatildeo dos preccedilaacuterios de corretagem pelos investidores que concluiacuteram o ensino superior

Graacutefico 2 ndash Evoluccedilatildeo da TPE e do valor por transaccedilatildeo o impacto da educaccedilatildeo

Para obter conclusotildees mais robustas eacute conduzida uma anaacutelise economeacutetrica A descriccedilatildeo da metodologia utilizada eacute efetuada de seguida

6000

5000

4000

3000

2000

1000

0

045

040

035

030

025

020

015

015

005

0001998 1999 2000 2001 2002 2003 2004 2005 2006 2007

Valor por transaccedilatildeo -No Higher Educ

Valor por transaccedilatildeo() - Higher Educ

TPE () -No Higher Educ

TPE () -Higher Educ

Mon

tant

e (e

uro)

TPE

()



4 METODOLOGIA

alteraccedilatildeo da estrutura de preccedilaacuterios de corretagem eacute usada como um choque exoacute-geno sobre os padrotildees de negociaccedilatildeo de dois grupos distintos de investidores (i) grupo de ldquotratamentordquo ie os indiviacuteduos que concluiacuteram ensino universi-taacuterio (ou que tecircm conhecimentos financeiros eou capacidades matemaacuteticas) (ii) grupo de controlo (os demais indiviacuteduos da amostra) Pretende-se aferir o impacto do evento em duas variaacuteveis distintas TPE e valor por transaccedilatildeo A abordagem usada assenta em regressotildees cross-seccionais Numa primeira eta-pa a variaacutevel dependente eacute a mediana da TPE por investidor no periacuteodo apoacutes a aplicaccedilatildeo do novo preccedilaacuterio

No modelo economeacutetrico mais simples TPE eacute funccedilatildeo de uma constante de uma variaacutevel binaacuteria indicativa de conclusatildeo do ensino superior (Educ) e da per-centagem de negoacutecios de valor inferior a 1 000 Euro efetuados pelo investidor na janela temporal preacute-evento (L1000) O interesse deste modelo centra-se na variaacutevel Educ Se o coeficiente estimado for negativo e estatisticamente signi-ficativo pode inferir-se que o ensino universitaacuterio melhorou a capacidade de adaptaccedilatildeo dos investidores ao novo preccedilaacuterio de corretagem reduzindo a co-missatildeo cobrada por Euro investido Quanto a L1000 pretende capturar a pro-pensatildeo para a realizaccedilatildeo de transaccedilotildees de valor inferior a 1 000 Euro antes do evento Antecipa-se que a TPE seja mais elevada para investidores que jaacute antes do evento registavam maior propensatildeo para realizar negoacutecios de valor reduzi-do L1000 absorve o efeito do padratildeo de negociaccedilatildeo anterior ao evento forne-cendo contrafactual para os resultados obtidos

Para aferir a solidez dos resultados obtidos foi adicionado um vetor de variaacuteveis de controlo em diferentes especificaccedilotildees (equaccedilatildeo [1]) i) (logaritmo da) idade do investidor em 2003 (lnAge) ii) (logaritmo do) nuacutemero de negoacutecios realiza-dos na janela preacute-evento (lnTrades) iii) variaacutevel binaacuteria indicativa de geacutenero masculino (Male) iv) variaacutevel binaacuteria indicativa de residecircncia nos distritos de Lisboa ou Porto (LisPort) v) variaacutevel binaacuteria indicativa da existecircncia de apli-caccedilotildees a prazo junto da instituiccedilatildeo financeira (SavAccount) vi) variaacutevel binaacuteria indicativa da existecircncia de creacutedito hipotecaacuterio junto da instituiccedilatildeo financeira (Mortgage) vii) variaacutevel binaacuteria indicativa da existecircncia de creacutedito pessoal jun-to da instituiccedilatildeo financeira (ConsCredit) Na sua essecircncia usa-se o modelo

[1]

A



Para aleacutem do efeito da educaccedilatildeo pretende-se tambeacutem avaliar o impacto da li-teracia financeira e das capacidades matemaacuteticas dos indiviacuteduos na qualidade das decisotildees financeiras Foram assim consideradas duas variaacuteveis adicionais Finlit variaacutevel binaacuteria indicativa de que o indiviacuteduo concluiu o ensino superior e tem uma ocupaccedilatildeoprofissatildeo em que satildeo exigidos conhecimentos na aacuterea de fi-nanccedilas (bancaacuterios economistas gestores contabilistas auditores etc) Math variaacutevel binaacuteria indicativa de que o indiviacuteduo concluiu o ensino superior e tem uma ocupaccedilatildeoprofissatildeo que requere capacidades de raciociacutenio numeacuterico exi-gentes (engenheiros economistas gestores fiacutesicos etc)

Numa segunda etapa avalia-se o impacto da educaccedilatildeo e da experiecircncia na va-riaccedilatildeo do valor por transaccedilatildeo entre os periacuteodos preacute e poacutes-evento O modelo eco-nomeacutetrico usado eacute similar agrave equaccedilatildeo [1] tendo desta feita a variaccedilatildeo percentual do valor por transaccedilatildeo entre os periacuteodos preacute e poacutes-evento como variaacutevel de-pendente A uacutenica diferenccedila respeita agrave inclusatildeo de EducL1000 como variaacutevel explicativa





5 RESULTADOS

seccedilatildeo 2 mostra que TPE aumentou substancialmente apoacutes a alteraccedilatildeo dos pre-ccedilaacuterios de corretagem Ademais uma desagregaccedilatildeo por grupos de indiviacuteduos su-gere que a subida foi mais pronunciada naqueles que natildeo concluiacuteram o ensino universitaacuterio e naqueles que denotam menores conhecimentos financeiros e capacidades matemaacuteticas Contudo aquela anaacutelise univariada ignora diferen-ccedilas quanto a outros determinantes de TPE Na realidade aqueles que concluiacute-ram o ensino superior jaacute exibiam maior propensatildeo a realizar transaccedilotildees infe-riores a 1 000 Euro antes do evento Como tal a ineacutercia ou a exposiccedilatildeo e natildeo a educaccedilatildeo poderia justificar os resultados6 A Tabela 2 mostra os resultados da estimaccedilatildeo de [1] em que TPE eacute funccedilatildeo linear de uma constante Educ variaacuteveis sociodemograacuteficas e do padratildeo de negocia-ccedilatildeo anterior ao evento (L1000 e lnTrades) A coluna [1] mostra os resultados da regressatildeo entre TPE e Educ tendo apenas L1000 como variaacutevel de controlo O coeficiente estimado para Educ eacute estatisticamente significativo a 1 em meacutedia a conclusatildeo do ensino universitaacuterio reduz TPE em -0563 pp L1000 eacute positi-vamente correlacionado com TPE o que corrobora a existecircncia de ineacutercia apoacutes a alteraccedilatildeo de preccedilaacuterios de corretagem

Nas colunas seguintes foram incluiacutedas variaacuteveis de controlo adicionais desig-nadamente lnTrades o logaritmo da mediana do valor por transaccedilatildeo na janela preacute-evento (lnVT) variaacuteveis socioecoacutenomicas (lnAge Male e LisPort) e expe-riecircncia com outros produtos financeiros (SavAccount Mortgage e ConsCredit) Poreacutem a significacircncia estatiacutestica e econoacutemica de Educ natildeo se altera nestas es-pecificaccedilotildees alternativas

6 Suponha-se que ambos os grupos de investidores optam por natildeo ajustar os seus padrotildees de negociaccedilatildeo ao novo preccedilaacuterio

O grupo de controlo conheceria um aumento superior da TPE devido agrave maior propensatildeo para efetuar pequenas transaccedilotildees

A



Tabela 2 ndash Determinantes da variaccedilatildeo de TPE apoacutes o evento

Constante 0798 3856 18694 3851 3847

(2649) (1442) (4180) (1441) (1440)

Educ -0563 -0512 -0438 -0489 -0472

(-1328) (-1164) (-1010) (-1036) (-953)

L1000 4440 4175 4173 4173

(4880) (4882) (4885) (4887)

lnTrades -0501 -0401 -0501 -0501

(-3044) (-2710) (-3048) (-3047)

lnAge -0585 -0316 -0585 -0585

(-828) (-466) (-828) (-827)

ConsCredit 0157 0150 0158 0156

(156) (151) (156) (155)

Mortgage -0208 -0175 -0209 -0211

(-368) (-318) (-371) (-373)

SavAccount -0391 -0397 -0391 -0390

(-924) (-949) (-923) (-922)

Male -0109 0118 -0104 -0099

(-232) (247) (-221) (-209)

LisPort 0291 0268 0294 0295

(685) (650) (690) (692)

lnVT -2036

(-4087)

Finlit -0159

(-235)

Math -0175

(-282)

R2 56 68 111 68 68

F-statistic 27320 7369 12709 6635 6637

Obs 91278 91277 91277 91277 91277

[1]


[5][4][3][2]

Nota t-stat robusto (Huber-White) mostrado entre parecircntesis

indicam significacircncia estatiacutestica a 5 1 e 01 respetivamente



As colunas [4] e [5] apresentam resultados de regressotildees em que Finlit e Math satildeo incluiacutedas na regressatildeo Os coeficientes estimados satildeo negativos e estatisti-camente significativos em linha com a hipoacutetese de que a literacia financeira e a capacidade matemaacutetica tecircm um impacto incremental em TPE ie para aleacutem do efeito capturado por Educ

Ateacute aqui foi assumido um peso idecircntico para todos os indiviacuteduos na anaacutelise apesar da elevada heterogeneidade quanto agrave frequecircncia de negociaccedilatildeo dos in-diviacuteduos apoacutes o evento Com efeito 80 dos indiviacuteduos realizaram cinco ou menos transaccedilotildees apoacutes o evento ao passo que apenas 5 realizaram mais de 20 transaccedilotildees Pode assim questionar-se se a educaccedilatildeo universitaacuteria conduz agraves mesmas inferecircncias para indiviacuteduos com diferentes intensidades de ativida-de de negociaccedilatildeo Para responder a esta questatildeo seguiram-se duas abordagens alternativas

Na primeira restringiu-se a amostra aos indiviacuteduos com oito ou mais transa-ccedilotildees na janela poacutes-evento e re-estimou-se [1] Os resultados exibidos na pri-meira coluna da Tabela 3 mostram que o coeficiente estimado para Educ perma-nece negativo e estatisticamente significativo Sem prejuiacutezo disso assiste-se a um forte decreacutescimo do efeito da educaccedilatildeo sobre TPE Na segunda e terceira colunas inclui-se Finlit e Math como variaacuteveis explicativas adicionais respeti-vamente Os coeficientes estimados permanecem negativos e estatisticamente significativos A magnitude dos coeficientes estimados para Finlit e Math eacute su-perior agrave de Educ consistente com a ideia de que a literacia financeira e as ca-pacidades matemaacuteticas satildeo mais relevantes que a conclusatildeo do ensino superior em indiviacuteduos com uma intensa atividade de negociaccedilatildeo

Na segunda abordagem optou-se pelo estimador weighted least squares (WLS) A ponderaccedilatildeo usada corresponde ao nuacutemero de transaccedilotildees realizadas na janela poacutes-evento (ver colunas [4]-[6]) O coeficiente estimado para Educ permanece negativo e estatisticamente significativo mas eacute substancialmente menor que na estimaccedilatildeo por miacutenimos quadrador ordinaacuterios (-0186 e -0512 respetiva-mente) No seu conjunto estes resultados indicam que o efeito de Educ varia consoante a intensidade da atividade de negociaccedilatildeo dos investidores A impor-tacircncia da educaccedilatildeo eacute superior para os investidores ocasionais Jaacute a importacircncia incremental da literacia financeira (e das capacidades matemaacuteticas) eacute em ter-mos relativos mais relevante para os investidores frequentes



Tabela 3 ndash Determinantes da variaccedilatildeo de TPE apoacutes o evento - robustez

Constant 1013 1013 1012 1420 1421 1419 2892 3463

(620) (620) (620) (2674) (2677) (2675) (1764) (1660)

Educ -0052 -0040 -0030 -0186 -0188 -0182 -0328 -0476

(-245) (-180) (-130) (-2730) (-2545) (-2339) (-1370) (-1527)

L1000 0780 0778 0777 1653 1654 1653 2750 3729

(1416) (1413) (1413) (7512) (7516) (7520) (6015) (6107)

lnTrades -0049 -0049 -0049 -0184 -0184 -0184 -0302 -0437

(-646) (-645) (-647) (-9823) (-9846) (-9841) (-3287) (-3726)

lnAge -0106 -0107 -0107 -0054 -0054 -0054 -0389 -0495

(-262) (-264) (-264) (-386) (-387) (-386) (-913) (-911)

ConsCredit 0123 0124 0123 0062 0062 0062 0068 0110

(377) (379) (378) (466) (466) (467) (137) (165)

Mortgage -0030 -0030 -0030 -0094 -0095 -0094 -0081 -0173

(-132) (-133) (-136) (-1148) (-1151) (-1146) (-256) (-426)

SavAccount 0011 0011 0011 -0098 -0098 -0098 -0198 -0318

(054) (054) (055) (-1300) (-1296) (-1300) (-754) (-946)

Male -0093 -0091 -0088 -0361 -0362 -0360 -0157 -0139

(-368) (-358) (-346) (-3307) (-3308) (-3290) (-613) (-411)

LisPort -0012 -0010 -0010 0040 0039 0040 0159 0245

(-057) (-049) (-047) (579) (571) (585) (662) (773)

Finlit -0060 0014

(-265) (167)

Math -0074 -0014

(-352) (-177)

R2 57 57 58 NA NA NA 87 94

F-statistic 814 736 739 NA NA NA 9457 10508

Obs 12102 12102 12102 91277 91277 91277 89450 91274

Oito ou mais transaccedilotildees WinsorTrimmed RegWLS



[1] [5][4][3][2] [6] [7] [8]

Ateacute aqui o foco do estudo tem sido o impacto da educaccedilatildeo na TPE De seguida analisam-se os efeitos da alteraccedilatildeo de preccedilaacuterio no padratildeo de negociaccedilatildeo dos investidores distinguindo-se em primeiro lugar os que concluiacuteram o ensino superior dos demais Para isso investiga-se o impacto de Educ na variaccedilatildeo do valor por transaccedilatildeo entre os periacuteodos preacute e poacutes-evento A equaccedilatildeo [1] eacute nova-mente estimada mas desta feita a variaacutevel dependente eacute ∆lnTradeSize (variaccedilatildeo



Tabela 4 ndash Determinantes da variaccedilatildeo do valor por transaccedilatildeo

Constante -0187 -1267 -1264 -1262

(-2739) (-2749) (-2743) (-2739)

Educ 0061 0061 0053 0059

(529) (528) (438) (470)

L1000 0605 0669 0668 0668

(4163) (4639) (4637) (4636)

EducL1000 0158 0166 0143 0143

(623) (663) (549) (549)

lnTrades 0074 0074 0074

(2362) (2351) (2360)

lnAge 0234 0235 0234

(1970) (1973) (1969)

ConsCredit -0117 -0118 -0117

(-722) (-726) (-719)

Mortgage -0026 -0026 -0025

(-240) (-232) (-230)

SavAccount 0092 0091 0091

(986) (980) (977)

Male 0110 0106 0105

(1406) (1359) (1338)

LisPort -0023 -0025 -0024

(-304) (-329) (-325)

Finlit 0045

(169)

Finlit L1000 0205

(313)

Math 0004

(020)

MathL1000 0219

(419)

R2 40 55 56 56

F-statistic 12579 5338 4502 4498

Obs 91278 91277 91277 91277

[1] [3][2]

Nota t-stat robustos

(Huber-White)

mostrados entre

parecircntesis

indicam significacircncia

estatiacutestica a 5 1 e

01 respetivamente

percentual da mediana do valor por negoacutecio entre os dois periacuteodos) A variaacute-vel ∆lnTradeSize eacute estimada como uma funccedilatildeo linear de uma constante Educ L1000 L1000timesEduc e variaacuteveis de controlo

[4]



Na primeira coluna da Tabela 4 satildeo reportados resultados em que as variaacuteveis de controlo natildeo satildeo incluiacutedas Os coeficientes estimados para Educ L1000 e L1000timesEduc satildeo positivos e estatisticamente significativos do que se conclui que os investidores com maior propensatildeo a realizar transaccedilotildees de valor reduzi-do foram aqueles que observaram maior crescimento do valor associado a cada transaccedilatildeo Ademais a intensidade desse crescimento eacute de sobremaneira supe-rior para os investidores que concluiacuteram o ensino universitaacuterio

As restantes colunas da Tabela 4 apresentam especificaccedilotildees alternativas mas as principais conclusotildees natildeo se alteram Uma chamada de atenccedilatildeo para a inclu-satildeo de Finlit e L1000timesFinlit (Math e L1000timesMath) na especificaccedilatildeo apresentada na coluna [3] ([4]) O crescimento do valor por transaccedilatildeo foi ainda mais pro-nunciado entre os indiviacuteduos com formaccedilatildeo superior que tinham uma ocupaccedilatildeo que exigia conhecimentos financeiros (capacidade matemaacuteticas) do que para os demais indiviacuteduos que concluiacuteram o ensino superior




6 CONCLUSOtildeES

educaccedilatildeo e a literacia financeira melhoram as decisotildees financeiras dos indi-viacuteduos Este estudo procura responder a esta questatildeo ao examinar a reaccedilatildeo de investidores a alteraccedilotildees suacutebitas e profundas de preccedilaacuterios de corretagem Para esse fim analisa-se a reaccedilatildeo dos investidores agrave alteraccedilatildeo do preccedilaacuterio de corre-tagem que ocorreu apoacutes a aquisiccedilatildeo da BVL pelo grupo Euronext em 2003 Esse evento conduziu a uma alteraccedilatildeo profunda da estrutura de comissotildees aplicada a transaccedilotildees no mercado acionista e penalizou fortemente transaccedilotildees de va-lor reduzido as quais eram comuns antes de 2003 (quer para investidores com menor niacutevel de escolaridade quer para os demais)

Este evento oferece a oportunidade de avaliar a resposta de diferentes grupos de investidores de retalho ao novo preccedilaacuterio Os resultados obtidos indicam uma reaccedilatildeo mais tempestiva ao novo preccedilaacuterio pelos investidores com ensino univer-sitaacuterio concluiacutedo evitando a cobranccedila de comissotildees de corretagem excessivas Essa tempestividade foi ainda mais evidente para aqueles que acumulam ensi-no universitaacuterio com conhecimentos financeiros ou capacidades matemaacuteticas A experiecircncia de negociaccedilatildeo tambeacutem aumenta a tempestividade da resposta dos investidores sobretudo entre aqueles que tecircm menor niacutevel de escolarida-de No limite a experiecircncia de negociaccedilatildeo pode ser vista como um substituto imperfeito da educaccedilatildeo A resposta dos investidores com maior niacutevel de esco-laridade foi mais notoacuteria porque alteraram mais rapidamente o seu padratildeo de negociaccedilatildeo De facto foi neste grupo que se observou o maior crescimento do valor por transaccedilatildeo apoacutes a alteraccedilatildeo de preccedilaacuterio

Em suma os resultados deste estudo indicam que muitos investidores de reta-lho falharam na adaptaccedilatildeo agrave nova estrutura do preccedilaacuterio de corretagem o que levanta duacutevidas quanto agrave racionalidade do seu comportamento noutros domiacute-nios A transparecircncia da informaccedilatildeo tem um papel importante no processo de decisatildeo mas pode ser por si soacute insuficiente para evitar erros pelos investido-res de retalho Apesar da divulgaccedilatildeo dos preccedilaacuterios ser obrigatoacuteria pelos inter-mediaacuterios financeiros os investidores com menor niacutevel de escolaridade obser-vam menor aptidatildeo para otimizar a sua situaccedilatildeo financeira e evitar comissotildees de corretagem excessivas

A



Campbell J H Jackson B Madrian e P Tufano (2011) Consumer Financial Protection

Journal of Economic Perspectives 25(1) 91ndash114

Friedman M (1953) Essays in Positive Economics University of Chicago Press

Hilgert M J Hogarth e S Beverly (2003) Household Financial Management The

Connection between Knowledge and Behavior Fed Res Bull 89 309

Lusardi A e O Mitchell (2007) Financial Literacy and Retirement Preparedness Evidence

and Implications for Financial Education Business economics 42(1) 35ndash44

Lusardi A e O Mitchell (2011) Financial Literacy and Planning Implications for Retirement

Wellbeing National Bureau of Economic Research

Lusardi A e P Tufano (2015) Debt Literacy Financial Experiences and Overindebtedness

Journal of Pension Economics amp Finance 14(4) 332ndash68

Ryan A G Trumbull e P Tufano (2011) A Brief Postwar History of US Consumer Finance

Business History Review 85(3) 461ndash98

REFEREcircNCIAS

bull

bull

bull

bull

bull

bull

bull




RegulaccedilatildeodosCriptoativos

JOAtildeO VIEIRA DOS SANTOS1

1Jurista da Comissatildeo do Mercado de Valores Mobiliaacuterios As opiniotildees expressas neste

texto satildeo as do autor e natildeo vinculam a Comissatildeo do Mercado de Valores Mobiliaacuterios



1 O FUNCIONAMENTO DA BLOCKCHAIN

A tecnologia blockchain eacute normalmente definida como uma base de dados dis-tribuiacuteda e imutaacutevel gerida de forma descentralizada e geralmente de for-ma autoacutenoma com uma verificaccedilatildeo algoriacutetmica e criptograacutefica associada2 A blockchain permite assim registar elementos de informaccedilatildeo agrupados em blocos de armazenamento digital numa corrente expansiacutevel tornando este sis-tema quase incorruptiacutevel por ser necessaacuterio decompor toda a corrente de blocos para alterar os registos criados3 Isto eacute podemos considerar de uma forma am-pla a blockchain como um meacutetodo revolucionaacuterio que assegura confianccedila entre contrapartes anoacutenimas em sistemas descentralizados e na transaccedilatildeo de dados sem a necessidade de um ponto central de contacto e controlo4 A confianccedila natildeo assenta em instituiccedilotildees oficiais que verifiquem os dados mas no coacutedigo crip-tograacutefico que estabelece as regras de certa base de dados blockchain permitin-do-se igualmente proteger o anonimato dos seus utilizadores e sendo atribuiacute-do a cada um deles uma chave de acesso privada para acederem a determinada blockchain5

Isto posto uma blockchain eacute uma base de dados imutaacutevel e resiliente que permi-te efetuar transaccedilotildees em que a informaccedilatildeo eacute validada por rede de nodes6 com

2 Para uma explicaccedilatildeo das bases da tecnologia blockchain cfr J H WITTE The Blockchain A Gentle Introduction 2016 dis-

poniacutevel em httpspapersssrncom e NARAYANAN JOSEPH BONNEAU EDWARD FELTEN ANDREW MILLER E STEVEN

GOLDFEDER Bitcoin and Cryptocurrency Technologies A Comprehensive Introduction 2016 disponiacutevel em

httpsloppnetpdfprinceton_bitcoin_bookpdf3

Uma tentativa de alteraccedilatildeo dos registos eacute liminarmente rejeitada pelo sistema Eacute necessaacuterio respeitar o historial de transaccedilotildees

da corrente para inserir novos blocos cfr CHRIS BURNISKE E JACK TATAR Cryptoassets The Innovative Investorrsquos Guide to

Bitcoin and Beyond McGraw-Hill New York 2017 p 164

Cfr PAOLO TASCA THAYABARAN THANABALASINGHAM E CLAUDIO TESSONE Ontology of Blockchain Technologies Principles

of Identification and Classification 2017 p 2 disponiacutevel em

httpspapersssrncom5

Cfr MARK PILKINGTON Blockchain Technology Principles and Applications 2015 p 4 disponiacutevel em

httpspapersssrncom6

Nodes satildeo coacutepias dos dados das transaccedilotildees de uma blockchain armazenadas num dispositivo ldquoNuma transaccedilatildeo cada node

(ou utilizador) teraacute um coacutedigo alfanumeacuterico de 30 diacutegitos ou mais que o identifica As transaccedilotildees ocorrem entre os coacutedigos al-

fanumeacutericos que satildeo as moradas da blockchain A operaccedilatildeo pressupotildee ainda a realizaccedilatildeo de vaacuterios caacutelculos algoriacutetmicos para

garantir que o registo de transaccedilotildees eacute realizado permanentemente ordenado de forma cronoloacutegica e disponibilizado a todos

os utilizadores da rederdquo LUIacuteS ROQUETTE GERALDES MARIANA SOLAacute DE ALBUQUERQUE E JOAtildeO LIMA DA SILVA ldquoICOs securi-

ty tokens vs utility tokenrdquo in Fintech II ndash Novos estudos sobre tecnologia financeira coord ANTOacuteNIO MENEZES CORDEIRO ANA

PERESTRELO DE OLIVEIRA E DIOGO PEREIRA DUARTE Almedina Coimbra 2019 p 330 nota 9

A

REGULACcedilAtildeODOS CRIPTOATIVOS


CADERNOS DO MERCADO DE VALORES MOBILIAacuteRIOSREGULACcedilAtildeODOS CRIPTOATIVOS

uma verificaccedilatildeo algoriacutetmica e criptograacutefica de chaves puacuteblica e privada7 asso-ciada Nos uacuteltimos anos esta tecnologia tem sido alvo de uma discussatildeo a niacutevel global devido ao seu potencial de alterar profundamente a forma como armaze-namos acedemos processamos verificamos e partilhamos dados Para tanto a criptografia assume duas funccedilotildees essenciais

bull Funccedilatildeo unidirecional A informaccedilatildeo validada natildeo pode apagar as infor-maccedilotildees validadas anteriormente devido a uma teacutecnica de assinatura di-gital chamada hash

bull Resistecircncia agrave colisatildeo eacute praticamente impossiacutevel para duas entradas dife-rentes gerarem o mesmo bloco

A ascensatildeo da tecnologia blockchain deveu-se em grande medida ao suces-so das bitcoins e aos princiacutepios definidos no artigo ldquoBitcoin A Peer-to-Peer Electronic Cash Systemrdquo8 publicado em 2008 cuja autoria pertence ao desco-nhecido ou grupo de desconhecidos chamado ldquoSatoshi Nakamotordquo A partir deste artigo emitiram-se pela primeira vez em 2009 as bitcoins e permitiu--se destarte resolver o problema da dupla alienaccedilatildeo (double spending)9 sem que seja necessaacuteria a intervenccedilatildeo de um intermediaacuterio10

Como uma blockchain efetua a verificaccedilatildeo de qualquer transaccedilatildeo de uma forma automaacutetica reduzindo drasticamente os custos normalmente associados a essa

7 A criptografia de chaves puacuteblica e privada utiliza duas chaves distintas uma para codificar e outra para decodificar mensagens

Neste meacutetodo cada entidade manteacutem duas chaves uma puacuteblica que pode ser divulgada livremente e outra privada que deve

ser mantida em segredo pelo seu titular As mensagens codificadas com a chave puacuteblica soacute podem ser descodificadas com a

chave privada correspondente 8

Cfr httpsbitcoinorgbitcoinpdf Tais princiacutepios consistem na criaccedilatildeo sistema eletroacutenico de pagamentos assente apenas

na confianccedila e natildeo numa instituiccedilatildeo central desenvolvido atraveacutes de um mecanismo de consenso democratizando e libera-

lizando o modo de realizar transaccedilotildees9

Este problema estaacute normalmente associado agrave possibilidade de numa rede informaacutetica poder-se facilmente duplicar informa-

ccedilatildeo Quando se envia um documento ou um email o que estamos a enviar eacute uma coacutepia desse documento ou desse email Ora a

transferecircncia de ativos (dinheiro accedilotildees obrigaccedilotildees e patentes) natildeo se compadece com o envio de coacutepias Tradicionalmente

este desafio eacute solucionado com o recurso a uma entidade terceira central que garante a autenticidade e a validade da informa-

ccedilatildeo Com a resoluccedilatildeo deste problema atraveacutes da blockchain eacute possiacutevel criar uma cadeia de valor sem intermediaacuterios porque a

rede garante que cada informaccedilatildeo eacute uacutenica e imutaacutevel10

Cfr FRANCISCO MENDES CORREIA ldquoA tecnologia descentralizada de registo de dados (Blockchain) no sector financeirordquo in

FinTech Desafios da Tecnologia Financeira coord ANTOacuteNIO MENEZES CORDEIRO ANA PERESTRELO DE OLIVEIRA E DIOGO

PEREIRA DUARTE Almedina Coimbra 2017 p 70



verificaccedilatildeo11 resolve-se o problema da dupla alienaccedilatildeo uma forma mais segu-ra e eficiente (i) porque eacute uma base de dados descentralizada sendo por isso mais difiacutecil de corromper do que uma base de dados centralizada de uma inter-mediaacuterio financeiro (ii) porque garante um maior acesso a toda a populaccedilatildeo pela tendencial gratuitidade de utilizaccedilatildeo desta tecnologia (iii) devido agrave maior rapidez para se efetuar transaccedilotildees (demora apenas uns segundos ao contraacute-rio das transferecircncias de fundos entre diferentes paiacuteses) (iv) porque corrige os problemas gerados pelas assimetrias de informaccedilatildeo devido agrave possibilidade de acesso puacuteblico a todos os dados presente numa blockchain

Como jaacute se referiu os dados de uma blockchain natildeo estatildeo armazenados num ponto central mas estatildeo distribuiacutedos num registo global descentralizado em que se utiliza criptografia de alto niacutevel e quando uma transferecircncia de dados eacute realizada esta eacute imediatamente publicada nesse registo global atravessando milhotildees de computadores Deste modo como uma blockchain estaacute replicada por todos os participantes suscita-se o problema de sincronizar uniformemente estas bases de dados replicadas Para tal foram encontrados mecanismos para que todos os participantes se coloquem de acordo em cada momento sobre a versatildeo correta da base de dados e que impeccedila que um dos participantes possa impor uma versatildeo adulterada

Normalmente os mecanismos de consenso de uma blockchain incorporam um conjunto de incentivos econoacutemicos que garantem o cumprimento correto de todos os participantes Por esse motivo eacute criada um criptoativo12 que serve para remunerar os participantes de uma determinada blockchain

Outrossim existe um protocolo ou coacutedigo criptograacutefico que determina o modo de funcionamento de certa blockchain nomeadamente como eacute que a informa-ccedilatildeo eacute inserida na blockchain e como eacute que os seus membros podem alterar o pro-tocolo13 As pessoas que criam gerem e alteram o protocolo satildeo chamadas de

11 Cfr CHRSTIAN CATALINI E JOSHUA GANS Some Simple Economics of the Blockchain 2016 p 6 disponiacutevel em

httpspapersssrncom 12

Estes criptoativos originaacuterios de uma blockchain que servem para remunerar os seus participantes chamam-se coins e os

criptoativos que satildeo criados a partir de uma blockchain jaacute existente daacute-se o nome de tokens No entanto por uma questatildeo de

simplicidade de exposiccedilatildeo trataremos estas duas realidades de igual forma com o termo ldquocriptoativosrdquo exceto nos casos em

que se justifique essa distinccedilatildeo Tambeacutem eacute comum a utilizaccedilatildeo por outros autores e por autoridades do termo ldquotokenrdquo para re-

ferir a ambas as realidades correspondendo portanto ao que apelidamos de criptoativos13

Cfr JONATHAN ROHR E AARON WRIGHT Blockchain-Based Token Sales Initial Coin Offerings and the Democratization of Public

Capital Markets p 8 disponiacutevel em httpspapersssrncom



developers O protocolo pode ser aberto e puacuteblico em que qualquer pessoa pode aceder aos seus registos construir blocos e sugerir alteraccedilotildees ou pode ser fe-chado quando soacute um nuacutemero limitado de pessoas pode aceder aos registos do protocolo podendo ser usado para facilitar a gestatildeo interna das organizaccedilotildees na reduccedilatildeo de custos e no aumento da celeridade dos processos Nas bitcoins por exemplo o protocolo eacute aberto e eacute gerido por uma equipa de developers prin-cipais e pelos ldquomineirosrdquo14

Uma rede blockchain tem uma governanccedila descentralizada no que concerne agraves regras que determinam a sua forma de funcionamento chamando-se proto-colo a esse conjunto de regras Caso natildeo haja acordo em relaccedilatildeo ao protocolo poderaacute haver uma cisatildeo na rede a que se daacute o nome de hard fork passando a coexistir duas redes distintas e por consequecircncia dois criptoativos Em caso de desacordo entre os participantes e se por esse motivo se alterar o protocolo e subsistir apenas uma rede efetua-se um soft fork

Para contornar a imutabilidade inerente de uma blockchain e corrigir alguma informaccedilatildeo que possa ter sido inserida na rede poderaacute realizar-se um hard fork para criar uma nova rede com a informaccedilatildeo correta Posteriormente pode exis-tir uma fusatildeo ou merge entre as duas redes ficando apenas a rede com a infor-maccedilatildeo corrigida a validar as novas transaccedilotildees Outra soluccedilatildeo para contornar essa imutabilidade consiste na criaccedilatildeo sidechains que satildeo blockchains que ser-vem de suporte a uma blockchain podendo ser alteraacuteveis Devido aos problemas associados com o consenso necessaacuterio em redes descen-tralizadas e abertas tecircm sido criadas blockchains mais controlaacuteveis e previsiacuteveis que se chamam permissioned blockchains por oposiccedilatildeo agraves permissionless block-chain como a Bitcoin e a Ethereum Nas permissioned blockchains pode existir um controlo de uma entidade sobre quem satildeo os participantes da rede e qual eacute a in-formaccedilatildeo que pode ser inserida Desta forma a confianccedila dos participantes natildeo assenta apenas no funcionamento mas tambeacutem na entidade controladora Por outro lado como estas permissioned blockchains natildeo precisam de mecanismos de consenso conseguem ser muito mais raacutepidas que as permissionless blockchains

As permissioned blockchains ou blockchains privadas distinguem-se das permis-sionless blockchains ou blockchains puacuteblicas por existir nas primeiras controlo

14 Cfr PAOLO TASCA THAYABARAN THANABALASINGHAM E CLAUDIO TESSONE Ontology of Blockchain Technologies Principles


httpspapersssrncom



15 SIMONE FABIANO DLTs Applications in the Financial Markets 2018 p 19 disponiacutevel em

httpspapersssrncom16

GUILHERME MARTINS A Tecnologia Blockchain e a sua aplicaccedilatildeo ao Mercado de Instrumentos Financeiros dissertaccedilatildeo de

mestrado da Universidade Catoacutelica Portuguesa 2018 p 10 disponiacutevel em

httpsrepositorioucpptbitstream1040014257691Tecnologia20Blockchain20e20a20sua20aplica-

c3a7c3a3o20ao20mercado20financeiropdf

por parte de uma entidade ou nuacutemero limitado de entidades sobre a rede Essas entidades conseguem decidir quem satildeo os participantes da rede qual eacute a infor-maccedilatildeo que pode ser inserida e validada e efetuar alteraccedilotildees agraves regras da rede15 recorrendo para isso a um conjunto de criteacuterios de admissibilidade definidos ab initio16 Nas permissionless blockchains o acesso eacute puacuteblico e a gestatildeo da rede eacute efetuada atraveacutes dos mecanismos de consenso

Apesar de se perderem os benefiacutecios associados a uma gestatildeo descentralizada as permissioned blockchains tecircm as suas vantagens tais como

bull As entidades gestoras da rede tecircm conhecimento da identidade dos parti-cipantes da rede

bull A existecircncia de uma base de dados imutaacutevel sob controloconfirmaccedilatildeo da entidade gestora da rede e distribuiacuteda por todos os participantes com uma reconciliaccedilatildeo em real-time

bull Utilizaccedilatildeo de mecanismos de consenso que permitem a poupanccedila de recursos computacionais por oposiccedilatildeo ao mecanismo de consenso de proof-of-work comum nas permissionless blockchains

bull Ganhos de eficiecircncia e velocidade em comparaccedilatildeo agraves permissionless blockchains devido agrave desnecessidade de recorrer a mecanismos de consenso

Devido agraves referidas carateriacutesticas nomeadamente agrave centralizaccedilatildeo da gestatildeo do sistema as permissioned blockchain tecircm mais capacidade de se enquadrar na atual estrutura organizativa dos mercados financeiros

No caso das permissionless blockchains a natureza descentralizada da gestatildeo da rede e da validaccedilatildeo da informaccedilatildeo natildeo permitiria a adequaccedilatildeo agrave legislaccedilatildeo vigente uma vez que o registo de valores mobiliaacuterios ao abrigo da legislaccedilatildeo nacional pressupotildee o recurso a um sistema de controlo centralizado l



2 OS MECANISMOS DE CONSENSO

s mecanismos de consenso satildeo acionados quando as transaccedilotildees podem ser reu-nidas para criar um bloco e garantem o acordo dos vaacuterios participantes nas re-gras estabelecidas no protocolo de uma blockchain Existem diversos tipos de mecanismos de consenso mas os principais satildeo os seguintes

bull Proof-of-work demonstraccedilatildeo de realizaccedilatildeo de esforccedilo

bull Proof-of-stake demonstraccedilatildeo de participaccedilatildeo ou interesse

O mecanismo proof-of work implica a existecircncia de mineraccedilatildeo que correspon-de a um processo de validaccedilatildeo e registo de novas transaccedilotildees na blockchain Este processo decorre nos full nodes e nas master nodes17 que recebem as informa-ccedilotildees de uma nova transaccedilatildeo Os titulares dos full e master nodes chamados ldquomi-neirosrdquo verificam se as informaccedilotildees foram replicadas de transaccedilotildees anteriores e verificam a validade das assinaturas digitais

Apoacutes essa validaccedilatildeo os ldquomineirosrdquo competem entre si na resoluccedilatildeo de um pro-blema criptograacutefico para registar um novo bloco de transaccedilotildees validadas O pri-meiro mineiro a resolver esse problema criptograacutefico utilizando uma enorme capacidade de processamento informaacutetico acrescenta um novo bloco que eacute va-lidado pelos restantes mineiros gerando-se um consenso na rede Caso a so-luccedilatildeo apresentada pelo mineiro natildeo seja vaacutelida os restantes ldquomineirosrdquo natildeo aceitam o novo bloco e natildeo o registam nas suas bases de dados

Este processo de mineraccedilatildeo serve igualmente para preservar a seguranccedila da rede Para um ldquomineirordquo introduzir transaccedilotildees adulteradas na rede sem o con-sentimento dos restantes ldquomineirosrdquo necessita de deter mais de metade dos full nodes e master nodes da rede o chamado ldquo51 attackrdquo Existe desta forma uma vulnerabilidade aparentemente substancial do protocolo em que assenta a rede

Os ldquomineirosrdquo que registarem novos blocos tambeacutem tecircm de apresentar aos restantes ldquomineirosrdquo da rede que realizaram esforccedilo computacional de for-ma a serem remunerados geralmente com os criptoativos dessa blockchain Concretamente os ldquomineirosrdquo competem entre si para resolverem os referidos

17 Full nodes satildeo nodes completos da rede que permitem ao seu detentor validar as transaccedilotildees da rede por poderem verificar

se as informaccedilotildees de uma nova transaccedilatildeo jaacute foram utilizadas numa qualquer transaccedilatildeo anterior Os master nodes para aleacutem

de terem todas as funcionalidades das full nodes tecircm tambeacutem direitos especiais de voto

O



problemas verificando desse modo novas transaccedilotildees numa determinada blo-ckchain e o primeiro a resolver certo problema eacute premiado em criptoativos eou em fees18 Existe deste modo um incentivo para os agentes algo essencial num sistema descentralizado19

Este mecanismo de consenso eacute utilizado pela Bitcoin e a Ethereum as princi-pais blockchain Contudo devido aos problemas de gasto energeacutetico associados ao proof-of-work procuraram-se outras formas de alcanccedilar consenso na rede destacando-se o proof-of-stake

No mecanismo proof-of-stake os titulares de full e master nodes tecircm que pro-var que tecircm um nuacutemero de criptoativos determinado pela rede (os criptoativos em ldquostakerdquo) para poderem registar novos blocos e serem remunerados com no-vos criptoativos e com as fees das transaccedilotildees Tal tambeacutem pode originar pools neste caso de investimento em ldquostakerdquo com vista a existir mais probabilidade de um full ou master node ser escolhido pela rede para receber coins e fees Caso um full ou master node registar um bloco com informaccedilatildeo errada e consequen-temente os restantes full ou master nodes natildeo aceitarem esse novo bloco satildeo retiradas os criptoativos que esse detentor tinha em ldquostakerdquo

Os gastos eneacutergicos satildeo deste modo menores do que na proof-of-work porque natildeo existe a resoluccedilatildeo de problemas criptograacuteficos apenas existindo consumo energeacutetico na construccedilatildeo dos novos blocos validados pelo detentor de full ou master nodes que fez o ldquostakerdquo e foi escolhido aleatoriamente pela rede atraveacutes de um hash coincidente com o do novo bloco No entanto poderaacute ser mais faacutecil um ldquo51 attackrdquo por algueacutem que tenha muito capital podendo as blockchains que funcionam com proof-of-stake ser menos seguras por esse motivo

Os criptoativos podem ser assim obtidos pelo puacuteblico atraveacutes destes mecanis-mos de consenso por exemplo atraveacutes da ldquomineraccedilatildeordquo no proof-of-work ou atraveacutes de uma posterior venda quer peet-to-peer quer em plataformas espe-ciacuteficas de negociaccedilatildeo de criptoativos as chamadas exchanges20 l

18 Uma rede blockchain pode determinar o pagamento de comissotildees chamadas fees nas transaccedilotildees efetuadas Esse tipo de

incentivos econoacutemicos tem originado mining pools que satildeo grupos de ldquomineradoresrdquo que juntam os seus esforccedilos compu-

tacionais para conseguirem ser remunerados cfr MARC PILKINGTON Blockchain Technology Principles and Applications

2015 p 6 disponiacutevel em httpspapersssrncom 19

Cfr KEVIN WERBACH E NICOLAS CORNELL Contracts Ex Machina 2017 p 13 disponiacutevel em httpspapersssrncom20

Cfr OLIVIER HARI ldquoThe protection of the owners of cryptocurrencies in particular bitcoin selected aspects of Swiss finan-

cial market and insolvency lawrdquo in Blockchains Smart Contracts Decentralised Autonomous Organisations and the Law 2019

2019 p 187 disponiacutevel em httpswwwelgaronlinecomviewedcoll97817881151249781788115124xml





3 INITIAL COIN OFFERINGS

o ano de 2017 as Initial Coin Offerings ndash obtenccedilatildeo de financiamento a atraveacutes da emissatildeo de criptoativos ndash envolveram mais de 3 mil milhotildees de doacutelares21 e no ano de 2018 mais de 16 mil milhotildees de doacutelares22 espoletando cada vez mais o interesse de investidores reguladores e natildeo soacute para conhecerem melhor este fenoacutemeno O crescimento do valor das bitcoins tambeacutem transportou os criptoa-tivos e as suas transaccedilotildees com a finalidade de obter mais-valias para o espaccedilo mediaacutetico tendo jaacute incentivado as corretoras portuguesas a comeccedilarem a ne-gociar produtos financeiros com o valor indexado ao valor da bitcoin e de outros criptoativos23 A tecnologia subjacente aos criptoativos a blockchain tem sido igualmente alvo de uma crescente investigaccedilatildeo por parte de diversos governos e empresas24 encontrando-se posiccedilotildees muito distintas quanto aos benefiacutecios e riscos destas novas figuras

Ao passo que desde cedo a posiccedilatildeo institucional da China tem sido a de proi-bir a transaccedilatildeo de criptoativos25 e a dos Estados Unidos da Ameacuterica de regular as Initial Coin Offerings por recurso agraves normas relativas a valores mobiliaacuterios26ndash atraveacutes do trabalho de investigaccedilatildeo da Securities and Exchange Commission (SEC) ndash na Europa as posiccedilotildees institucionais sobre o assunto comeccedilaram por meros alertas para os riscos associados a estas figuras nomeadamente por parte da Comissatildeo do Mercado de Valores Mobiliaacuterios (CMVM)27 e da European

21 Cfr JONATHAN ROHR E AARON WRIGHT Blockchain-Based Token Sales Initial Coin Offerings and the Democratization of

Public Capital Markets p 2 disponiacutevel em


Dados retirados de httpswwwcoindeskcomico-tracker23

httpsecopt20171214bitcoin-nao-e-legal-mas-ha-corretoras-portuguesas-a-vender-moeda-digital24

Por exemplo a Goldman Sachs tenciona criar uma plataforma de negociaccedilatildeo de criptoativos cfr httpswwwbloomberg

comnewsarticles2017-12-21goldman-is-said-to-be-building-a-cryptocurrency-trading-desk25

Cfr httpswwwbloombergcomnewsarticles2017-09-04china-central-bank-says-initial-coin-offerings-are-illegal26

Nos Estados Unidos da Ameacuterica a SEC tem encerrado as Initial Coin Offerings que natildeo sejam registadas como ofertas puacute-

blicas relativas a valores mobiliaacuterios mesmo que natildeo exista qualquer indiacutecio de fraude cfr ttpswwwcrowdfundinsider

com201712125780-munchee-halted-sec-shuts-initial-coin-offering-unregistered-security Tal comportamento tem

propiciado uma saiacuteda das sociedades comerciais que querem financiar-se atraveacutes das Initial Coin Offerings para jurisdiccedilotildees

com uma abordagem laissez-faire como a suiacuteccedila cfr JONATHAN ROHR E AARON WRIGHT Blockchain-Based Token Sales

Initial Coin Offerings and the Democratization of Public Capital Markets p 19 disponiacutevel em


Cfr CMVM comunicado de imprensa ldquoAlerta aos investidores sobre Initial Coin Offerings (ICOs)rdquo 2017 disponiacutevel em

httpwwwcmvmptptComunicadosComunicadosPages20171103aaspx

N



Securities and Markets Authority (ESMA)28 A partir do final de 2018 as posi-ccedilotildees das instituiccedilotildees na Europa e multiplicaram-se e analisaremos as que mais se destacam no presente estudo

Quanto a Portugal as posiccedilatildeo ainda satildeo escassas ressalvado o referido comu-nicado da CMVM o que nos impele a perscrutar as Initial Coin Offerings e a nego-ciaccedilatildeo de criptoativos segundo o Direito portuguecircs tendo em vista qual seraacute a resposta mais adequada que o nosso ordenamento poderaacute dar ao advento destes fenoacutemenos se por um lado poderaacute optar-se pelo fomento a uma nova forma de financiamento e investimento por outro lado haveraacute que ter em conta os pre-juiacutezos que eventualmente podem ser causados pelas Initial Coin Offerings aos investidores natildeo profissionais29

O grande sucesso das Initial Coin Offerings tambeacutem vem demonstrar que neste momento existe uma lacuna no financiamento societaacuterio30 sendo imperioso aproveitar os benefiacutecios criados por esta nova forma de financiamento esta-belecendo-se uma regulaccedilatildeo que garanta a confianccedila de todos os agentes do mercado Com efeito muitas sociedades comerciais de base tecnoloacutegica tecircm re-corrido agraves Initial Coin Offerings de modo a contornarem os grandes constran-gimentos regulatoacuterios do sistema financeiro tradicional que tecircm aumentado desde a crise financeira de 20072008 Por este motivo conveacutem entender qual seraacute o melhor meio de aliar a flexibilidade agrave celeridade destes novos meios de financiamento que melhor se ajustam agraves sociedades comerciais emergentes com a seguranccedila e a estabilidade do sistema financeiro no seu todo Para tanto conveacutem que os reguladores e as sociedades comerciais comecem por entender plenamente o funcionamento deste novo fenoacutemeno para aproveitarem todas as suas potencialidades e controlarem os seus riscos l

28 CCfr ESMA comunicado de imprensa ldquoESMA highlights ICO risks for investors and firmsrdquo 2017 disponiacutevel em

httpswwwesmaeuropaeupress-newsesma-newsesma-highlights-ico-risks-investors-and-firms29

Existe um grande nuacutemero de Initial Coin Offerings que constituiacuteram fraudes cfr httpsbitmaklernet

class-action-lawsuit-filed-against-centra-ico-that-was-pumped-by-floyd-crypto-mayweather__news_19301530

Cfr httpeurocrowdorg20171025ecn-convention-debates-technology-cross-border-future-eu-alternative-finance-

-crowdfunding Sobre o funding gap que afeta milhotildees de pequenas empresas em todo o mundo cfr ANA PERESTRELO

DE OLIVEIRA ldquoO Papel das Startups na FinTech e o Ciclo de Financiamento de Startuprdquo in FinTech Desafios da Tecnologia

Financeira coord ANTOacuteNIO MENEZES CORDEIRO ANA PERESTRELO DE OLIVEIRA E DIOGO PEREIRA DUARTE Almedina

Coimbra 2017 p 239



4 ESTRUTURA DAS INITIAL COINS OFFERINGS

As Initial Coin Offerings enquanto ofertas de venda de criptoativos ao puacuteblico para atrair investimento possuem estruturas muito diversas devido agrave falta de normas juriacutedicas sobre esta nova forma de financiamento Quanto agrave duraccedilatildeo tanto podemos assistir a Initial Coin Offerings que em trinta segundos conse-guem alcanccedilar o seu limite de financiamento31 como vemos Initial Coin Offerings que duram um ano ou mais32 Apesar desta diversidade conseguimos encontrar alguns traccedilos comuns que aqui nos propomos analisar

Devido agrave finalidade de criarem impacto na comunidade de investidores mui-tas Initial Coin Offerings comeccedilam por anunciar o projeto em que os promotores publicam um resumo executivo da ideia e procuram obter ajuda de especialistas para poderem estruturar a sua Initial Coin Offerings a niacutevel tecnoloacutegico econoacute-mico e juriacutedico ldquoOs canais de informaccedilatildeo natildeo satildeo os tradicionalmente utilizados pelos agentes de mercado mas sim aqueles que as comunidades virtuais tendem a utilizar ou seja as redes sociais os foacuteruns online e as aplicaccedilotildees informaacuteticas de comunicaccedilatildeordquo33 Apoacutes esta fase eacute comum organizar-se uma oferta particu-lar a poucos investidores funcionando de primeira ronda de financiamento para promover o projeto de forma a atingir uma maior escala nas fases subsequentes Nesta fase apresenta-se o white paper um documento que explicita os detalhes do funcionamento da tecnologia da soluccedilatildeo proposta e dos criptoativos34

O white paper eacute a componente da estrutura de uma Initial Coin Offerings mais ca-rateriacutestica e mais comum35 No entanto o seu conteuacutedo eacute muito diverso podendo

31 A ICO da Brave alcanccedilou 35 milhotildees de doacutelares em 30 segundos vd

httpswwwcoindeskcom35-million-30-seconds-token-sale-internet-browser-brave-sells32

A ICO da EOS alcanccedilou 4 mil milhotildees de doacutelares no espaccedilo de um ano

httpscointelegraphcomnewseos-about-to-secure-a-record-4-bln-in-year-long-ico33

TIAGO AZEVEDO BASIacuteLIO ldquoInvestment (Security) Tokens A Captaccedilatildeo de Fundos atraveacutes de Initial Coin Offerings e Token

Salesrdquo in Revista de Direito Financeiro e dos Mercados De Capitais Vol 1 nordm 2 2019 p 148 disponiacutevel em httppublica-

tionspublication0e23e2fc2d1d O ecircxito de uma Initial Coin Offering dependeraacute em grande parte na capacidade dos pro-

motores em criarem uma comunidade de apoiantes e entusiastas em torno do projeto cfr RAFAEL DEL CASTILLO IONOV

Las Initial Coin Offerings (ICOs) y la Tokenizacioacuten de la Economiacutea Aranzadi Cizue Menor (Navarra) 2018 p 9834

Cfr IRIS BARSAN Legal Challenges of Initial Coin Offerings (ICO) 2017 p 55 disponiacutevel em httpspapersssrncom35

A importacircncia deste documento deve-se agrave criaccedilatildeo da bitcoin e dos princiacutepios associados a este criptoativo no white paper de

Satoshi Nakamoto publicado em 2008 vd httpsbitcoinorgbitcoinpdf Este instrumento ldquofoi adquirido como sendo uma

boa praacutetica neste modelo de negoacutecio a par de uma seacuterie de outras ldquomelhores praacuteticasrdquo de auto-regulaccedilatildeo (best practices)rdquo

LUIacuteS GUILHERME CATARINO Inovaccedilatildeo Financeira e ICOs mercados privados alternativos 2018 p 9 disponiacutevel em https

institutovaloresmobiliariosptestudospdfs1548431077icos_lgc_vfpdf

N



apenas conter informaccedilatildeo sobre a tecnologia aplicada ou apenas informaccedilatildeo financeira Os modelos tecircm-se vindo a estandardizar em linha com a matura-ccedilatildeo deste mercado e das Initial Coin Offerings vendo-se os agentes de mercado a tentarem imitar os casos de ecircxito36 Desta forma os white papers tecircm ganho alguma sofisticaccedilatildeo e detalhe seguindo genericamente a seguinte estrutura

i) Comeccedilam por descrever um problema e a forma como solucionaacute-lo

ii) Descrevem o produto e a tecnologia subjacente

iii) Propotildeem um calendaacuterio de desenvolvimento do projeto

iv) Apresentam um plano de negoacutecio detalhado que explique a utilizaccedilatildeo dos fundos

v) Apresentam a equipa e sua experiecircncia profissional

vi) Juntam a informaccedilatildeo juriacutedica baacutesica e as claacuteusulas de exclusatildeo de responsabilidade

vii) Descrevem a chamada Tokenomics que consiste na exposiccedilatildeo da funcio-nalidade dos criptoativos dentro do projeto bem como a quantidade de criptoativos que seratildeo distribuiacutedos

viii) Estipulam os direitos e obrigaccedilotildees atribuiacutedos aos adquirentes dos criptoativos

ix) Expotildeem em que exchanges seratildeo negociados os criptoativos

Numa terceira fase inicia-se uma campanha de promoccedilatildeo do projeto Neste acircmbito tenta-se contactar investidores gera-se conteuacutedos sobre a Initial Coin Offerings nas redes sociais procura-se transmitir a visatildeo do projeto e tenta-se publicar informaccedilotildees sobre a Initial Coin Offerings nos sites especializados37 Nesta fase faz-se frequentemente uma preacute-venda com desconto para premiar os pri-meiros investidores a acreditar no projeto Numa uacuteltima fase concretiza-se a

36 Eacute comumente referido o caso da Tron uma empresa que alegadamente plagiou outro white paper e conseguiu angariar 70 milhotildees

de doacutelares 37

Cfr PHILIPP HACKER E CHRIS TOMALE Crypto-Securities Regulation ICOs Token Sales and Cryptocurrencies under EU Financial

Law 2017 p 11 disponiacutevel em httpspapersssrncom



Initial Coin Offerings propriamente dita em que comeccedila a oferta puacuteblica e a reco-lha de fundos Normalmente os criptoativos satildeo criados apoacutes a recolha de fundos se ter finalizado mas existem casos em que os criptoativos satildeo criados durante a Initial Coin Offerings ou mesmo antes desta

Normalmente os developers formam uma sociedade para desempenhar determi-nada atividade econoacutemica e financiam-se a atraveacutes das Initial Coin Offerings sendo que maioritariamente os projetos financiados tambeacutem se baseiam na tecnologia blockchain de modo a aproveitarem os benefiacutecios da uniformidade de todo o pro-cesso Natildeo obstante o investimento em Initial Coin Offerings natildeo se distancia mui-to do investimento em capital de risco apesar de existirem certas especificidades do investimento Initial Coin Offerings devido agrave sua diferente estrutura e origem destacando-se desde logo o iniacutecio turbulento desta nova forma de financiamen-to Em 2017 quando se iniciaram a maior parte das Initial Coin Offerings era co-mum lanccedilamento de campanhas fraudulentas e a prestaccedilatildeo de informaccedilotildees fal-sas ou inexatas por parte dos promotores das Initial Coin Offerings em prejuiacutezo de uma grande quantidade de investidores sem que estes tenham tido possibilidade de recorrer a accedilotildees judiciais Desta forma os investidores tecircm vindo a acautelar--se e a selecionar filtros nos seus investimentos em Initial Coin Offerings

Dentro dos referidos filtros que permitem aferir a seriedade da Initial Coin Offering destacam-se a existecircncia de mecanismos de identificaccedilatildeo de clientes (know your customer) a existecircncia dos promotores do projeto e a credibilidade da sua experiecircncia profissional comentaacuterios de especialistas nas redes sociais ou em sites especializados38 as rondas de financiamento em que a empresa esteve bem como a estrutura e qualidade do white paper Existem igualmente as pla-taformas de ratings de Initial Coin Offerings e as comunidades de investidores que influenciam sobremaneira as decisotildees de investimento destes ldquoAlgumas Initial Coin Offerings possuem uma whitelist ie exigem um registo preacutevio para participar na Initial Coin Offering Tal ocorre por serem Initial Coin Offerings com um reduzido nuacutemero de tokens para distribuir e com elevada procurardquo39

38 ldquoOs foacuteruns especializados tecircm divulgado informaccedilatildeo aos investidores potenciais em ICOsrdquo ANA BROCHADO ldquoSnapshot

das Initial Coin Offerings (ICOrsquos)rdquo in Cadernos do Mercado dos Valores Mobiliaacuterios nordm 60 2018 p 68 disponiacutevel em

httpswwwcmvmptptEstatisticasEstudosEPublicacoesCadernosDoMercadoDeValoresMobiliariosDocuments

Cadernos20MVM206020-20VFpdf39

ANA BROCHADO ldquoSnapshot das Initial Coin Offerings (ICOrsquos)rdquo in Cadernos do Mercado dos Valores Mobiliaacuterios nordm 60 2018 p 68

disponiacutevel em


Cadernos20MVM206020-20VFpdf



Apoacutes a Initial Coin Offering os investidores poderatildeo vender os seus criptoati-vos no mercado secundaacuterio (exchanges) para poderem ser trocadas por euros doacutelares ou outros criptoativos jaacute emitidos como bitcoins ou ethers podendo o emitenteoferente desenvolver a sua atividade econoacutemica sem que exista pos-teriormente qualquer relaccedilatildeo com os criptoativos por si emitidos l



5 QUALIFICACcedilAtildeO JURIacuteDICA DOS CRIPTOATIVOS

s particularidades deste fenoacutemeno permitem-nos inferir que os criptoativos satildeo percecionados pelos interessados na sua aquisiccedilatildeo natildeo soacute como meios de troca mas tambeacutem como produtos de investimento independentemente dos direitos subjacentes a esses ativos Pelo exposto vemos como mais adequado analisar o possiacutevel enquadramento juriacutedico dos criptoativos tendo em conta apenas as finalidades monetaacuterias e de investimento para aleacutem do jaacute avanccedilado pela quinta Diretiva relativa ao combate ao branqueamento de capitais e ao fi-nanciamento de terrorismo (Diretiva nordm 2018843) que define criptoativo no artigo 1ordm nordm 2 aliacutenea d) (18) como uma representaccedilatildeo digital de valor que eacute aceite por pessoas singulares ou coletivas como meio de troca que tambeacutem pode ser transferida armazenada e comercializada por via eletroacutenica mas que natildeo eacute emitida nem garantida por um banco central nem por uma autoridade puacuteblica e natildeo estaacute ligada a uma moeda legalmente estabelecida nem possui o estatuto juriacutedico-legal de moeda ou dinheiro

a) Os criptoativos enquanto moeda em sentido juriacutedico

No ordenamento juriacutedico portuguecircs natildeo existe um conceito de moeda deven-do-se por conseguinte ldquoencontrar os casos em que o legislador atribuiu con-sequecircncias juriacutedicas relevantes ao desempenho de funccedilotildees monetaacuterias de pa-gamento por determinado bem Esses bens seratildeo designados por moeda para efeitos juriacutedicos independentemente do modo como o reconhecimento foi feito e da extensatildeo das consequecircncias juriacutedicasrdquo40

Nesta oacutetica eacute importante notar o recurso agraves expressotildees ldquocurso legalrdquo e ldquopo-der liberatoacuteriordquo que estatildeo estritamente ligadas agrave obrigatoriedade de aceitaccedilatildeo Isto eacute o credor natildeo pode ldquojustificar a recusa de notas e moedas em euros com motivos atinentes ao objeto mediato da obrigaccedilatildeo ie agrave qualificaccedilatildeo das es-peacutecies monetaacuterias como moedardquo41 Esta obrigatoriedade eacute concedida pela atri-buiccedilatildeo de curso legal a certos suportes monetaacuterios tratando-se por isso de um regime supletivo em que se as partes nada estipularem o pagamento de-

A

40 FRANCISCO MENDES CORREIA Moeda Bancaacuteria e Cumprimento O Cumprimento das Obrigaccedilotildees Pecuniaacuterias atraveacutes de

Serviccedilos de Pagamento Almedina Coimbra 2017 p11541

FRANCISCO MENDES CORREIA Moeda Bancaacuteria e Cumprimento O Cumprimento das Obrigaccedilotildees Pecuniaacuterias atraveacutes de

Serviccedilos de Pagamento Almedina Coimbra 2017 p 142



veraacute ser efetuado na moeda legalmente definida natildeo podendo o credor recusaacute--la42 O mesmo natildeo sucede com as critptoativos Mesmo que haja quem aceite os criptoativos como objeto mediato de cumprimento de uma obrigaccedilatildeo tal eacute feito numa base voluntaacuteria43 e natildeo devido agrave obrigatoriedade de aceitaccedilatildeo pois esta natildeo existe sequer

No caso Skatteverket vs David Hedqvist do Tribunal de Justiccedila da Uniatildeo Europeia de 22 de outubro de 2015 processo C 2641444 a bitcoin foi considera-da um meio de pagamento contratual45 decisatildeo que merece a nossa concordacircn-cia Neste sentido os criptoativos podem funcionar como meio de pagamento por acordo das partes para o cumprimento de certa obrigaccedilatildeo mas tal estipu-laccedilatildeo contratual natildeo implica que os criptoativos sejam comumente aceites pela sociedade civil como meio de pagamento nem que se estabeleccedila legalmente a obrigatoriedade da sua aceitaccedilatildeo46 Podemos no entanto considerar estarmos perante um ldquopreccedilordquo na fixaccedilatildeo do valor de um bem em criptoativos devido agraves suas potencialidades de funcionar como unidade de conta sendo neste senti-do comparaacuteveis funcionalmente agrave moeda em sentido juriacutedico47

No entanto alguns criptoativos podem ser qualificados como moeda eletroacuteni-ca que eacute definida pelo Decreto-Lei nordm 912018 de 12 de novembro que aprova o Regime Juriacutedico dos Serviccedilos de Pagamento e da Moeda Eletroacutenica como um

42 Cfr PAULO DUARTE ldquoUm Depoacutesito Bancaacuterio natildeo eacute um (Contrato de) Depoacutesito Ou a Desadequaccedilatildeo da Linguagem dos Contratos

Reais agrave Realidade do Dinheiro Bancaacuterio no Actual Sistema Monetaacuteriordquo in Estudos de Direito do Consumidor nordm 10 2016 p 392

disponiacutevel em httpswwwfducptcdcpdfsrev_10_completopdf43

IRIS BARSAN Legal Challenges of Initial Coin Offerings (ICO) 2017 p 2 disponiacutevel em httpspapersssrncom44

Acoacuterdatildeo disponiacutevel em httpcuriaeuropaeu45

Verifica-se de facto que as critpomoedas tecircm vaacuterias semelhanccedilas com os instrumentos monetaacuterios como por exemplo a

elevada liquidez podendo ser negociados rapidamente no mercado Sobre as carateriacutesticas dos instrumentos monetaacuterios cfr

JOSEacute ENGRAacuteCIA ANTUNES Os Instrumentos Financeiros 3-ordf ed Almedina Coimbra 2017 p 26246

No Japatildeo jaacute foi publicada uma Lei em abril de 2017 que estabelece os criptoativos como um meio de pagamento Desta

forma os criptoativos satildeo consideradas moeda em sentido juriacutedico no Japatildeo devido agrave obrigatoriedade da sua aceitaccedilatildeo

cfr STEacutePHANE BLEMUS Law and Blockchain a legal perspective on current regulatory trends worldwide 2017 p 7 disponiacutevel

em httpspapersssrncom Referindo-se a esta finalidade como ldquoldquomoeda contratualizadardquo uma vez que satildeo utilizadas en-

tre particulares que acordaram previamente na sua aceitaccedilatildeo para fins determinados LUIacuteS GUILHERME CATARINO Inovaccedilatildeo

Financeira e ICOs mercados privados alternativos 2018 p 27 disponiacutevel em httpsinstitutovaloresmobiliariosptestudos

pdfs1548431077icos_lgc_vfpdf47

Convergentemente qualificando a compra de bens com bitcoins como um contrato de compra e venda e natildeo como de tro-

ca PAULO DUARTE ldquoObrigaccedilotildees de Dinheiro (Obrigaccedilotildees Monetaacuterias) e Obrigaccedilotildees de Bitcoinsrdquo in Estudos de Direito do

Consumidor nordm 14 2018 pp 380 e 381 disponiacutevel em httpswwwfducptcdcpdfsrev_14_completopdf



valor monetaacuterio armazenado eletronicamente inclusive de forma magneacutetica representado por um creacutedito sobre o emitente e emitido apoacutes receccedilatildeo de notas de banco moedas e moeda escritural para efetuar operaccedilotildees de pagamento e que seja aceite por pessoa singular ou coletiva diferente do emitente de moeda eletroacutenica Deste modo os criptoativos qualificam-se como moeda eletroacuteni-ca caso o seu valor esteja associado ao valor de uma moeda em curso legal por exemplo se uma unidade de conta de um criptoativo corresponder sempre a um euro devendo as entidades que os emitem registar-se como instituiccedilotildees de moeda eletroacutenica junto do Banco de Portugal nos termos dos artigos 11ordm 14ordm 18ordm e 19ordm do Regime Juriacutedico dos Serviccedilos de Pagamento e da Moeda Eletroacutenica

b) Os criptoativos enquanto instrumentos financeiros

Dentro do acircmbito dos instrumentos financeiros temos os instrumentos deri-vados os instrumentos monetaacuterios (instrumentos de curto prazo) e os valores mobiliaacuterios (instrumentos de meacutedio e longo prazo) Uma vez que a grande parte dos criptoativos tecircm uma durabilidade de longo prazo ou geralmente indeter-minada seraacute de excluir a sua qualificaccedilatildeo como instrumentos monetaacuterios

Relativamente aos valores mobiliaacuterios os seus criteacuterios de qualificaccedilatildeo no Direito portuguecircs encontram-se estabelecidos no artigo 1ordm do Coacutedigo dos Valores Mobiliaacuterios (CVM) Neste artigo estatildeo enumerados os tipos de valo-res mobiliaacuterios nas aliacuteneas a) a f) nomeadamente as accedilotildees as obrigaccedilotildees os tiacutetulos de participaccedilatildeo as unidades de participaccedilatildeo em instituiccedilotildees de inves-timento coletivo os warrants autoacutenomos e os direitos destacados dos valores mobiliaacuterios Natildeo obstante a aliacutenea g) do artigo 1ordm do CVM reproduz um princiacute-pio de atipicidade (numerus apertus) de valores mobiliaacuterios Nesta aliacutenea estatildeo elencados os criteacuterios tipoloacutegicos positivos para a qualificaccedilatildeo de valores mo-biliaacuterios estabelecendo-se que os valores mobiliaacuterios satildeo ldquodocumentos repre-sentativos de situaccedilotildees juriacutedicas homogeacuteneas desde que sejam suscetiacuteveis de transmissatildeo em mercadordquo

Quanto ao primeiro criteacuterio os valores mobiliaacuterios devem ser um documen-to Ora neste enquadramento deveraacute considerar-se a noccedilatildeo lata de documento do artigo 362ordm do Coacutedigo Civil (CC)48 podendo o documento ser em papel ou eletroacutenico (artigo 2ordm aliacutenea a) do Decreto-Lei nordm 290-D99 de 2 de agos-to) desde que se respeite o princiacutepio da unidade da forma em cada emissatildeo49

48 Convergentemente JOSEacute ENGRAacuteCIA ANTUNES Os Instrumentos Financeiros 3-ordf ed Almedina Coimbra 2017 p 77

49 Cfr PAULO CAcircMARA Manual de Direito dos Valores Mobiliaacuterios 4ordf ed Almedina Coimbra 2018 pp 196 e 197



Deste modo natildeo existem duacutevidas que os criptoativos preenchem este criteacuterio por corresponderem a documentos eletroacutenicos

Como segundo criteacuterio as situaccedilotildees juriacutedicas representadas devem ser homogeacute-neas implicando que as situaccedilotildees juriacutedicas sejam fungiacuteveis e consequentemente que os valores mobiliaacuterios tambeacutem o sejam de forma a terem uma aptidatildeo para circular no mercado Relativamente aos criptoativos a homogeneidade apenas seraacute um problema se forem atribuiacutedas direitos e obrigaccedilotildees diferentes a cada crip-toativo emitido numa Initial Coin Offering Geralmente tal natildeo sucede uma vez que a homogeneidade dos criptoativos eacute promovida pelos emitentesoferentes de forma a garantirem a sua liquidez no mercado secundaacuterio ldquoO facto do mercado das ICOs ser muito ativo mostra que os tokens emitidos em cada ICO satildeo suficien-temente homogeacuteneos e fungiacuteveis entre si para concederem facilidade de transfe-recircncia e negociabilidade e por conseguinte liquidez ao mercadordquo50

Em terceiro lugar temos a suscetibilidade de transmissatildeo em mercado que deveraacute ser apreciada em abstrato Segundo os ensinamentos de Paulo Cacircmara ldquoNatildeo precisa de se exigir que em concreto essa transmissibilidade esteja asse-gurada Assim para avaliar a potencialidade transmissiva de um instrumento haacute que atender ao respetivo regime supletivo quanto a saber se deste natildeo resul-tam embaraccedilos ou constrangimentos a uma circulaccedilatildeo fluiacuteda Sendo a resposta negativa este requisito deve ter-se por verificadordquo51 Os criptoativos preenchem tipicamente este criteacuterio de transmissibilidade Apenas se for tecnicamente im-possiacutevel a transmissatildeo dos criptoativos como quando existir a atribuiccedilatildeo ao comprador originaacuterio de uma chave de acesso uacutenica e intransmissiacutevel eacute que podemos concluir pela natildeo verificaccedilatildeo do criteacuterio da suscetibilidade de trans-missibilidade Natildeo se deve olvidar tambeacutem a afericcedilatildeo da negociabilidade dos criptoativos em mercado isto eacute os criptoativos ldquodevem ser transacionaacuteveis na base do encontro entre oferta e procura exclusivamente em relaccedilatildeo ao respe-tivo preccedilo sem negociaccedilatildeo individualizada de outras condiccedilotildeesrdquo52 Sendo as exchanges bastante comuns parecem natildeo se suscitar quaisquer duacutevidas quanto agrave verificaccedilatildeo de preenchimento deste criteacuterio por parte dos criptoativos A refe-recircncia ao mercado deve ser entendida no seu sentido de econoacutemico de ponto de

50 ANTOacuteNIO GARCIA ROLO ldquoAs Criptomoedas como Meio de Financiamento e a Qualificaccedilatildeo dos Tokensrdquo in Fintech II ndash Novos es-

tudos sobre tecnologia financeira coord ANTOacuteNIO MENEZES CORDEIRO ANA PERESTRELO DE OLIVEIRA E DIOGO PEREIRA

DUARTE Almedina Coimbra 2019 p 28551

PAULO CAcircMARA Manual de Direito dos Valores Mobiliaacuterios 4ordf ed Almedina Coimbra 2018 p 12052




encontro entre compradores e vendedores natildeo relevando se o mercado eacute regu-lamentado ou natildeo tal como entendido pela Comissatildeo Europeia53

Relativamente ao uacuteltimo criteacuterio os valores mobiliaacuterios devem incorporar ou representar posiccedilotildees juriacutedicas mormente direitos e deveres de natureza pa-trimonial e privada podendo assumir uma natureza complexa e variaacutevel54 Ora nos criptoativos os direitos e deveres dos seus titulares estatildeo previstos no pro-tocolo da blockchain criada Os criptoativos no nosso entendimento satildeo repre-sentaccedilatildeo em suportes informaacuteticos de situaccedilotildees juriacutedicas podendo estas abran-ger quaisquer realidades sendo as mais tiacutepicas os direitos ao lucro da sociedade comercial emitenteoferente os deveres de participar nas perdas ou pagar as comissotildees relacionadas com a aquisiccedilatildeo do criptoativo e os direitos de creacutedito

Os criptoativos com apenas finalidade de servir de meio de troca em redes permissioned como a Bitcoin natildeo representam no entanto qualquer situaccedilatildeo juriacutedica sendo coisas incorpoacutereas que se qualificam como um meio de paga-mento A natildeo ser que esteja definido algum creacutedito no protocolo da blockchain ou estejamos perante uma stable coin que se qualifique como moeda eletroacutenica ndash uma vez que ficam sujeitas ao respetivo regime - natildeo surge qualquer relaccedilatildeo juriacutedica obrigacional uma vez que os titulares dos criptoativos55 natildeo tecircm qual-quer contraparte aquando mineraccedilatildeo Como estes criptoativos funcionam em redes em que natildeo existe controlo natildeo se estabelece qualquer viacutenculo na emis-satildeo desses criptoativos

53 O entendimento da Comissatildeo Europeia pode ser consultado em httpseceuropaeuinfolawmarkets-financial-instrumen-

ts-mifid-directive-2004-39-ecimplementationguidance-implementation-and-interpretation-law_en Antoacutenio Garcia Rolo

expotildee igualmente uma conceccedilatildeo mais minimalista de negociaccedilatildeo que consiste na afericcedilatildeo de forma objetiva e abstracta se os

criptoativos nos termos do artigo 204 nordm 1 a) do CVM podem ser objeto de negociaccedilatildeo organizada em mercados regulamenta-

dos ou em sistemas de negociaccedilatildeo multilateral tendo concluiacutedo que tambeacutem nesta conceccedilatildeo natildeo eacute problemaacutetica a qualificaccedilatildeo

de certos criptoativos enquanto valores mobiliaacuterios cfr ANTOacuteNIO GARCIA ROLO ldquoAs Criptomoedas como Meio de Financiamento

e a Qualificaccedilatildeo dos Tokensrdquo in Fintech II ndash Novos estudos sobre tecnologia financeira coord ANTOacuteNIO MENEZES CORDEIRO

ANA PERESTRELO DE OLIVEIRA E DIOGO PEREIRA DUARTE Almedina Coimbra 2019 p 28554

Cfr JOSEacute ENGRAacuteCIA ANTUNES Os Instrumentos Financeiros 3-ordf ed Almedina Coimbra 2017 p 7955

Pode-se considerar no entanto que existe um direito dos titulares dos criptoativos anaacutelogo ao direito de propriedade uma vez

que os poderes de disposiccedilatildeo e transmissatildeo dos criptoativos pertencem ao detentor da chave privada e existe um registo puacuteblico

(blokchchain) que garante publicidade a esse direito Convergentemente defendendo que as bitcoins natildeo representam nenhuma

relaccedilatildeo juriacutedica entre o seu titular (aquele que tem a disponibilidade da chave privada que permite autenticar a transacccedilatildeo) e um

qualquer emitente PAULO DUARTE ldquoObrigaccedilotildees de Dinheiro (Obrigaccedilotildees Monetaacuterias) e Obrigaccedilotildees de Bitcoinsrdquo in Estudos de

Direito do Consumidor nordm 14 2018 pp 374 e ss disponiacutevel em

httpswwwfducptcdcpdfsrev_14_completopdf



Deste modo eacute possiacutevel qualificar os criptoativos como valores mobiliaacuterios sempre que se criar uma situaccedilatildeo juriacutedica entre a emitenteoferente e os titu-lares apoacutes a primeira relaccedilatildeo contratual de transmissatildeo sendo que a situaccedilatildeo juriacutedica que emerge da titularidade dos criptoativos confere direitos eou deve-res de natureza patrimonial e privada aos seus titulares56

Perante o exposto as entidades reguladoras teratildeo que analisar casuisticamente o preenchimento dos referidos criteacuterios interpretando-os tendo em conta os riscos para os investidores e para a integridade do mercado de forma a delimi-tar os criptoativos que perante o nosso ordenamento juriacutedico fazem sentido qualificar como valores mobiliaacuterios

Essa tarefa de anaacutelise pode ser por vezes complexa e por esse motivo a CMVM emitiu um comunicado agraves entidades envolvidas no lanccedilamento de Initial Coin Offerings relativo agrave qualificaccedilatildeo juriacutedica dos criptoativos emitidos57 que dispotildee que ldquoTendo em conta que agrave partida os tokens podem ser considerados docu-mentos (ainda que desmaterializados) e que todos os tokens gerados no acircmbi-to de um ICO seratildeo homogeacuteneos e suscetiacuteveis de ser transmitidos em mercado (requisitos que sempre cumpriraacute aferir em cada caso concreto) importa em es-pecial clarificar para efeitos da qualificaccedilatildeo de tokens como valores mobiliaacute-rios o requisito relativo a situaccedilatildeo juriacutedica representada e tida como relevante para efeitos da interpretaccedilatildeo do artigo 1ordm aliacutenea g) do CVM A esse respeito eacute possiacutevel concluir que

1 Um token seraacute um valor mobiliaacuterio caso seja um documento representativo de uma ou mais situaccedilotildees juriacutedicas de natureza privada e patrimonial (ie di-reitos e deveres)

2 Um token seraacute um valor mobiliaacuterio caso tendo em conta a(s) situaccedilatildeo(otildees) juriacutedica(s) representada(s) seja comparaacutevel com valores mobiliaacuterios tiacutepicos

3 Para efeitos do previsto no nuacutemero anterior deve nomeadamente considerar--se a previsatildeo nas informaccedilotildees disponibilizadas pelo emitente de elementos

56 ldquoSatildeo situaccedilotildees juriacutedicas natildeo o valor mobiliaacuterio per se mas as situaccedilotildees encabeccediladas pelos titulares desses valores mobiliaacute-

riosrdquo ANTOacuteNIO BARRETO MENEZES CORDEIRO ldquoValor mobiliaacuterio evoluccedilatildeo e conceitordquo in Revista de Direito das Sociedades

Ano VIII nordm 2 Almedina Coimbra 2016 p 338 57

CMVM comunicado de imprensa ldquoComunicado da CMVM agraves entidades envolvidas no lanccedilamento de ldquoInitial Coin Offeringsrdquo

(ICOs) relativo agrave qualificaccedilatildeo juriacutedica dos tokensrdquo 2018 disponiacutevel em

httpswwwcmvmptptComunicadosComunicadosPages20180723aaspx



dos quais possa decorrer uma vinculaccedilatildeo do emitente agrave realizaccedilatildeo de condutas das quais resulte uma expectativa de retorno para o investidor como sejam

a) O direito a um rendimento (por exemplo se o token conferir direito a lu-cros ou a um juro)

ou b) A praacutetica de atos por parte do emitente ou entidade relacionada adequa-

dos agrave incrementaccedilatildeo do valor do tokenrdquo

Com este Comunicado a CMVM determina as situaccedilotildees juriacutedicas relevantes para a qualificaccedilatildeo de criptoativos como valores mobiliaacuterios Dada a vasta rea-lidade dos criptoativos devemos tentar compreender que implicaccedilotildees tem este entendimento da CMVM Primeiro eacute essencial identificar um nuacutecleo ou natu-reza essencial do conceito de valor mobiliaacuterio a partir dos criteacuterios interpreta-tivos indicados no artigo 9ordm do CC Neste contexto chegou-se agrave ideia de com-parabilidade funcional com valores mobiliaacuterios tiacutepicos58 encontrando-se como carateriacutestica essencial a existecircncia de um retorno financeiro para os titulares de valores mobiliaacuterios ndash por exemplo nas accedilotildees o direito aos lucros nas obriga-ccedilotildees o direito a um juro e nas unidades de participaccedilatildeo o direito a uma fraccedilatildeo de um patrimoacutenio coletivo

Ademais nessa identificaccedilatildeo das situaccedilotildees juriacutedicas relevantes deveratildeo ter-se conta natildeo apenas os elementos intriacutensecos dos criptoativos (as funccedilotildees ine-rentes a determinado criptoativo) mas tambeacutem os elementos extriacutensecos no-meadamente a vinculaccedilatildeo do emitente agrave praacutetica de certos atos que impliquem a caraterizaccedilatildeo da relaccedilatildeo contratual como uma relaccedilatildeo de investimento Para tal eacute igualmente necessaacuterio diferenciar as relaccedilotildees de investimento das rela-ccedilotildees de consumo bem como verificar se para aleacutem do benefiacutecio resultante da relaccedilatildeo de consumo poderaacute ainda resultar um ganho decorrente da negocia-ccedilatildeo dos criptoativos em mercado secundaacuterio

Neste uacuteltimo caso importa perceber se a valorizaccedilatildeo em mercado secundaacuterio

58 Convergentemente ANTOacuteNIO GARCIA ROLO ldquoAs Criptomoedas como Meio de Financiamento e a Qualificaccedilatildeo dos Tokensrdquo in

Fintech II ndash Novos estudos sobre tecnologia financeira coord ANTOacuteNIO MENEZES CORDEIRO ANA PERESTRELO DE OLIVEIRA

E DIOGO PEREIRA DUARTE Almedina Coimbra 2019 p 288 Divergentemente referindo que a aliacutenea g) do artigo 1ordm do CVM

aplica-se por preenchimento da definiccedilatildeo aberta e natildeo por analogia ou qualquer outra ferramenta de interpretaccedilatildeo LUIacuteS

ROQUETTE GERALDES MARIANA SOLAacute DE ALBUQUERQUE E JOAtildeO LIMA DA SILVA ldquoICOs security tokens vs utility tokenrdquo in


E DIOGO PEREIRA DUARTE Almedina Coimbra 2019 p 343



depende do ativo apenas enquanto bem de consumo ou da realizaccedilatildeo de condu-tas direcionadas pelo emitente para a valorizaccedilatildeo dos criptoativos emitidas em mercado secundaacuterio agrave luz da teoria da impressatildeo do destinataacuterio59 como pu-blicidade agrave possiacutevel valorizaccedilatildeo dos criptoativos por parte do emitente progra-mas de recompras air drops e burns As airdrops satildeo ofertas gratuitas de crip-toativos e satildeo geralmente uma estrateacutegia de marketing para dar a conhecer uma Initial Coin Offering Os burns consistem na eliminaccedilatildeo de criptoativos po-dendo haver diversas finalidades para a sua realizaccedilatildeo podendo uma delas ser a valorizaccedilatildeo do criptoativo em mercado pela reduccedilatildeo da oferta

Outras questotildees que podem problematizar esta anaacutelise satildeo os mecanismos de consenso O proof-of-stake tem como objetivo a criaccedilatildeo de consenso numa rede aberta e descentralizada mas por vezes eacute utilizado em Initial Coin Offerings de criptoativos que funcionam em redes em que natildeo eacute necessaacuterio qualquer con-senso porque estatildeo associados a redes criadas com base numa blockchain jaacute existente mdash estamos a falar portanto de tokens e natildeo de coins mdash natildeo tendo os nodes capacidade de validar as transaccedilotildees Dessa forma e devido agraves enormes si-militudes do proof-of-stake com meacutetodos de distribuiccedilatildeo de dividendos a for-ma como este mecanismo eacute concebido na blockchain poderaacute consubstanciar um retorno financeiro pelo capital investido o que qualifica o criptoativo utilizado como um valor mobiliaacuterio60

Tambeacutem conveacutem perceber se o retorno em causa resulta de um investimento ou de outra contraprestaccedilatildeo Caso haja uma contraprestaccedilatildeo em causa que natildeo tenha uma componente de investimento natildeo podemos considerar que estamos perante valores mobiliaacuterios Eacute comum as novas plataformas digitais celebrarem com os seus utilizadores contratos cuja contraprestaccedilatildeo satildeo os dados dos utili-zadores e algumas delas utilizam criptoativos para efetuar o pagamento desses dados Nestes casos natildeo podemos considerar que tenha existido um retorno fi-nanceiro porque o rendimento natildeo decorreu do capital investido mas da alie-naccedilatildeo dos dados pessoais

59 Isto eacute deveraacute atender-se agrave expetativa razoaacutevel que teria o declarante posto na posiccedilatildeo de um declarataacuterio tiacutepico cfr PEDRO

PAIS DE VASCONCELOS Teoria Geral do Direito Civil 6ordf ed Almedina Coimbra 2010 pp 545 e ss Parece-nos adequado apli-

caccedilatildeo deste regime do Coacutedigo Civil porque as ofertas puacuteblicas regem-se subsidiariamente por ele cfr ANTOacuteNIO BARRETO

MENEZES CORDEIRO Manual de Direito dos Valores Mobiliaacuterios Reimpressatildeo Almedina Coimbra 2017 p 18360

Um cripoativo numa blockchain com proof-of stake assemelha-se assim a uma accedilatildeo e tambeacutem a uma moeda uma vez que

estaacute subjacente a esse criptoativo uma expetativa de distribuiccedilatildeo de valor e uma vez que esse criptoativo pode funcionar como

unidade de conta e reserva de valor



Quanto agrave distinccedilatildeo das relaccedilotildees de investimento em face das relaccedilotildees de con-sumo de forma a diferenciar bens de investimento e bens de consumo aquelas implicam a partilha do risco entre o investidor e o emitente o que natildeo aconte-ce numa relaccedilatildeo de consumo Para identificar esta partilha de risco eacute necessaacute-rio ter em conta a relaccedilatildeo juriacutedica estabelecida entre o emitente e o investidor e analisar se esta estabelece alguma ligaccedilatildeo entre as expectativas de valorizaccedilatildeo dos criptoativos emitidos (ou o retorno gerado pelos criptoativos) e a evoluccedilatildeo do negoacutecio ou projeto subjacente Em suma para a qualificaccedilatildeo de criptoativos como valores mobiliaacuterios eacute necessaacuterio ter em conta a existecircncia de uma vincu-laccedilatildeo do emitente desses criptoativos para gerar um retorno financeiro e uma relaccedilatildeo de investimento tendo em conta todas as particularidades da relaccedilatildeo juriacutedica subjacente e toda a informaccedilatildeo disponibilizada pelo emitente

Outra funcionalidade muito comum nas Initial Coin Offerings eacute a associaccedilatildeo do valor do criptoativo ao valor de um ou mais ativos estaacuteveis chamando-se a esses criptoativos de stable coins Devido agrave recente desvalorizaccedilatildeo da maioria dos criptoativos do mercado o interesse nas stable coins tem vindo a aumen-tar destacando-se o projeto da libra do Facebook anunciada a 18 de junho de 201961 A qualificaccedilatildeo juriacutedica das stable coins tambeacutem natildeo eacute clara podendo es-tas ser consideradas

(i) moeda eletroacutenica caso o ativo subjacente seja uma uacutenica moeda com cur-so legal

(ii) valores mobiliaacuterios podendo ser warrants autoacutenomos ou unidades de participaccedilatildeo consoante as carateriacutesticas dos ativos subjacentes e do emitente

(iii) instrumentos derivados tais como opccedilotildees futuros swaps caps floors ou collars

(iv) contratos de investimento em bens corpoacutereosou(v) documentos que representam a propriedade de um bem de consumo

61 O valor da libra do Facebook estaraacute associado ao valor de vaacuterias moedas com curso legal e outros ativos debatendo-se nos

Estados Unidos da Ameacuterica se esta stable coin se pode qualificar como um ETF (Exchange-Traded Funds) cfr httpsfinan-

cialserviceshousegovuploadedfileshhrg-116-ba00-20190717-sd002_-_memopdf



Infere-se no entanto que o ecossistema blockchain e das Initial Coin Offerings ainda estaacute em desenvolvimento existindo pouca estandardizaccedilatildeo dos proces-sos e dos modelos de governaccedilatildeo Os mecanismos de consenso e outras funcio-nalidades utilizadas em blockchain satildeo muito diversos e os seus conceitos ainda estatildeo pouco consolidados no mercado Por este motivo muitos promotores de Initial Coin Offerings utilizam esses mecanismos e funcionalidades de uma for-ma que por vezes suscita algumas dificuldades na qualificaccedilatildeo dos criptoativos como valores mobiliaacuterios segundos os criteacuterios estabelecidos no ldquoComunicado da CMVM agraves entidades envolvidas no lanccedilamento de Initial Coin Offerings relati-vo agrave qualificaccedilatildeo juriacutedica dos tokensrdquo sendo importante entender em cada pro-jeto as finalidades subjacentes a cada figura utilizada





6 O ENQUADRAMENTO JURIacuteDICODAS INITIAL COIN OFFERINGS

onstatando-se que certos criptoativos podem ser qualificados como valores mobiliaacuterios tal implica que as Initial Coin Offerings podem ser ofertas puacuteblicas relativas a valores mobiliaacuterios por serem propostas dirigidas ao puacuteblico que tecircm em vista a emissatildeo de criptoativos enquanto valores mobiliaacuterios

Deste modo as Initial Coin Offerings que englobem a emissatildeo de criptoativos que se qualificam como valores mobiliaacuterios com o valor superior a 100 000 euro no seu conjunto estatildeo sujeitas ao regime das ofertas puacuteblicas previsto no CVM (arti-gos 108ordm a 197ordm) porquanto as principais consequecircncias que decorrem deste regime satildeo nomeadamente as seguintes

- Dever de comunicaccedilatildeo da oferta agrave CMVM (artigo 114ordm do CVM)- Necessidade de aprovaccedilatildeo do prospeto pela CMVM (artigo 114ordm do CVM)- Dever de contratar intermediaacuterio financeiro para pelo menos prestar os

serviccedilos de assistecircncia e colocaccedilatildeo (artigo 113ordm do CVM)

A falta de registo do prospeto ou da sua aprovaccedilatildeo faz incorrer o emitenteofe-rente numa contraordenaccedilatildeo muito grave nos termos do artigo 393ordm nordm 1 do CVM puniacutevel com coima de euro 25000 a euro 5000000 (artigo 338ordm nordm 1 a) do CVM) Tal sucede devido agrave essencialidade do prospeto um documento que ldquofornece aos investidores a informaccedilatildeo necessaacuteria para uma tomada de decisatildeo esclarecida e fundamentadardquo62 Por outro lado a falta de contrataccedilatildeo de inter-mediaacuterio financeiro para prestar os serviccedilos referidos faz incorrer o emiten-teoferente numa contraordenaccedilatildeo grave nos termos do artigo 393ordm nordm 4 do CVM puniacutevel com coima de euro 12500 a euro 2500 000 (artigo 338ordm nordm 1 aliacutenea a) do Coacutedigo de Valores Mobiliaacuterios) Adicionalmente poderaacute existir responsa-bilidade do emitenteoferente pelos danos causados pela desconformidade do conteuacutedo do prospeto nos termos do artigo 149ordm do CVM63 Estas satildeo comina-ccedilotildees passiacuteveis de se imputar agraves emitentesoferentes de criptoativos numa Initial Coin Offering quando estas sejam valores mobiliaacuterios caso as emitentesofe-rentes incumpram os deveres referidos

62 ANA PERESTRELO DE OLIVEIRA Manual de Corporate Finance 2ordf ed Almedina Coimbra 2015 p 102

63 Cfr ANTOacuteNIO GARCIA ROLO ldquoAs Criptomoedas como Meio de Financiamento e a Qualificaccedilatildeo dos Tokensrdquo in Fintech II ndash Novos

estudos sobre tecnologia financeira coord ANTOacuteNIO MENEZES CORDEIRO ANA PERESTRELO DE OLIVEIRA E DIOGO PEREIRA


C



No Comunicado da CMVM agraves entidades envolvidas no lanccedilamento de Initial Coin Offerings relativo agrave qualificaccedilatildeo juriacutedica dos tokens acima mencionado tambeacutem eacute referido que ldquona circunstacircncia de uma ICO ser dirigida a investidores residen-tes em Portugal e de os tokens serem valores mobiliaacuterios na aceccedilatildeo do CdVM seraacute aplicaacutevel a legislaccedilatildeo relevante a niacutevel nacional e da Uniatildeo Europeia em especial e sem prejuiacutezo de outras (i) as regras de emissatildeo e representaccedilatildeo e bem assim as regras relativas agrave respetiva transmissatildeo (ii) caso aplicaacutevel as regras relativas agraves ofertas puacuteblicas (iii) as normas quanto agrave comercializaccedilatildeo de instrumentos financeiros para os efeitos da DMIF II (iv) requisitos de qualida-de da informaccedilatildeo (v) as regras relativas ao abuso de mercadordquo

Existem no entanto alguns problemas relacionados com as consequecircncias da qualificaccedilatildeo dos criptoativos como valores mobiliaacuterios que analisaremos infra uma vez que a legislaccedilatildeo de valores mobiliaacuterios atual natildeo foi concebida tendo em conta a tecnologia blockchain e as criptoativos

Natildeo obstante poderaacute aferir-se igualmente a possibilidade das Initial Coin Offerings sujeitarem-se ao Regime Juriacutedico do Financiamento Colaborativo uma vez que o conceito estabelecido no seu artigo 2ordm ndash ldquotipo de financiamento de entidades ou das suas atividades e projetos atraveacutes do seu registo em plata-formas eletroacutenicas acessiacuteveis atraveacutes da Internet a partir das quais procedem agrave angariaccedilatildeo de parcelas de investimento provenientes de um ou vaacuterios inves-tidores individuaisrdquo ndash pode englobar as Initial Coin Offerings no caso da cria-ccedilatildeo de uma plataforma que apresente projetos agrave procura da obtenccedilatildeo de capital atraveacutes de Initial Coin Offerings funcionando essa plataforma como intermediaacute-ria entre os promotores do projeto e os investidores

Outra questatildeo relaciona-se com a possibilidade de se realizar uma Initial Coin Offering sem a existecircncia de qualquer pessoa coletiva constituiacuteda Ora a tec-nologia blockchain permite a criaccedilatildeo de plataformas que desenvolvam cer-tas atividades econoacutemicas de forma autoacutenoma as chamadas Decentralized Autonomous Organizations64 Nestes casos consideramos que o Direito por-tuguecircs tem uma soluccedilatildeo ao ser aplicaacutevel o artigo 36ordm nordm 1 do Coacutedigo das Sociedades Comerciais Consideramos assim que o desenvolvimento de uma atividade comercial atraveacutes de uma plataforma de base de dados blockchain

64 Sobre as Decentralized Autonomous Organizations vd ANTOacuteNIO GARCIA ROLO ldquoChallenges in the legal qualification of

Decentralised Autonomous Organisations (DAOs) the rise of the crypto-partnershiprdquo in Revista de Direito e Tecnologia Vol

1 nordm 1 2019 pp 33-87 disponiacutevel em httpsblookptpublicationspublication168e81e05a8b RAFAEL DEL CASTILLO

IONOV Las Initial Coin Offerings (ICOs) y la Tokenizacioacuten de la Economiacutea Aranzadi Cizue Menor (Navarra) 2018



que funciona autonomamente sem a existecircncia de uma sociedade comercial pode criar a falsa aparecircncia de que existe um contrato de sociedade65 Eacute usual que nessa plataforma se utilize uma firma o que pode criar facilmente essa fal-sa aparecircncia da existecircncia de uma sociedade comercial tendo os responsaacuteveis pelo funcionamento do protocolo e pela emissatildeo dos criptoativos - podendo abranger os developers e os promotores do negoacutecio que responder solidaria-mente e ilimitadamente por qualquer obrigaccedilatildeo contraiacuteda e por qualquer dano causado uma vez que natildeo eacute necessaacuteria a intenccedilatildeo de lesar ou enganar terceiros para a aplicaccedilatildeo do artigo 36ordm do Coacutedigo das Sociedades Comerciais ldquobasta que se crie a falsa aparecircncia da existecircncia de sociedaderdquo66 Seratildeo estes os sujei-tos que poderatildeo responder pelas contraordenaccedilotildees previstas no artigo 393ordm do CVM mas da alienaccedilatildeo dos dados pessoais caso natildeo efetuem um prospeto ou natildeo contratem com um intermediaacuterio financeiro numa Initial Coin Offering em que os criptoativos sejam valores mobiliaacuterios e poderatildeo igualmente res-ponder civilmente sem qualquer limitaccedilatildeo por quaisquer danos provocados pela sua atuaccedilatildeo

Analisando outras jurisdiccedilotildees temos o caso paradigmaacutetico dos Estados Unidos da Ameacuterica em que se destacou a decisatildeo da SEC sobre a Initial Coin Offering de um projeto chamado DAO67 Em 2016 a Slockit sociedade de direito alematildeo desenvolveu este projeto que consistia na criaccedilatildeo de smart contracts que fun-cionavam como um veiacuteculo distribuiacutedo de investimento Os criptoativos criados para este projeto atribuiacuteam aos seus titulares direitos de voto sobre as decisotildees de investimento do veiacuteculo e o direito a participar nos lucros sendo por conse-guinte valores mobiliaacuterios

A SEC espoletou uma investigaccedilatildeo para aferir se se aplicaria o regime das securi-ties (valores mobiliaacuterios) a estes criptoativos Tendo como referecircncia o white paper do projeto e a negociaccedilatildeo dos criptoativos DAO no mercado secundaacuterio o

65 Cfr MARIA ELISABETE RAMOS Coacutedigo das Sociedades Comerciais em Comentaacuterio coord COUTINHO DE ABREU Vol I 2ordf

ed anot ao artigo 36ordm Almedina Coimbra 2017 p 581 ldquoA ratio do preceito ndash mormente quanto agrave cominaccedilatildeo - reside na boa

feacute e na tutela da confianccedila perante terceirosrdquo EDUARDO SANTOS JUacuteNIOR Coacutedigo das Sociedades Comerciais Anotado coord

ANTOacuteNIO MENEZES CORDEIRO anot ao artigo 36ordm Almedina Coimbra 2009 p 171 Commumente as pessoas que criam

um negoacutecio atraveacutes da tecnologia blockchain quando natildeo se registam como sociedades aquando o iniacutecio da sua atividade

natildeo tecircm acordado a constituiccedilatildeo de uma sociedade comercial no futuro sendo sua intenccedilatildeo continuarem sem esse registo

pelo que natildeo se poderaacute aplicar o regime das sociedades antes do registo (artigos 36ordm nordm 2 e ss do Coacutedigo das Sociedades

Comerciais) cfr ANTOacuteNIO MENEZES CORDEIRO Direito das Sociedades I Parte Geral 3ordf ed Almedina Coimbra 2011 p 52766

PAULO DE TARSO DOMINGUES Do Capital Social Noccedilatildeo Princiacutepios e Funccedilotildees 2ordf ed Coimbra Editora Coimbra 2004 p 106

67

Cfr httpswwwsecgovlitigationinvestreport34-81207pdf



relatoacuterio de investigaccedilatildeo concluiu atraveacutes do Howey Test68 que os criptoativos em causa eram securities e por consequecircncia dever-se-ia aplicar o Securities Act de 1933 nomeadamente os requisitos de registo da Initial Coin Offering na SEC e a elaboraccedilatildeo de prospeto com vista agrave proteccedilatildeo dos investidores

Esta decisatildeo da SEC em relaccedilatildeo agrave DAO serviu de referecircncia para outras entida-des que pretendiam realizar Initial Coin Offerings como a Filecoin que estruturou a sua Initial Coin Offering como um private placement nos termos da legislaccedilatildeo americana (SEC Regulation D Rule 506(c)) tendo alcanccedilado o feito histoacuterico de Initial Coin Offering com o financiamento mais elevado correspondente a mais de 250 milhotildees de doacutelares69 No entanto como a decisatildeo do relatoacuterio de investiga-ccedilatildeo da SEC incidiu sobre um caso em concreto ainda subsistiram muitas duacutevidas sobre as situaccedilotildees em que os criptoativos devem ser considerados securities nos Estados Unidos da Ameacuterica

Em Malta no dia 26 de junho de 2018 o Parlamento aprovou de forma unacircni-me um conjunto de trecircs leis sobre criptoativos A Lei para os Ativos Financeiros Virtuais e a Lei dos Serviccedilos e Negoacutecios de Inovaccedilatildeo Tecnoloacutegica preveem os paracircmetros para o lanccedilamento de Initial Coin Offerings e o regime regulatoacuterio para a prestaccedilatildeo de serviccedilos no setor das criptoativos Jaacute a Lei da Autoridade para a Inovaccedilatildeo Digital de Malta cria a nova entidade que iraacute trabalhar em colabo-raccedilatildeo com o regulador dos mercados financeiros maltecircs A primeira Lei referida estabelece os seguintes tipos de Ativos DLT (Decentralized Ledger Technologies)


68 O Howey Test consiste basicamente na afericcedilatildeo se se estaacute perante securities quando a relaccedilatildeo entre as partes envolve um

contrato de investimento em que uma das partes investe num determinado empreendimento cujos rendimentos advecircm do

esforccedilo de terceiros O Howey Test adveacutem do caso SEC v Howey Co Neste caso de 1946 a empresa Howey Company decidiu

vender metade dos seus terrenos e celebrar com os compradores contratos de arrendamento para continuar a explorar os

mesmos terrenos Tal espoletou interesses especulativos de vaacuterios investidores o que chamou a atenccedilatildeo da SEC que avanccedilou

com uma accedilatildeo para o Tribunal considerar tais contratos como securities O caso chegou ao Supremo Tribunal que determinou

que os contratos em causa eram contratos de investimento devendo por isso ser considerados securities e estabeleceu os

criteacuterios para aferir se certo contrato eacute um contrato de investimento ou natildeo passando-se esta anaacutelise a chamar de Howey

Test cfr httpsmediumcombittrustpassing-the-howey-test-how-to-regulate-blockchain-tokens-d218da93a8b669





bull Token virtual (tem apenas utilidade na plataforma)

bull Ativo Financeiro Virtual (funciona apenas como meio de pagamento ou reserva de valor)

bull Moeda eletroacutenica

bull Instrumento financeiro

A referida Lei regulamenta as Initial Coin Offerings de ativos financeiros virtuais estando os Ativos DLT que constituem instrumentos financeiros jaacute sujeitos agrave legislaccedilatildeo do mercado de capitais Na segunda Lei estatildeo previstas normas re-gulatoacuterias para todos os serviccedilos relacionados com blockchain smart contracts e outras tecnologias inovadoras

Em Franccedila a Autoriteacute des Marcheacutes Financiers (AMF) publicou um documento para consulta puacuteblica70 no dia 26 de outubro de 2017 que analisa a possiacutevel re-gulaccedilatildeo das Initial Coin Offerings e alerta os investidores para os riscos envol-vidos Relativamente agrave sua regulaccedilatildeo a AMF propotildee trecircs vias (i) promover as melhores praacuteticas sem alterar qualquer legislaccedilatildeo (ii) estender o acircmbito regu-latoacuterio das ofertas puacuteblicas relativas a valores mobiliaacuterios para abranger as es-pecificidades das Initial Coin Offerings ou (iii) propor legislaccedilatildeo ad hoc adaptada agraves Initial Coin Offerings

Apoacutes esta consulta puacuteblica o Ministro da Economia e Financcedilas decidiu criar le-gislaccedilatildeo especiacutefica para as Initial Coin Offerings num pacote legislativo para o crescimento das empresas chamado ldquoPACTErdquo tendo sido apresentado a res-petiva proposta de lei ao Parlamento francecircs no dia 14 de setembro de 2018 Nesta sequecircncia a AMF publicou um relatoacuterio71 sobre Initial Coin Offerings no dia 16 de novembro de 2018 em que aborda as futuras competecircncias nesta ma-teacuteria Nesse relatoacuterio eacute descrito que a proposta de lei francesa adota um sistema opcional de aprovaccedilatildeo de uma certa Initial Coin Offering para os promotores desde que a Initial Coin Offering natildeo se sujeite a legislaccedilatildeo jaacute existente como a


70 Cfr AMF Discussion Paper on Initial Coin Offerings (ICOs) 2017 disponiacutevel em

httpwwwamf-franceorgen_USActualitesCommuniques-de-presseAMFannee-2017docId=workspace3A2F-

2FSpacesStore2F5097c770-e3f7-40bb-81ce-db2c95e7bdae71

Cfr CAROLINE LE MOIGN French ICOs - A New Method Of Financing 2018 disponiacutevel em

httpswwwamf-franceorgen_USPublicationsLettres-et-cahiersRisques-et-tendancesArchivesdocId=workspace

3A2F2FSpacesStore2F27604d2f-6f2b-4877-98d4-6b1cf0a1914b



dos instrumentos financeiros A AMF tem o dever de verificar se a oferta pro-posta conteacutem o miacutenimo de garantias para a proteccedilatildeo dos investidores bem como para o combate ao branqueamento de capitais e financiamento do terro-rismo Os emitentes destes criptoativos apareceratildeo numa ldquowhite listrdquo assim que as suas Initial Coin Offerings forem aprovadas Tambeacutem estatildeo previstas as mes-mas normas de proteccedilatildeo para os prestadores de serviccedilos que transacionem ou que intermediem a transaccedilatildeo destes tokens A AMF fica com poderes de super-visatildeo e sancionatoacuterios relativamente aos referidos operadores Nas conclusotildees deste relatoacuterio a AMF refere que as Initial Coin Offering ainda satildeo um meacutetodo de financiamento embrionaacuterio sendo que as Initial Coin Offerings que ocorre-ram em Franccedila angariaram montantes relativamente baixos (entre 200000 a 20 milhotildees de euros) Existem no entanto futuros projetos que pretendem an-gariar entre 1 a 180 milhotildees de euros No envolvimento da AMF com os promo-tores destes projetos eacute destacada a necessidade de transparecircncia para o sucesso das Initial Coin Offerings Franccedila decidiu avanccedilar assim com legislaccedilatildeo de forma a encontrar o equiliacutebrio certo entre proteccedilatildeo dos investidores e o apoio agrave inova-ccedilatildeo De todo o modo eacute destacado no relatoacuterio que natureza transnacional deste tipo de projetos e investimento necessita de coordenaccedilatildeo internacional na aacuterea da regulaccedilatildeo e da deteccedilatildeo de fraudes

No dia 22 de maio de 2019 entrou em vigor esta lei que regula Initial Coin Offerings e os prestadores de serviccedilos em ativos digitais nos mesmos termos que a proposta Esta lei estabelece uma alteraccedilatildeo ao Coacutedigo Financeiro e Monetaacuterio Francecircs com a introduccedilatildeo de um novo capiacutetulo intitulado ldquoIntermediaacuterios na Emissatildeo de Tokensrdquo em que estatildeo previstas as regras de emissatildeo de uma Initial Coin Offering e as definiccedilotildees de tokens (propriedade intangiacutevel que representa de forma numeacuterica um ou mais direitos que podem ser emitidos transferidos registados e depositados atraveacutes de um mecanismo de registo eletroacutenico parti-lhado que facilita a identificaccedilatildeo direta ou indireta do detentor dessa proprie-dade) e de Initial Coin Offerings (oferta puacuteblica sob qualquer forma de venda de tokens) estabelecendo um regime opcional para estas Nesta lei excetuam-se os criptoativos aqueles que representem instrumentos financeiros tradicionais ficando estes sujeitos agrave legislaccedilatildeo financeira existente A AMF publicou no dia 6 de junho de 2019 uma instruccedilatildeo72 sobre o procedimento de registo de uma Initial Coin Offering em Franccedila nomeadamente o documento de informaccedilatildeo aos investidores e a publicidade relativa agrave oferta

72 A instruccedilatildeo pode ser consultada em

httpswwwamf-franceorgen_USReglementationDoctrineDoctrine-listDoctrinedocId=workspace3A2F2FSp

acesStore2Faf1f24bd-6d7b-4386-aa4b-f1fb69ea877fampcategory=I+-+Issuers+and+financial+disclosure



Em Espanha a Comisioacuten Nacional del Mercado de Valores (CNMV) publicou um entendimento73 sobre os criteacuterios a aplicar agraves Initial Coin Offerings no dia 20 de setembro de 2018 Nesse documento esta entidade reguladora refere que gran-de parte dos Initial Coin Offerings deveriam ser tratadas como emissotildees ou ofer-tas puacuteblicas de valores mobiliaacuterios atendendo agraves suas caracteriacutesticas A CNMV fundamenta este entendimento inter alia com a definiccedilatildeo lata de ldquovalores ne-gociablesrdquo constante do artigo 2ordm da Ley del Mercado de Valores que estabelece um conceito aberto com o propoacutesito de evitar que a engenharia financeira con-ceba novos instrumentos ou valores que implicando um apelo substancial agraves poupanccedilas do puacuteblico permitiram eludir os controlos legais e regulamentares Adicionalmente a CNMV considera os seguintes fatores relevantes para valorar se atraveacutes de um Initial Coin Offering estatildeo a ser oferecidos laquovalores negociablesraquo

a) Caso atribuam direitos ou expectativas de participaccedilatildeo na potencial re-valorizaccedilatildeo ou rentabilidade dos projetos ou negoacutecios ou se atribuiacuterem direitos equivalentes ou parecidos aos das accedilotildees obrigaccedilotildees ou outros instrumentos financeiros incluiacutedos na legislaccedilatildeo espanhola

b) No caso de criptoativos que conferem o direito a aceder a serviccedilos ou re-ceber bens ou produtos que os mesmos sejam oferecidos fazendo refe-recircncia de forma expliacutecita ou impliacutecita agrave expectativa de obtenccedilatildeo pelo comprador ou pelo investidor de um benefiacutecio como consequecircncia de sua reavaliaccedilatildeo ou de qualquer remuneraccedilatildeo associada ao instrumento ou com referecircncia agrave sua liquidez ou possibilidade de negociaccedilatildeo em merca-dos equivalentes ou supostamente semelhante aos mercados de valores sujeitos a regulamentaccedilatildeo

No Reino Unido a Financial Conduct Authority (FCA) publicou uma consulta puacute-blica intitulada ldquoGuidance on Cryptoassetsrdquo74 no dia 23 de janeiro de 2019 Esta consulta surge no contexto do Brexit e do aumento da quantidade de empre-sas envolvidas na negociaccedilatildeo de criptoativos Dessa forma a FCA explica neste documento como eacute que esta atividade poderaacute entrar no acircmbito da regulaccedilatildeo da FCA considerando a obrigaccedilatildeo de registo na FCA e a aplicaccedilatildeo de deveres de in-formaccedilatildeo da diretiva dos prospetos e dos controlos de crime financeiro a todas as entidades que se envolvam com qualquer tipo de criptoativo


73 Cfr CNMV Criterios en relacioacuten com las ICOs 2018 disponiacutevel em

httpcnmvesDocPortalFintechCriteriosICOspdf74

Cfr FCA Guidance on Cryptoassets - Consultation Paper CP193 2019 documento disponiacutevel em

httpswwwfcaorgukpublicationconsultationcp19-03pdf



Apoacutes esta consulta puacuteblica foi publicado o documento final75 com as respostas agrave consulta puacuteblica no dia 31 de julho de 2019 contribuindo com uma visatildeo uacutetil sobre o modo como a FCA efetua a sua abordagem regulatoacuteria agraves atividades re-lativas a criptoativos bem como algumas das principais preocupaccedilotildees e aacutereas de foco da FCA em relaccedilatildeo a criptoativos quer estes estejam dentro ou fora do seu acircmbito de supervisatildeo Este documento serve assim como um guia de refe-recircncia uacutetil para as empresas cuja atividade envolva criptoativos

Na Alemanha os Ministeacuterios das Financcedilas e da Justiccedila e da proteccedilatildeo do consu-midor publicaram no dia 19 de marccedilo de 2019 um Key Issue Paper76 que discute vaacuterias propostas de digitalizaccedilatildeo de instrumentos financeiros e de regulamen-taccedilatildeo de criptoativos Eacute discutida a possibilidade de registo de valores mobi-liaacuterios na blockchain e a imposiccedilatildeo de deveres de informaccedilatildeo aos emitentes de criptoativos que natildeo se qualifiquem enquanto instrumentos financeiros l

75 Cfr FCA Guidance on Cryptoassets - Feedback and Final Guidance to CP 193 2019 documento disponiacutevel em

httpswwwfcaorgukpublicationpolicyps19-22pdf76

Cfr BUNDESMINISTERIUM DER FINANZEN E BUNDESMINISTERIUM DER JUSTIZ UND FUumlR VERBRAUCHERSCHUTZ Key-issues

paper on the regulatory treatment of electronic securities and crypto tokens ndash Allowing for digital innovation ensuring investor

protection 2019 disponiacutevel em

httpswwwbundesfinanzministeriumdeContentENStandardartikelTopicsFinancial_marketsArticles2019-03-25-

electronic-securities-and-crypto-tokens_downloadpdf__blob=publicationFileampv=2



7 QUE REGIME PARA A REGULACcedilAtildeODOS CRIPTOATIVOS

o nosso entendimento e em nome do princiacutepio da seguranccedila juriacutedica deveraacute a lei definir com clareza as diferentes qualificaccedilotildees juriacutedicas de criptoativos da-das as enormes duacutevidas suscitas pelos presentes criteacuterios de qualificaccedilatildeo dos valores mobiliaacuterios

Propomos assim que sejam definidos quatro tipos de criptoativos nos seguin-tes moldes

bull Os criptoativos que se qualificam como valores mobiliaacuterios por terem um retorno financeiro associado devidamente identificado nas informaccedilotildees prestadas ao puacuteblico ficando estes criptoativos sujeitos agrave legislaccedilatildeo rela-tiva aos valores mobiliaacuterios

bull Os criptoativos que natildeo se qualificam como instrumentos financeiros por natildeo terem um retorno financeiro mas que satildeo igualmente produtos de investimento porque se transacionam em exchanges os quais apelidamos de Exchange Tokens

bull Os criptoativos que se qualificam como moeda eletroacutenica sujeitando-se agrave legislaccedilatildeo correspondente

bull Os criptoativos que natildeo tecircm um retorno financeiro associado nem satildeo transacionados em exchanges

Naturalmente por uma questatildeo de respeito pelo princiacutepio da igualdade os criptoativos que se qualificarem como valores mobiliaacuterios ou como moeda ele-troacutenica teratildeo que se sujeitar aos regimes correspondentes devendo a lei clari-ficar os criteacuterios aplicaacuteveis tendo em conta a natureza especiacutefica dos criptoa-tivos Isto posto quanto agrave qualificaccedilatildeo como valores mobiliaacuterios teratildeo que ser tomadas em conta todas as informaccedilotildees prestadas pelo emitente que o pos-sam vincular agrave atribuiccedilatildeo de um direito a um retorno financeiro para os inves-tidores natildeo se olvidando que as figuras que abordamos como os air drops os burns e os mecanismos de consenso e outras especificidades dos criptoativos e da tecnologia blockchain Soacute percebendo verdadeiramente a loacutegica e os prin-ciacutepios a que obedece essa tecnologia eacute que se pode analisar adequadamente as consequecircncias juriacutedicas que poderiam advir do seu funcionamento e das trans-formaccedilotildees operacionais que a blockchain poderaacute originar

Relativamente agrave negociaccedilatildeo de criptoativos que natildeo tecircm um retorno finan-

N




ceiro associado nem satildeo transacionados em exchanges esta deve ser regida meramente pelo Direito do Consumo uma vez que estes criptoativos natildeo pos-suem qualquer componente de investimento Quanto agrave negociaccedilatildeo de Exchange Tokens esta deve ser alvo de um regime especiacutefico tal como defendido pela ESMA no seu relatoacuterio devido agrave falta de proteccedilatildeo dos investidores e agrave necessi-dade de promover a confianccedila destes e dos agentes de mercado Tal regime de-veraacute incluir as Initial Coin Offerings e todos os intermediaacuterios que se envolvam na posterior negociaccedilatildeo dos criptoativos atribuindo-se destaque aos deveres de informaccedilatildeo que devem impender sobre estes agentes77 sem que no entan-to haja um information overload muito associado agraves exigecircncias das normas re-ferentes aos prospetos78 que tornam em certos casos contraproducentes os esforccedilos de proteccedilatildeo dos investidores79

Infere-se pelo que jaacute expusemos anteriormente que as carateriacutesticas dos in-vestimentos em Initial Coin Offerings e nas exchanges sobre Exchange Tokens natildeo divergem em grande medida das componentes de muitas outras formas de financiamento e investimento como o Crowdfunding fundos de capital de risco e business angels e as proacuteprias ofertas puacuteblicas de valores mobiliaacuterios e a sua negociaccedilatildeo em mercados regulamentados sobretudo pela sua liquidez e

77 ldquoCom efeito a proteccedilatildeo dos investidores seraacute tanto ou mais robusta quanto se imponham deveres de informaccedilatildeo aos emi-

tentes mas tambeacutem quando se exija a revelaccedilatildeo da identidade dos investidores como condiccedilatildeo para aplicaccedilatildeo de alguns

dos mais importantes blocos normativos que formam o edifiacutecio moderno Direito financeirordquo FRANCISCO MENDES CORREIA

ldquoAlgumas notas sobre ofertas puacuteblicas de criptomoedas (initial coin offerings)rdquo in O Novo Direito dos Valores Mobiliaacuterios - Vol

2 - II Congresso sobre Valores Mobiliaacuterios e Mercados Financeiros 2019 p 18378

ldquoDevemos notar que ndash mesmo que o investidor tenha acesso e leia cuidadosamente todo prospecto ndash a sofisticaccedilatildeo e com-

plexidade de grande parte dos produtos financeiros obstam agrave capacidade da maioria para estimar o respectivo risco do in-

vestimento realizado ou a realizarrdquo INEcircS SERRANO DE MATOS ldquoDebt Financerdquo in Revista de Concorrecircncia e Regulaccedilatildeo Ano

VI nuacutemero 23-24 Almedina Coimbra 2015 p 160 ldquoA multiplicidade de fontes de informaccedilatildeo e a variedade e complexidade

da informaccedilatildeo propriamente dita podem traduzir-se sobretudo para o investidor natildeo profissional barreiras para a correcta e

esclarecida formaccedilatildeo de (des)investir em valores mobiliaacuteriosrdquo GONCcedilALO CASTILHO DOS SANTOS ldquoRecomendaccedilotildees de inves-

timento em valores mobiliaacuterios e conflito de interesses in Direito dos Valores Mobiliaacuterios Vol VIII Coimbra Editora Coimbra

2008 pp 338 e ss79

Cfr MADALENA PERESTRELO DE OLIVEIRA ldquoOs desafios na regulaccedilatildeo dos tokens e dos tokenized securitiesrdquo in O Novo Direito

dos Valores Mobiliaacuterios- Vol 2 - II Congresso sobre Valores Mobiliaacuterios e Mercados Financeiros 2019 p 192



potencial de valorizaccedilatildeo80 motivo pelo qual circunscrevemos este regime es-peciacutefico aos Exchange Tokens Por outro lado a utilizaccedilatildeo dos criptoativos e da tecnologia blockchain em geral tem sido vista como uma forma de aumentar a transparecircncia e a confianccedila nas transaccedilotildees nos mercados financeiros e assim mitigar o risco sisteacutemico e aumentar a estabilidade do sistema financeiro No entanto existe tambeacutem um elevado nuacutemero de riscos associados aos criptoati-vos e agrave tecnologia blockchain mdash que devido agrave falta de regulamentaccedilatildeo deste fe-noacutemeno tornam-se ainda maiores e mais preocupantes mdash tais como o risco de fraude a manipulaccedilatildeo de mercado e a volatilidade destes ativos

Com efeito apesar dos criptoativos surgirem como instrumentos essenciais para a inovaccedilatildeo natildeo soacute como meios de pagamento mas sobretudo como meios de financiamento a projetos inovadores a quantidade de fraudes jaacute verifica-das demonstra que a sua estrutura e organizaccedilatildeo teraacute que ser melhorada uma vez que tem sido muito comum a recentralizaccedilatildeo do sistema em agentes eco-noacutemicos fortes e a violaccedilatildeo dos princiacutepios baacutesicos da comunidade blockchain ndash descentralizaccedilatildeo democratizaccedilatildeo e transparecircncia mdash estando os negoacutecios sob criptoativos completamente desprovidos de controlo e de sanccedilotildees Face ao exposto a ideia fundamental da regulaccedilatildeo das atividades que envolvam crip-toativos aproxima-se agrave dos mercados financeiros precisamente o controlo da


80 Cfr LUIacuteS ROQUETTE GERALDES MARIANA SOLAacute DE ALBUQUERQUE E JOAtildeO LIMA DA SILVA ldquoICOs security tokens vs

utility tokenrdquo in Fintech II ndash Novos estudos sobre tecnologia financeira coord ANTOacuteNIO MENEZES CORDEIRO ANA

PERESTRELO DE OLIVEIRA E DIOGO PEREIRA DUARTE Almedina Coimbra 2019 p 338 ldquoA capitalizaccedilatildeo destes activos

nos mercados electroacutenicos especiacuteficos (exchanges) passou de USD $177 mil milhotildees em janeiro de 2017 para uma capi-

talizaccedilatildeo recorde em Novembro e Dezembro de 2017 ndash em 21 de Dezembro atingiu USD$650 mil milhotildees mantendo-se em

Janeiro de 2018 em valores similares Os dados demonstram que nos primeiros meses de 2018 foram angariados cerca

de USD$ $6 mil milhotildees (estatiacutesticas actualizadas em httpswwwcoinschedulecomstatshtml) Estima-se que soacute no

Japatildeo um Estado que aceitou e regulou estes mercados secundaacuterios registando as plataformas electroacutenicas de nego-

ciaccedilatildeo de criptomoedas existam mais 35 milhotildees de utilizadores O mercado japonecircs eacute pujante e as suas plataformas

tecircm sofrido os riscos inerentes a esta inovaccedilotildees tecnoloacutegicas ndash sucessivos desvios de fundos vg atraveacutes de hackers Os

operadores criaram uma Associaccedilatildeo de auto-regulaccedilatildeo - a Japan Virtual Currency Exchange Association - como um meio

de credibilizar os negoacutecios e estatuir para os seus associados Guidelines comportamentais de controlo e organizaccedilatildeo

interna e prevenccedilatildeo de actos de abuso de mercadordquo LUIacuteS GUILHERME CATARINO Inovaccedilatildeo Financeira e ICOs mercados

privados alternativos 2018 p 12 disponiacutevel em

httpsinstitutovaloresmobiliariosptestudospdfs1548431077icos_lgc_vfpdf



informaccedilatildeo difundida aos investidores81 Genericamente quando os mercados financeiros satildeo eficientes criam efeitos positivos em toda a economia mas pode haver casos em que os mercados natildeo conseguem atingir o resultado mais eficiente prejudicando toda a economia tratando-se portanto de falhas de mercado A existecircncia dessas falhas justifica a regulaccedilatildeo e supervisatildeo dos mer-cados financeiros que procura corrigir os casos de ineficiecircncia e o mesmo su-cede com os mercados de criptoativos

ldquoSubjacentes a este novo paradigma de intervenccedilatildeo puacuteblica na economia estatildeo entatildeo os pressupostos liberais de crenccedila no funcionamento do mercado en-quanto gerador de riqueza e portanto na capacidade dos privados para servir objectivos puacuteblicos ainda que temperados com o reconhecimento de que algum niacutevel de actuaccedilatildeo puacuteblica eacute indispensaacutevel para a correcccedilatildeo das falhas ou incapa-cidades do mercado e bem assim para a obtenccedilatildeo do equiliacutebrio que o funcio-namento livre e desregulado do mercado natildeo pode garantir A regulaccedilatildeo surge neste contexto como laquoconstitutiva e fomentadora do mercadoraquo assumindo como objectivo essencial a garantia da livre concorrecircncia dos mercados Natildeo se visam jaacute impor fins exteriores ou estranhos au mercado mas antes defender e fomentar esse mercado e o seu funcionamento transparente eficaz e abertordquo82

Destarte nesse regime especiacutefico devem constar (i) as regras aplicaacuteveis agrave informaccedilatildeo contida nos prospetos e nas fichas de informaccedilatildeo normalizada

81 ldquoDesde as suas primeiras manifestaccedilotildees que a regulaccedilatildeo financeira assumiu como objectivo essencial mesmo em paiacuteses e

ordenamentos marcadamente liberais a protecccedilatildeo do investidor dos seus interesses e da sua posiccedilatildeo patrimonial Identifica-

se assim como o interesse puacuteblico que justifica a intervenccedilatildeo do Estado nos mercados de capitais precisamente a necessi-

dade de tutelar os agentes que com o investimento das suas poupanccedilas fornecem o laquocombustiacutevelraquo essencial para o fun-

cionamento eficiente e competitivo desse mercado E eacute natural que assim seja Desde cedo se constatou a importacircncia da

confianccedila dos investidores na transparecircncia e integridade do funcionamento do mercado Faltando essa confianccedila os mer-

cados de capitais deixam de funcionar e natildeo atingem aqueles que satildeo os seus objetivos fundamentais Haacute que entatildeo salva-

guardar esse bem valioso que eacute a confianccedila depositada pelos investidores no funcionamento eficaz do mercado mediante

uma cuidadosa e eficaz tutela puacuteblica dos interesses proacuteprios dos investidores os quais podem ser decompostos em trecircs in-

teresses especiacuteficos a existecircncia de liquidez do mercado a rentabilidade dos investimentos e a seguranccedila e credibilidade do

mercadordquo ANDREacute FIGUEIREDO ldquoA Informaccedilatildeo Difundida no Mercado de Valores Mobiliaacuterios e os Poderes da CMVMrdquo in Cadernos

do Mercado de Valores Mobiliaacuterios nordm 24 2006 pp 68 e 69 disponiacutevel em

httpswwwcmvmptptEstatisticasEstudosEPublicacoesCadernosDoMercadoDeValoresMobiliariosPages

Cadernos-do-mercado-de-valores-mobiliariosaspxpg82

ANDREacute FIGUEIREDO ldquoA Informaccedilatildeo Difundida no Mercado de Valores Mobiliaacuterios e os Poderes da CMVMrdquo in Cadernos do Mercado

de Valores Mobiliaacuterios nordm 24 2006 pp 65 a 67 disponiacutevel em

httpswwwcmvmptptEstatisticasEstudosEPublicacoesCadernosDoMercadoDeValoresMobiliariosPagesCadernos-

do-mercado-de-valores-mobiliariosaspxpg



nomeadamente a identificaccedilatildeo dos emitentesoferentes dos Exchange Tokens de forma a resolver parcialmente os problemas relativos ao anonimato associado agrave tecnologia Blockchain ie a imputaccedilatildeo da responsabilidade e o cumprimento dos deveres de identificaccedilatildeo dos clientes (ii) os limites agrave transmissibilidade os direitos e obrigaccedilotildees dos Exchange Tokens83 e (iii) as claacuteusulas que deveratildeo es-tar obrigatoriamente plasmadas no protocolo blockchain dos criptoativos e nos smart contracts com o intuito de proteger os investidores natildeo profissionais

Reveste particular importacircncia a iniciativa de regulaccedilatildeo especiacutefica deste fe-noacutemeno neste momento porque estaacute a decorrer a construccedilatildeo da Uniatildeo dos Mercados de Capitais Este projeto ambicioso pretende nomeadamente pro-porcionar novas fontes de financiamento agraves sociedades comerciais reduzir os custos da mobilizaccedilatildeo de capitais facilitar o investimento entre paiacuteses da Uniatildeo Europeia e atrair mais investimento estrangeiro para a Uniatildeo Europeia84 Ora a adequaccedilatildeo das Initial Coin Offerings a estes objetivos parece plena e apenas com a sua integraccedilatildeo no nosso ordenamento juriacutedico eacute que as nossas instituiccedilotildees podem verdadeiramente controlar os seus riscos e fomentar a sua utilizaccedilatildeo no financiamento das nossas sociedades comerciais

Acresce que esse regime especiacutefico deveraacute ser opcional como o regime fran-cecircs supra abordado dado o estado ainda prematuro da tecnologia blockchain e dos modelos de negoacutecio relativos a criptoativos dado o caraacuteter transnacional destas atividades85 e dada a gestatildeo distribuiacuteda permitida pela tecnologia block-chain tornando muito difiacutecil o enforcement de qualquer regime Esse regime na-cional deve ser por esse motivo temporaacuterio enquanto a tecnologia blockchain e os modelos de negoacutecios relativos a Exchange Tokens enquanto natildeo existir um regime comunitaacuterio e internacional que cubra essas atividades e enquanto as ofertas natildeo ganharem escala razatildeo pela qual tambeacutem deveratildeo existir limites agraves ofertas de Exchange Tokens como no regime do Crowdfunding

Um emitente de Exchange Tokens ou um intermediaacuterio na negociaccedilatildeo de Exchange

83 Convergentemente PHILIPP HACKER E CHRIS TOMALE Crypto-Securities Regulation ICOs Token Sales and Cryptocurrencies

under EU Financial Law 2017 p 41 disponiacutevel em


Cfr httpwwwconsiliumeuropaeuptpoliciescapital-markets-union85

ldquoA dificuldade de enquadramento juriacutedico do modelo de negoacutecio e dos activos no quadro regulatoacuterio eacute acrescida pelo facto de

o activo resultante desta inovaccedilatildeo tecnoloacutegica ser objecto de open calls por via electroacutenica worldwide o que acrescenta a di-

ficuldade decorrente da multiplicidade de ordenamentos juriacutedicos de reguladores e de sistemas judiciais que convocardquo LUIacuteS

GUILHERME CATARINO Inovaccedilatildeo Financeira e ICOs mercados privados alternativos 2018 p 12 disponiacutevel em




Tokens por exemplo uma entidade gestora de uma exchange ou um consultor de um site de ratings de Initial Coin Offerings e teriam a opccedilatildeo de natildeo ser regulados sem prejuiacutezo de terem que se sujeitar agrave legislaccedilatildeo relativa ao combate ao bran-queamento de capitais e financiamento do terrorismo e teriam a opccedilatildeo de ser regulados sujeitando-se aos deveres de informaccedilatildeo previstos legalmente e ao registo puacuteblico junto da entidade reguladora competente Esse registo puacuteblico permitiraacute aos investidores identificar os agentes que satildeo regulados de forma a saberem quando estatildeo a ser tutelados por uma entidade reguladora e por um determinado regime devendo a respetiva entidade reguladora alertar frequen-temente os investidores para necessidade de consultarem esse registo

Na base deste sistema de regulaccedilatildeo opcional estaacute uma tentativa do sistema juriacute-dico influenciar de forma indireta os agentes de mercado o que permite que es-tes faccedilam uma autorreflexatildeo e um juiacutezo proacuteprio de adequaccedilatildeo sobre o impacto que cada alternativa poderaacute ter86 procurando o sistema juriacutedico que os agentes de mercado confirmem os maiores benefiacutecios que a regulaccedilatildeo da sua atividade oferece tais como a legitimaccedilatildeo que gera confianccedila nos investidores e a re-duccedilatildeo de custos na externalizaccedilatildeo da gestatildeo de conflitos que envolvam clien-tes numa entidade reguladora Outro objetivo eacute a promoccedilatildeo do crescimento dos empreendimentos inovadores aproveitando-se as potencialidades e oportuni-dades da tecnologia blockchain no desenvolvimento sustentaacutevel da economia

Um regime mais flexiacutevel parece-nos a resposta mais adequada para este fenoacute-meno dos Exchange Tokens primeiro porque as regras de funcionamento e con-cretizaccedilatildeo da blockchain funcionam agrave base do consenso e satildeo autodeterminadas pelo proacuteprio sistema87 e tambeacutem porque uma ldquolight touch regulation eacute por ora uma soluccedilatildeo possiacutevel frente ao laquoMundo Digitalraquo diminuindo as externalida-des do regulatory overshooting a que se assistiu como reaccedilatildeo agraves crises financei-rasrdquo88 A preservaccedilatildeo da natureza descentralizadora da blockchain parece-nos igualmente essencial para promover-se a inovaccedilatildeo e a democratizaccedilatildeo natildeo soacute financeira como tambeacutem tecnoloacutegica protegendo-se de forma mais eficiente os direitos liberdades e garantias de todos os cidadatildeos l

86 Eacute uma forma de promover a auto-regulaccedilatildeo atraveacutes da hetero-regulaccedilatildeo permitindo aos agentes de mercado aderirem ou natildeo

agraves propostas regulatoacuterias do sistema juriacutedico com base nos criteacuterios de racionalidade e estruturaccedilatildeo operativa autoacutenoma dis-

ponibilizados legalmente cfr LUIacuteS TERRINHA O Direito Administrativo na Sociedade ndash Funccedilatildeo prestaccedilatildeo e reflexatildeo do sistema

juriacutedico-administrattivo Universidade Catoacutelica Editora Porto 2017 pp 533 e ss87

Cfr KEREN ARTHUR The emergence of financial innovation and its governance - a historical literature review 2017 p 12 disponiacutevel em


LUIacuteS GUILHERME CATARINO Crowdfunding e Crowdinvesting O Regresso ao Futuro 2017 p 75 disponiacutevel em

httpsinstitutovaloresmobiliariosptestudos



Investor attention and Portuguese stock market volatilityWersquoll google it for you

ANA BROCHADO

Instituto Universitario de Lisboa (ISCTE - IUL) Centre for Socioeconomic and Territorial Studies (DINAcircMIArsquoCET ndash IUL)


CADERNOS DO MERCADO DE VALORES MOBILIAacuteRIOSINVESTOR ATTENTIONAND PORTUGUESE

STOCK MARKET VOLATILITY

1 INTRODUCTION

he importance of investor attention in financial markets is well established on a theoretical level (eg Merton 1987 Hirshleifer and Teoh 2003 Sims 2003) and several proxies for investor attention have already been proposed (eg Barber and Odean 2008) More recently Da et al (2014) conducted one of the first studies to incorporate Internet search behaviour as a proxy for retail investorsrsquo attention allocation This approach recognises that the Internet has become a mainstream platform for the production intermediation and consumption of information in the financial industry Search engines are an intuitive research tool that provides access to huge amounts of information at a negligible cost Investors consider information attention a valuable cognitive resource (Zhang et al 2013) and investors who pay attention to stock or market indices habitu- ally search for new information about them Weng et al (2018) maintain that Google search data in particular capture tradersrsquo collective interest

Studying investor attention is thus of utmost importance since previous studies (eg Aouadi et al 2013) have concluded that it acts as a significant determinant of stock activity More specifically Mondria and Quintanna-Domeque (2012) argue that investor attention is a new transmission channel of financial crises across markets

The present study sought to contribute to the literature by providing further evidence that investor attention is a determinant of stock market volatility In addition for the first time Portuguese Google volume search data were analysed Accordingly this studyrsquos objectives were twofold First this research investigated the effect on stock market volatility of information attention at both the individual stock and overall market levels Second the study attempted to test whether this relationship remains stable across different market states

This paperrsquos remaining sections are as follows The next section discusses the concepts of the Internet and investor attention and provides a literature review of previous studies that have used Internet search data in financial contexts Then the methodological options selected are presented namely Google search data and stock market activity variables The results section reports the main model estimates and discusses the findings We finish with conclusions and proposed directions for future research

T




2 LITERATURE REVIEW

21 Internet and Investor Attention

erton (1987) introduced the concept of investor recognition suggesting that investor attention might be an important determinant of stock market activity Attention is known to play an important role in investorsrsquo learning and trading behaviour However the exact role of information and investor attention in market efficiency remains elusive Grossman and Stiglitzrsquos (1980) seminal work maintains that more information leads to more informative prices which should improve market efficiency On the other hand Da et al (2010) argue that more attention can create extra noise and reduce market efficiency

Regardless the assumption that investor attention influences stock market activity is supported empirically by a number of studies that propose different proxies for attention For example Barber and Odean (2008) describe lsquoatten-tion-grabbing stocksrsquo as those stocks that first capture investorsrsquo notice News headlines high abnormal trading volume and extreme returns can retain inves-torsrsquo attention Consequently stocks receiving more attention from inves-tors become relatively more traded than do those attracting less attention As investors appear to limit their attention to a small number of stocks (ie limited attention bias) a delay occurs in investor response and new information is not instantaneously incorporated into stock prices (Mondria et al 2010) Investor attention seems to interact with cognitive bias affecting investorsrsquo reactions to new information However even though financial information acquired by investors is not fully incorporated into stock prices Internet searches can enhance the speed of information dissemination thereby making the market more efficient (Zhang et al 2013)

Previously developed proxies for investor attention include companiesrsquo brand perception (Frieder and Subrahmanyam 2005) advertising expendi-ture (Grullon et al 2004 Chemmanur and Yan 2009 DellaVigna and Pollet 2009) media coverage (Barber and Odean 2008 Fang and Peress 2009 Yuan 2011) trading volume (Barber and Odeon 2008) and price limit events (Seasholes and Wu 2007) However measuring investor recognition is still a difficult task and some shortcomings are associated with the above-listed measures (Bank et al 2011) For instance no reliable information exists about the extent to which newspaper readers pay attention to mentions of compa-nies in articles or consumers pay attention to companiesrsquo advertising activity Furthermore excessive trading volume and stock returns are also deter-mined by macroeconomic variables which are unrelated to investor attention (Zhang et al 2013)

M




Da et alrsquos (2014) innovative study tested the use of Google search volume for ticker symbols as a proxy for firm-specific investor attention Google search volume data are made available by Google Trends an online tool that provides access to the relative online search volume for any query term submitted to Google by Internet users The cited authorsrsquo results confirm that search-based data act as a more direct and timely proxy for attention than previ-ously used proxies do including extreme returns trading volume and media attention Moreover the results reveal that Google search volume is positively associated with market capitalisation abnormal returns turnover and media attention

Bank et al (2011) point out some relative advantages of using Google search volume as a direct measure of investor attention First information is consid-ered a valuable resource in financial markets As the World Wide Web is the largest pool of freely available information a not unrealistic conclusion is that most investors are regular users of the Internet Google Trendsrsquo data on searches is a particularly useful data source due to the popularity of Google as a search engine Second search volume data originate with both investors and customers An Internet user clearly only makes a specific query if he or she is interested in the object underlying the search term Third search volume data are reported and updated on a daily basis Therefore these data capture not only individual investorsrsquo attention but also a timelier version of this than other well-established attention variables do Thus Internet search queries can be interpreted as a measure of retail investorsrsquo attention in the stock market as suggested by Da et al (2014)

According to Xu et al (2019) the search volume for companies is associated with market eventsrsquo impact Events are expected to attract investorsrsquo attention in an extremely short time Investors subsequently search for information on the Web before deciding how to respond to each event Events can thus cause stock market volatility providing a rational basis for believing that a relation-ship exists between Internet searches and stock market volatility




Figure 1 Events and Google Trendsrsquo mechanisms of influence on stock volatility

Source Xu et al (2019 p171)

Events Stock market volality

DecisionSearchInformationdemands

Investorattention

22 Overview of Empirical Studies

A recent but growing stream of literature has highlighted the power of Google search volume in a variety of settings in financial research In particular one strand of research has suggested that Google search volume helps to explain and predict stock market activity

Mondria et al (2010) conducted one of the first studies that incorporated the behaviour of Internet search engine users as an indicator of investorsrsquo atten-tion allocation The cited authors combined United States (US) data on port-folio holdings of foreign securities with the attention of American investors in search queries focused on these foreign markets The results reveal that inves-tors look for more information about countries where these individuals hold more assets and that investors are more active in countries about which these individuals are more informed

Da et al (2014) did another pioneering study proposing the use of search volume data in financial applications The cited authors found that Internet searches for firmsrsquo most popular products are positively correlated with revenue surprises and that Internet search data are an interesting option as a proxy for investor attention Da et al (2011) also provide evidence that Internet search data for assetsrsquo ticker symbols capture retail investor attention in a timelier and more accurate way




than other proxies for investor attention The cited studyrsquos findings further reveal that an increase in Internet searches for Russell 3000 stocks predicts higher stock prices in the next two weeks and a possible price reversal within the year Moreover Internet search data are also associated with large first-day returns and long-run underperformance for the initial public offering stocks under study

Bank et al (2011) suggest that Google search volume acts as an intuitive proxy for firm recognition and accurately portrays stock market investorsrsquo attention The cited authors report that an increase in Google search volume for a companyrsquos name is associated with a rise in trading activity and stock liquidity related to the same firm ndash at least in the short run Bank et al (2011) posit that the observed positive relationship between search volume and liquidity is most likely due to changes in the cost of asymmetric information The latter authors argue that search volume primarily measures uninformed investorsrsquo interest In addition Bank et al (2011) offer evidence that an increase in attention is associated with short-term buying pressure and that this leads to temporarily higher returns

Dimpfl and Jank (2011) investigated the dynamics of stock market volatility and retail investor attention to the aggregate stock market The data for the cited study encompassed the realised volatility of four leading market indexes ndash the Dow Jones FTSE CAC and DAX Investor attention was measured by the search activity focused on their respective names The results indicate the existence of a bi-directional Granger causality between the realised volatility of stock market indices and Internet search queries Thus investor attention to the stock market grows in times of high market movements and a rise in investor attention is accompanied by higher volatility Search query data thus have predictive power for future stock market volatility

Dzielinski (2012) reports the existence of a positive relationship between the frequency of Internet searches for the word lsquoeconomyrsquo and aggregate stock returns and volatility The cited author also asserts that this proposed measure is correlated with other measures of confidence and uncertainty Therefore Dzielinski (2012) maintains that the volume of Internet searches with the word lsquoeconomyrsquo as their topic needs to be considered a measure of uncer-tainty about the state of the economy rather than a measure of investor atten-tion As economic psychology posits that a higher degree of uncertainty about the economy increases the demand for information the cited author argues that agents respond to increased uncertainty by intensifying their volume of Internet searches with lsquoeconomyrsquo as their topic

Drake et al (2012) investigated investor search behaviour centred around corpo-rate announcements The cited authors also studied how variations in Internet




searches impact the capital marketrsquos response to earnings According to Drake et alrsquos (2012) results the volume of Internet searches rises to abnormal levels about two weeks prior to earnings announcements spikes markedly at the announcement and stays at high levels for some time after announcements Internet searches are positively related to news and media attention and are negatively associated with investor distraction Internet searches thus can partially anticipate the information content of earnings news

Vlastakis and Markellos (2012) report evidence for an economically positive and robust link between Internet search data at the market level and implied vola-tility historical volatility and trading volume even after controlling for market return and information supply The cited authors also examined the stability of these results across different market scenarios concluding that Internet search data increase significantly during periods of higher returns Finally these authors observe that investors use more active Internet search data as their level of risk aversion increases

A more recent study by Aouadi et al (2013) delved into investor attentionrsquos influence on French stock market activity liquidity and volatility The results indicate that Google search volume for firmsrsquo names is strongly correlated with trading volume and stock liquidity In addition the identified links remain economically stable over time even after controlling for the effects of financial crises Aouadi et al (2013) emphasise that using the Internet to acquire finan-cial information accelerates information dissemination about stock prices and helps to increase the stock marketrsquos efficiency

Zhang et al (2013) conclude that investor attention is a statistically signif-icant explanatory variable for abnormal returns even after controlling for trading volume The cited authors focused on three different electronic boards of the Chinese market and confirmed the existence of a bi-directional Granger causality between Internet search data and abnormal returns

Latoeiro and Ramos (2013) studied whether Internet search queries can predict stock market activity These authors argue that investors incorporate more market information than stock specific information in their investment decisions The results hold true for both the market index and stock levels An increase in net searches for stocks leads to an increase in volatility and volume and a decrease in cumulative returns Moreover an increase in Internet searches for market indexes is followed by a decrease in the indexesrsquo returns and an increase in implied volatility

Chouliaras and Grammatikos (2013) report a positive effect of the web attention




index on a countryrsquos economy resulting in the probability of extreme returns for different European countries in particular In addition more web attention in times of crises is associated with a higher probability of extreme bottom returns

Takeda and Wakao (2014) suggest that a stronger correlation exists between search intensity and trading volume than between search intensity and stock returns The correlation between search intensity and returns also appears to be stronger for smaller stocks The effect of search intensity on trading volume is not affected by investor sentiment

Vozlyublennaia (2014) presents an analysis of the link between investor atten-tion and the performance of several indexes in broad investment categories The empirical results reveal a short-term change in index returns following an increase in attention and a long-term change in attention as a result of a shock to returns According to the cited author investor attention diminishes index returnsrsquo predictability and improves market efficiency

Heiberger (2015) examined the Google search volumes for all companies listed on the Standard amp Poorrsquos 100 Index comprising the major branches of the Global Industry Classification Standard taxonomy The cited author observes that collective behaviour indicators can predict recessions since downturns draw mass attention to the economic outlook

Lobatildeo et al (2017) studied firmsrsquo profitability against market trends for Europersquos top-of-mind stocks The cited researchers suggest only weak evidence is available that an increase in firmsrsquo Google search volumes can result in an abnormal return Investors thus gain a better return if they adopt a passive investment strategy

Weng et al (2018) present a financial expert system to predict short-term stock prices that combines different data sources including Google Trends financial news stock market data Wikipedia data and technical indicators employing different machine learning methods The cited authors report that search terms and other online sources can be used to supplement traditional financial data to improve their expert systemrsquos performance Xu et al (2019) in turn argue that mixed-frequency data (ie low frequency data on economic fundamentals and high event data based on Google search data) can be used to predict monthly volatility in the US stock market

Table 1 gives an overview of the main methodological options of the reviewed studies including sample characteristics dependent variable in the analysis Internet search data options and other control variables Whereas some studies have analysed aggregate stock market activity (eg Dimpfl and Jank 2011




Dzielinski 2012 Vozlyublennaia 2014) other studies have assessed investor attentionrsquos influence at the individual stock level (eg Da et al 2011 Drake et al 2012 Vlastakis and Markellos 2012 Aouadi et al 2013 Weng et al 2018) As regards a proxy for investor attention previous studies have used two method-ological options For example Da et al (2011) and Drake et al (2012) defend the use of an Internet search volume based on stock ticker symbols Other authors (eg Bank et al 2011 Vlastakis and Markellos 2012 Lobatildeo et al 2017) prefer using Internet search data based on company names

Table 1 An overview of financial studies that use Internet search data as a proxy for investor attention

Mondria et al (2010)

Reference Statistical Methods

Other Variablesamp Control Variables

Internet Search Data

Sample Stock Market Variables

Regression analysis two-stage least squares three-stage least squares

Market capitalisation English-speaking dummy female dummy per capita gross domestic product bilateral trade with the US distance to the US

Number of times users searched results for a particular country

Attention holdings (country level)

The US March 2006

Da et al (2014) Panel dataSize market-to-book turnover prior return institutional ownership

SVI of firmsrsquo most popular products

Revenue surprise announcement returns earnings informativeness earnings management post-announcement returns

865 firms listed by Nielsen Media Research (ie those that advertised a product on television) 2004ndash2008

Da et al (2011) VAR models panel dataStock and abnormal returns turnover and abnormal turnover market capitalisation news-based data advertising expensessales

SVI for stock ticker symbols and company name abnormal SVI

SVI and abnormal SVIRussell stocks 2004ndash2008

Dimpfl and Jank (2011)

Granger causality test VAR models

Aggregate stock market volatility and Google search data (lagged)

SVI on stock market indexesrsquo names

Aggregate stock market volatility and google search data

Stock market indexes Dow Jones FTSE CAC and DAXJuly 2006ndashJune 2011



Zhang et al (2013)

Granger causality tests regression analysis

Trading volumeBI on stocksrsquo names daily data

Abnormal returnsShanghai Stock Exchange and Shenzhen Stock Exchange 30 stocks from Chinext 30 from the SME exchange 30 from the Main Board March 2011ndashMarch 2012

INVESTOR ATTENTIONAND PORTUGUESE


Bank et al (2011)





Stock portfolio formation panel data

Return turnover interaction between stock traded volume and Savills share price liquidity (lagged variables)

SVI on firmrsquos namesLiquidity turnoverGerman stock market Xetra trading system January 2004ndashJune 2010

Dzielinski (2012)

Correlation analysis regression analysis

Indicators of confidence and uncertaintyeconomic crisis (May 2007ndashJune 2009)

SVI for lsquoeconomyrsquoAggregate stock returns SampP 500 Index weekly realised volatility

Market indexes from the US Australia Canada the United Kingdom Germany and Japan January 2005ndashJune 2011

Drake et al (2012)


Earnings announcements management forecast date analysis forecast data dividend announcement acquisition announcement return turnover bid-ask spread institutional ownership firm attributes

SVI on tickersrsquo names daily data

Abnormal search volume

Stocks of the SampP 500 2005ndash2008

Vlastakis and Markellos (2012)

Correlation analysis hypothesis testing GARCH models regression panel data

Market return firm-specific information supply (firm level market level)

SVI on companiesrsquo names

Realised volatility implied volatility expected variance risk premium

30 of the largest stocks traded on the NYSE and NASDAQ

Aouadi et al (2013)

Correlation analysis unit root tests regression analysis panel data

Volatility return stock traded volume trend interaction between stock traded volume and SVI global crisis effect

SVI on firmsrsquo namesIlliquidity volatilityStocks from the CAC France January 2004ndashJune 2010




Latoeiro and Ramos (2013)





Regression panel dataLagged returns volatility volume

SVI on firms and indexesrsquo names

Volume abnormal volume returns absolute returns cumulative returns historical and implied volatility

Stocks from the Euro Stoxx 50 Index January 2004ndashJune 2011

Chouliaras and Grammatikos (2013)


Pessimist news factor news relevance factor stock returns

Web SVI for [country] crisis [country] debt [country] economy [country] deficit [country] default

ReturnsStock market indexes from three groups of European countries (i) euro-periphery countries (ii) euro-core countries and (iii) major European countries ndash but not euro-countries January 2004ndashMarch 2013

Takeda and Wakao (2014)

Portfolio analysis panel data

Interaction term between search intensity and investor sentiment (volatility index)

SVI on company namesReturns volume abnormal returns abnormal volume

Japanese stocks

Vozlyublennaia (2014)

Granger causality test VAR models regression analysis

Interaction terms between lagged attention and lagged returns macroeconomic variables default spread one-year Treasury bill rate aggregate dividend yield

SVI on indexesrsquo namesReturns volatility

Heiberger (2015)

Regression analysisVolatility indexSVI for company namesReturns (by sector)SampP100 January 2004ndashJanuary 2014

Lobatildeo et al (2017)

Portfolio and regression analyses

naSVI for company namesPortfolio returnsStocks from the Euro Stoxx 50 Index

Security indexes in broad investment ca-tegories Dow Jones Industrial Average (Dow) NASDAQ SampP500 10-year Treasury index Chicago Board Options Exchange Gold index West Texas Intermediate crude oil index January 2004ndashDecember 2012




Weng et al (2018)





Machine-learning ensemble methods

Number of web page visitors (Wiki traffic) financial news sentiment market indices and volume

SVI for company names and related searches

Stock prices 20 stocks (US market) 2013ndash2016

Xu et al (2019) GARCH-MIDAS modelMacroeconomic fundamentals gross domestic production producer price index and industrial production

Term lsquostockrsquo (US)VolatilityDow Jones Industrial January 2004ndashJuly 2018

Notes SVI = search volume index BI = Baidu search volume index VAR = vector autoregression GARCH = generalised autoregressive conditional

heteroskedasticity

3 METHODOLOGY

31 Google Search Volume A Proxy for Investor Attention

oogle Trends provides access to the relative online search volume for any query term submitted by Internet users to Google Google search data has been avail-able on a weekly and monthly basis since 2004 The actual search volume is normalised by the total number of searches for a specified region Then each search term is normalised by the maximum of searches This scaling procedure makes Google search data conveniently presented in a [0 100] interval identi-fied as the Google Search Volume Index (GSVI)

The GSVI increases when the actual number of searches increases compared with the average number of searches Therefore an increase does not neces-sarily imply a rise in the absolute number of online search queries Increases mean primarily that the popularity of those particular query terms is increasing over time In addition due to the scaling procedure the GSVIs of any two keywords are not comparable

The search term used to identify a stock on Google is of crucial impor-tance when using Google Trends An investor who is searching for informa-tion regarding a specific company input either the firmsrsquo name or stock ticker symbol As proposed by Bank et al (2011) and Vlastakis and Markellos (2012) the present study used the GSVI of firm names rather than stock ticker symbols to capture the attention paid to particular stocks First we believe that the Portuguese retail investors who are the focus of this study are more likely to

G




input a firm name to look for stock-specific information on Google Second search frequency results based on ticker symbols are lower in number compared with firm names which would result in many missing values Finally we agree with Da et alrsquos (2011) assertion that the GSVI for firm names incorporates some irrelevant components such as individuals searching for company products or online support However for the present study we assumed that these compo-nents are random noise

A regional filter based on the origin of queries determined from usersrsquo Internet Protocol addresses was added Thus all the search data in the current study originated in Portugal

For each stock in our sample and the Portuguese Stock Index (PSI) 20 we manu-ally drew the corresponding GSVI data To address the possibility that company names could be searched in a variety of ways we took two steps in order to identify the best queries for each company First we inserted the full company name and examined the related keyword terms offered by Google We started searching by company name and retained all top searches with a maximum of 10 related terms to understand better how these words are employed by search engine users Second we picked the keyword with the highest search volume We eliminated non-economic search terms (eg PT ndash Portugal) and search terms with too few valid GSVIs (eg several zero values) For those companies that registered corporate events involving changes in corporate brand names a composite search was performed (eg lsquoPortugal Telecom + Pharolrsquo)

As we found many zero observations in the first two years (ie 2004 and 2005) for the PSI 20 we decided to start our analysis in March 2006 We began with the stocks listed in the PSI 20 as of February 2006 and traded in Euronext Lisbon Based on the weekly search volume data we opted to keep data from 2006 and 2014 on six companies ndash half of them from the finan-cial sector These were Banco Comercial Portuguecircs (BCP) Banco Espiacuterito Santo (BES) Banco Portuguecircs de Investimento (BPI) Energias de Portugal (EDP) Portugal Telecom (PT) and Sonae Sociedade Gestora de Participaccedilotildees Sociais This period allowed us to compare the behaviour of the variables under anal-ysis before and after the economic crisis in 2008 for each company and the pool of six companies

Next we considered a sample of all the stocks listed in the PSI 20 as of September 2019 and traded in Euronext Lisbon (see Figure 3) for which Google search data were only available monthly During the period under analysis (ie 2006ndash2019) various events were observed such as delisting new companiesrsquo entry and changes in corporate brand names




Figure 3 Google search volume for stocks listed in PSI

0

20

40

60

80

100

CTT EDP EDPR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

EGL GALP IBS

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

JMT NOS NVG

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

ALTRI BCP COR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

PHR RAM REN

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

SEM SON

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18



Based on the press releases published on the companyrsquos websites we were able to identify a variety of corporate events that might have triggered top volume searches namely the maximum possible SVI (ie 100) These corporate events include notifications to stakeholders that the dividend for the previous finan-cial year will be paid (eg Altri1 May 2019) communication of capital increases (eg BCP2 January 2017) and notifications of new operational plans (eg CTT3

December 2017) Other relevant events are announcements of financial results (eg Galp4 July 2011 Pharol5 March 2019) communication of listing in stock markets (eg EDP Renovaveis [EDPR]) communication of rating by Moodyrsquos (eg EDP6 February 2015) and sales and market share reports (eg Jeronimo Martins7 January 2012)

To address our concerns about outliers each series was winsorised at the 5 level (ie 25 in each tail) We followed Da et alrsquos (2011) approach because this offers a simpler interpretation Thus we took the logarithm of GSVIs denoted by SVI for each stock i for week t



1 See httpwwwaltript~mediaFilesAAltri-V2press-release2019ALTRI20190529ENpdf

2 See httpsindmillenniumbcpptenParticulares_layoutsBCPSDCFEPFoundationPresentationError404aspx

3 See httpswwwcttptcontentAssetraw-data01ff5161-c64e-47c0-b426-650012e61d97ficheiroedd10fa0-8887-4d-

26-ac2b-2ba1d2e3cc35exportCTT20Operational20Transformation20Plan_PT_FINALpdf4

See httpswwwgalpcomcorpPortals0RecursosInvestidoresSharedResourcesResultadosEN2011-2T-RT

ACF1H2011RESULTSpdf5

See httppharolpten-uspress-releasescomunicados-legaisPages2019Com06Mar19_PH_AGaspx6

See httpswwwedpcomsitesdefaultfilesportalcomdocumentsMoodys20Upgrade_EN_20150213pdf7

See httpswwwjeronimomartinscomwp-contentuploadscom2012encom_20120110_1_enpdf

We also expressed market level Internet searches (ie for PSI 20) as



This study also investigated the association between investor attention and market activity from the perspective of historical volatility Realised volatility is one of the most popular measures of historical volatility We followed the approach used in previous research on stock market volatility (Dimpfl and Jank 2011 Vlastakis and Markellos 2012) and proxy volatility by the standard devi-ation of returns The realised volatility for stock i for week t (RVit) is computed from daily data where r ijsup2 corresponds to the squared return of the ith stock for day j

The proxy for firm size was the logarithm of stock volume i for week t denoted by volit

32 Stock Market Activity

This section presents the measures of stock market activity used in this study volume returns and volatility If Pit is the observed weekly closing price of stock i then weekly changes in price and returns are denoted by rit








Table 2 Descriptive statistics of Google search volume

GSVI_BCP 5866 55 1270 38 100 113 061 015

GSVI_BES 5836 61 1189 27 100 -055 006 010

GSVI_BPI 5100 47 1453 28 100 140 123 020

GSVI_EDP 3431 32 1117 16 100 248 1032 013

GSVI_PT 3082 23 1943 7 100 128 088 017

GSVI_SONAE 5763 57 1217 29 100 052 060 006

Variable Standard Deviation

MedianMean

4 RESULTS

41 Descriptive Statistics for Weekly Data

able 2 presents the descriptive statistics for GSVIs Some variability exists in Portuguese investor attention across the six stocks studied BCP has the highest GSVI (mean = 5866) and PT the lowest (mean = 3082) in this sample The normality distribution of GSVIs was rejected in all cases The variables referred to hereafter were logarithmically transformed

Note and denote 10 5 and 1 significance levels respectively

SVI is stationary around a deterministic trend for all the stocks selected The next table displays the results of two unit root tests of Google search names the augmented Dickey-Fuller (ADF) and Philips-Perron (PP) Therefore a trend vari-able was included in the regression as was done in Aouadi et alrsquos (2013) study

Table 3 Unit root test on Google search volume

BCP -443 -629

BES -917 -476

BPI -383 -1147

EDP -862 -893

PTC -693 -1581

SON -773 -1543

Stock ADFNotes The null hypo-

thesis is the existen-

ce of a unit root (ie

stationarity)

and deno-

te 10 5 and 1

significance levels

respectively

PP

TSkewnessMaximumMinimum Kolmogorov-

-Smirnov TestKurtosis



42 Google Search Volume and Stock Market Volatility for Weekly Data

The following regression was formulated in order to analyse the relationship be-tween information attention and realised volatility

in which SVIit is the information attention for stock i for week t and SVIMt is market-related information attention (ie Google search volume for the term PSI 20) The control variables are as follows volit is the logarithm of market volume rit is stock market return RVit-1 is one lag of stock market volatility and t is a time trend

For three of the six stocks studied the stock-specific SVI variable was signifi-cant at the 5 level but with mixed signals For BCP and BES investor attention appears to increase in volatility by incorporating more information into prices but for BPI attention reduces volatility possibly by reducing uncertainty

Market-related SVI is significantly positive for five of the six stocks Moreover for financial stocks only the effect of the stock-specific SVI variable is stronger than that of market-related SVI Of all the non-financial stocks only the SVI market-related variable is significant According to Peng and Xiong (2006) this could be explained as investorsrsquo tendency to process more market than stock specific information




Table 5 Model estimates

BCP SONPTCEDPBPI Pooled Sample

-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00227

(00049)

00061

(00013)

00004

(00004)

00067

(00008)

00024

(00030)

02036

(00438)

-00007

(00002)

03414

00062

(00030)

-00036

(00009)

00016

(00005)

00039

(00004)

00096

(00034)

00818

(00374)

00004

(00000)

04740

-00038

(00018)

00000

(00005)

00009

(00003)

000169

(00003)

-00061

(00031)

05548

(00405)

00001

(00001)

03837

-00156

(00047)

00019

(00010)

00019

(00006)

00061

(00008)

00079

(00040)

02058

(00448)

00003

(00001)

02662

-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00074

(00009)

00006

(00002)

00009

(00002)

00068

(0001)

00006

(00001)

02283

(00188)

00001

(00001)

01978

BESParameter stimates

Notes and denote 10 5 and 1 significance levels respectively Newey-West heteroskedasticity and autocorrelation consistent (HAC) standard

errors and covariance are employed in the estimation of cross-section models RVit = +y1 SVI it + y2 SVI Mt + szlig1 volit + szlig2 rit + szlig3 RVit-1 + szlig4 t+ sumit where

SVI it is the information attention for stock i for week t SVI Mt is the Google search volume for the term PSI 20 volit is the logarithm of market volume rit is

stock market return RVit-1 is one lag of stock market volatility and t is a time trend

y1

y2

szlig1

szlig2

szlig3

szlig4

AdjR2

43 Effect of Market States

We next shifted our attention to the possible impact of market states on the influence between information demand and stock market activity In line with Vlastakis and Markellosrsquos (2012) work a dummy variable was defined This variable took the value of one when a large market price change occurs (ie weeks for which the deviation of the absolute return of the market from its mean is more than one standard deviation) and zero in all other cases that follow the opposite pattern All other weeks were considered to be a lsquolow return statersquo More specifically the high-return state dummy variable was defined as




in which abs_rMt is the absolute market return for week t abs_rM is the average absolute market return over the complete sample and _abs_rM is the standard deviation of absolute market return over the complete sample We then consid-ered an interaction term between stock-specific investor attention and the market state variable

Model 2 was thus defined as follows

in which all other variables are defined as previously In addition SVIit is the information attention for stock i for week t SVIMt is market-related infor-mation attention volit is the logarithm of market volume rit is stock market return RVit-1 is one lag of stock market volatility and t is a time trend

Those stocks that register a significantly positive stock-specific SVI in Model 1 present a significantly positive stock-specific SVI for the high-return market state SON (ie SONAE) stocks whose SVI coefficient in Model 1 are only statis-tically significant at the 10 level also have the same profile Thus the results support the conclusion that SVIrsquos impact on realised volatility is stronger for high-return market states These findings are in accordance with those reported by Vlastakis and Markellos (2012)



Table 5 Market states model estimates


-00200

(00056)

00040

(00012)

00006

(00001)

00014

(00006)

00012

(00001)

-00009

(00040)

00336

(00432)

-00003

(00001)

03159

-00178

(00047)

00050

(00013)

00008

(00001)

00007

(00005)

00054

(00007)

00039

(00029)

01979

(00417)

-00005

(00006)

04035

00070

(00030)

-00035

(00009)

00002

(00002)

00006

(00001)

00038

(00002)

00012

(00005)

00884

(00366)

00004

(00000)

04994

-00032

(00017)

00002

(00001)

00003

(00000)

00008

(00003)

00016

(00004)

-00047

(00031)

05459

(00403)

00000

(00000)

04053

-00021

(00026)

-00005

(00006)

00006

(00001)

00012

(00004)

00058

(00001)

-00041

(00033)

02413

(00464)

-00000

(00001)

02348

-00071

(00017)

00014

(00006)

00008

(00001)

00018

(00006)

00059

(00008)

00102

(00039)

01791

(00435)

00002

(00001)

03170

-00058

(00009)

00005

(00002)

00008

(00000)

00014

(00002)

00067

(00005)

00085

(00016)

02117

(00186)

00008

(00007)

02530


Notes and denote 10 5 and 1 significance levels respectively Newey-West HAC standard errors and covariance are employed in the estimation

RVit = +y1 SVI it + y2 SVI Mt + szlig1 volit + szlig2 rit + szlig3 RVit-1 + szlig4 t+ sumit in which SVI it is the information attention for stock i for week t SVI Mt is market-re-

lated information attention volit is the logarithm of market volume rit is stock market return RVit-1 is one lag of stock market volatility t is a time trend and

H_t is the high-return state dummy variable

y1

y2

y3

szlig1

szlig2

szlig3

szlig4

AdjR2

44 Financial Crisis Effect

The sample period March 2006 to February 2014 includes a period of economic downturn We thus had to check further Model 1rsquos stability as defined previ-ously To address this issue a Quandt-Andrews (QA) breakpoint test was performed QA test results provide the maximum likelihood ratio F-statistics for each regression under the null hypothesis of lsquono structural break pointsrsquo This stability test detected one or more structural breakpoints in the sample with a chosen trimming region of 15 of the sample period We included SVIit as varying regressors The hypothesis of a stable link between market volatility and Google search volume for companiesrsquo names was rejected for all the stocks analysed (see Table 7)






Table 6 Results of QA breakpoint tests

QA 5851 7852 2330 2647 27022 1627

SONBPIBESBCP


PTCEDP

Subsequently we adopted the approach proposed by Vlastakis et al (2012) in order to examine the stability of Model 2rsquos results We tested the existence of differences in investor attentionrsquos impact on stock volatility by splitting the available sample into two parts The second sub-sample contains the recent financial crisis To decide how to split our sample we analysed Google search data for Portugal with the word lsquocrisisrsquo as a key term Based on the results presented in Figure 4 two periods were defined as after and before October 2008

Figure 4 Google search volume for search query lsquocrisisrsquo

Source Google Trends (nd)

A second stability test ndash Chowrsquos breakpoint test ndash confirmed that a shift in the market state has a significant effect on the relationship between stock-specific SVI and realised volatility of all stocks




Table 7 Results of Chowrsquos breakpoint test

F 1433 1244 401 1686 1589 496

SONBPIBESBCP


PTCEDP

Therefore we decided to estimate a third model by adding a dummy variable to account for the economic crisis effect splitting our sample into the two afore-mentioned periods To explore further the economic crisisrsquos impact on stock specific SVI model estimates a regression framework using a dummy variable was employed The dummy variable dCt allowed us to evaluate any differences between the two periods in the impact of stock-specific information demand on market activity

Model 3 was defined as follows

in which SVIit is the information attention for stock i for week t and SVIMt is market-related information attention In addition volit is the logarithm of market volume rit is stock market return RVit-1 is one lag of stock market volatility t is a time trend Ht is the market state dummy variable and dCt is the dummy crisis variable As the interaction term between stocksrsquo specific SVI and the economic crisis dummy variable is positive and statistically significant for five of the six cases the impact of investor attention appears to be stronger during the economic crisis period



Table 8 Economic crisis model estimates


-00179

(00058)

00033

(00013)

00007

(00002)

00019

(00006)

00019

(00006)

00014

(00001)

-00020

(00039)

00236

(00429)

-00009

(00002)

03291

-00177

(00050)

00047

(00014)

00007

(00002)

00007

(00005)

00007

(00005)

00076

(00008)

00021

(00029)

01867

(00433)

-00012

(00002)

03627

00064

(00031)

-00036

(00009)

00005

(00002)

00016

(00006)

00016

(00006)

00040

(00002)

00096

(00034)

007926

(003721)

00001

(0000)

04825

00042

(00017)

00000

(00005)

00006

(00001)

00011

(00003)

00011

(00003)

00023

(00004)

-00060

(00030)

05087

(00411)

-00003

(00001)

040834

-00050

(00026)

-00000

(00005)

00007

(00001)

00016

(00004)

00016

(00004)

00069

(00001)

-00055

(00033)

01919

(00463)

-00003

(00001)

02351

-00131

(00046)

00012

(00010)

00006

(00002)

00020

(00005)

00020

(00005)

00068

(00009)

00071

(00039)

01746

(00448)

-00001

(00001)

02901

-00053

00009

00004

00002

00008

00000

00003

(00000)

00015

(00002)

00068

(00009)

00085

(00015)

02054

(00002)

-00002

(00000)

02664



RVit = +y1 SVI it + y2 SVI it + Ht + y3 SVI it + dCt szlig2 + y3 SVIMt x dCt + szlig1 volit + szlig2retit + szlig3retit-1 + szlig4retit+ sumit in which SVI it is the information attention for

stock i for week t SVI Mt is market-related information attention volit is the logarithm of market volume rit is stock market return RVit-1 is one lag of stock

market volatility t is a time trend and Ht is the high-return state dummy variable and Ct is the crisis dummy variable

y1

y2

y3

y4

szlig1

szlig2

szlig3

szlig4

AdjR2



45 Google Search Volume and Stock Market Volatility for Monthly Data

To test the resultsrsquo robustness the model presented in section 42 was tested for monthly data on the 17 companies presented in Figure 3 above For the seven stocks under analysis the stock-specific SVI variable is significant at the 5 level In addition as these estimates are positive the conclusion can be drawn that investor attention appears to increase volatility by incorporating more information into prices for the seven stocks Market-related SVI is significantly positive for 13 of the 17 stocks analysed

The results obtained for monthly data are in accordance with those for the weekly data as the data on statistically significant market-related SVI show




szlig3szlig2szlig1y2 AdjR2

-05149

(02562)

-20297

(0416)

01811 (01051)

-09789

(03739)

-07500

(0338)

-10652

(02565)

-1162

(02641)

-31457

(04208)

00218

(00748)

-22028

(03258)

-08624

(01774)

-02562

(01096)

-3377

(04344)

03470

(0141)

-02288

(01118)

-06494

00011

(00005)

00039

(00011)

-00004

(00006)

00060

(00015)

00004

(00005)

00032

(00021)

00929

(00177)

00008

(00006)

00012

(00005)

00097

(00006)

00005

(00007)

00232

(00072)

-00009

(00006)

00001

(00009)

00032

(00018)

00023

(00008)

00024

(0001)

00017

(00007)

00016 (0001)

00018

(00006)

00019

(00003)

-01198

(00505)

00014

(00006)

00008

(00005)

00015

(00006)

00005

(00006)

02163

(00712)

00007

(00012)

-00004

(00011)

00019

(00005)

00009

00397

(00164)

01048

(0023)

-00035

(00078)

00776

(00235)

00408

(00174)

00644

(00143)

00036

(00006)

01893

(00248)

00080

(00059)

01376

(00199)

00616

(00118)

-00006

(00007)

01927

(00242)

-00094

(00109)

00235

(00082)

-01128

(00723)

-03417

(00846)

01136

(00982)

-05676

(01219)

-02373

(00937)

-02369

(00796)

-00001

(00004)

-0181

(00711)

-00771 (0053)

-0095

(00784)

-01014

(00727)

-00004

(00002)

00275

(00863)

-02466

(01199)

-03643

(01039)

-00476

00033

(00007)

00048

(00006)

00057

(00007)

00021

(0001)

00066

(00006)

00065

(00006)

00014

(00009)

00054

(00005)

0007

(00006)

00042

(00006)

00054

(00006)

00011

(00005)

00031

(00006)

00063

(00007)

00047

(00006)

-00006

(00004)

-00024

(00005)

-00009

(00003)

-00018

(00008)

-00005

(00003)

-00001

(00004)

00003

(00007)

-00006

(00002)

-00005

(00002)

-00006

(00002)

-00008

(00004)

00049

(00006)

00012

(00005)

-00006

(00005)

-00012

(00002)

y1



this is higher in volume than the stock specific SVI is The model estimates indicate that Portuguese investors may tend to consider more information about markets than specific stocks The estimates for both market-based and stock-related Google search variables suggest a positive relationship between Internet search volume and stock market volatility

ALTR

BCP

COR

CTT

EDP

EDPR

EGL

GALP

IBS

JMT

NOS

NVG

PHR

RAM

RENE

0332

0532

0371

0395

0512

0716

0448

0715

0551

0631

0542

0395

0593

0523

0510

szlig4



Notes and denote 10 5 and 1 significance levels respectively Newey-West HAC standard errors and covariance were used to estimate cross-

-section models RVit = +y1 SVI it + y2 SVI MT + szlig1 volit + szlig2rit + szlig3RVit-1 + szlig4t+ sumit in which SVI it is the information attention for stock i for week t SVI Mt

is the Google search volume for the term lsquoPSI 20rsquo volit is the logarithm of market volume rit is stock market return RVit-1 is one lag of stock market volatility

and t is a time trend





-06494

(01493)

-03272

(02589)

00004

(00004)

-00264

(00041)

00009

(00004)

0317

(00779)

0047

(00098)

00048

(00006)

-00476

(00628)

-00007

(00003)

00059

(00006)

00020

(00007)

00004

(00002)

-00009

(0001)

y1

SEM

SON

0471

0427

szlig4




5 CONCLUSION

his study examined investor stock-specific and market-related attention and its relationship to stock market volatility As a proxy for investor attention we used a measure based on Internet search volume for the keywords of stocks traded on Euronext Lisbon As reported in previous empirical studies Google search volume is a reliable proxy for investor attention Moreover the model estimates for the selected stocks indicate that Google search volume is a signif-icant determinant of contemporaneous stock market historical volatility The effects are robust even after controlling for variations in market return and market volume

In a second step we tested whether the influence of stock-specific Google search data on realised volatility varies according to market states According to the model estimates investor attentionrsquos impact appears to be more sensi-tive to a high-return market state This result is in accordance with the findings provided by Vlastakis and Markellos (2012) who reached the same conclusion for the largest stocks traded on the NYSE and NASDAQ

As the first sample period under analyses (ie March 2006 to February 2014) includes a period of economic downturn we performed additional stability tests by splitting the data into two periods The results indicate that the impact of Google search data on realised volatility becomes stronger during periods of crisis This finding however is not in line with Aouadi et alrsquos (2013) results for the French stock market The cited authors report stability in the model estimates after controlling for any economic crises Thus future studies of this question are needed to ensure the present findingsrsquo external validity

The last regression analysis covered monthly data and the companies listed in the PSI 20 in September 2019 The results remain robust revealing the impor-tance of Google Search data as a tool to explain market volatility

These findings contribute to a better understanding of Portuguese stock market activity As the GSVI is a reliable proxy for investor attention future studies could analyse investor attentionrsquos impact on different variables of stock market activity such as returns abnormal returns volume abnormal volume and illiquidity Future studies could also look into the forecasting capabilities of GSVI data Finally checking whether investor attention can be used as an indicator of systemic risk in the market could provide meaningful results for regulators and market participants l

T



Aouadi A Aroudi M and Teulon F (2013) Investor attention and stock market activity evi-

dence from France Economic Modelling 35 674ndash681

Bank M Larch M and Peter G (2011) Google search volume and its influence on liquidity

and returns of German stocks Financial Markets and Portfolio Management 25 (3) 239ndash264

Barber B M and Odean T (2008) All that glitters the effect of attention and news on

the buying behavior of individual and institutional investors Review of Financial Studies 21

785ndash818

Chemmanur T and Yan A (2009) Advertising attention and stock returns (Working pa-

per) Boston College Chesnut Hill MA and Fordham University New York NY USA

Chouliaras A and Grammatikos T (2013) News flow web attention and extreme returns

in the European financial crisis MPRA Paper 51335 University Library of Munich Munich

Germany

Da Z Engelberg J and Gao P (2014) The sum of all FEARS investor sentiment and asset

prices Review of Financial Studies 28 (1) 1ndash32

Da Z Engelberg J and Gao P (2010) In search of fundamentals (Working paper) University

of Notre Dame Notre Dame IL and University of North Carolina at Chapel Hill Chapel Hill

NC USA

Da Z Engelberg J and Gao P (2011) In search of attention The Journal of Finance 66 (5)

1461ndash1499

Dellavigna S and Pollet J M (2009) Investor attention and Friday earnings announcemen-

ts Journal of Finance 64 709ndash749

Dergiades T Milas C and Penagiotidis T (2013) Tweets Google Trends and sovereign

spreads in the GIIPS GreeSE Paper No 78 London School of Economics and Political

Science London UK

REFERENCES

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull





Dimpfl T and Jank S (2011) Can internet search queries help to predict stock market vola-

tility CFR Working Papers 11ndash15 University of Cologne Centre for Financial Research (CFR)

Cologne Germany

Drake M S Darren R T and Thornock J R (2012) Investor information demand evidence

from Google searches around earnings announcements Journal of Accounting Research

50 (4) 1001ndash1040

Dzielinski M (2012) Measuring economic uncertainty and its impact on the stock market

Finance Research Letters 9 167ndash175

Fang L and Peress J (2009) Media coverage and the cross-section of stock returns

Journal of Finance 64 2023ndash2052

Frieder L and Subrahmanyam A (2005) Brand perceptions and the market for common

stock The Journal of Financial and Quantitative Analysis 40 (1) 57ndash85

Google Trends (nd) Available at httpswwwgooglecomtrends (accessed 15

December 2019)

Grullon G Kanatas G and Weston P J (2004) Advertising breath ownership and liquidi-

ty Review of Financial Studies 17 439ndash461

Heiberger R H (2015) Collective attention and stock prices evidence from google trends

data on Standard and Poorrsquos 100 PLoS ONE 10 e0135311

Hirshleifer D and Teoh S H (2003) Limited attention information disclosure and finan-

cial reporting Journal of Accounting and Economics 36 (1ndash3) 337ndash386

Latoeiro P and Ramos S (2013) O Google como baroacutemetro da atenccedilatildeo do investidor

[Google as an investor attention barometer] Caderno do Mercado de Valores Mobiliaacuterios

46 (4) 3ndash36

REFERENCES



bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES



Lobatildeo J Pacheco L and Pereira C (2017) The use of the recognition heuristic as an

investment strategy in European stock markets Journal of Economics Finance and

Administrative Science 22 207ndash223

Merton R (1987) A simple model of capital market equilibrium with incomplete informa-

tion Journal of Finance 42 483ndash510

Mondria J and Quintana-Domeque C (2012) Financial contagion and attention allocation

The Economic Journal 123 (568) 429ndash454

Mondria J Wu T and Zhang Y (2010) The determinants of international investment and

attention allocation Journal of International Economics 82 85ndash95

Peng L and Xiong W (2006) Investor attention overconfidence and category learning

Journal of Financial Economics 80 563ndash602

Seasholes M S and Wu G (2007) Predictable behavior profits and attention Journal of

Empirical Finance 14 590ndash610

Sims C A (2003) Implications of rational inattention Journal of Monetary Economics 50

(3) 665ndash690

Smith G P (2012) Google Internet search activity and volatility prediction in the market for

foreign currency Finance Research Letters 9 (2) 103ndash110

Takeda F and Wakao T (2014) Google search intensity and its relationship with returns

and trading volume of Japanese stocks Pacific-Basin Finance Journal 27 1ndash18

Vlastakis N and Markellos R N (2012) Information search and stock market volatility

Journal of Banking and Finance 36 (6) 1808ndash1821

Vozlyublennaia N (2014) Investor attention index performance and return predictability

Journal of Banking amp Finance 41 17ndash35

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES



bull

bull

bull

bull

Weng B Lu L Wang X Megahed F M and Martinez W (2018) Predicting short-term

stock prices using ensemble methods and online data sources Expert Systems with

Applications 112 258ndash273

Xu Q Bo Z Jiang C and Liu Y (2019) Does Google search index really help predicting

stock market volatility Evidence from a modified mixed data sampling model on volatility

Knowledge-Based Systems 166 170ndash185

Yuan Y (2011) Attention and trading (Working paper) Wharton School of the University of

Pennsylvania Philadelphia PA USA

Zhang W Shen D Zhang Y and Xiong X (2013) Open source information investor atten-

tion and asset pricing Economic Modelling 33 613ndash619

Nordm 64 | DEZEMBRO 2019


Nordm 64


Iacutendice

bull

bull

bull

3 cmvmpt

4

8

30

70


EDITORIAL

ARTIGOS






ANA BROCHADO

4 cmvmpt


Editorial






Editorial

A






EDITORIAL

7 cmvmpt







ANA BROCHADO

Artigos








VICTOR MENDES











A










































E

















A











Gestor 235







5000

4500

4000

3500

3000

2500

2000

1500

1000

500

0

045

040

035

030

025

020

015

015

005

000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007


Mon

tant

e (e

uro)

TPE

()







6000

5000

4000

3000

2000

1000

0

045

040

035

030

025

020

015

015

005

0001998 1999 2000 2001 2002 2003 2004 2005 2006 2007




TPE () -Higher Educ

Mon

tant

e (e

uro)

TPE

()



4 METODOLOGIA




[1]

A









5 RESULTADOS





A




Constante 0798 3856 18694 3851 3847

(2649) (1442) (4180) (1441) (1440)

Educ -0563 -0512 -0438 -0489 -0472

(-1328) (-1164) (-1010) (-1036) (-953)

L1000 4440 4175 4173 4173

(4880) (4882) (4885) (4887)

lnTrades -0501 -0401 -0501 -0501

(-3044) (-2710) (-3048) (-3047)

lnAge -0585 -0316 -0585 -0585

(-828) (-466) (-828) (-827)

ConsCredit 0157 0150 0158 0156

(156) (151) (156) (155)

Mortgage -0208 -0175 -0209 -0211

(-368) (-318) (-371) (-373)

SavAccount -0391 -0397 -0391 -0390

(-924) (-949) (-923) (-922)

Male -0109 0118 -0104 -0099

(-232) (247) (-221) (-209)

LisPort 0291 0268 0294 0295

(685) (650) (690) (692)

lnVT -2036

(-4087)

Finlit -0159

(-235)

Math -0175

(-282)

R2 56 68 111 68 68

F-statistic 27320 7369 12709 6635 6637

Obs 91278 91277 91277 91277 91277

[1]


[5][4][3][2]












Constant 1013 1013 1012 1420 1421 1419 2892 3463

(620) (620) (620) (2674) (2677) (2675) (1764) (1660)

Educ -0052 -0040 -0030 -0186 -0188 -0182 -0328 -0476

(-245) (-180) (-130) (-2730) (-2545) (-2339) (-1370) (-1527)

L1000 0780 0778 0777 1653 1654 1653 2750 3729

(1416) (1413) (1413) (7512) (7516) (7520) (6015) (6107)

lnTrades -0049 -0049 -0049 -0184 -0184 -0184 -0302 -0437

(-646) (-645) (-647) (-9823) (-9846) (-9841) (-3287) (-3726)

lnAge -0106 -0107 -0107 -0054 -0054 -0054 -0389 -0495

(-262) (-264) (-264) (-386) (-387) (-386) (-913) (-911)

ConsCredit 0123 0124 0123 0062 0062 0062 0068 0110

(377) (379) (378) (466) (466) (467) (137) (165)

Mortgage -0030 -0030 -0030 -0094 -0095 -0094 -0081 -0173

(-132) (-133) (-136) (-1148) (-1151) (-1146) (-256) (-426)

SavAccount 0011 0011 0011 -0098 -0098 -0098 -0198 -0318

(054) (054) (055) (-1300) (-1296) (-1300) (-754) (-946)

Male -0093 -0091 -0088 -0361 -0362 -0360 -0157 -0139

(-368) (-358) (-346) (-3307) (-3308) (-3290) (-613) (-411)

LisPort -0012 -0010 -0010 0040 0039 0040 0159 0245

(-057) (-049) (-047) (579) (571) (585) (662) (773)

Finlit -0060 0014

(-265) (167)

Math -0074 -0014

(-352) (-177)

R2 57 57 58 NA NA NA 87 94


Obs 12102 12102 12102 91277 91277 91277 89450 91274




[1] [5][4][3][2] [6] [7] [8]





Constante -0187 -1267 -1264 -1262

(-2739) (-2749) (-2743) (-2739)

Educ 0061 0061 0053 0059

(529) (528) (438) (470)

L1000 0605 0669 0668 0668

(4163) (4639) (4637) (4636)

EducL1000 0158 0166 0143 0143

(623) (663) (549) (549)

lnTrades 0074 0074 0074

(2362) (2351) (2360)

lnAge 0234 0235 0234

(1970) (1973) (1969)

ConsCredit -0117 -0118 -0117

(-722) (-726) (-719)

Mortgage -0026 -0026 -0025

(-240) (-232) (-230)


(986) (980) (977)

Male 0110 0106 0105

(1406) (1359) (1338)

LisPort -0023 -0025 -0024

(-304) (-329) (-325)

Finlit 0045

(169)

Finlit L1000 0205

(313)

Math 0004

(020)

MathL1000 0219

(419)

R2 40 55 56 56

F-statistic 12579 5338 4502 4498

Obs 91278 91277 91277 91277

[1] [3][2]


(Huber-White)

mostrados entre

parecircntesis



01 respetivamente


[4]








6 CONCLUSOtildeES




A
















REFEREcircNCIAS

bull

bull

bull

bull

bull

bull

bull






















httpspapersssrncom5


httpspapersssrncom6








A
















































httpspapersssrncom






























O








































N














Coimbra 2017 p 239






















N















de doacutelares 37













disponiacutevel em













A










































































































































C

























67











































































N


















2008 pp 338 e ss79













































































ANA BROCHADO





1 INTRODUCTION





T




2 LITERATURE REVIEW





M














Investorattention














































The US March 2006
















Zhang et al (2013)






Bank et al (2011)








Dzielinski (2012)





Drake et al (2012)












Aouadi et al (2013)

























Japanese stocks





Heiberger (2015)









Weng et al (2018)












heteroskedasticity

3 METHODOLOGY





G













0

20

40

60

80

100

CTT EDP EDPR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

EGL GALP IBS

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

JMT NOS NVG

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

ALTRI BCP COR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

PHR RAM REN

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

SEM SON

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18
































GSVI_BCP 5866 55 1270 38 100 113 061 015

GSVI_BES 5836 61 1189 27 100 -055 006 010

GSVI_BPI 5100 47 1453 28 100 140 123 020

GSVI_EDP 3431 32 1117 16 100 248 1032 013

GSVI_PT 3082 23 1943 7 100 128 088 017

GSVI_SONAE 5763 57 1217 29 100 052 060 006


MedianMean

4 RESULTS






BCP -443 -629

BES -917 -476

BPI -383 -1147

EDP -862 -893

PTC -693 -1581

SON -773 -1543




stationarity)

and deno-

te 10 5 and 1

significance levels

respectively

PP















-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00227

(00049)

00061

(00013)

00004

(00004)

00067

(00008)

00024

(00030)

02036

(00438)

-00007

(00002)

03414

00062

(00030)

-00036

(00009)

00016

(00005)

00039

(00004)

00096

(00034)

00818

(00374)

00004

(00000)

04740

-00038

(00018)

00000

(00005)

00009

(00003)

000169

(00003)

-00061

(00031)

05548

(00405)

00001

(00001)

03837

-00156

(00047)

00019

(00010)

00019

(00006)

00061

(00008)

00079

(00040)

02058

(00448)

00003

(00001)

02662

-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00074

(00009)

00006

(00002)

00009

(00002)

00068

(0001)

00006

(00001)

02283

(00188)

00001

(00001)

01978






y1

y2

szlig1

szlig2

szlig3

szlig4

AdjR2














-00200

(00056)

00040

(00012)

00006

(00001)

00014

(00006)

00012

(00001)

-00009

(00040)

00336

(00432)

-00003

(00001)

03159

-00178

(00047)

00050

(00013)

00008

(00001)

00007

(00005)

00054

(00007)

00039

(00029)

01979

(00417)

-00005

(00006)

04035

00070

(00030)

-00035

(00009)

00002

(00002)

00006

(00001)

00038

(00002)

00012

(00005)

00884

(00366)

00004

(00000)

04994

-00032

(00017)

00002

(00001)

00003

(00000)

00008

(00003)

00016

(00004)

-00047

(00031)

05459

(00403)

00000

(00000)

04053

-00021

(00026)

-00005

(00006)

00006

(00001)

00012

(00004)

00058

(00001)

-00041

(00033)

02413

(00464)

-00000

(00001)

02348

-00071

(00017)

00014

(00006)

00008

(00001)

00018

(00006)

00059

(00008)

00102

(00039)

01791

(00435)

00002

(00001)

03170

-00058

(00009)

00005

(00002)

00008

(00000)

00014

(00002)

00067

(00005)

00085

(00016)

02117

(00186)

00008

(00007)

02530






y1

y2

y3

szlig1

szlig2

szlig3

szlig4

AdjR2









QA 5851 7852 2330 2647 27022 1627

SONBPIBESBCP


PTCEDP









F 1433 1244 401 1686 1589 496

SONBPIBESBCP


PTCEDP








-00179

(00058)

00033

(00013)

00007

(00002)

00019

(00006)

00019

(00006)

00014

(00001)

-00020

(00039)

00236

(00429)

-00009

(00002)

03291

-00177

(00050)

00047

(00014)

00007

(00002)

00007

(00005)

00007

(00005)

00076

(00008)

00021

(00029)

01867

(00433)

-00012

(00002)

03627

00064

(00031)

-00036

(00009)

00005

(00002)

00016

(00006)

00016

(00006)

00040

(00002)

00096

(00034)

007926

(003721)

00001

(0000)

04825

00042

(00017)

00000

(00005)

00006

(00001)

00011

(00003)

00011

(00003)

00023

(00004)

-00060

(00030)

05087

(00411)

-00003

(00001)

040834

-00050

(00026)

-00000

(00005)

00007

(00001)

00016

(00004)

00016

(00004)

00069

(00001)

-00055

(00033)

01919

(00463)

-00003

(00001)

02351

-00131

(00046)

00012

(00010)

00006

(00002)

00020

(00005)

00020

(00005)

00068

(00009)

00071

(00039)

01746

(00448)

-00001

(00001)

02901

-00053

00009

00004

00002

00008

00000

00003

(00000)

00015

(00002)

00068

(00009)

00085

(00015)

02054

(00002)

-00002

(00000)

02664






y1

y2

y3

y4

szlig1

szlig2

szlig3

szlig4

AdjR2










-05149

(02562)

-20297

(0416)

01811 (01051)

-09789

(03739)

-07500

(0338)

-10652

(02565)

-1162

(02641)

-31457

(04208)

00218

(00748)

-22028

(03258)

-08624

(01774)

-02562

(01096)

-3377

(04344)

03470

(0141)

-02288

(01118)

-06494

00011

(00005)

00039

(00011)

-00004

(00006)

00060

(00015)

00004

(00005)

00032

(00021)

00929

(00177)

00008

(00006)

00012

(00005)

00097

(00006)

00005

(00007)

00232

(00072)

-00009

(00006)

00001

(00009)

00032

(00018)

00023

(00008)

00024

(0001)

00017

(00007)

00016 (0001)

00018

(00006)

00019

(00003)

-01198

(00505)

00014

(00006)

00008

(00005)

00015

(00006)

00005

(00006)

02163

(00712)

00007

(00012)

-00004

(00011)

00019

(00005)

00009

00397

(00164)

01048

(0023)

-00035

(00078)

00776

(00235)

00408

(00174)

00644

(00143)

00036

(00006)

01893

(00248)

00080

(00059)

01376

(00199)

00616

(00118)

-00006

(00007)

01927

(00242)

-00094

(00109)

00235

(00082)

-01128

(00723)

-03417

(00846)

01136

(00982)

-05676

(01219)

-02373

(00937)

-02369

(00796)

-00001

(00004)

-0181

(00711)

-00771 (0053)

-0095

(00784)

-01014

(00727)

-00004

(00002)

00275

(00863)

-02466

(01199)

-03643

(01039)

-00476

00033

(00007)

00048

(00006)

00057

(00007)

00021

(0001)

00066

(00006)

00065

(00006)

00014

(00009)

00054

(00005)

0007

(00006)

00042

(00006)

00054

(00006)

00011

(00005)

00031

(00006)

00063

(00007)

00047

(00006)

-00006

(00004)

-00024

(00005)

-00009

(00003)

-00018

(00008)

-00005

(00003)

-00001

(00004)

00003

(00007)

-00006

(00002)

-00005

(00002)

-00006

(00002)

-00008

(00004)

00049

(00006)

00012

(00005)

-00006

(00005)

-00012

(00002)

y1




ALTR

BCP

COR

CTT

EDP

EDPR

EGL

GALP

IBS

JMT

NOS

NVG

PHR

RAM

RENE

0332

0532

0371

0395

0512

0716

0448

0715

0551

0631

0542

0395

0593

0523

0510

szlig4











-06494

(01493)

-03272

(02589)

00004

(00004)

-00264

(00041)

00009

(00004)

0317

(00779)

0047

(00098)

00048

(00006)

-00476

(00628)

-00007

(00003)

00059

(00006)

00020

(00007)

00004

(00002)

-00009

(0001)

y1

SEM

SON

0471

0427

szlig4




5 CONCLUSION






T









785ndash818





Germany





NC USA


1461ndash1499





Science London UK

REFERENCES

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull







Cologne Germany



50 (4) 1001ndash1040








December 2019)









46 (4) 3ndash36

REFERENCES



bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES

















(3) 665ndash690









bull

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES



bull

bull

bull

bull













Iacutendice

bull

bull

bull

3 cmvmpt

4

8

30

70


EDITORIAL

ARTIGOS






ANA BROCHADO

4 cmvmpt


Editorial






Editorial

A






EDITORIAL

7 cmvmpt







ANA BROCHADO

Artigos








VICTOR MENDES











A










































E

















A











Gestor 235







5000

4500

4000

3500

3000

2500

2000

1500

1000

500

0

045

040

035

030

025

020

015

015

005

000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007


Mon

tant

e (e

uro)

TPE

()







6000

5000

4000

3000

2000

1000

0

045

040

035

030

025

020

015

015

005

0001998 1999 2000 2001 2002 2003 2004 2005 2006 2007




TPE () -Higher Educ

Mon

tant

e (e

uro)

TPE

()



4 METODOLOGIA




[1]

A









5 RESULTADOS





A




Constante 0798 3856 18694 3851 3847

(2649) (1442) (4180) (1441) (1440)

Educ -0563 -0512 -0438 -0489 -0472

(-1328) (-1164) (-1010) (-1036) (-953)

L1000 4440 4175 4173 4173

(4880) (4882) (4885) (4887)

lnTrades -0501 -0401 -0501 -0501

(-3044) (-2710) (-3048) (-3047)

lnAge -0585 -0316 -0585 -0585

(-828) (-466) (-828) (-827)

ConsCredit 0157 0150 0158 0156

(156) (151) (156) (155)

Mortgage -0208 -0175 -0209 -0211

(-368) (-318) (-371) (-373)

SavAccount -0391 -0397 -0391 -0390

(-924) (-949) (-923) (-922)

Male -0109 0118 -0104 -0099

(-232) (247) (-221) (-209)

LisPort 0291 0268 0294 0295

(685) (650) (690) (692)

lnVT -2036

(-4087)

Finlit -0159

(-235)

Math -0175

(-282)

R2 56 68 111 68 68

F-statistic 27320 7369 12709 6635 6637

Obs 91278 91277 91277 91277 91277

[1]


[5][4][3][2]












Constant 1013 1013 1012 1420 1421 1419 2892 3463

(620) (620) (620) (2674) (2677) (2675) (1764) (1660)

Educ -0052 -0040 -0030 -0186 -0188 -0182 -0328 -0476

(-245) (-180) (-130) (-2730) (-2545) (-2339) (-1370) (-1527)

L1000 0780 0778 0777 1653 1654 1653 2750 3729

(1416) (1413) (1413) (7512) (7516) (7520) (6015) (6107)

lnTrades -0049 -0049 -0049 -0184 -0184 -0184 -0302 -0437

(-646) (-645) (-647) (-9823) (-9846) (-9841) (-3287) (-3726)

lnAge -0106 -0107 -0107 -0054 -0054 -0054 -0389 -0495

(-262) (-264) (-264) (-386) (-387) (-386) (-913) (-911)

ConsCredit 0123 0124 0123 0062 0062 0062 0068 0110

(377) (379) (378) (466) (466) (467) (137) (165)

Mortgage -0030 -0030 -0030 -0094 -0095 -0094 -0081 -0173

(-132) (-133) (-136) (-1148) (-1151) (-1146) (-256) (-426)

SavAccount 0011 0011 0011 -0098 -0098 -0098 -0198 -0318

(054) (054) (055) (-1300) (-1296) (-1300) (-754) (-946)

Male -0093 -0091 -0088 -0361 -0362 -0360 -0157 -0139

(-368) (-358) (-346) (-3307) (-3308) (-3290) (-613) (-411)

LisPort -0012 -0010 -0010 0040 0039 0040 0159 0245

(-057) (-049) (-047) (579) (571) (585) (662) (773)

Finlit -0060 0014

(-265) (167)

Math -0074 -0014

(-352) (-177)

R2 57 57 58 NA NA NA 87 94


Obs 12102 12102 12102 91277 91277 91277 89450 91274




[1] [5][4][3][2] [6] [7] [8]





Constante -0187 -1267 -1264 -1262

(-2739) (-2749) (-2743) (-2739)

Educ 0061 0061 0053 0059

(529) (528) (438) (470)

L1000 0605 0669 0668 0668

(4163) (4639) (4637) (4636)

EducL1000 0158 0166 0143 0143

(623) (663) (549) (549)

lnTrades 0074 0074 0074

(2362) (2351) (2360)

lnAge 0234 0235 0234

(1970) (1973) (1969)

ConsCredit -0117 -0118 -0117

(-722) (-726) (-719)

Mortgage -0026 -0026 -0025

(-240) (-232) (-230)


(986) (980) (977)

Male 0110 0106 0105

(1406) (1359) (1338)

LisPort -0023 -0025 -0024

(-304) (-329) (-325)

Finlit 0045

(169)

Finlit L1000 0205

(313)

Math 0004

(020)

MathL1000 0219

(419)

R2 40 55 56 56

F-statistic 12579 5338 4502 4498

Obs 91278 91277 91277 91277

[1] [3][2]


(Huber-White)

mostrados entre

parecircntesis



01 respetivamente


[4]








6 CONCLUSOtildeES




A
















REFEREcircNCIAS

bull

bull

bull

bull

bull

bull

bull






















httpspapersssrncom5


httpspapersssrncom6








A
















































httpspapersssrncom






























O








































N














Coimbra 2017 p 239






















N















de doacutelares 37













disponiacutevel em













A










































































































































C

























67











































































N


















2008 pp 338 e ss79













































































ANA BROCHADO





1 INTRODUCTION





T




2 LITERATURE REVIEW





M














Investorattention














































The US March 2006
















Zhang et al (2013)






Bank et al (2011)








Dzielinski (2012)





Drake et al (2012)












Aouadi et al (2013)

























Japanese stocks





Heiberger (2015)









Weng et al (2018)












heteroskedasticity

3 METHODOLOGY





G













0

20

40

60

80

100

CTT EDP EDPR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

EGL GALP IBS

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

JMT NOS NVG

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

ALTRI BCP COR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

PHR RAM REN

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

SEM SON

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18
































GSVI_BCP 5866 55 1270 38 100 113 061 015

GSVI_BES 5836 61 1189 27 100 -055 006 010

GSVI_BPI 5100 47 1453 28 100 140 123 020

GSVI_EDP 3431 32 1117 16 100 248 1032 013

GSVI_PT 3082 23 1943 7 100 128 088 017

GSVI_SONAE 5763 57 1217 29 100 052 060 006


MedianMean

4 RESULTS






BCP -443 -629

BES -917 -476

BPI -383 -1147

EDP -862 -893

PTC -693 -1581

SON -773 -1543




stationarity)

and deno-

te 10 5 and 1

significance levels

respectively

PP















-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00227

(00049)

00061

(00013)

00004

(00004)

00067

(00008)

00024

(00030)

02036

(00438)

-00007

(00002)

03414

00062

(00030)

-00036

(00009)

00016

(00005)

00039

(00004)

00096

(00034)

00818

(00374)

00004

(00000)

04740

-00038

(00018)

00000

(00005)

00009

(00003)

000169

(00003)

-00061

(00031)

05548

(00405)

00001

(00001)

03837

-00156

(00047)

00019

(00010)

00019

(00006)

00061

(00008)

00079

(00040)

02058

(00448)

00003

(00001)

02662

-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00074

(00009)

00006

(00002)

00009

(00002)

00068

(0001)

00006

(00001)

02283

(00188)

00001

(00001)

01978






y1

y2

szlig1

szlig2

szlig3

szlig4

AdjR2














-00200

(00056)

00040

(00012)

00006

(00001)

00014

(00006)

00012

(00001)

-00009

(00040)

00336

(00432)

-00003

(00001)

03159

-00178

(00047)

00050

(00013)

00008

(00001)

00007

(00005)

00054

(00007)

00039

(00029)

01979

(00417)

-00005

(00006)

04035

00070

(00030)

-00035

(00009)

00002

(00002)

00006

(00001)

00038

(00002)

00012

(00005)

00884

(00366)

00004

(00000)

04994

-00032

(00017)

00002

(00001)

00003

(00000)

00008

(00003)

00016

(00004)

-00047

(00031)

05459

(00403)

00000

(00000)

04053

-00021

(00026)

-00005

(00006)

00006

(00001)

00012

(00004)

00058

(00001)

-00041

(00033)

02413

(00464)

-00000

(00001)

02348

-00071

(00017)

00014

(00006)

00008

(00001)

00018

(00006)

00059

(00008)

00102

(00039)

01791

(00435)

00002

(00001)

03170

-00058

(00009)

00005

(00002)

00008

(00000)

00014

(00002)

00067

(00005)

00085

(00016)

02117

(00186)

00008

(00007)

02530






y1

y2

y3

szlig1

szlig2

szlig3

szlig4

AdjR2









QA 5851 7852 2330 2647 27022 1627

SONBPIBESBCP


PTCEDP









F 1433 1244 401 1686 1589 496

SONBPIBESBCP


PTCEDP








-00179

(00058)

00033

(00013)

00007

(00002)

00019

(00006)

00019

(00006)

00014

(00001)

-00020

(00039)

00236

(00429)

-00009

(00002)

03291

-00177

(00050)

00047

(00014)

00007

(00002)

00007

(00005)

00007

(00005)

00076

(00008)

00021

(00029)

01867

(00433)

-00012

(00002)

03627

00064

(00031)

-00036

(00009)

00005

(00002)

00016

(00006)

00016

(00006)

00040

(00002)

00096

(00034)

007926

(003721)

00001

(0000)

04825

00042

(00017)

00000

(00005)

00006

(00001)

00011

(00003)

00011

(00003)

00023

(00004)

-00060

(00030)

05087

(00411)

-00003

(00001)

040834

-00050

(00026)

-00000

(00005)

00007

(00001)

00016

(00004)

00016

(00004)

00069

(00001)

-00055

(00033)

01919

(00463)

-00003

(00001)

02351

-00131

(00046)

00012

(00010)

00006

(00002)

00020

(00005)

00020

(00005)

00068

(00009)

00071

(00039)

01746

(00448)

-00001

(00001)

02901

-00053

00009

00004

00002

00008

00000

00003

(00000)

00015

(00002)

00068

(00009)

00085

(00015)

02054

(00002)

-00002

(00000)

02664






y1

y2

y3

y4

szlig1

szlig2

szlig3

szlig4

AdjR2










-05149

(02562)

-20297

(0416)

01811 (01051)

-09789

(03739)

-07500

(0338)

-10652

(02565)

-1162

(02641)

-31457

(04208)

00218

(00748)

-22028

(03258)

-08624

(01774)

-02562

(01096)

-3377

(04344)

03470

(0141)

-02288

(01118)

-06494

00011

(00005)

00039

(00011)

-00004

(00006)

00060

(00015)

00004

(00005)

00032

(00021)

00929

(00177)

00008

(00006)

00012

(00005)

00097

(00006)

00005

(00007)

00232

(00072)

-00009

(00006)

00001

(00009)

00032

(00018)

00023

(00008)

00024

(0001)

00017

(00007)

00016 (0001)

00018

(00006)

00019

(00003)

-01198

(00505)

00014

(00006)

00008

(00005)

00015

(00006)

00005

(00006)

02163

(00712)

00007

(00012)

-00004

(00011)

00019

(00005)

00009

00397

(00164)

01048

(0023)

-00035

(00078)

00776

(00235)

00408

(00174)

00644

(00143)

00036

(00006)

01893

(00248)

00080

(00059)

01376

(00199)

00616

(00118)

-00006

(00007)

01927

(00242)

-00094

(00109)

00235

(00082)

-01128

(00723)

-03417

(00846)

01136

(00982)

-05676

(01219)

-02373

(00937)

-02369

(00796)

-00001

(00004)

-0181

(00711)

-00771 (0053)

-0095

(00784)

-01014

(00727)

-00004

(00002)

00275

(00863)

-02466

(01199)

-03643

(01039)

-00476

00033

(00007)

00048

(00006)

00057

(00007)

00021

(0001)

00066

(00006)

00065

(00006)

00014

(00009)

00054

(00005)

0007

(00006)

00042

(00006)

00054

(00006)

00011

(00005)

00031

(00006)

00063

(00007)

00047

(00006)

-00006

(00004)

-00024

(00005)

-00009

(00003)

-00018

(00008)

-00005

(00003)

-00001

(00004)

00003

(00007)

-00006

(00002)

-00005

(00002)

-00006

(00002)

-00008

(00004)

00049

(00006)

00012

(00005)

-00006

(00005)

-00012

(00002)

y1




ALTR

BCP

COR

CTT

EDP

EDPR

EGL

GALP

IBS

JMT

NOS

NVG

PHR

RAM

RENE

0332

0532

0371

0395

0512

0716

0448

0715

0551

0631

0542

0395

0593

0523

0510

szlig4











-06494

(01493)

-03272

(02589)

00004

(00004)

-00264

(00041)

00009

(00004)

0317

(00779)

0047

(00098)

00048

(00006)

-00476

(00628)

-00007

(00003)

00059

(00006)

00020

(00007)

00004

(00002)

-00009

(0001)

y1

SEM

SON

0471

0427

szlig4




5 CONCLUSION






T









785ndash818





Germany





NC USA


1461ndash1499





Science London UK

REFERENCES

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull







Cologne Germany



50 (4) 1001ndash1040








December 2019)









46 (4) 3ndash36

REFERENCES



bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES

















(3) 665ndash690









bull

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES



bull

bull

bull

bull













4 cmvmpt


Editorial






Editorial

A






EDITORIAL

7 cmvmpt







ANA BROCHADO

Artigos








VICTOR MENDES











A










































E

















A











Gestor 235







5000

4500

4000

3500

3000

2500

2000

1500

1000

500

0

045

040

035

030

025

020

015

015

005

000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007


Mon

tant

e (e

uro)

TPE

()







6000

5000

4000

3000

2000

1000

0

045

040

035

030

025

020

015

015

005

0001998 1999 2000 2001 2002 2003 2004 2005 2006 2007




TPE () -Higher Educ

Mon

tant

e (e

uro)

TPE

()



4 METODOLOGIA




[1]

A









5 RESULTADOS





A




Constante 0798 3856 18694 3851 3847

(2649) (1442) (4180) (1441) (1440)

Educ -0563 -0512 -0438 -0489 -0472

(-1328) (-1164) (-1010) (-1036) (-953)

L1000 4440 4175 4173 4173

(4880) (4882) (4885) (4887)

lnTrades -0501 -0401 -0501 -0501

(-3044) (-2710) (-3048) (-3047)

lnAge -0585 -0316 -0585 -0585

(-828) (-466) (-828) (-827)

ConsCredit 0157 0150 0158 0156

(156) (151) (156) (155)

Mortgage -0208 -0175 -0209 -0211

(-368) (-318) (-371) (-373)

SavAccount -0391 -0397 -0391 -0390

(-924) (-949) (-923) (-922)

Male -0109 0118 -0104 -0099

(-232) (247) (-221) (-209)

LisPort 0291 0268 0294 0295

(685) (650) (690) (692)

lnVT -2036

(-4087)

Finlit -0159

(-235)

Math -0175

(-282)

R2 56 68 111 68 68

F-statistic 27320 7369 12709 6635 6637

Obs 91278 91277 91277 91277 91277

[1]


[5][4][3][2]












Constant 1013 1013 1012 1420 1421 1419 2892 3463

(620) (620) (620) (2674) (2677) (2675) (1764) (1660)

Educ -0052 -0040 -0030 -0186 -0188 -0182 -0328 -0476

(-245) (-180) (-130) (-2730) (-2545) (-2339) (-1370) (-1527)

L1000 0780 0778 0777 1653 1654 1653 2750 3729

(1416) (1413) (1413) (7512) (7516) (7520) (6015) (6107)

lnTrades -0049 -0049 -0049 -0184 -0184 -0184 -0302 -0437

(-646) (-645) (-647) (-9823) (-9846) (-9841) (-3287) (-3726)

lnAge -0106 -0107 -0107 -0054 -0054 -0054 -0389 -0495

(-262) (-264) (-264) (-386) (-387) (-386) (-913) (-911)

ConsCredit 0123 0124 0123 0062 0062 0062 0068 0110

(377) (379) (378) (466) (466) (467) (137) (165)

Mortgage -0030 -0030 -0030 -0094 -0095 -0094 -0081 -0173

(-132) (-133) (-136) (-1148) (-1151) (-1146) (-256) (-426)

SavAccount 0011 0011 0011 -0098 -0098 -0098 -0198 -0318

(054) (054) (055) (-1300) (-1296) (-1300) (-754) (-946)

Male -0093 -0091 -0088 -0361 -0362 -0360 -0157 -0139

(-368) (-358) (-346) (-3307) (-3308) (-3290) (-613) (-411)

LisPort -0012 -0010 -0010 0040 0039 0040 0159 0245

(-057) (-049) (-047) (579) (571) (585) (662) (773)

Finlit -0060 0014

(-265) (167)

Math -0074 -0014

(-352) (-177)

R2 57 57 58 NA NA NA 87 94


Obs 12102 12102 12102 91277 91277 91277 89450 91274




[1] [5][4][3][2] [6] [7] [8]





Constante -0187 -1267 -1264 -1262

(-2739) (-2749) (-2743) (-2739)

Educ 0061 0061 0053 0059

(529) (528) (438) (470)

L1000 0605 0669 0668 0668

(4163) (4639) (4637) (4636)

EducL1000 0158 0166 0143 0143

(623) (663) (549) (549)

lnTrades 0074 0074 0074

(2362) (2351) (2360)

lnAge 0234 0235 0234

(1970) (1973) (1969)

ConsCredit -0117 -0118 -0117

(-722) (-726) (-719)

Mortgage -0026 -0026 -0025

(-240) (-232) (-230)


(986) (980) (977)

Male 0110 0106 0105

(1406) (1359) (1338)

LisPort -0023 -0025 -0024

(-304) (-329) (-325)

Finlit 0045

(169)

Finlit L1000 0205

(313)

Math 0004

(020)

MathL1000 0219

(419)

R2 40 55 56 56

F-statistic 12579 5338 4502 4498

Obs 91278 91277 91277 91277

[1] [3][2]


(Huber-White)

mostrados entre

parecircntesis



01 respetivamente


[4]








6 CONCLUSOtildeES




A
















REFEREcircNCIAS

bull

bull

bull

bull

bull

bull

bull






















httpspapersssrncom5


httpspapersssrncom6








A
















































httpspapersssrncom






























O








































N














Coimbra 2017 p 239






















N















de doacutelares 37













disponiacutevel em













A










































































































































C

























67











































































N


















2008 pp 338 e ss79













































































ANA BROCHADO





1 INTRODUCTION





T




2 LITERATURE REVIEW





M














Investorattention














































The US March 2006
















Zhang et al (2013)






Bank et al (2011)








Dzielinski (2012)





Drake et al (2012)












Aouadi et al (2013)

























Japanese stocks





Heiberger (2015)









Weng et al (2018)












heteroskedasticity

3 METHODOLOGY





G













0

20

40

60

80

100

CTT EDP EDPR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

EGL GALP IBS

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

JMT NOS NVG

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

ALTRI BCP COR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

PHR RAM REN

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

SEM SON

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18
































GSVI_BCP 5866 55 1270 38 100 113 061 015

GSVI_BES 5836 61 1189 27 100 -055 006 010

GSVI_BPI 5100 47 1453 28 100 140 123 020

GSVI_EDP 3431 32 1117 16 100 248 1032 013

GSVI_PT 3082 23 1943 7 100 128 088 017

GSVI_SONAE 5763 57 1217 29 100 052 060 006


MedianMean

4 RESULTS






BCP -443 -629

BES -917 -476

BPI -383 -1147

EDP -862 -893

PTC -693 -1581

SON -773 -1543




stationarity)

and deno-

te 10 5 and 1

significance levels

respectively

PP















-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00227

(00049)

00061

(00013)

00004

(00004)

00067

(00008)

00024

(00030)

02036

(00438)

-00007

(00002)

03414

00062

(00030)

-00036

(00009)

00016

(00005)

00039

(00004)

00096

(00034)

00818

(00374)

00004

(00000)

04740

-00038

(00018)

00000

(00005)

00009

(00003)

000169

(00003)

-00061

(00031)

05548

(00405)

00001

(00001)

03837

-00156

(00047)

00019

(00010)

00019

(00006)

00061

(00008)

00079

(00040)

02058

(00448)

00003

(00001)

02662

-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00074

(00009)

00006

(00002)

00009

(00002)

00068

(0001)

00006

(00001)

02283

(00188)

00001

(00001)

01978






y1

y2

szlig1

szlig2

szlig3

szlig4

AdjR2














-00200

(00056)

00040

(00012)

00006

(00001)

00014

(00006)

00012

(00001)

-00009

(00040)

00336

(00432)

-00003

(00001)

03159

-00178

(00047)

00050

(00013)

00008

(00001)

00007

(00005)

00054

(00007)

00039

(00029)

01979

(00417)

-00005

(00006)

04035

00070

(00030)

-00035

(00009)

00002

(00002)

00006

(00001)

00038

(00002)

00012

(00005)

00884

(00366)

00004

(00000)

04994

-00032

(00017)

00002

(00001)

00003

(00000)

00008

(00003)

00016

(00004)

-00047

(00031)

05459

(00403)

00000

(00000)

04053

-00021

(00026)

-00005

(00006)

00006

(00001)

00012

(00004)

00058

(00001)

-00041

(00033)

02413

(00464)

-00000

(00001)

02348

-00071

(00017)

00014

(00006)

00008

(00001)

00018

(00006)

00059

(00008)

00102

(00039)

01791

(00435)

00002

(00001)

03170

-00058

(00009)

00005

(00002)

00008

(00000)

00014

(00002)

00067

(00005)

00085

(00016)

02117

(00186)

00008

(00007)

02530






y1

y2

y3

szlig1

szlig2

szlig3

szlig4

AdjR2









QA 5851 7852 2330 2647 27022 1627

SONBPIBESBCP


PTCEDP









F 1433 1244 401 1686 1589 496

SONBPIBESBCP


PTCEDP








-00179

(00058)

00033

(00013)

00007

(00002)

00019

(00006)

00019

(00006)

00014

(00001)

-00020

(00039)

00236

(00429)

-00009

(00002)

03291

-00177

(00050)

00047

(00014)

00007

(00002)

00007

(00005)

00007

(00005)

00076

(00008)

00021

(00029)

01867

(00433)

-00012

(00002)

03627

00064

(00031)

-00036

(00009)

00005

(00002)

00016

(00006)

00016

(00006)

00040

(00002)

00096

(00034)

007926

(003721)

00001

(0000)

04825

00042

(00017)

00000

(00005)

00006

(00001)

00011

(00003)

00011

(00003)

00023

(00004)

-00060

(00030)

05087

(00411)

-00003

(00001)

040834

-00050

(00026)

-00000

(00005)

00007

(00001)

00016

(00004)

00016

(00004)

00069

(00001)

-00055

(00033)

01919

(00463)

-00003

(00001)

02351

-00131

(00046)

00012

(00010)

00006

(00002)

00020

(00005)

00020

(00005)

00068

(00009)

00071

(00039)

01746

(00448)

-00001

(00001)

02901

-00053

00009

00004

00002

00008

00000

00003

(00000)

00015

(00002)

00068

(00009)

00085

(00015)

02054

(00002)

-00002

(00000)

02664






y1

y2

y3

y4

szlig1

szlig2

szlig3

szlig4

AdjR2










-05149

(02562)

-20297

(0416)

01811 (01051)

-09789

(03739)

-07500

(0338)

-10652

(02565)

-1162

(02641)

-31457

(04208)

00218

(00748)

-22028

(03258)

-08624

(01774)

-02562

(01096)

-3377

(04344)

03470

(0141)

-02288

(01118)

-06494

00011

(00005)

00039

(00011)

-00004

(00006)

00060

(00015)

00004

(00005)

00032

(00021)

00929

(00177)

00008

(00006)

00012

(00005)

00097

(00006)

00005

(00007)

00232

(00072)

-00009

(00006)

00001

(00009)

00032

(00018)

00023

(00008)

00024

(0001)

00017

(00007)

00016 (0001)

00018

(00006)

00019

(00003)

-01198

(00505)

00014

(00006)

00008

(00005)

00015

(00006)

00005

(00006)

02163

(00712)

00007

(00012)

-00004

(00011)

00019

(00005)

00009

00397

(00164)

01048

(0023)

-00035

(00078)

00776

(00235)

00408

(00174)

00644

(00143)

00036

(00006)

01893

(00248)

00080

(00059)

01376

(00199)

00616

(00118)

-00006

(00007)

01927

(00242)

-00094

(00109)

00235

(00082)

-01128

(00723)

-03417

(00846)

01136

(00982)

-05676

(01219)

-02373

(00937)

-02369

(00796)

-00001

(00004)

-0181

(00711)

-00771 (0053)

-0095

(00784)

-01014

(00727)

-00004

(00002)

00275

(00863)

-02466

(01199)

-03643

(01039)

-00476

00033

(00007)

00048

(00006)

00057

(00007)

00021

(0001)

00066

(00006)

00065

(00006)

00014

(00009)

00054

(00005)

0007

(00006)

00042

(00006)

00054

(00006)

00011

(00005)

00031

(00006)

00063

(00007)

00047

(00006)

-00006

(00004)

-00024

(00005)

-00009

(00003)

-00018

(00008)

-00005

(00003)

-00001

(00004)

00003

(00007)

-00006

(00002)

-00005

(00002)

-00006

(00002)

-00008

(00004)

00049

(00006)

00012

(00005)

-00006

(00005)

-00012

(00002)

y1




ALTR

BCP

COR

CTT

EDP

EDPR

EGL

GALP

IBS

JMT

NOS

NVG

PHR

RAM

RENE

0332

0532

0371

0395

0512

0716

0448

0715

0551

0631

0542

0395

0593

0523

0510

szlig4











-06494

(01493)

-03272

(02589)

00004

(00004)

-00264

(00041)

00009

(00004)

0317

(00779)

0047

(00098)

00048

(00006)

-00476

(00628)

-00007

(00003)

00059

(00006)

00020

(00007)

00004

(00002)

-00009

(0001)

y1

SEM

SON

0471

0427

szlig4




5 CONCLUSION






T









785ndash818





Germany





NC USA


1461ndash1499





Science London UK

REFERENCES

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull







Cologne Germany



50 (4) 1001ndash1040








December 2019)









46 (4) 3ndash36

REFERENCES



bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES

















(3) 665ndash690









bull

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES



bull

bull

bull

bull


















Editorial

A






EDITORIAL

7 cmvmpt







ANA BROCHADO

Artigos








VICTOR MENDES











A










































E

















A











Gestor 235







5000

4500

4000

3500

3000

2500

2000

1500

1000

500

0

045

040

035

030

025

020

015

015

005

000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007


Mon

tant

e (e

uro)

TPE

()







6000

5000

4000

3000

2000

1000

0

045

040

035

030

025

020

015

015

005

0001998 1999 2000 2001 2002 2003 2004 2005 2006 2007




TPE () -Higher Educ

Mon

tant

e (e

uro)

TPE

()



4 METODOLOGIA




[1]

A









5 RESULTADOS





A




Constante 0798 3856 18694 3851 3847

(2649) (1442) (4180) (1441) (1440)

Educ -0563 -0512 -0438 -0489 -0472

(-1328) (-1164) (-1010) (-1036) (-953)

L1000 4440 4175 4173 4173

(4880) (4882) (4885) (4887)

lnTrades -0501 -0401 -0501 -0501

(-3044) (-2710) (-3048) (-3047)

lnAge -0585 -0316 -0585 -0585

(-828) (-466) (-828) (-827)

ConsCredit 0157 0150 0158 0156

(156) (151) (156) (155)

Mortgage -0208 -0175 -0209 -0211

(-368) (-318) (-371) (-373)

SavAccount -0391 -0397 -0391 -0390

(-924) (-949) (-923) (-922)

Male -0109 0118 -0104 -0099

(-232) (247) (-221) (-209)

LisPort 0291 0268 0294 0295

(685) (650) (690) (692)

lnVT -2036

(-4087)

Finlit -0159

(-235)

Math -0175

(-282)

R2 56 68 111 68 68

F-statistic 27320 7369 12709 6635 6637

Obs 91278 91277 91277 91277 91277

[1]


[5][4][3][2]












Constant 1013 1013 1012 1420 1421 1419 2892 3463

(620) (620) (620) (2674) (2677) (2675) (1764) (1660)

Educ -0052 -0040 -0030 -0186 -0188 -0182 -0328 -0476

(-245) (-180) (-130) (-2730) (-2545) (-2339) (-1370) (-1527)

L1000 0780 0778 0777 1653 1654 1653 2750 3729

(1416) (1413) (1413) (7512) (7516) (7520) (6015) (6107)

lnTrades -0049 -0049 -0049 -0184 -0184 -0184 -0302 -0437

(-646) (-645) (-647) (-9823) (-9846) (-9841) (-3287) (-3726)

lnAge -0106 -0107 -0107 -0054 -0054 -0054 -0389 -0495

(-262) (-264) (-264) (-386) (-387) (-386) (-913) (-911)

ConsCredit 0123 0124 0123 0062 0062 0062 0068 0110

(377) (379) (378) (466) (466) (467) (137) (165)

Mortgage -0030 -0030 -0030 -0094 -0095 -0094 -0081 -0173

(-132) (-133) (-136) (-1148) (-1151) (-1146) (-256) (-426)

SavAccount 0011 0011 0011 -0098 -0098 -0098 -0198 -0318

(054) (054) (055) (-1300) (-1296) (-1300) (-754) (-946)

Male -0093 -0091 -0088 -0361 -0362 -0360 -0157 -0139

(-368) (-358) (-346) (-3307) (-3308) (-3290) (-613) (-411)

LisPort -0012 -0010 -0010 0040 0039 0040 0159 0245

(-057) (-049) (-047) (579) (571) (585) (662) (773)

Finlit -0060 0014

(-265) (167)

Math -0074 -0014

(-352) (-177)

R2 57 57 58 NA NA NA 87 94


Obs 12102 12102 12102 91277 91277 91277 89450 91274




[1] [5][4][3][2] [6] [7] [8]





Constante -0187 -1267 -1264 -1262

(-2739) (-2749) (-2743) (-2739)

Educ 0061 0061 0053 0059

(529) (528) (438) (470)

L1000 0605 0669 0668 0668

(4163) (4639) (4637) (4636)

EducL1000 0158 0166 0143 0143

(623) (663) (549) (549)

lnTrades 0074 0074 0074

(2362) (2351) (2360)

lnAge 0234 0235 0234

(1970) (1973) (1969)

ConsCredit -0117 -0118 -0117

(-722) (-726) (-719)

Mortgage -0026 -0026 -0025

(-240) (-232) (-230)


(986) (980) (977)

Male 0110 0106 0105

(1406) (1359) (1338)

LisPort -0023 -0025 -0024

(-304) (-329) (-325)

Finlit 0045

(169)

Finlit L1000 0205

(313)

Math 0004

(020)

MathL1000 0219

(419)

R2 40 55 56 56

F-statistic 12579 5338 4502 4498

Obs 91278 91277 91277 91277

[1] [3][2]


(Huber-White)

mostrados entre

parecircntesis



01 respetivamente


[4]








6 CONCLUSOtildeES




A
















REFEREcircNCIAS

bull

bull

bull

bull

bull

bull

bull






















httpspapersssrncom5


httpspapersssrncom6








A
















































httpspapersssrncom






























O








































N














Coimbra 2017 p 239






















N















de doacutelares 37













disponiacutevel em













A










































































































































C

























67











































































N


















2008 pp 338 e ss79













































































ANA BROCHADO





1 INTRODUCTION





T




2 LITERATURE REVIEW





M














Investorattention














































The US March 2006
















Zhang et al (2013)






Bank et al (2011)








Dzielinski (2012)





Drake et al (2012)












Aouadi et al (2013)

























Japanese stocks





Heiberger (2015)









Weng et al (2018)












heteroskedasticity

3 METHODOLOGY





G













0

20

40

60

80

100

CTT EDP EDPR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

EGL GALP IBS

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

JMT NOS NVG

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

ALTRI BCP COR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

PHR RAM REN

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

SEM SON

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18
































GSVI_BCP 5866 55 1270 38 100 113 061 015

GSVI_BES 5836 61 1189 27 100 -055 006 010

GSVI_BPI 5100 47 1453 28 100 140 123 020

GSVI_EDP 3431 32 1117 16 100 248 1032 013

GSVI_PT 3082 23 1943 7 100 128 088 017

GSVI_SONAE 5763 57 1217 29 100 052 060 006


MedianMean

4 RESULTS






BCP -443 -629

BES -917 -476

BPI -383 -1147

EDP -862 -893

PTC -693 -1581

SON -773 -1543




stationarity)

and deno-

te 10 5 and 1

significance levels

respectively

PP















-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00227

(00049)

00061

(00013)

00004

(00004)

00067

(00008)

00024

(00030)

02036

(00438)

-00007

(00002)

03414

00062

(00030)

-00036

(00009)

00016

(00005)

00039

(00004)

00096

(00034)

00818

(00374)

00004

(00000)

04740

-00038

(00018)

00000

(00005)

00009

(00003)

000169

(00003)

-00061

(00031)

05548

(00405)

00001

(00001)

03837

-00156

(00047)

00019

(00010)

00019

(00006)

00061

(00008)

00079

(00040)

02058

(00448)

00003

(00001)

02662

-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00074

(00009)

00006

(00002)

00009

(00002)

00068

(0001)

00006

(00001)

02283

(00188)

00001

(00001)

01978






y1

y2

szlig1

szlig2

szlig3

szlig4

AdjR2














-00200

(00056)

00040

(00012)

00006

(00001)

00014

(00006)

00012

(00001)

-00009

(00040)

00336

(00432)

-00003

(00001)

03159

-00178

(00047)

00050

(00013)

00008

(00001)

00007

(00005)

00054

(00007)

00039

(00029)

01979

(00417)

-00005

(00006)

04035

00070

(00030)

-00035

(00009)

00002

(00002)

00006

(00001)

00038

(00002)

00012

(00005)

00884

(00366)

00004

(00000)

04994

-00032

(00017)

00002

(00001)

00003

(00000)

00008

(00003)

00016

(00004)

-00047

(00031)

05459

(00403)

00000

(00000)

04053

-00021

(00026)

-00005

(00006)

00006

(00001)

00012

(00004)

00058

(00001)

-00041

(00033)

02413

(00464)

-00000

(00001)

02348

-00071

(00017)

00014

(00006)

00008

(00001)

00018

(00006)

00059

(00008)

00102

(00039)

01791

(00435)

00002

(00001)

03170

-00058

(00009)

00005

(00002)

00008

(00000)

00014

(00002)

00067

(00005)

00085

(00016)

02117

(00186)

00008

(00007)

02530






y1

y2

y3

szlig1

szlig2

szlig3

szlig4

AdjR2









QA 5851 7852 2330 2647 27022 1627

SONBPIBESBCP


PTCEDP









F 1433 1244 401 1686 1589 496

SONBPIBESBCP


PTCEDP








-00179

(00058)

00033

(00013)

00007

(00002)

00019

(00006)

00019

(00006)

00014

(00001)

-00020

(00039)

00236

(00429)

-00009

(00002)

03291

-00177

(00050)

00047

(00014)

00007

(00002)

00007

(00005)

00007

(00005)

00076

(00008)

00021

(00029)

01867

(00433)

-00012

(00002)

03627

00064

(00031)

-00036

(00009)

00005

(00002)

00016

(00006)

00016

(00006)

00040

(00002)

00096

(00034)

007926

(003721)

00001

(0000)

04825

00042

(00017)

00000

(00005)

00006

(00001)

00011

(00003)

00011

(00003)

00023

(00004)

-00060

(00030)

05087

(00411)

-00003

(00001)

040834

-00050

(00026)

-00000

(00005)

00007

(00001)

00016

(00004)

00016

(00004)

00069

(00001)

-00055

(00033)

01919

(00463)

-00003

(00001)

02351

-00131

(00046)

00012

(00010)

00006

(00002)

00020

(00005)

00020

(00005)

00068

(00009)

00071

(00039)

01746

(00448)

-00001

(00001)

02901

-00053

00009

00004

00002

00008

00000

00003

(00000)

00015

(00002)

00068

(00009)

00085

(00015)

02054

(00002)

-00002

(00000)

02664






y1

y2

y3

y4

szlig1

szlig2

szlig3

szlig4

AdjR2










-05149

(02562)

-20297

(0416)

01811 (01051)

-09789

(03739)

-07500

(0338)

-10652

(02565)

-1162

(02641)

-31457

(04208)

00218

(00748)

-22028

(03258)

-08624

(01774)

-02562

(01096)

-3377

(04344)

03470

(0141)

-02288

(01118)

-06494

00011

(00005)

00039

(00011)

-00004

(00006)

00060

(00015)

00004

(00005)

00032

(00021)

00929

(00177)

00008

(00006)

00012

(00005)

00097

(00006)

00005

(00007)

00232

(00072)

-00009

(00006)

00001

(00009)

00032

(00018)

00023

(00008)

00024

(0001)

00017

(00007)

00016 (0001)

00018

(00006)

00019

(00003)

-01198

(00505)

00014

(00006)

00008

(00005)

00015

(00006)

00005

(00006)

02163

(00712)

00007

(00012)

-00004

(00011)

00019

(00005)

00009

00397

(00164)

01048

(0023)

-00035

(00078)

00776

(00235)

00408

(00174)

00644

(00143)

00036

(00006)

01893

(00248)

00080

(00059)

01376

(00199)

00616

(00118)

-00006

(00007)

01927

(00242)

-00094

(00109)

00235

(00082)

-01128

(00723)

-03417

(00846)

01136

(00982)

-05676

(01219)

-02373

(00937)

-02369

(00796)

-00001

(00004)

-0181

(00711)

-00771 (0053)

-0095

(00784)

-01014

(00727)

-00004

(00002)

00275

(00863)

-02466

(01199)

-03643

(01039)

-00476

00033

(00007)

00048

(00006)

00057

(00007)

00021

(0001)

00066

(00006)

00065

(00006)

00014

(00009)

00054

(00005)

0007

(00006)

00042

(00006)

00054

(00006)

00011

(00005)

00031

(00006)

00063

(00007)

00047

(00006)

-00006

(00004)

-00024

(00005)

-00009

(00003)

-00018

(00008)

-00005

(00003)

-00001

(00004)

00003

(00007)

-00006

(00002)

-00005

(00002)

-00006

(00002)

-00008

(00004)

00049

(00006)

00012

(00005)

-00006

(00005)

-00012

(00002)

y1




ALTR

BCP

COR

CTT

EDP

EDPR

EGL

GALP

IBS

JMT

NOS

NVG

PHR

RAM

RENE

0332

0532

0371

0395

0512

0716

0448

0715

0551

0631

0542

0395

0593

0523

0510

szlig4











-06494

(01493)

-03272

(02589)

00004

(00004)

-00264

(00041)

00009

(00004)

0317

(00779)

0047

(00098)

00048

(00006)

-00476

(00628)

-00007

(00003)

00059

(00006)

00020

(00007)

00004

(00002)

-00009

(0001)

y1

SEM

SON

0471

0427

szlig4




5 CONCLUSION






T









785ndash818





Germany





NC USA


1461ndash1499





Science London UK

REFERENCES

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull







Cologne Germany



50 (4) 1001ndash1040








December 2019)









46 (4) 3ndash36

REFERENCES



bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES

















(3) 665ndash690









bull

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES



bull

bull

bull

bull


















EDITORIAL

7 cmvmpt







ANA BROCHADO

Artigos








VICTOR MENDES











A










































E

















A











Gestor 235







5000

4500

4000

3500

3000

2500

2000

1500

1000

500

0

045

040

035

030

025

020

015

015

005

000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007


Mon

tant

e (e

uro)

TPE

()







6000

5000

4000

3000

2000

1000

0

045

040

035

030

025

020

015

015

005

0001998 1999 2000 2001 2002 2003 2004 2005 2006 2007




TPE () -Higher Educ

Mon

tant

e (e

uro)

TPE

()



4 METODOLOGIA




[1]

A









5 RESULTADOS





A




Constante 0798 3856 18694 3851 3847

(2649) (1442) (4180) (1441) (1440)

Educ -0563 -0512 -0438 -0489 -0472

(-1328) (-1164) (-1010) (-1036) (-953)

L1000 4440 4175 4173 4173

(4880) (4882) (4885) (4887)

lnTrades -0501 -0401 -0501 -0501

(-3044) (-2710) (-3048) (-3047)

lnAge -0585 -0316 -0585 -0585

(-828) (-466) (-828) (-827)

ConsCredit 0157 0150 0158 0156

(156) (151) (156) (155)

Mortgage -0208 -0175 -0209 -0211

(-368) (-318) (-371) (-373)

SavAccount -0391 -0397 -0391 -0390

(-924) (-949) (-923) (-922)

Male -0109 0118 -0104 -0099

(-232) (247) (-221) (-209)

LisPort 0291 0268 0294 0295

(685) (650) (690) (692)

lnVT -2036

(-4087)

Finlit -0159

(-235)

Math -0175

(-282)

R2 56 68 111 68 68

F-statistic 27320 7369 12709 6635 6637

Obs 91278 91277 91277 91277 91277

[1]


[5][4][3][2]












Constant 1013 1013 1012 1420 1421 1419 2892 3463

(620) (620) (620) (2674) (2677) (2675) (1764) (1660)

Educ -0052 -0040 -0030 -0186 -0188 -0182 -0328 -0476

(-245) (-180) (-130) (-2730) (-2545) (-2339) (-1370) (-1527)

L1000 0780 0778 0777 1653 1654 1653 2750 3729

(1416) (1413) (1413) (7512) (7516) (7520) (6015) (6107)

lnTrades -0049 -0049 -0049 -0184 -0184 -0184 -0302 -0437

(-646) (-645) (-647) (-9823) (-9846) (-9841) (-3287) (-3726)

lnAge -0106 -0107 -0107 -0054 -0054 -0054 -0389 -0495

(-262) (-264) (-264) (-386) (-387) (-386) (-913) (-911)

ConsCredit 0123 0124 0123 0062 0062 0062 0068 0110

(377) (379) (378) (466) (466) (467) (137) (165)

Mortgage -0030 -0030 -0030 -0094 -0095 -0094 -0081 -0173

(-132) (-133) (-136) (-1148) (-1151) (-1146) (-256) (-426)

SavAccount 0011 0011 0011 -0098 -0098 -0098 -0198 -0318

(054) (054) (055) (-1300) (-1296) (-1300) (-754) (-946)

Male -0093 -0091 -0088 -0361 -0362 -0360 -0157 -0139

(-368) (-358) (-346) (-3307) (-3308) (-3290) (-613) (-411)

LisPort -0012 -0010 -0010 0040 0039 0040 0159 0245

(-057) (-049) (-047) (579) (571) (585) (662) (773)

Finlit -0060 0014

(-265) (167)

Math -0074 -0014

(-352) (-177)

R2 57 57 58 NA NA NA 87 94


Obs 12102 12102 12102 91277 91277 91277 89450 91274




[1] [5][4][3][2] [6] [7] [8]





Constante -0187 -1267 -1264 -1262

(-2739) (-2749) (-2743) (-2739)

Educ 0061 0061 0053 0059

(529) (528) (438) (470)

L1000 0605 0669 0668 0668

(4163) (4639) (4637) (4636)

EducL1000 0158 0166 0143 0143

(623) (663) (549) (549)

lnTrades 0074 0074 0074

(2362) (2351) (2360)

lnAge 0234 0235 0234

(1970) (1973) (1969)

ConsCredit -0117 -0118 -0117

(-722) (-726) (-719)

Mortgage -0026 -0026 -0025

(-240) (-232) (-230)


(986) (980) (977)

Male 0110 0106 0105

(1406) (1359) (1338)

LisPort -0023 -0025 -0024

(-304) (-329) (-325)

Finlit 0045

(169)

Finlit L1000 0205

(313)

Math 0004

(020)

MathL1000 0219

(419)

R2 40 55 56 56

F-statistic 12579 5338 4502 4498

Obs 91278 91277 91277 91277

[1] [3][2]


(Huber-White)

mostrados entre

parecircntesis



01 respetivamente


[4]








6 CONCLUSOtildeES




A
















REFEREcircNCIAS

bull

bull

bull

bull

bull

bull

bull






















httpspapersssrncom5


httpspapersssrncom6








A
















































httpspapersssrncom






























O








































N














Coimbra 2017 p 239






















N















de doacutelares 37













disponiacutevel em













A










































































































































C

























67











































































N


















2008 pp 338 e ss79













































































ANA BROCHADO





1 INTRODUCTION





T




2 LITERATURE REVIEW





M














Investorattention














































The US March 2006
















Zhang et al (2013)






Bank et al (2011)








Dzielinski (2012)





Drake et al (2012)












Aouadi et al (2013)

























Japanese stocks





Heiberger (2015)









Weng et al (2018)












heteroskedasticity

3 METHODOLOGY





G













0

20

40

60

80

100

CTT EDP EDPR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

EGL GALP IBS

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

JMT NOS NVG

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

ALTRI BCP COR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

PHR RAM REN

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

SEM SON

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18
































GSVI_BCP 5866 55 1270 38 100 113 061 015

GSVI_BES 5836 61 1189 27 100 -055 006 010

GSVI_BPI 5100 47 1453 28 100 140 123 020

GSVI_EDP 3431 32 1117 16 100 248 1032 013

GSVI_PT 3082 23 1943 7 100 128 088 017

GSVI_SONAE 5763 57 1217 29 100 052 060 006


MedianMean

4 RESULTS






BCP -443 -629

BES -917 -476

BPI -383 -1147

EDP -862 -893

PTC -693 -1581

SON -773 -1543




stationarity)

and deno-

te 10 5 and 1

significance levels

respectively

PP















-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00227

(00049)

00061

(00013)

00004

(00004)

00067

(00008)

00024

(00030)

02036

(00438)

-00007

(00002)

03414

00062

(00030)

-00036

(00009)

00016

(00005)

00039

(00004)

00096

(00034)

00818

(00374)

00004

(00000)

04740

-00038

(00018)

00000

(00005)

00009

(00003)

000169

(00003)

-00061

(00031)

05548

(00405)

00001

(00001)

03837

-00156

(00047)

00019

(00010)

00019

(00006)

00061

(00008)

00079

(00040)

02058

(00448)

00003

(00001)

02662

-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00074

(00009)

00006

(00002)

00009

(00002)

00068

(0001)

00006

(00001)

02283

(00188)

00001

(00001)

01978






y1

y2

szlig1

szlig2

szlig3

szlig4

AdjR2














-00200

(00056)

00040

(00012)

00006

(00001)

00014

(00006)

00012

(00001)

-00009

(00040)

00336

(00432)

-00003

(00001)

03159

-00178

(00047)

00050

(00013)

00008

(00001)

00007

(00005)

00054

(00007)

00039

(00029)

01979

(00417)

-00005

(00006)

04035

00070

(00030)

-00035

(00009)

00002

(00002)

00006

(00001)

00038

(00002)

00012

(00005)

00884

(00366)

00004

(00000)

04994

-00032

(00017)

00002

(00001)

00003

(00000)

00008

(00003)

00016

(00004)

-00047

(00031)

05459

(00403)

00000

(00000)

04053

-00021

(00026)

-00005

(00006)

00006

(00001)

00012

(00004)

00058

(00001)

-00041

(00033)

02413

(00464)

-00000

(00001)

02348

-00071

(00017)

00014

(00006)

00008

(00001)

00018

(00006)

00059

(00008)

00102

(00039)

01791

(00435)

00002

(00001)

03170

-00058

(00009)

00005

(00002)

00008

(00000)

00014

(00002)

00067

(00005)

00085

(00016)

02117

(00186)

00008

(00007)

02530






y1

y2

y3

szlig1

szlig2

szlig3

szlig4

AdjR2









QA 5851 7852 2330 2647 27022 1627

SONBPIBESBCP


PTCEDP









F 1433 1244 401 1686 1589 496

SONBPIBESBCP


PTCEDP








-00179

(00058)

00033

(00013)

00007

(00002)

00019

(00006)

00019

(00006)

00014

(00001)

-00020

(00039)

00236

(00429)

-00009

(00002)

03291

-00177

(00050)

00047

(00014)

00007

(00002)

00007

(00005)

00007

(00005)

00076

(00008)

00021

(00029)

01867

(00433)

-00012

(00002)

03627

00064

(00031)

-00036

(00009)

00005

(00002)

00016

(00006)

00016

(00006)

00040

(00002)

00096

(00034)

007926

(003721)

00001

(0000)

04825

00042

(00017)

00000

(00005)

00006

(00001)

00011

(00003)

00011

(00003)

00023

(00004)

-00060

(00030)

05087

(00411)

-00003

(00001)

040834

-00050

(00026)

-00000

(00005)

00007

(00001)

00016

(00004)

00016

(00004)

00069

(00001)

-00055

(00033)

01919

(00463)

-00003

(00001)

02351

-00131

(00046)

00012

(00010)

00006

(00002)

00020

(00005)

00020

(00005)

00068

(00009)

00071

(00039)

01746

(00448)

-00001

(00001)

02901

-00053

00009

00004

00002

00008

00000

00003

(00000)

00015

(00002)

00068

(00009)

00085

(00015)

02054

(00002)

-00002

(00000)

02664






y1

y2

y3

y4

szlig1

szlig2

szlig3

szlig4

AdjR2










-05149

(02562)

-20297

(0416)

01811 (01051)

-09789

(03739)

-07500

(0338)

-10652

(02565)

-1162

(02641)

-31457

(04208)

00218

(00748)

-22028

(03258)

-08624

(01774)

-02562

(01096)

-3377

(04344)

03470

(0141)

-02288

(01118)

-06494

00011

(00005)

00039

(00011)

-00004

(00006)

00060

(00015)

00004

(00005)

00032

(00021)

00929

(00177)

00008

(00006)

00012

(00005)

00097

(00006)

00005

(00007)

00232

(00072)

-00009

(00006)

00001

(00009)

00032

(00018)

00023

(00008)

00024

(0001)

00017

(00007)

00016 (0001)

00018

(00006)

00019

(00003)

-01198

(00505)

00014

(00006)

00008

(00005)

00015

(00006)

00005

(00006)

02163

(00712)

00007

(00012)

-00004

(00011)

00019

(00005)

00009

00397

(00164)

01048

(0023)

-00035

(00078)

00776

(00235)

00408

(00174)

00644

(00143)

00036

(00006)

01893

(00248)

00080

(00059)

01376

(00199)

00616

(00118)

-00006

(00007)

01927

(00242)

-00094

(00109)

00235

(00082)

-01128

(00723)

-03417

(00846)

01136

(00982)

-05676

(01219)

-02373

(00937)

-02369

(00796)

-00001

(00004)

-0181

(00711)

-00771 (0053)

-0095

(00784)

-01014

(00727)

-00004

(00002)

00275

(00863)

-02466

(01199)

-03643

(01039)

-00476

00033

(00007)

00048

(00006)

00057

(00007)

00021

(0001)

00066

(00006)

00065

(00006)

00014

(00009)

00054

(00005)

0007

(00006)

00042

(00006)

00054

(00006)

00011

(00005)

00031

(00006)

00063

(00007)

00047

(00006)

-00006

(00004)

-00024

(00005)

-00009

(00003)

-00018

(00008)

-00005

(00003)

-00001

(00004)

00003

(00007)

-00006

(00002)

-00005

(00002)

-00006

(00002)

-00008

(00004)

00049

(00006)

00012

(00005)

-00006

(00005)

-00012

(00002)

y1




ALTR

BCP

COR

CTT

EDP

EDPR

EGL

GALP

IBS

JMT

NOS

NVG

PHR

RAM

RENE

0332

0532

0371

0395

0512

0716

0448

0715

0551

0631

0542

0395

0593

0523

0510

szlig4











-06494

(01493)

-03272

(02589)

00004

(00004)

-00264

(00041)

00009

(00004)

0317

(00779)

0047

(00098)

00048

(00006)

-00476

(00628)

-00007

(00003)

00059

(00006)

00020

(00007)

00004

(00002)

-00009

(0001)

y1

SEM

SON

0471

0427

szlig4




5 CONCLUSION






T









785ndash818





Germany





NC USA


1461ndash1499





Science London UK

REFERENCES

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull







Cologne Germany



50 (4) 1001ndash1040








December 2019)









46 (4) 3ndash36

REFERENCES



bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES

















(3) 665ndash690









bull

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES



bull

bull

bull

bull













7 cmvmpt







ANA BROCHADO

Artigos








VICTOR MENDES











A










































E

















A











Gestor 235







5000

4500

4000

3500

3000

2500

2000

1500

1000

500

0

045

040

035

030

025

020

015

015

005

000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007


Mon

tant

e (e

uro)

TPE

()







6000

5000

4000

3000

2000

1000

0

045

040

035

030

025

020

015

015

005

0001998 1999 2000 2001 2002 2003 2004 2005 2006 2007




TPE () -Higher Educ

Mon

tant

e (e

uro)

TPE

()



4 METODOLOGIA




[1]

A









5 RESULTADOS





A




Constante 0798 3856 18694 3851 3847

(2649) (1442) (4180) (1441) (1440)

Educ -0563 -0512 -0438 -0489 -0472

(-1328) (-1164) (-1010) (-1036) (-953)

L1000 4440 4175 4173 4173

(4880) (4882) (4885) (4887)

lnTrades -0501 -0401 -0501 -0501

(-3044) (-2710) (-3048) (-3047)

lnAge -0585 -0316 -0585 -0585

(-828) (-466) (-828) (-827)

ConsCredit 0157 0150 0158 0156

(156) (151) (156) (155)

Mortgage -0208 -0175 -0209 -0211

(-368) (-318) (-371) (-373)

SavAccount -0391 -0397 -0391 -0390

(-924) (-949) (-923) (-922)

Male -0109 0118 -0104 -0099

(-232) (247) (-221) (-209)

LisPort 0291 0268 0294 0295

(685) (650) (690) (692)

lnVT -2036

(-4087)

Finlit -0159

(-235)

Math -0175

(-282)

R2 56 68 111 68 68

F-statistic 27320 7369 12709 6635 6637

Obs 91278 91277 91277 91277 91277

[1]


[5][4][3][2]












Constant 1013 1013 1012 1420 1421 1419 2892 3463

(620) (620) (620) (2674) (2677) (2675) (1764) (1660)

Educ -0052 -0040 -0030 -0186 -0188 -0182 -0328 -0476

(-245) (-180) (-130) (-2730) (-2545) (-2339) (-1370) (-1527)

L1000 0780 0778 0777 1653 1654 1653 2750 3729

(1416) (1413) (1413) (7512) (7516) (7520) (6015) (6107)

lnTrades -0049 -0049 -0049 -0184 -0184 -0184 -0302 -0437

(-646) (-645) (-647) (-9823) (-9846) (-9841) (-3287) (-3726)

lnAge -0106 -0107 -0107 -0054 -0054 -0054 -0389 -0495

(-262) (-264) (-264) (-386) (-387) (-386) (-913) (-911)

ConsCredit 0123 0124 0123 0062 0062 0062 0068 0110

(377) (379) (378) (466) (466) (467) (137) (165)

Mortgage -0030 -0030 -0030 -0094 -0095 -0094 -0081 -0173

(-132) (-133) (-136) (-1148) (-1151) (-1146) (-256) (-426)

SavAccount 0011 0011 0011 -0098 -0098 -0098 -0198 -0318

(054) (054) (055) (-1300) (-1296) (-1300) (-754) (-946)

Male -0093 -0091 -0088 -0361 -0362 -0360 -0157 -0139

(-368) (-358) (-346) (-3307) (-3308) (-3290) (-613) (-411)

LisPort -0012 -0010 -0010 0040 0039 0040 0159 0245

(-057) (-049) (-047) (579) (571) (585) (662) (773)

Finlit -0060 0014

(-265) (167)

Math -0074 -0014

(-352) (-177)

R2 57 57 58 NA NA NA 87 94


Obs 12102 12102 12102 91277 91277 91277 89450 91274




[1] [5][4][3][2] [6] [7] [8]





Constante -0187 -1267 -1264 -1262

(-2739) (-2749) (-2743) (-2739)

Educ 0061 0061 0053 0059

(529) (528) (438) (470)

L1000 0605 0669 0668 0668

(4163) (4639) (4637) (4636)

EducL1000 0158 0166 0143 0143

(623) (663) (549) (549)

lnTrades 0074 0074 0074

(2362) (2351) (2360)

lnAge 0234 0235 0234

(1970) (1973) (1969)

ConsCredit -0117 -0118 -0117

(-722) (-726) (-719)

Mortgage -0026 -0026 -0025

(-240) (-232) (-230)


(986) (980) (977)

Male 0110 0106 0105

(1406) (1359) (1338)

LisPort -0023 -0025 -0024

(-304) (-329) (-325)

Finlit 0045

(169)

Finlit L1000 0205

(313)

Math 0004

(020)

MathL1000 0219

(419)

R2 40 55 56 56

F-statistic 12579 5338 4502 4498

Obs 91278 91277 91277 91277

[1] [3][2]


(Huber-White)

mostrados entre

parecircntesis



01 respetivamente


[4]








6 CONCLUSOtildeES




A
















REFEREcircNCIAS

bull

bull

bull

bull

bull

bull

bull






















httpspapersssrncom5


httpspapersssrncom6








A
















































httpspapersssrncom






























O








































N














Coimbra 2017 p 239






















N















de doacutelares 37













disponiacutevel em













A










































































































































C

























67











































































N


















2008 pp 338 e ss79













































































ANA BROCHADO





1 INTRODUCTION





T




2 LITERATURE REVIEW





M














Investorattention














































The US March 2006
















Zhang et al (2013)






Bank et al (2011)








Dzielinski (2012)





Drake et al (2012)












Aouadi et al (2013)

























Japanese stocks





Heiberger (2015)









Weng et al (2018)












heteroskedasticity

3 METHODOLOGY





G













0

20

40

60

80

100

CTT EDP EDPR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

EGL GALP IBS

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

JMT NOS NVG

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

ALTRI BCP COR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

PHR RAM REN

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

SEM SON

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18
































GSVI_BCP 5866 55 1270 38 100 113 061 015

GSVI_BES 5836 61 1189 27 100 -055 006 010

GSVI_BPI 5100 47 1453 28 100 140 123 020

GSVI_EDP 3431 32 1117 16 100 248 1032 013

GSVI_PT 3082 23 1943 7 100 128 088 017

GSVI_SONAE 5763 57 1217 29 100 052 060 006


MedianMean

4 RESULTS






BCP -443 -629

BES -917 -476

BPI -383 -1147

EDP -862 -893

PTC -693 -1581

SON -773 -1543




stationarity)

and deno-

te 10 5 and 1

significance levels

respectively

PP















-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00227

(00049)

00061

(00013)

00004

(00004)

00067

(00008)

00024

(00030)

02036

(00438)

-00007

(00002)

03414

00062

(00030)

-00036

(00009)

00016

(00005)

00039

(00004)

00096

(00034)

00818

(00374)

00004

(00000)

04740

-00038

(00018)

00000

(00005)

00009

(00003)

000169

(00003)

-00061

(00031)

05548

(00405)

00001

(00001)

03837

-00156

(00047)

00019

(00010)

00019

(00006)

00061

(00008)

00079

(00040)

02058

(00448)

00003

(00001)

02662

-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00074

(00009)

00006

(00002)

00009

(00002)

00068

(0001)

00006

(00001)

02283

(00188)

00001

(00001)

01978






y1

y2

szlig1

szlig2

szlig3

szlig4

AdjR2














-00200

(00056)

00040

(00012)

00006

(00001)

00014

(00006)

00012

(00001)

-00009

(00040)

00336

(00432)

-00003

(00001)

03159

-00178

(00047)

00050

(00013)

00008

(00001)

00007

(00005)

00054

(00007)

00039

(00029)

01979

(00417)

-00005

(00006)

04035

00070

(00030)

-00035

(00009)

00002

(00002)

00006

(00001)

00038

(00002)

00012

(00005)

00884

(00366)

00004

(00000)

04994

-00032

(00017)

00002

(00001)

00003

(00000)

00008

(00003)

00016

(00004)

-00047

(00031)

05459

(00403)

00000

(00000)

04053

-00021

(00026)

-00005

(00006)

00006

(00001)

00012

(00004)

00058

(00001)

-00041

(00033)

02413

(00464)

-00000

(00001)

02348

-00071

(00017)

00014

(00006)

00008

(00001)

00018

(00006)

00059

(00008)

00102

(00039)

01791

(00435)

00002

(00001)

03170

-00058

(00009)

00005

(00002)

00008

(00000)

00014

(00002)

00067

(00005)

00085

(00016)

02117

(00186)

00008

(00007)

02530






y1

y2

y3

szlig1

szlig2

szlig3

szlig4

AdjR2









QA 5851 7852 2330 2647 27022 1627

SONBPIBESBCP


PTCEDP









F 1433 1244 401 1686 1589 496

SONBPIBESBCP


PTCEDP








-00179

(00058)

00033

(00013)

00007

(00002)

00019

(00006)

00019

(00006)

00014

(00001)

-00020

(00039)

00236

(00429)

-00009

(00002)

03291

-00177

(00050)

00047

(00014)

00007

(00002)

00007

(00005)

00007

(00005)

00076

(00008)

00021

(00029)

01867

(00433)

-00012

(00002)

03627

00064

(00031)

-00036

(00009)

00005

(00002)

00016

(00006)

00016

(00006)

00040

(00002)

00096

(00034)

007926

(003721)

00001

(0000)

04825

00042

(00017)

00000

(00005)

00006

(00001)

00011

(00003)

00011

(00003)

00023

(00004)

-00060

(00030)

05087

(00411)

-00003

(00001)

040834

-00050

(00026)

-00000

(00005)

00007

(00001)

00016

(00004)

00016

(00004)

00069

(00001)

-00055

(00033)

01919

(00463)

-00003

(00001)

02351

-00131

(00046)

00012

(00010)

00006

(00002)

00020

(00005)

00020

(00005)

00068

(00009)

00071

(00039)

01746

(00448)

-00001

(00001)

02901

-00053

00009

00004

00002

00008

00000

00003

(00000)

00015

(00002)

00068

(00009)

00085

(00015)

02054

(00002)

-00002

(00000)

02664






y1

y2

y3

y4

szlig1

szlig2

szlig3

szlig4

AdjR2










-05149

(02562)

-20297

(0416)

01811 (01051)

-09789

(03739)

-07500

(0338)

-10652

(02565)

-1162

(02641)

-31457

(04208)

00218

(00748)

-22028

(03258)

-08624

(01774)

-02562

(01096)

-3377

(04344)

03470

(0141)

-02288

(01118)

-06494

00011

(00005)

00039

(00011)

-00004

(00006)

00060

(00015)

00004

(00005)

00032

(00021)

00929

(00177)

00008

(00006)

00012

(00005)

00097

(00006)

00005

(00007)

00232

(00072)

-00009

(00006)

00001

(00009)

00032

(00018)

00023

(00008)

00024

(0001)

00017

(00007)

00016 (0001)

00018

(00006)

00019

(00003)

-01198

(00505)

00014

(00006)

00008

(00005)

00015

(00006)

00005

(00006)

02163

(00712)

00007

(00012)

-00004

(00011)

00019

(00005)

00009

00397

(00164)

01048

(0023)

-00035

(00078)

00776

(00235)

00408

(00174)

00644

(00143)

00036

(00006)

01893

(00248)

00080

(00059)

01376

(00199)

00616

(00118)

-00006

(00007)

01927

(00242)

-00094

(00109)

00235

(00082)

-01128

(00723)

-03417

(00846)

01136

(00982)

-05676

(01219)

-02373

(00937)

-02369

(00796)

-00001

(00004)

-0181

(00711)

-00771 (0053)

-0095

(00784)

-01014

(00727)

-00004

(00002)

00275

(00863)

-02466

(01199)

-03643

(01039)

-00476

00033

(00007)

00048

(00006)

00057

(00007)

00021

(0001)

00066

(00006)

00065

(00006)

00014

(00009)

00054

(00005)

0007

(00006)

00042

(00006)

00054

(00006)

00011

(00005)

00031

(00006)

00063

(00007)

00047

(00006)

-00006

(00004)

-00024

(00005)

-00009

(00003)

-00018

(00008)

-00005

(00003)

-00001

(00004)

00003

(00007)

-00006

(00002)

-00005

(00002)

-00006

(00002)

-00008

(00004)

00049

(00006)

00012

(00005)

-00006

(00005)

-00012

(00002)

y1




ALTR

BCP

COR

CTT

EDP

EDPR

EGL

GALP

IBS

JMT

NOS

NVG

PHR

RAM

RENE

0332

0532

0371

0395

0512

0716

0448

0715

0551

0631

0542

0395

0593

0523

0510

szlig4











-06494

(01493)

-03272

(02589)

00004

(00004)

-00264

(00041)

00009

(00004)

0317

(00779)

0047

(00098)

00048

(00006)

-00476

(00628)

-00007

(00003)

00059

(00006)

00020

(00007)

00004

(00002)

-00009

(0001)

y1

SEM

SON

0471

0427

szlig4




5 CONCLUSION






T









785ndash818





Germany





NC USA


1461ndash1499





Science London UK

REFERENCES

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull







Cologne Germany



50 (4) 1001ndash1040








December 2019)









46 (4) 3ndash36

REFERENCES



bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES

















(3) 665ndash690









bull

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES



bull

bull

bull

bull




















VICTOR MENDES











A










































E

















A











Gestor 235







5000

4500

4000

3500

3000

2500

2000

1500

1000

500

0

045

040

035

030

025

020

015

015

005

000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007


Mon

tant

e (e

uro)

TPE

()







6000

5000

4000

3000

2000

1000

0

045

040

035

030

025

020

015

015

005

0001998 1999 2000 2001 2002 2003 2004 2005 2006 2007




TPE () -Higher Educ

Mon

tant

e (e

uro)

TPE

()



4 METODOLOGIA




[1]

A









5 RESULTADOS





A




Constante 0798 3856 18694 3851 3847

(2649) (1442) (4180) (1441) (1440)

Educ -0563 -0512 -0438 -0489 -0472

(-1328) (-1164) (-1010) (-1036) (-953)

L1000 4440 4175 4173 4173

(4880) (4882) (4885) (4887)

lnTrades -0501 -0401 -0501 -0501

(-3044) (-2710) (-3048) (-3047)

lnAge -0585 -0316 -0585 -0585

(-828) (-466) (-828) (-827)

ConsCredit 0157 0150 0158 0156

(156) (151) (156) (155)

Mortgage -0208 -0175 -0209 -0211

(-368) (-318) (-371) (-373)

SavAccount -0391 -0397 -0391 -0390

(-924) (-949) (-923) (-922)

Male -0109 0118 -0104 -0099

(-232) (247) (-221) (-209)

LisPort 0291 0268 0294 0295

(685) (650) (690) (692)

lnVT -2036

(-4087)

Finlit -0159

(-235)

Math -0175

(-282)

R2 56 68 111 68 68

F-statistic 27320 7369 12709 6635 6637

Obs 91278 91277 91277 91277 91277

[1]


[5][4][3][2]












Constant 1013 1013 1012 1420 1421 1419 2892 3463

(620) (620) (620) (2674) (2677) (2675) (1764) (1660)

Educ -0052 -0040 -0030 -0186 -0188 -0182 -0328 -0476

(-245) (-180) (-130) (-2730) (-2545) (-2339) (-1370) (-1527)

L1000 0780 0778 0777 1653 1654 1653 2750 3729

(1416) (1413) (1413) (7512) (7516) (7520) (6015) (6107)

lnTrades -0049 -0049 -0049 -0184 -0184 -0184 -0302 -0437

(-646) (-645) (-647) (-9823) (-9846) (-9841) (-3287) (-3726)

lnAge -0106 -0107 -0107 -0054 -0054 -0054 -0389 -0495

(-262) (-264) (-264) (-386) (-387) (-386) (-913) (-911)

ConsCredit 0123 0124 0123 0062 0062 0062 0068 0110

(377) (379) (378) (466) (466) (467) (137) (165)

Mortgage -0030 -0030 -0030 -0094 -0095 -0094 -0081 -0173

(-132) (-133) (-136) (-1148) (-1151) (-1146) (-256) (-426)

SavAccount 0011 0011 0011 -0098 -0098 -0098 -0198 -0318

(054) (054) (055) (-1300) (-1296) (-1300) (-754) (-946)

Male -0093 -0091 -0088 -0361 -0362 -0360 -0157 -0139

(-368) (-358) (-346) (-3307) (-3308) (-3290) (-613) (-411)

LisPort -0012 -0010 -0010 0040 0039 0040 0159 0245

(-057) (-049) (-047) (579) (571) (585) (662) (773)

Finlit -0060 0014

(-265) (167)

Math -0074 -0014

(-352) (-177)

R2 57 57 58 NA NA NA 87 94


Obs 12102 12102 12102 91277 91277 91277 89450 91274




[1] [5][4][3][2] [6] [7] [8]





Constante -0187 -1267 -1264 -1262

(-2739) (-2749) (-2743) (-2739)

Educ 0061 0061 0053 0059

(529) (528) (438) (470)

L1000 0605 0669 0668 0668

(4163) (4639) (4637) (4636)

EducL1000 0158 0166 0143 0143

(623) (663) (549) (549)

lnTrades 0074 0074 0074

(2362) (2351) (2360)

lnAge 0234 0235 0234

(1970) (1973) (1969)

ConsCredit -0117 -0118 -0117

(-722) (-726) (-719)

Mortgage -0026 -0026 -0025

(-240) (-232) (-230)


(986) (980) (977)

Male 0110 0106 0105

(1406) (1359) (1338)

LisPort -0023 -0025 -0024

(-304) (-329) (-325)

Finlit 0045

(169)

Finlit L1000 0205

(313)

Math 0004

(020)

MathL1000 0219

(419)

R2 40 55 56 56

F-statistic 12579 5338 4502 4498

Obs 91278 91277 91277 91277

[1] [3][2]


(Huber-White)

mostrados entre

parecircntesis



01 respetivamente


[4]








6 CONCLUSOtildeES




A
















REFEREcircNCIAS

bull

bull

bull

bull

bull

bull

bull






















httpspapersssrncom5


httpspapersssrncom6








A
















































httpspapersssrncom






























O








































N














Coimbra 2017 p 239






















N















de doacutelares 37













disponiacutevel em













A










































































































































C

























67











































































N


















2008 pp 338 e ss79













































































ANA BROCHADO





1 INTRODUCTION





T




2 LITERATURE REVIEW





M














Investorattention














































The US March 2006
















Zhang et al (2013)






Bank et al (2011)








Dzielinski (2012)





Drake et al (2012)












Aouadi et al (2013)

























Japanese stocks





Heiberger (2015)









Weng et al (2018)












heteroskedasticity

3 METHODOLOGY





G













0

20

40

60

80

100

CTT EDP EDPR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

EGL GALP IBS

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

JMT NOS NVG

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

ALTRI BCP COR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

PHR RAM REN

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

SEM SON

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18
































GSVI_BCP 5866 55 1270 38 100 113 061 015

GSVI_BES 5836 61 1189 27 100 -055 006 010

GSVI_BPI 5100 47 1453 28 100 140 123 020

GSVI_EDP 3431 32 1117 16 100 248 1032 013

GSVI_PT 3082 23 1943 7 100 128 088 017

GSVI_SONAE 5763 57 1217 29 100 052 060 006


MedianMean

4 RESULTS






BCP -443 -629

BES -917 -476

BPI -383 -1147

EDP -862 -893

PTC -693 -1581

SON -773 -1543




stationarity)

and deno-

te 10 5 and 1

significance levels

respectively

PP















-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00227

(00049)

00061

(00013)

00004

(00004)

00067

(00008)

00024

(00030)

02036

(00438)

-00007

(00002)

03414

00062

(00030)

-00036

(00009)

00016

(00005)

00039

(00004)

00096

(00034)

00818

(00374)

00004

(00000)

04740

-00038

(00018)

00000

(00005)

00009

(00003)

000169

(00003)

-00061

(00031)

05548

(00405)

00001

(00001)

03837

-00156

(00047)

00019

(00010)

00019

(00006)

00061

(00008)

00079

(00040)

02058

(00448)

00003

(00001)

02662

-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00074

(00009)

00006

(00002)

00009

(00002)

00068

(0001)

00006

(00001)

02283

(00188)

00001

(00001)

01978






y1

y2

szlig1

szlig2

szlig3

szlig4

AdjR2














-00200

(00056)

00040

(00012)

00006

(00001)

00014

(00006)

00012

(00001)

-00009

(00040)

00336

(00432)

-00003

(00001)

03159

-00178

(00047)

00050

(00013)

00008

(00001)

00007

(00005)

00054

(00007)

00039

(00029)

01979

(00417)

-00005

(00006)

04035

00070

(00030)

-00035

(00009)

00002

(00002)

00006

(00001)

00038

(00002)

00012

(00005)

00884

(00366)

00004

(00000)

04994

-00032

(00017)

00002

(00001)

00003

(00000)

00008

(00003)

00016

(00004)

-00047

(00031)

05459

(00403)

00000

(00000)

04053

-00021

(00026)

-00005

(00006)

00006

(00001)

00012

(00004)

00058

(00001)

-00041

(00033)

02413

(00464)

-00000

(00001)

02348

-00071

(00017)

00014

(00006)

00008

(00001)

00018

(00006)

00059

(00008)

00102

(00039)

01791

(00435)

00002

(00001)

03170

-00058

(00009)

00005

(00002)

00008

(00000)

00014

(00002)

00067

(00005)

00085

(00016)

02117

(00186)

00008

(00007)

02530






y1

y2

y3

szlig1

szlig2

szlig3

szlig4

AdjR2









QA 5851 7852 2330 2647 27022 1627

SONBPIBESBCP


PTCEDP









F 1433 1244 401 1686 1589 496

SONBPIBESBCP


PTCEDP








-00179

(00058)

00033

(00013)

00007

(00002)

00019

(00006)

00019

(00006)

00014

(00001)

-00020

(00039)

00236

(00429)

-00009

(00002)

03291

-00177

(00050)

00047

(00014)

00007

(00002)

00007

(00005)

00007

(00005)

00076

(00008)

00021

(00029)

01867

(00433)

-00012

(00002)

03627

00064

(00031)

-00036

(00009)

00005

(00002)

00016

(00006)

00016

(00006)

00040

(00002)

00096

(00034)

007926

(003721)

00001

(0000)

04825

00042

(00017)

00000

(00005)

00006

(00001)

00011

(00003)

00011

(00003)

00023

(00004)

-00060

(00030)

05087

(00411)

-00003

(00001)

040834

-00050

(00026)

-00000

(00005)

00007

(00001)

00016

(00004)

00016

(00004)

00069

(00001)

-00055

(00033)

01919

(00463)

-00003

(00001)

02351

-00131

(00046)

00012

(00010)

00006

(00002)

00020

(00005)

00020

(00005)

00068

(00009)

00071

(00039)

01746

(00448)

-00001

(00001)

02901

-00053

00009

00004

00002

00008

00000

00003

(00000)

00015

(00002)

00068

(00009)

00085

(00015)

02054

(00002)

-00002

(00000)

02664






y1

y2

y3

y4

szlig1

szlig2

szlig3

szlig4

AdjR2










-05149

(02562)

-20297

(0416)

01811 (01051)

-09789

(03739)

-07500

(0338)

-10652

(02565)

-1162

(02641)

-31457

(04208)

00218

(00748)

-22028

(03258)

-08624

(01774)

-02562

(01096)

-3377

(04344)

03470

(0141)

-02288

(01118)

-06494

00011

(00005)

00039

(00011)

-00004

(00006)

00060

(00015)

00004

(00005)

00032

(00021)

00929

(00177)

00008

(00006)

00012

(00005)

00097

(00006)

00005

(00007)

00232

(00072)

-00009

(00006)

00001

(00009)

00032

(00018)

00023

(00008)

00024

(0001)

00017

(00007)

00016 (0001)

00018

(00006)

00019

(00003)

-01198

(00505)

00014

(00006)

00008

(00005)

00015

(00006)

00005

(00006)

02163

(00712)

00007

(00012)

-00004

(00011)

00019

(00005)

00009

00397

(00164)

01048

(0023)

-00035

(00078)

00776

(00235)

00408

(00174)

00644

(00143)

00036

(00006)

01893

(00248)

00080

(00059)

01376

(00199)

00616

(00118)

-00006

(00007)

01927

(00242)

-00094

(00109)

00235

(00082)

-01128

(00723)

-03417

(00846)

01136

(00982)

-05676

(01219)

-02373

(00937)

-02369

(00796)

-00001

(00004)

-0181

(00711)

-00771 (0053)

-0095

(00784)

-01014

(00727)

-00004

(00002)

00275

(00863)

-02466

(01199)

-03643

(01039)

-00476

00033

(00007)

00048

(00006)

00057

(00007)

00021

(0001)

00066

(00006)

00065

(00006)

00014

(00009)

00054

(00005)

0007

(00006)

00042

(00006)

00054

(00006)

00011

(00005)

00031

(00006)

00063

(00007)

00047

(00006)

-00006

(00004)

-00024

(00005)

-00009

(00003)

-00018

(00008)

-00005

(00003)

-00001

(00004)

00003

(00007)

-00006

(00002)

-00005

(00002)

-00006

(00002)

-00008

(00004)

00049

(00006)

00012

(00005)

-00006

(00005)

-00012

(00002)

y1




ALTR

BCP

COR

CTT

EDP

EDPR

EGL

GALP

IBS

JMT

NOS

NVG

PHR

RAM

RENE

0332

0532

0371

0395

0512

0716

0448

0715

0551

0631

0542

0395

0593

0523

0510

szlig4











-06494

(01493)

-03272

(02589)

00004

(00004)

-00264

(00041)

00009

(00004)

0317

(00779)

0047

(00098)

00048

(00006)

-00476

(00628)

-00007

(00003)

00059

(00006)

00020

(00007)

00004

(00002)

-00009

(0001)

y1

SEM

SON

0471

0427

szlig4




5 CONCLUSION






T









785ndash818





Germany





NC USA


1461ndash1499





Science London UK

REFERENCES

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull







Cologne Germany



50 (4) 1001ndash1040








December 2019)









46 (4) 3ndash36

REFERENCES



bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES

















(3) 665ndash690









bull

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES



bull

bull

bull

bull






















A










































E

















A











Gestor 235







5000

4500

4000

3500

3000

2500

2000

1500

1000

500

0

045

040

035

030

025

020

015

015

005

000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007


Mon

tant

e (e

uro)

TPE

()







6000

5000

4000

3000

2000

1000

0

045

040

035

030

025

020

015

015

005

0001998 1999 2000 2001 2002 2003 2004 2005 2006 2007




TPE () -Higher Educ

Mon

tant

e (e

uro)

TPE

()



4 METODOLOGIA




[1]

A









5 RESULTADOS





A




Constante 0798 3856 18694 3851 3847

(2649) (1442) (4180) (1441) (1440)

Educ -0563 -0512 -0438 -0489 -0472

(-1328) (-1164) (-1010) (-1036) (-953)

L1000 4440 4175 4173 4173

(4880) (4882) (4885) (4887)

lnTrades -0501 -0401 -0501 -0501

(-3044) (-2710) (-3048) (-3047)

lnAge -0585 -0316 -0585 -0585

(-828) (-466) (-828) (-827)

ConsCredit 0157 0150 0158 0156

(156) (151) (156) (155)

Mortgage -0208 -0175 -0209 -0211

(-368) (-318) (-371) (-373)

SavAccount -0391 -0397 -0391 -0390

(-924) (-949) (-923) (-922)

Male -0109 0118 -0104 -0099

(-232) (247) (-221) (-209)

LisPort 0291 0268 0294 0295

(685) (650) (690) (692)

lnVT -2036

(-4087)

Finlit -0159

(-235)

Math -0175

(-282)

R2 56 68 111 68 68

F-statistic 27320 7369 12709 6635 6637

Obs 91278 91277 91277 91277 91277

[1]


[5][4][3][2]












Constant 1013 1013 1012 1420 1421 1419 2892 3463

(620) (620) (620) (2674) (2677) (2675) (1764) (1660)

Educ -0052 -0040 -0030 -0186 -0188 -0182 -0328 -0476

(-245) (-180) (-130) (-2730) (-2545) (-2339) (-1370) (-1527)

L1000 0780 0778 0777 1653 1654 1653 2750 3729

(1416) (1413) (1413) (7512) (7516) (7520) (6015) (6107)

lnTrades -0049 -0049 -0049 -0184 -0184 -0184 -0302 -0437

(-646) (-645) (-647) (-9823) (-9846) (-9841) (-3287) (-3726)

lnAge -0106 -0107 -0107 -0054 -0054 -0054 -0389 -0495

(-262) (-264) (-264) (-386) (-387) (-386) (-913) (-911)

ConsCredit 0123 0124 0123 0062 0062 0062 0068 0110

(377) (379) (378) (466) (466) (467) (137) (165)

Mortgage -0030 -0030 -0030 -0094 -0095 -0094 -0081 -0173

(-132) (-133) (-136) (-1148) (-1151) (-1146) (-256) (-426)

SavAccount 0011 0011 0011 -0098 -0098 -0098 -0198 -0318

(054) (054) (055) (-1300) (-1296) (-1300) (-754) (-946)

Male -0093 -0091 -0088 -0361 -0362 -0360 -0157 -0139

(-368) (-358) (-346) (-3307) (-3308) (-3290) (-613) (-411)

LisPort -0012 -0010 -0010 0040 0039 0040 0159 0245

(-057) (-049) (-047) (579) (571) (585) (662) (773)

Finlit -0060 0014

(-265) (167)

Math -0074 -0014

(-352) (-177)

R2 57 57 58 NA NA NA 87 94


Obs 12102 12102 12102 91277 91277 91277 89450 91274




[1] [5][4][3][2] [6] [7] [8]





Constante -0187 -1267 -1264 -1262

(-2739) (-2749) (-2743) (-2739)

Educ 0061 0061 0053 0059

(529) (528) (438) (470)

L1000 0605 0669 0668 0668

(4163) (4639) (4637) (4636)

EducL1000 0158 0166 0143 0143

(623) (663) (549) (549)

lnTrades 0074 0074 0074

(2362) (2351) (2360)

lnAge 0234 0235 0234

(1970) (1973) (1969)

ConsCredit -0117 -0118 -0117

(-722) (-726) (-719)

Mortgage -0026 -0026 -0025

(-240) (-232) (-230)


(986) (980) (977)

Male 0110 0106 0105

(1406) (1359) (1338)

LisPort -0023 -0025 -0024

(-304) (-329) (-325)

Finlit 0045

(169)

Finlit L1000 0205

(313)

Math 0004

(020)

MathL1000 0219

(419)

R2 40 55 56 56

F-statistic 12579 5338 4502 4498

Obs 91278 91277 91277 91277

[1] [3][2]


(Huber-White)

mostrados entre

parecircntesis



01 respetivamente


[4]








6 CONCLUSOtildeES




A
















REFEREcircNCIAS

bull

bull

bull

bull

bull

bull

bull






















httpspapersssrncom5


httpspapersssrncom6








A
















































httpspapersssrncom






























O








































N














Coimbra 2017 p 239






















N















de doacutelares 37













disponiacutevel em













A










































































































































C

























67











































































N


















2008 pp 338 e ss79













































































ANA BROCHADO





1 INTRODUCTION





T




2 LITERATURE REVIEW





M














Investorattention














































The US March 2006
















Zhang et al (2013)






Bank et al (2011)








Dzielinski (2012)





Drake et al (2012)












Aouadi et al (2013)

























Japanese stocks





Heiberger (2015)









Weng et al (2018)












heteroskedasticity

3 METHODOLOGY





G













0

20

40

60

80

100

CTT EDP EDPR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

EGL GALP IBS

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

JMT NOS NVG

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

ALTRI BCP COR

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

PHR RAM REN

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18

0

20

40

60

80

100

SEM SON

06 08 10 12 14 16 180

20

40

60

80

100

06 08 10 12 14 16 18
































GSVI_BCP 5866 55 1270 38 100 113 061 015

GSVI_BES 5836 61 1189 27 100 -055 006 010

GSVI_BPI 5100 47 1453 28 100 140 123 020

GSVI_EDP 3431 32 1117 16 100 248 1032 013

GSVI_PT 3082 23 1943 7 100 128 088 017

GSVI_SONAE 5763 57 1217 29 100 052 060 006


MedianMean

4 RESULTS






BCP -443 -629

BES -917 -476

BPI -383 -1147

EDP -862 -893

PTC -693 -1581

SON -773 -1543




stationarity)

and deno-

te 10 5 and 1

significance levels

respectively

PP















-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00227

(00049)

00061

(00013)

00004

(00004)

00067

(00008)

00024

(00030)

02036

(00438)

-00007

(00002)

03414

00062

(00030)

-00036

(00009)

00016

(00005)

00039

(00004)

00096

(00034)

00818

(00374)

00004

(00000)

04740

-00038

(00018)

00000

(00005)

00009

(00003)

000169

(00003)

-00061

(00031)

05548

(00405)

00001

(00001)

03837

-00156

(00047)

00019

(00010)

00019

(00006)

00061

(00008)

00079

(00040)

02058

(00448)

00003

(00001)

02662

-00227

(00056)

00045

(00012)

00018

(00006)

00013

(00001)

-00017

(00039)

00315

(00433)

-00004

(00001)

03148

-00074

(00009)

00006

(00002)

00009

(00002)

00068

(0001)

00006

(00001)

02283

(00188)

00001

(00001)

01978






y1

y2

szlig1

szlig2

szlig3

szlig4

AdjR2














-00200

(00056)

00040

(00012)

00006

(00001)

00014

(00006)

00012

(00001)

-00009

(00040)

00336

(00432)

-00003

(00001)

03159

-00178

(00047)

00050

(00013)

00008

(00001)

00007

(00005)

00054

(00007)

00039

(00029)

01979

(00417)

-00005

(00006)

04035

00070

(00030)

-00035

(00009)

00002

(00002)

00006

(00001)

00038

(00002)

00012

(00005)

00884

(00366)

00004

(00000)

04994

-00032

(00017)

00002

(00001)

00003

(00000)

00008

(00003)

00016

(00004)

-00047

(00031)

05459

(00403)

00000

(00000)

04053

-00021

(00026)

-00005

(00006)

00006

(00001)

00012

(00004)

00058

(00001)

-00041

(00033)

02413

(00464)

-00000

(00001)

02348

-00071

(00017)

00014

(00006)

00008

(00001)

00018

(00006)

00059

(00008)

00102

(00039)

01791

(00435)

00002

(00001)

03170

-00058

(00009)

00005

(00002)

00008

(00000)

00014

(00002)

00067

(00005)

00085

(00016)

02117

(00186)

00008

(00007)

02530






y1

y2

y3

szlig1

szlig2

szlig3

szlig4

AdjR2









QA 5851 7852 2330 2647 27022 1627

SONBPIBESBCP


PTCEDP









F 1433 1244 401 1686 1589 496

SONBPIBESBCP


PTCEDP








-00179

(00058)

00033

(00013)

00007

(00002)

00019

(00006)

00019

(00006)

00014

(00001)

-00020

(00039)

00236

(00429)

-00009

(00002)

03291

-00177

(00050)

00047

(00014)

00007

(00002)

00007

(00005)

00007

(00005)

00076

(00008)

00021

(00029)

01867

(00433)

-00012

(00002)

03627

00064

(00031)

-00036

(00009)

00005

(00002)

00016

(00006)

00016

(00006)

00040

(00002)

00096

(00034)

007926

(003721)

00001

(0000)

04825

00042

(00017)

00000

(00005)

00006

(00001)

00011

(00003)

00011

(00003)

00023

(00004)

-00060

(00030)

05087

(00411)

-00003

(00001)

040834

-00050

(00026)

-00000

(00005)

00007

(00001)

00016

(00004)

00016

(00004)

00069

(00001)

-00055

(00033)

01919

(00463)

-00003

(00001)

02351

-00131

(00046)

00012

(00010)

00006

(00002)

00020

(00005)

00020

(00005)

00068

(00009)

00071

(00039)

01746

(00448)

-00001

(00001)

02901

-00053

00009

00004

00002

00008

00000

00003

(00000)

00015

(00002)

00068

(00009)

00085

(00015)

02054

(00002)

-00002

(00000)

02664






y1

y2

y3

y4

szlig1

szlig2

szlig3

szlig4

AdjR2










-05149

(02562)

-20297

(0416)

01811 (01051)

-09789

(03739)

-07500

(0338)

-10652

(02565)

-1162

(02641)

-31457

(04208)

00218

(00748)

-22028

(03258)

-08624

(01774)

-02562

(01096)

-3377

(04344)

03470

(0141)

-02288

(01118)

-06494

00011

(00005)

00039

(00011)

-00004

(00006)

00060

(00015)

00004

(00005)

00032

(00021)

00929

(00177)

00008

(00006)

00012

(00005)

00097

(00006)

00005

(00007)

00232

(00072)

-00009

(00006)

00001

(00009)

00032

(00018)

00023

(00008)

00024

(0001)

00017

(00007)

00016 (0001)

00018

(00006)

00019

(00003)

-01198

(00505)

00014

(00006)

00008

(00005)

00015

(00006)

00005

(00006)

02163

(00712)

00007

(00012)

-00004

(00011)

00019

(00005)

00009

00397

(00164)

01048

(0023)

-00035

(00078)

00776

(00235)

00408

(00174)

00644

(00143)

00036

(00006)

01893

(00248)

00080

(00059)

01376

(00199)

00616

(00118)

-00006

(00007)

01927

(00242)

-00094

(00109)

00235

(00082)

-01128

(00723)

-03417

(00846)

01136

(00982)

-05676

(01219)

-02373

(00937)

-02369

(00796)

-00001

(00004)

-0181

(00711)

-00771 (0053)

-0095

(00784)

-01014

(00727)

-00004

(00002)

00275

(00863)

-02466

(01199)

-03643

(01039)

-00476

00033

(00007)

00048

(00006)

00057

(00007)

00021

(0001)

00066

(00006)

00065

(00006)

00014

(00009)

00054

(00005)

0007

(00006)

00042

(00006)

00054

(00006)

00011

(00005)

00031

(00006)

00063

(00007)

00047

(00006)

-00006

(00004)

-00024

(00005)

-00009

(00003)

-00018

(00008)

-00005

(00003)

-00001

(00004)

00003

(00007)

-00006

(00002)

-00005

(00002)

-00006

(00002)

-00008

(00004)

00049

(00006)

00012

(00005)

-00006

(00005)

-00012

(00002)

y1




ALTR

BCP

COR

CTT

EDP

EDPR

EGL

GALP

IBS

JMT

NOS

NVG

PHR

RAM

RENE

0332

0532

0371

0395

0512

0716

0448

0715

0551

0631

0542

0395

0593

0523

0510

szlig4











-06494

(01493)

-03272

(02589)

00004

(00004)

-00264

(00041)

00009

(00004)

0317

(00779)

0047

(00098)

00048

(00006)

-00476

(00628)

-00007

(00003)

00059

(00006)

00020

(00007)

00004

(00002)

-00009

(0001)

y1

SEM

SON

0471

0427

szlig4




5 CONCLUSION






T









785ndash818





Germany





NC USA


1461ndash1499





Science London UK

REFERENCES

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull







Cologne Germany



50 (4) 1001ndash1040








December 2019)









46 (4) 3ndash36

REFERENCES



bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES

















(3) 665ndash690









bull

bull

bull

bull

bull

bull

bull

bull

bull

bull

bull



REFERENCES



bull

bull

bull

bull











