Peguei a base de dados da Anbima de fundos de investimento e fiz a seguinte filtragem:

>Fundos de investimento -> fundos ativos -> fundos de renda fixa -> fundos NÃO exclusivos -> fundos de gestores com pelo menos 30 fundos -> fundos com benchmark cadastrado.

Ou seja, fundos ativos de renda fixa abertos ao público de gestores que não sejam a Faraó da Pyramid Asset Management e que tenham benchmark conhecido.

A maioria (>80%) desses fundos usa CDI como benchmark. Sendo assim, escolhi os fundos pautados pelo CDI para ter um bom n.

Usando a API Mais Retorno extraí os retornos anualizados destes fundos durante toda sua existência.

Agreguei os fundos por gestor e plotei cada casa criando um ranking da mediana dos retornos. Veja o gráfico abaixo:

https://preview.redd.it/95v8b3h9ihuh1.png?width=2482&format=png&auto=webp&s=7ed0e1480c5c18f6d22e2c0035565923299c4302

Note que a maioria dos gestores tem a mediana na casa dos ~11% ao ano de retorno anualizado, com metade dos fundos de cada gestor ficando acima e metade abaixo disso (definição de mediana...). O losango laranja é a média (caso alguém se interesse pelo efeito de outliers...).

Em seguida, calculei os retornos de cada um dos 1190 fundos versus os retornos do CDI concomitantes com a vida do fundo e separei os spreads (fundo - CDI).

Agreguei os spreads por gestor e mais uma vez rankeei por mediana. Ranking abaixo:

https://preview.redd.it/x40zm75bihuh1.png?width=3200&format=png&auto=webp&s=0da5bc62154acdf6c525383aa349d77306c76b9f

Note que apenas 9 dos 24 gestores tem a mediana acima do CDI. Ou seja, mais da metade dos gestores tem metade (ou mais) dos seus fundos abaixo do próprio benchmark (antes dos impostos!).

(Caso você esteja se perguntando por que tem gestor com menos de 30 fundos no gráfico é porque tive que remover fundos com menos de 1 ano de vida, com registros corrompidos ou que o benchmark não era o CDI.)

Enfim, era isso... Apenas uma breve análise exploratória brincando com bases de dados amplamente disponíveis.

Pode haver vantagens de se usar fundos sendo, ao meu ver, o a principal delas a liquidez: muitas vezes o fundo de investimento é D+0, D+1 enquanto os títulos nos quais ele investe (o que o investidor teria que comprar caso investisse no ativo direto) não tem tamanha liquidez...

O que acham sobre usar fundos de renda fixa como ferramenta de alocação e gestão de carteiras??

Bom final de semana aos senhores, senhoras e senhoritas!

Fontes: Anbima, Mais Retorno

Estatística: RStudio 2026.09.0+174 "Autumn Hawkbit"

Em momentos de euforia, para o investidor, é sempre bom parar pra pensar.

A alta do Ibov e a queda do USD na segunda-feira pós-1º turno foram espetaculares, quase apoteóticos. Isso já aconteceu antes?

Um breve contexto...

O Ibov, SP500 e EWW (ETF de México, país em desenvolvimento parecido com o Brasilzão) tem uma correlação positiva significativa (faz sentido, são 3 bolsas de valores no planeta Terra).

Abaixo gráficos ilustrando a afirmação acima. São scatter plots da volatilidade e dos retornos do Ibov versus SP500 e EWW.

https://preview.redd.it/bf0lez3rgyth1.png?width=2560&format=png&auto=webp&s=737f275fa1960a7b13e2a1b614bb93088b47fa07

https://preview.redd.it/2opmpz3rgyth1.png?width=2560&format=png&auto=webp&s=3d50592370f0d36d66d0b593c9a1087896d3443c

https://preview.redd.it/32e4ty3rgyth1.png?width=2560&format=png&auto=webp&s=9a3e8478de38dbddd762d875b585e2198d102027

https://preview.redd.it/ovntt14rgyth1.png?width=2560&format=png&auto=webp&s=9bd498e807ead1e7a1fae8d8a2d5a72ba8d2b6f7

Pois bem, decidi ver se em tempos de eleição o Brasil "descola" destes dois parceiros, sendo que um deles é um país parecido.

Defini período eleitoral como 15 pregões antes do 1º turno até 15 pregões depois do 2º tunro (ou único turno), o "antes" do período eleitoral são 60 pregões antes do primeiro dos 15 antes do 1º turno. Daí juntei os 3 índices em base 100 e fiz as séries temporais:

https://preview.redd.it/kirb1bntgyth1.png?width=2560&format=png&auto=webp&s=4630b649b086519fec3b669659932ee19402aa5a

Note o Ibov descolando do SP500 e EWW em 2018

De modo geral, nossa bolsa segue a maré do mundo, sobe e desce com os outros barcos. No entanto, em 2018 não foi assim. Por que?

Outubro foi "red October" em 2018, um mês ruim para o equities globais como podemos ver aqui e aqui. O México ainda teve agravantes locais. E por que o Brasil subiu?

Por causa das expectativas.

O Ibope de 1/10 mostrou Bolsonaro subindo de 27% para 31% e Haddad parado em 21%, com empate de 42% a 42% no 2º turno e o Datafolha de 2/10 deu 32% a 21% e 44% a 42%. Em 2/10 o Ibovespa subiu 3,8% e o dólar caiu 2%, puxados pelo "kit Bolsonaro" (Petrobras, BB, Eletrobras)...a leitura da época foi que o mercado desfazia a precificação de um governo do PT.

Em 3/10, mais 2,0% na bolsa e -1,3% no dólar, com a explicação de que investidores viam o PT como mais intervencionista e temiam o aprofundamento da crise fiscal.

Depois do 1º turno com Bolsonaro na frente o Ibov fechou em alta de 4,6% a 86.080 pontos (Money Times) e o dólar caiu 2,35% a 3,77 (Forbes).

Foi dinheiro local. Os estrangeiros retiraram 7 bilhões da B3 em outubro até o dia 29, inclusive 1 bi no pregão seguinte ao 2º turno, enquanto institucionais locais compraram (Money Times). Isso explica como o Brasil subiu enquanto o capital estrangeiro fugia de emergentes.

E como esse trade se concretizou? Segue retrato do governo Bolsonaro:

Dólar subiu 35% e Ibov perdeu pro CDI.

Teve pandemia? Teve. O ponto não é atribuir "culpa" ao presidente, mas mostrar que a realidade não tem compromisso com as expectativas e que nada garante que 2027-2030 não vai ter o um evento de cauda pra chamar de seu.

Tenhamos calma. Menos empolgação. O Brasil ainda é um emergente, alocação tática de gringo. CDI aínda é 13,65%. Petróleo segue acima de 100 USD. A dívida pública não vai sumir. Menos alocação tática e mais disciplina arroz com feijão ao alocar.

Fontes dos dados: Mais Retorno (via API)

Estatísticas/gráficos: R Studio

Em momentos de euforia, para o investidor, é sempre bom parar pra pensar.

A alta do Ibov e a queda do USD na segunda-feira pós-1º turno foram espetaculares, quase apoteóticos. Isso já aconteceu antes?

Um breve contexto...

O Ibov, SP500 e EWW (ETF de México, país em desenvolvimento parecido com o Brasilzão) tem uma correlação positiva significativa (faz sentido, são 3 bolsas de valores no planeta Terra).

Abaixo gráficos ilustrando a afirmação acima. São scatter plots da volatilidade e dos retornos do Ibov versus SP500 e EWW.

https://preview.redd.it/8odcc26n8yth1.png?width=2560&format=png&auto=webp&s=26e6d562aa26d02898432392d732acc8cdd22a43

https://preview.redd.it/b3jbjjoo8yth1.png?width=2560&format=png&auto=webp&s=04a617ebb2846862390e85e74aedb8ce7ede0c30

https://preview.redd.it/73m64hmp8yth1.png?width=2560&format=png&auto=webp&s=9c9c97398e50025ff3351e8b9746ee2e8fc32bb5

https://preview.redd.it/yo345uzr8yth1.png?width=2560&format=png&auto=webp&s=4c3982d9c0d879dcc2149ed1ba8babc0e54a27ee

Pois bem, decidi ver se em tempos de eleição o Brasil "descola" destes dois parceiros, sendo que um deles é um país parecido.

Defini período eleitoral como 15 pregões antes do 1º turno até 15 pregões depois do 2º tunro (ou único turno), o "antes" do período eleitoral são 60 pregões antes do primeiro dos 15 antes do 1º turno. Daí juntei os 3 índices em base 100 e fiz as séries temporais:

Note o Ibov descolando do SP500 e EWW em 2018

De modo geral, nossa bolsa segue a maré do mundo, sobe e desce com os outros barcos. No entanto, em 2018 não foi assim. Por que?

Outubro foi "red October" em 2018, um mês ruim para o equities globais como podemos ver aqui e aqui. O México ainda teve agravantes locais. E por que o Brasil subiu?

Por causa das expectativas.

O Ibope de 1/10 mostrou Bolsonaro subindo de 27% para 31% e Haddad parado em 21%, com empate de 42% a 42% no 2º turno e o Datafolha de 2/10 deu 32% a 21% e 44% a 42%. Em 2/10 o Ibovespa subiu 3,8% e o dólar caiu 2%, puxados pelo "kit Bolsonaro" (Petrobras, BB, Eletrobras)...a leitura da época foi que o mercado desfazia a precificação de um governo do PT.

Em 3/10, mais 2,0% na bolsa e -1,3% no dólar, com a explicação de que investidores viam o PT como mais intervencionista e temiam o aprofundamento da crise fiscal.

Depois do 1º turno com Bolsonaro na frente o Ibov fechou em alta de 4,6% a 86.080 pontos (Money Times) e o dólar caiu 2,35% a 3,77 (Forbes).

Foi dinheiro local. Os estrangeiros retiraram 7 bilhões da B3 em outubro até o dia 29, inclusive 1 bi no pregão seguinte ao 2º turno, enquanto institucionais locais compraram (Money Times). Isso explica como o Brasil subiu enquanto o capital estrangeiro fugia de emergentes.

E como esse trade se concretizou? Segue retrato do governo Bolsonaro:

https://preview.redd.it/6xrdpj7gdyth1.png?width=1606&format=png&auto=webp&s=3202bae1c22347d92a8cf1ba8d6b1010f505b073

Dólar subiu 35% e Ibov perdeu pro CDI.

Teve pandemia? Teve. O ponto não é atribuir "culpa" ao presidente, mas mostrar que a realidade não tem compromisso com as expectativas e que nada garante que 2027-2030 não vai ter o um evento de cauda pra chamar de seu.

Tenhamos calma. Menos empolgação. O Brasil ainda é um emergente, alocação tática de gringo. CDI aínda é 13,65%. Petróleo segue acima de 100 USD. A dívida pública não vai sumir. Menos alocação tática e mais disciplina arroz com feijão ao alocar.

Fontes dos dados: Mais Retorno (via API)

Estatísticas/gráficos: R Studio

"No mercado brasileiro, os papéis mais longos perderam atratividade por causa dos juros de curto prazo elevados e também da competição dos títulos isentos."

"O mercado ficou tão ruim que até o Tesouro não vem emitindo – e acaba não havendo demanda. Saíram todos aqueles fundos que eu já mencionei.

O benefício dessa isenção não está compensando ante o dano que ela está causando no mercado.

Não temos ainda uma medida específica, mas, passando o pleito eleitoral, há alguns caminhos possíveis para lidar com essa questão. Precisa haver uma conversa madura sobre como fazer essa transição sem que haja um impacto ruim.

Talvez nem todos falem abertamente, mas há praticamente um consenso de que isto não está bom e precisa mudar."

O fundo está derretendo mais que o IFIX, mas não tem nenhuma mudança de fundamento que justifique. Essa deterioração tem uns ~ 3 meses....

Veja que a querda é quase 2x pior que a do IFIX

https://preview.redd.it/aj8uibuduzjh1.png?width=1735&format=png&auto=webp&s=d911af6a3593bfc6208dfca90ca6d438baf34653

Notícias dos últimos 3 meses citando PCIP11 - nada cataclísmico

https://preview.redd.it/v6bam4vguzjh1.png?width=890&format=png&auto=webp&s=c100d44ad5c2847b90540243cc21023ac975f637

O fundo está derretendo mais que o IFIX, mas não tem nenhuma mudança de fundamento que justifique. Essa deterioração tem uns ~ 3 meses....

Veja que a querda é quase 2x pior que a do IFIX

Notícias dos últimos 3 meses citando PCIP11 - nada cataclísmico

Matéria do Financial Times de hoje mostra que através da criação de novas PJs para contrair as dívidas, as hyperscalers conseguem contrair dívida sem precisar lançar nos indicadores do balanço.

A apuração é do Goldman Sachs.

Trecho do Goldman

Existe um mantra que o investidor repete pra si mesmo com frequência: quem deixa o dinheiro em ações por tempo suficiente termina, com probabilidade altíssima, à frente de quem deixa no ativo livre de risco e com um belo lucro.

Essa lógica vale no Brasil?

Rodei as seguintes disputas: Ibovespa vs CDI (Brasil), S&P 500 Total Return (mesma lógica do IBOV pra ser comparável) vs T-Bill de 3 meses (EUA), e cada um dos quatro contra a inflação do seu país. Tudo em horizontes de 5, 10, 20 e 30 anos, com retornos mensais de agosto/1994 a junho/2026 (383 meses).

Por que começa em agosto/1994? O Plano Real é de julho/1994; antes dele a hiperinflação torna qualquer comparação sem sentido prático.

S&P 500 Total Return (o S&P 500 "normal" não conta dividendos); a versão Total Return reinveste e usá-la é obrigatório para a comparação ser justa com o Ibov. T-Bill 3 meses: o "caixa" americano; a série do FRED vem como taxa anualizada e foi convertida ao mês por (1+taxa)^(1/12)-1. IPCA e CPI-U: inflações oficiais.

    serie  media_m     dp_m autocor_1 cagr_nom cagr_real
     ibov 0.013052 0.080426  0.043854  0.12334  0.051059
      cdi 0.012086 0.007432  0.949252  0.15471  0.080402
     ipca 0.005570 0.004911  0.705718  0.06877        NA
 sp500_tr 0.009836 0.043479  0.003344  0.11196  0.084063
 tbill_us 0.001998 0.001715  0.994527  0.02422 -0.001482
   cpi_us 0.002126 0.003541  0.497931  0.02574        NA

No Brasil, no longo prazo, tudo bate o IPCA, o CDI bateu em 100% das janelas. Nos EUA, o caixa perdeu da inflação em todas as janelas de 30 anos (TBill real de -0,15%a.a. no período). Essa é a raiz da diferença: o americano precisa correr risco para não derreter; o brasileiro historicamente foi pago para não correr.

Régua da comparação: o "excesso" mensal

Para cada disputa, o estudo cria uma única série mensal: quanto o primeiro rendeu a mais que o segundo naquele mês, medido em log. Por quê? Retornos compostos se multiplicam (o acumulado de dois meses é (1+r₁)×(1+r₂)) e logtransforma multiplicação em soma. Daí uma propriedade que simplifica tudo: somar os excessos-log de uma janela dá exatamente o resultado da disputa acumulada. Se a soma em 120 meses é positiva, 1 BRL em ações virou mais do que 1 BRL no caixa naqueles 10 anos, juros compostos incluídos.

Um ponto que costuma confundir: nominal ou descontado da inflação dá no mesmo aqui. Deflacionar os dois lados pelo mesmo índice de preços faz a inflação cancelar na comparação. Por isso IPCA/CPI só entram nas disputas "ações vs inflação" e "caixa vs inflação".

Cenário A: o que de fato aconteceu (janelas sobrepostas)

Uma régua de 10 anos deslizando mês a mês sobre a série: ago/94-jl/04, set/94-ago/04, e assim por diante... 264 janelas de 10 anos. A fração em que as ações ganharam é a "frequência histórica" ("X" da figura 2).

A probabilidade de as ações acumularem mais que o caixa cai com o horizonte no Brasil: 41% em 5 anos, 36% em 10, 31% em 20, 28% em 30. Nos EUA, sobe: 86%,93%,98%, 99,4%. No histórico puro: das 24 janelas de 30 anos, o Ibov perdeu do CDI em todas; o S&P bateu o T Bill em todas (e em 100% das 144 janelas de 20 anos também).

A frequência histórica responde "o que aconteceu", não "o que esperar".

Figura 1 - histórica, sem simulação

Cenário B: o que poderia acontecer (bootstrap estacionário de Politis–Romano)

O bootstrap fabrica histórias sintéticas reembaralhando a real. Só que meses ruins vêm agrupados (2008, 2020) e o CDI muda devagar (a ordem tem informação). Por isso, usamos trechos no sorteio.

Sorteia-se um mês inicial qualquer; copia-se a história real dali em diante por um número aleatório de meses; pula-se para outro ponto sorteado e repete-se, emendando trechos até completar o horizonte (60, 120, 240 ou 360 meses).

O comprimento de cada trecho segue uma distribuição geométrica com média de 12 meses (Politis-Romano); a série é tratada como um anel (quem passa de jun/2026 continua em ago/1994, para todo mês ter a mesma chance de aparecer); e são gerados 10.000 caminhos por horizonte. A probabilidade estimada é a fração dos 10.000 em que a soma dos excessos deu positiva.

"Se o futuro for estatisticamente parecido com um reembaralhamento de 1994-2026, qual a chance de as ações acumularem mais que o caixa em h anos?"

Figura 2 - simulação justaposta a pontos históricos

Figura 3 - note que cada tipo de linha é uma duração de bloco e as cores são os países

Detalhe importante: calendário comum (Brasil e EUA): na comparação entre países, os mesmos sorteios valem para as duas séries: se o caminho simulado contém set/2008, contém set/2008 para os dois países ao mesmo tempo. Isso (1) preserva a dependência global (ex: 2008 e 2020 atingem os dois lados juntos) como na vida real; e (2) torna a diferença Brasil-EUA pareada: o ruído comum cancela.

Para sensibilidade, tudo é refeito com 6, 24 e 36 meses. As probabilidades mudam pouco e a ordenação Brasil × EUA não se altera. Além disso, tudo é refeito só com o pós-julho/1999 (câmbio flutuante + metas de inflação, o regime atual) e só com o pós-2003, para checar se o resultado é refém dos anos 90.

   subamostra n_meses horizonte_anos   p_BR  p_EUA
     completa     383              5 0.4157 0.8585
     completa     383             10 0.3647 0.9316
     completa     383             20 0.3106 0.9781
     completa     383             30 0.2678 0.9932
 pos_jul_1999     324              5 0.4473 0.8002
 pos_jul_1999     324             10 0.4128 0.8767
 pos_jul_1999     324             20 0.3768 0.9487
 pos_jul_1999     324             30 0.3529 0.9741
     pos_2003     282              5 0.5317 0.9055
     pos_2003     282             10 0.5432 0.9661
     pos_2003     282             20 0.5658 0.9950
     pos_2003     282             30 0.5836 0.9988

Mesmo recortando a amostra do jeito mais generoso com o Ibov (só pós-2003, sem câmbio âncora, sem 1998, sem 2002), a chance (p_) de as ações baterem o CDI em 30 anos fica em ~58% (cara-ou-coroa). Nos EUA, qualquer recorte dá 97-99,9%. Não é "ações às vezes ganham", é "o tempo torna a vitória quase certa" e isso NÃO vale no Brasil em nenhum recorte.

Riqueza terminal relativa

Além de "quem ganha", importa "por quanto". Em cada caminho calcula-se W_ações/W_caixa: quanto restou em ações para cada 1 BRL que o caixa teria virado. Reportam-se mediana, percentis 5/25/75/95, a probabilidade de terminar abaixo de 1 e, quando se perde, o tamanho médio do prejuízo. Isso mostra a assimetria que a probabilidade sozinha esconde: perder do CDI em 30 anos pode significar terminar com uma fração pequena do que o caixa daria.

Figura 4 - note que a mediana da riqueza terminal das ações sobre o caixa (CDI) é negativa e cada vez mais negativa com o tempo no Brasil

RIQUEZA TERMINAL RELATIVA 
 comparacao horizonte_anos      p5    p25 mediana    p75    p95
   BR_eq_rf              5 0.34366 0.6059  0.8823  1.280  2.148
   BR_eq_rf             10 0.20751 0.4492  0.7712  1.293  2.701
   BR_eq_rf             20 0.09493 0.2770  0.5819  1.207  3.422
   BR_eq_rf             30 0.04808 0.1839  0.4547  1.105  4.019
  EUA_eq_rf              5 0.77053 1.2052  1.5970  1.972  2.515
  EUA_eq_rf             10 0.90262 1.6306  2.3575  3.297  4.924
  EUA_eq_rf             20 1.44495 3.2079  5.4176  8.708 15.864
  EUA_eq_rf             30 2.47152 6.6206 12.4272 21.973 48.916
 prob_perder razao_media_se_perde
      0.5899               0.6454
      0.6358               0.5410
      0.6938               0.4213
      0.7245               0.3521
      0.1439               0.8037
      0.0683               0.7689
      0.0203               0.7594
      0.0060               0.7535

Quão FODA você tem que ser pra reverter isso na sua sua carteira?

Na janela mediana de 30 anos, o CDI acumulou 1,61× o Ibov. É por esse fator que o stock picker precisa multiplicar o resultado do índice só para empatar. No bootstrap, a mediana do alfa exigido fica em ~+2,5 a +2,8 pp/ano em todos os horizontes, e metade dos futuros reembaralhados exige mais de +3 pp/ano perpétuos. 

+1,6 a +2,8 pp/ano parece pouco... Alfa persistente dessa magnitude por décadas é fora da curva: Fama e French mostram que a distribuição de alfa verdadeiro líquido de fundos de ações é centrada em ~ZERO e mesmo o percentil de elite entrega +2 a +3 pp brutos. O SPIVA Brasil mostra ~80–90% dos fundos de ações ativos perdendo do índice em 10 anos,ou seja, a maioria dos profissionais tem alfa negativo, e o exigido aqui é positivo em 100% das janelas de 30 anos.

Buffett rendeu ~+9 pp/ano sobre o S&P por seis décadas (19,8% vs 10,2% a.a., 1965-2023). Em um quarto das janelas de 5 anos brasileiras, ser o Buffett não bastava para empatar com a renda fixa. A pior janela de 5 anos exigiu +30 pp/ano.

Figura 5 - quanto mais que o Ibov pra empatar o CDI

Figura 6 - para acompanhar o CDI o investidor de bolsa brasileiro precisa performar entre os gestores ativos de elite e Warren Buffet

Figura 7 - minha preferida: para cada nível de habilidade X, a chance de X não bastar. As quatro curvas cruzam os 50% em ~+2,6 pp/ano (ser \"elite\" tem a mesma chance que jogar a moedinha pro alto), e mesmo na altura do Buffett ainda restam 9% dos futuros de 30 anos (e 29% dos de 5 anos) em que ele perderia do CDI.

Isso é o alfa para EMPATAR, não para ganhar. Empatar com o CDI significa ter corrido volatilidade de ~28% a.a. (a do Ibov) por prêmio zero. Para ser compensado pelo risco digamos, CDI+3 a 5 pp, o prêmio que ações pagam em mercados normais some mais 3-5: o stock picker racional precisava de +5 a +8 pp/ano sobre o índice, consistentes por décadas.

E líquido de custos: via fundo, ~2% de administração (+20% de performance) comem o alfa antes de chegar em você; por conta própria, corretagem, spread e o seu tempo.

Conclusão:

Os EUA são diferentes do Brasil e não é porque a B3 é um lixo: o Ibov rendeu ~5% a.a. acima da inflação, bem OK, spread de bolsa desenvolvida... O que não existe em nenhum outro lugar é um ativo sem risco pagando ~8% a.a. reais por trinta anos. O americano que fica no caixa derrete (o T-Bill perdeu da inflação em 100% das janelas de 30 anos); o brasileiro foi muito bem pago para não correr risco.

A forma como Jeremy Siegel, Burton Malkiel, John Bogle, Eric Tyson e outros autores que divulgam finanças para o público geral enxergam renda variável é baseada na NYSE e NASDAQ. A lógica não é transplantável para o Brasil, infelizmente.

Limitações/observações:

(1) tudo sem custos e impostos. No Brasil o IR até ajudaria as ações (isenção de vendas até 20k/mês, sem come-cotas) contra o CDI tributado, então a conclusão não muda por isso;

(2) o estudo compara índices;

(3) cada país na sua própria moeda, que é o frame certo (investidor local vs o caixa dele).

(4) CPI-U: inflações oficiais; como o BLS não publicou o CPI de outubro/2025 (shutdown), a variação set-nov foi repartida igualmente entre os dois meses (a "ponte" geométrica foi o mesmo juro composto em cada um, -0,104%). Afeta 2 dos 383 meses...

Fontes dos dados:

API Mais Retorno (Ibov, CDI, IPCA, SP500 TR)

https://fred.stlouisfed.org/series/TB3MS

https://fred.stlouisfed.org/data/tb3ms

https://fred.stlouisfed.org/series/CPIAUCNS

https://fred.stlouisfed.org/data/CPIAUCNS

Ferramente estatística: RStudio 2026.06.0+242 "Blue Plumbago"

Existe um mantra que o investidor repete pra si mesmo com frequência: quem deixa o dinheiro em ações por tempo suficiente termina, com probabilidade altíssima, à frente de quem deixa no ativo livre de risco e com um belo lucro.

Essa lógica vale no Brasil?

Rodei as seguintes disputas: Ibovespa vs CDI (Brasil), S&P 500 Total Return (mesma lógica do IBOV pra ser comparável) vs T-Bill de 3 meses (EUA), e cada um dos quatro contra a inflação do seu país. Tudo em horizontes de 5, 10, 20 e 30 anos, com retornos mensais de agosto/1994 a junho/2026 (383 meses).

Por que começa em agosto/1994? O Plano Real é de julho/1994; antes dele a hiperinflação torna qualquer comparação sem sentido prático.

S&P 500 Total Return (o S&P 500 "normal" não conta dividendos); a versão Total Return reinveste e usá-la é obrigatório para a comparação ser justa com o Ibov. T-Bill 3 meses: o "caixa" americano; a série do FRED vem como taxa anualizada e foi convertida ao mês por (1+taxa)^(1/12)-1. IPCA e CPI-U: inflações oficiais.

    serie  media_m     dp_m autocor_1 cagr_nom cagr_real
     ibov 0.013052 0.080426  0.043854  0.12334  0.051059
      cdi 0.012086 0.007432  0.949252  0.15471  0.080402
     ipca 0.005570 0.004911  0.705718  0.06877        NA
 sp500_tr 0.009836 0.043479  0.003344  0.11196  0.084063
 tbill_us 0.001998 0.001715  0.994527  0.02422 -0.001482
   cpi_us 0.002126 0.003541  0.497931  0.02574        NA

No Brasil, no longo prazo, tudo bate o IPCA, o CDI bateu em 100% das janelas. Nos EUA, o caixa perdeu da inflação em todas as janelas de 30 anos (TBill real de -0,15%a.a. no período). Essa é a raiz da diferença: o americano precisa correr risco para não derreter; o brasileiro historicamente foi pago para não correr.

Régua da comparação: o "excesso" mensal

Para cada disputa, o estudo cria uma única série mensal: quanto o primeiro rendeu a mais que o segundo naquele mês, medido em log. Por quê? Retornos compostos se multiplicam (o acumulado de dois meses é (1+r₁)×(1+r₂)) e logtransforma multiplicação em soma. Daí uma propriedade que simplifica tudo: somar os excessos-log de uma janela dá exatamente o resultado da disputa acumulada. Se a soma em 120 meses é positiva, 1 BRL em ações virou mais do que 1 BRL no caixa naqueles 10 anos, juros compostos incluídos.

Um ponto que costuma confundir: nominal ou descontado da inflação dá no mesmo aqui. Deflacionar os dois lados pelo mesmo índice de preços faz a inflação cancelar na comparação. Por isso IPCA/CPI só entram nas disputas "ações vs inflação" e "caixa vs inflação".

Cenário A: o que de fato aconteceu (janelas sobrepostas)

Uma régua de 10 anos deslizando mês a mês sobre a série: ago/94-jl/04, set/94-ago/04, e assim por diante... 264 janelas de 10 anos. A fração em que as ações ganharam é a "frequência histórica" ("X" da figura 2).

A probabilidade de as ações acumularem mais que o caixa cai com o horizonte no Brasil: 41% em 5 anos, 36% em 10, 31% em 20, 28% em 30. Nos EUA, sobe: 86%,93%,98%, 99,4%. No histórico puro: das 24 janelas de 30 anos, o Ibov perdeu do CDI em todas; o S&P bateu o T Bill em todas (e em 100% das 144 janelas de 20 anos também).

A frequência histórica responde "o que aconteceu", não "o que esperar".

Figura 1 - histórica, sem simulação

Cenário B: o que poderia acontecer (bootstrap estacionário de Politis–Romano)

O bootstrap fabrica histórias sintéticas reembaralhando a real. Só que meses ruins vêm agrupados (2008, 2020) e o CDI muda devagar (a ordem tem informação). Por isso, usamos trechos no sorteio.

Sorteia-se um mês inicial qualquer; copia-se a história real dali em diante por um número aleatório de meses; pula-se para outro ponto sorteado e repete-se, emendando trechos até completar o horizonte (60, 120, 240 ou 360 meses).

O comprimento de cada trecho segue uma distribuição geométrica com média de 12 meses (Politis-Romano); a série é tratada como um anel (quem passa de jun/2026 continua em ago/1994, para todo mês ter a mesma chance de aparecer); e são gerados 10.000 caminhos por horizonte. A probabilidade estimada é a fração dos 10.000 em que a soma dos excessos deu positiva.

"Se o futuro for estatisticamente parecido com um reembaralhamento de 1994-2026, qual a chance de as ações acumularem mais que o caixa em h anos?"

Figura 2 - simulação justaposta a pontos históricos

Figura 3 - note que cada tipo de linha é uma duração de bloco e as cores são os países

Detalhe importante: calendário comum (Brasil e EUA): na comparação entre países, os mesmos sorteios valem para as duas séries: se o caminho simulado contém set/2008, contém set/2008 para os dois países ao mesmo tempo. Isso (1) preserva a dependência global (ex: 2008 e 2020 atingem os dois lados juntos) como na vida real; e (2) torna a diferença Brasil-EUA pareada: o ruído comum cancela.

Para sensibilidade, tudo é refeito com 6, 24 e 36 meses. As probabilidades mudam pouco e a ordenação Brasil × EUA não se altera. Além disso, tudo é refeito só com o pós-julho/1999 (câmbio flutuante + metas de inflação, o regime atual) e só com o pós-2003, para checar se o resultado é refém dos anos 90.

   subamostra n_meses horizonte_anos   p_BR  p_EUA
     completa     383              5 0.4157 0.8585
     completa     383             10 0.3647 0.9316
     completa     383             20 0.3106 0.9781
     completa     383             30 0.2678 0.9932
 pos_jul_1999     324              5 0.4473 0.8002
 pos_jul_1999     324             10 0.4128 0.8767
 pos_jul_1999     324             20 0.3768 0.9487
 pos_jul_1999     324             30 0.3529 0.9741
     pos_2003     282              5 0.5317 0.9055
     pos_2003     282             10 0.5432 0.9661
     pos_2003     282             20 0.5658 0.9950
     pos_2003     282             30 0.5836 0.9988

Mesmo recortando a amostra do jeito mais generoso com o Ibov (só pós-2003, sem câmbio âncora, sem 1998, sem 2002), a chance (p_) de as ações baterem o CDI em 30 anos fica em ~58% (cara-ou-coroa). Nos EUA, qualquer recorte dá 97-99,9%. Não é "ações às vezes ganham", é "o tempo torna a vitória quase certa" e isso NÃO vale no Brasil em nenhum recorte.

Riqueza terminal relativa

Além de "quem ganha", importa "por quanto". Em cada caminho calcula-se W_ações/W_caixa: quanto restou em ações para cada 1 BRL que o caixa teria virado. Reportam-se mediana, percentis 5/25/75/95, a probabilidade de terminar abaixo de 1 e, quando se perde, o tamanho médio do prejuízo. Isso mostra a assimetria que a probabilidade sozinha esconde: perder do CDI em 30 anos pode significar terminar com uma fração pequena do que o caixa daria.

Figura 4 - note que a mediana da riqueza terminal das ações sobre o caixa (CDI) é negativa e cada vez mais negativa com o tempo no Brasil

RIQUEZA TERMINAL RELATIVA 
 comparacao horizonte_anos      p5    p25 mediana    p75    p95
   BR_eq_rf              5 0.34366 0.6059  0.8823  1.280  2.148
   BR_eq_rf             10 0.20751 0.4492  0.7712  1.293  2.701
   BR_eq_rf             20 0.09493 0.2770  0.5819  1.207  3.422
   BR_eq_rf             30 0.04808 0.1839  0.4547  1.105  4.019
  EUA_eq_rf              5 0.77053 1.2052  1.5970  1.972  2.515
  EUA_eq_rf             10 0.90262 1.6306  2.3575  3.297  4.924
  EUA_eq_rf             20 1.44495 3.2079  5.4176  8.708 15.864
  EUA_eq_rf             30 2.47152 6.6206 12.4272 21.973 48.916
 prob_perder razao_media_se_perde
      0.5899               0.6454
      0.6358               0.5410
      0.6938               0.4213
      0.7245               0.3521
      0.1439               0.8037
      0.0683               0.7689
      0.0203               0.7594
      0.0060               0.7535

Quão FODA você tem que ser pra reverter isso na sua sua carteira?

Na janela mediana de 30 anos, o CDI acumulou 1,61× o Ibov. É por esse fator que o stock picker precisa multiplicar o resultado do índice só para empatar. No bootstrap, a mediana do alfa exigido fica em ~+2,5 a +2,8 pp/ano em todos os horizontes, e metade dos futuros reembaralhados exige mais de +3 pp/ano perpétuos. 

+1,6 a +2,8 pp/ano parece pouco... Alfa persistente dessa magnitude por décadas é fora da curva: Fama e French mostram que a distribuição de alfa verdadeiro líquido de fundos de ações é centrada em ~ZERO e mesmo o percentil de elite entrega +2 a +3 pp brutos. O SPIVA Brasil mostra ~80–90% dos fundos de ações ativos perdendo do índice em 10 anos,ou seja, a maioria dos profissionais tem alfa negativo, e o exigido aqui é positivo em 100% das janelas de 30 anos.

Buffett rendeu ~+9 pp/ano sobre o S&P por seis décadas (19,8% vs 10,2% a.a., 1965-2023). Em um quarto das janelas de 5 anos brasileiras, ser o Buffett não bastava para empatar com a renda fixa. A pior janela de 5 anos exigiu +30 pp/ano.

Figura 5 - quanto mais que o Ibov pra empatar o CDI

Figura 6 - para acompanhar o CDI o investidor de bolsa brasileiro precisa performar entre os gestores ativos de elite e Warren Buffet

Figura 7 - minha preferida: para cada nível de habilidade X, a chance de X não bastar. As quatro curvas cruzam os 50% em ~+2,6 pp/ano (ser \"elite\" tem a mesma chance que jogar a moedinha pro alto), e mesmo na altura do Buffett ainda restam 9% dos futuros de 30 anos (e 29% dos de 5 anos) em que ele perderia do CDI.

Isso é o alfa para EMPATAR, não para ganhar. Empatar com o CDI significa ter corrido volatilidade de ~28% a.a. (a do Ibov) por prêmio zero. Para ser compensado pelo risco digamos, CDI+3 a 5 pp, o prêmio que ações pagam em mercados normais some mais 3-5: o stock picker racional precisava de +5 a +8 pp/ano sobre o índice, consistentes por décadas.

E líquido de custos: via fundo, ~2% de administração (+20% de performance) comem o alfa antes de chegar em você; por conta própria, corretagem, spread e o seu tempo.

Conclusão:

Os EUA são diferentes do Brasil e não é porque a B3 é um lixo: o Ibov rendeu ~5% a.a. acima da inflação, bem OK, spread de bolsa desenvolvida... O que não existe em nenhum outro lugar é um ativo sem risco pagando ~8% a.a. reais por trinta anos. O americano que fica no caixa derrete (o T-Bill perdeu da inflação em 100% das janelas de 30 anos); o brasileiro foi muito bem pago para não correr risco.

A forma como Jeremy Siegel, Burton Malkiel, John Bogle, Eric Tyson e outros autores que divulgam finanças para o público geral enxergam renda variável é baseada na NYSE e NASDAQ. A lógica não é transplantável para o Brasil, infelizmente.

Limitações/observações:

(1) tudo sem custos e impostos. No Brasil o IR até ajudaria as ações (isenção de vendas até 20k/mês, sem come-cotas) contra o CDI tributado, então a conclusão não muda por isso;

(2) o estudo compara índices;

(3) cada país na sua própria moeda, que é o frame certo (investidor local vs o caixa dele).

(4) CPI-U: inflações oficiais; como o BLS não publicou o CPI de outubro/2025 (shutdown), a variação set-nov foi repartida igualmente entre os dois meses (a "ponte" geométrica foi o mesmo juro composto em cada um, -0,104%). Afeta 2 dos 383 meses...

Fontes dos dados:

API Mais Retorno (Ibov, CDI, IPCA, SP500 TR)

https://fred.stlouisfed.org/series/TB3MS

https://fred.stlouisfed.org/data/tb3ms

https://fred.stlouisfed.org/series/CPIAUCNS

https://fred.stlouisfed.org/data/CPIAUCNS

Ferramente estatística: RStudio 2026.06.0+242 "Blue Plumbago"

On Polymarket, each binary market has a “Yes” contract that pays 1 USD if the event occurs and zero if it does not. If that contract is traded at 0.70, the market is implicitly saying: “this has a ~70% chance”.

Does this price really behave as a probability?

Real predictive power requires three components:

1. Discrimination: do higher prices correspond to outcomes that occur more often?

2. Calibration: is the number correct? Among all contracts at ~70 cents, do about 70% come true?

3. Skill: does the market beat a “guess”?

The three things can fail separately, which is why each receives its own metric.

With 13.4 million price points and dozens of possible cuts, there will always exist some cut with a “significant” result by pure chance. The defence is to decide everything before looking at the outcomes:

1. A single primary hypothesis: on the 24 h horizon, the Brier Skill Score (BSS) against climatology (“guess”) is greater than zero in markets closed before 2026.

2. Holdout: the 2026 markets were locked out of all analyses and were only opened at the end, as proof.

Data collection uses two APIs with distinct roles. First, the Gamma API supplies the catalogue: 756,517 closed markets with volume ≥ 1,000 USD. Then the CLOB API supplies the price trajectory of each selected market with daily granularity over its lifetime and fine (60-minute) resolution.

Because collecting the trajectory of 756 thousand markets would be infeasible, the study defines four frames:

Frame A (the primary sample): a census of everything with volume ≥ 200K USD. 46,910 markets. All of them, without sampling, so there is no sampling error here.

Frame B: a historical census of everything ≥ 10K USD up to 2024 (8,116), to provide temporal depth when the platform was smaller.

Frame D: the 15,295 “siblings” that complete the groups of mutually exclusive outcomes initiated by A.

Frame C: 12,000 markets drawn from the 10-200K band of 2025-26, a fraction of 4.31% of that band. Each drawn market receives a weight of 23.2 (= 1/0.0431): in practice it “stands for” ~23 similar markets that were not collected.

Age rule: the last trade cannot be too old. At most 6 h of age for short horizons (h ≤ 24 h) and 24 h for the long ones. This prevents a price from three days earlier being treated as “the price one hour from the end”. Sensitivity analysis shows that removing this rule changes nothing, i.e. it was not driving the result.

Cleaning: (a) the “truth” is the final outcomePrices (1/0); voided markets, which resolve 0.5/0.5, are discarded and counted (3,325); (b) degenerates (price > 0.99 or < 0.01 at the horizon) are excluded from the primary analysis. Many markets are already de facto decided hours before official resolution (UMA’s closedTime may arrive after the outcome is public). Including thousands of “0.995 happened” predictions artificially inflates the score. With degenerates included, the BSS almost doubles (0.231 to 0.428) and the AUC jumps to 0.885.

The Brier score is as follows: if you predicted p and the outcome was y (1 or 0), the error is (p - y)². Example: predicted 0.7 and it occurred: (0.7- 1)² = 0.09; it did not occur: (0.7 - 0)² = 0.49. Lower is better.

But is 0.191 (the market’s Brier at 24 h) good or bad? The chosen benchmark is climatology: always predict the sample base rate. Because the base rate here is close to 50%, the benchmark errs by around 0.25. The Brier Skill Score is the percentage reduction in error: BSS = 1 - (market Brier / climatology Brier).

The primary test yielded BSS = 0.231, with a 95% confidence interval [0.215; 0.246] via clustered bootstrap. The market cuts 23% of the error of someone who knows only the base rate, and the interval sits comfortably far from zero. The Diebold-Mariano test confirms from another angle: it computes, observation by observation, the difference in error between market and benchmark, and tests whether the mean of those differences is zero, a form of paired t-test for forecasts, with clustered standard errors. It gave t = -28.5 (anything beyond ±2 is already notable). Detail: the 24 h price also beats the market’s own opening price (t = -21.7), demonstrating that prices incorporate new information over the life of the contract.

Murphy’s decomposition also enters here; it partitions the Brier into three pieces: uncertainty (how unpredctable the world is), minus resolution (RES: how much knowing the price shifts the outcome frequency away from the base rate), plus reliability (REL: the penalty for miscalibration). The finding: REL is tiny on every horizon (0.0005 to 0.0034, against a Brier of ~0.19). Inference: almost all of the market’s remaining error comes from the world being genuinely uncertain, not from the numbers being distorted.

The AUC randomly draws one market whose outcome occurred and one whose outcome did not; the AUC is the probability that the first is priced higher than the second. 0.5 = coin-toss ranking; 1.0 = perfect ranking. At 24 h the aggregate is 0.77 and politics alone reaches 0.94!

The table by horizon presents an apparent paradox: AUC and BSS rise as the horizon lengthens (0.77 at 24 h versus 0.90 at 90 d). Does the market forecast better with greater lead time? No, it is a composition effect: at 30-90 days from resolution only long-lived markets exist (politics, geopolitics), which are precisely the most predictable; short-duration ball games do not even exist on those horizons. Within the same market, Brier loss decreases by 0.0225 per log-horizon as resolution approaches.

The reliability diagram: in the 24 h, 3 d and 7 d panels the low-price points systematically lie above the diagonal contracts in the 10-cent range won 12.7&#37; of the time (n = 797), and in the 30-cent range 34.6&#37; (n = 1,054) while the high-price ones lie slightly below (at ~0.80, frequency ~0.76; in the 7 d panel the 0.90 bin visibly sinks to ~0.81). In the 30 d panel (n = 5,363) the points hug the diagonal, with wider error bars owing to the smaller n.

The problem with the diagram is its dependence on an arbitrary choice of bins. Hence Cox recalibration: a logistic regression of the outcome on the price on the logit scale (the log-odds scale that “stretches” the extremes). The slope coefficient beta becomes a single-number ruler: beta= 1 means perfect calibration; beta < 1 means prices that are too extreme (reality is more central than the price claims, so longshots win more often than they cost and favourites less); beta > 1 means prices that are too timid. A spline checks that the shape of the relationship does not distort this ruler.

From 6 h to 7 d, beta stays in the range 0.81-0.88 with intervals that do not touch 1 (at 24 h: beta= 0.88, standard error 0.023, five standard errors below 1); at 30 and 90 days, beta = 0.99 and 1.02, statistically perfect; and at 1 h the anomaly beta= 1.74 appears with a huge interval [~1.15; 2.33], in the final hour, among the few 575 markets still contested (the rest have already become degenerates), prices are too timid and have not yet converged on what reality has almost decided.

https://preview.redd.it/7kdbdu9ynlfh1.png?width=1050&format=png&auto=webp&s=1aba4745ed43f6fd82405c344141f082a7de2747

The pattern is the inverse of the classic favourite-longshot bias of bookmakers (where the longshot is usually expensive); here the longshot is cheap and the favourite slightly expensive, with a crossover point at p ≈ 0.68 in the fitted model; the magnitude of the deviation (3 to 4 cents on the longshots) is of the order of the spread plus the cost of capital locked until resolution, so it is not an arbitrage opportunity.

On Polymarket, “Who wins the election?” becomes a negRisk group: one binary market per candidate, mechanically linked. The sum of the group’s prices should equal 1; the observed value was 1.010, an overround of ~1%, the “house margin”. For the test the prices are normalised (divided by the group sum), converting them into probabilities that sum exactly to 1. In binary calibration, by contrast, raw prices are used because that is the price a buyer actually pays. Pre-specified filters: only complete groups (Frame D), with K ≥ 3 outcomes, a single winner and favourite ≤ 0.99.

The test: under the hypothesis of honest prices, the favourite of group i wins with probability pᵢ (its normalised price). The total number of favourite wins, W, is then the sum of 1,676 “biased coins”, each with its own bias, and this sum follows the Poisson-binomial distribution. “Exact” means that the distribution of W was computed precisely (without normal approximation), which allows an exact p-value.

Result: observed W= 1,080 wins against E[W] = 1,083.9 expected (64.4% vs 64.7%). The two-sided p-value is 0.85, i.e. the observed data are absolutely typical under the honesty hypothesis; there is not the slightest sign of bias. This holds across all horizons (p between 0.11 and 0.94 from 1 h to 90 d) and in the 2026 holdout (p = 1.00).

https://preview.redd.it/24dfvtrnnlfh1.png?width=975&format=png&auto=webp&s=2e640a14b2025d7470ada614ba79cec578df2ddd

An election with 12 candidates generates 12 rows in the panel, but it is a single draw of reality and, worse, the outcomes are mechanically linked (exactly one wins). Treating the rows as independent would produce spuriously narrow confidence intervals.

The solution, applied throughout, is to cluster by event. In the clustered bootstrap, instead of resampling rows, entire events are resampled (with replacement), carrying all their rows together; the statistic is recomputed thousands of times; the confidence interval is taken from the percentiles of those replications.

And when many strata are tested simultaneously (next step), the Benjamini-Hochberg correction enters: if one runs dozens of tests one expects some “significant” results by chance; BH controls the expected fraction of false discoveries among the findings. After the correction, miscalibration survives in crypto and in the central quintiles of spread/volume.

The stratified analysis (h = 24 h) shows where quality resides: politics is nearly perfect (BSS 0.58; AUC 0.94; beta 1.04); sports have little skill (BSS 0.12; AUC 0.69); crypto is the most “extremist” category (beta 0.74). Tight spreads travel with quality, but this is association, not causation.

The analysis by era yields the most provocative finding: Polymarket up to 2024 was calibrated and more skilful (beta 1.06-1.09; BSS 0.40-0.44); that of 2025 and the 2026 holdout are larger, faster and worse (beta 0.85 and 0.84; BSS 0.21 and 0.17). Aggregate deterioration could be merely a change of mix (politics fell from 25% to 4% of the sample; sports + crypto rose from 50% to ~69%). The deterioration survives inside sports, crypto and “others”.

What do you guys think?

Source: couple of Polymarket APIs

Stats tool: Python/Spyder(conda)

Antes de começar, é necessária deixar um ponto resolvido: o que é investimento?

De acordo com Oxford Dictionary of Finance and Banking:

>"investimento 1. A compra de bens de capital, como instalações e maquinário em uma fábrica, com o objetivo de produzir bens para consumo futuro. Isso é conhecido como investimento de capital; quanto maior o nível de investimento de capital em uma economia, mais rápido ela crescerá. 2. A compra de ativos, como títulos e valores mobiliários, obras de arte, depósitos em bancos e em sociedades de crédito imobiliário (building societies) etc., tendo em vista, primordialmente, seu retorno financeiro, seja na forma de renda, seja na forma de ganho de capital. Essa modalidade de investimento financeiro representa um meio de poupança."

Pela definição 1, comprar carro parar entregar pães de uma padaria é investimento. O veículo de entrega é um bem durável que a empresa utiliza repetidamente como meio de produção e a "produção", em economia, inclui a distribuição.

No entanto, para uma família que compra para uso pessoal, o carro é consumo (bem de consumo durável).

Mas e a definição 2? Carros geram "renda" ou "ganho de capital"? Como para uso próprio, o carro não gera renda, o que nos resta é o capital (preço/valor do carro).

Usando os dados da tabela Fipe, 5,5 milhões de observações que geram os 5.462.859 pares do título, fiz um índice de pares casados: compara o mesmo veículo com ele mesmo no mês anterior e agrega as variações. Para cada carro usado (código FIPE + combustível + ano-modelo), calcula-se a variação % do preço vs. o mês anterior. As variações de todos os carros do mês são agregadas por média, média aparada 10% e mediana. A mediana é encadeada num índice base 100. Depois ainda colocamos a inflação (IPCA) nas contas. Excluí carros ZERO nessa etapa, ou seja, não temos aqui o "tombo" de "tirar da concessionária". (O veículo 0 km da FIPE não envelhece. A variação mês a mês dele mede só o reajuste de tabela do carro novo. Misturar os dois contaminaria o índice com objetos diferentes.)

Variações de todos os carros do mês são agregadas por média, média aparada 10&#37; e mediana. Destacada a distorção da pandemia.

Vemos que a \"valorização\" da pandemia foi ilusória quando considerada a inflação do período.

Comparação com componente de carro usado do IPCA mostra que nosso índice \"faz sentido\"

Aqui o teórico buy and hold de ym carro usado nominal e deflacionado. Base 100.

Mas ninguém compra um carro e "segura" por ~ 20 anos. Por isso, rodei janelas de 12, 24 e 36 meses com a perda nominal e real. Exemplo: compra um carro em 2010 e vende 12 meses depois em 2011, compra em 2010 e vende 24 meses depois em 2012, e assim sucessivamente...

No eixo X o ano FINAL das janelas de 12, 24 e 36 meses. Mais uma vez, destacada a pandemia.

Tabela detalhada das janelas móveis

O melhor resultado de uma janela de 36 meses foi perder 8,9% acima da inflação. Só a janela de 12 meses chegou a ficar positiva em termos reais, e por pouco: +1,9% no pico, vendendo em maio de 2022. Toda a janela de oportunidade durou 8 meses (vendas entre dez/2021 e jul/2022) em 25 anos de série.

No nominal, o COVID criou uma ilusão de ganho: +14% em 12 meses (mai/2022) e até +11% em 36 meses. É o fenômeno "meu carro valorizou" verdadeiro em reais correntes, falso descontada a inflação.

Regra de bolso que podemis inferir: 1 ano de posse custa ~8% do valor real do carro; 2 anos, ~15%; 3 anos, ~22%.

Agora o carro zero...

Na mesma tabela e no mesmo mês, muitos modelos (229 mil pares ao longo de 25 anos) têm o preço 0 km e o preço usado do ano-modelo vigente. A razão entre os dois é a resposta empírica à pergunta: "quanto o carro perde ao sair da loja?"

Usado versus o mesmo modelo zero km nomesmo mês da tabela Fipe. Tirar o carro da loja apara na mediana 10,2&#37; do preço.

Mediana histórica: o usado do ano vale 10,2% menos que o 0 km de tabela. Metade dos casos fica entre -12,5% e -8,4%.

O desconto não é constante: comprimiu até -4,0% em fev/2022 (auge da falta de carro novo, o usado do ano chegou a valer 96% da tabela do zero) e hoje está de volta a -10% (mediana de 2026: -9,9%).

E por fim, quanto vale o usado de "k" anos versus o zero km equivalente?

Aqui o usado versus o mesmo modelo zero de acordo com a idade do usado. Começa em 90&#37; porque o carro perde ~10&#37; do valor ao zero (saindo da loja).

Ressalva epistemológica: um carro de 15-25 anos só entra na conta se o modelo ainda é vendido novo naquele mês então a cauda da curva é dominada por modelos de ciclo longo (Corolla, Gol, etc.).

O mito dos "20% ao sair da loja" é exagerado frente aos dados. O usado do ano vale 89,8% (perda de ~10,2%), e a perda só cruza os 20% entre o primeiro e o segundo ano de idade.

O ritmo é de ~7-8 pontos percentuais por ano nos primeiros 3 anos, depois desacelera: dos 3 aos 10 anos o carro perde outros ~34 p.p., e depois dos 15 anos a curva quase estabiliza. Carro de 20 e de 25 anos valem quase o mesmo (16% vs 13%).

A banda P25-P75 abre com a idade: em carros de 10 anos, o quartil resistente retém 43% e o frágil 27%. É onde a escolha do modelo mais importa.

Conclusão: carro de família não é investimento, é bem de consumo, igual calça jeans e protetor solar. Não racionalize: você quer pagar 400K pro carro soprar ventinho pelos furinhos do couro do banco, paga, mas não finge que tem um motivo XPTO financeiro ou que o dinheiro vai ser de alguma forma recuperado depois.

Fontes: Fontes: fipeX (dump da Tabela FIPE), IBGE/SIDRA (IPCA subitem 5102020), BACEN/SGS série 433 (IPCA geral).

Ferramenta estatística: Spyder version: 6.1.5 (conda) Python version: 3.13.9 64-bit