Guilherme Alves Dias; Lucineide Bispo Dos Reis Luz

DOI: 10.22167/2675-6528-202600865

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

Investigou-se a relação entre a cobrança de taxa de performance e a eficiência de fundos de investimento multimercados, com o objetivo de verificar se fundos que aplicam essa taxa entregam maior eficiência ajustada ao risco ou maior retorno de longo prazo aos investidores. Para isso, analisou-se uma amostra de 157 fundos multimercados brasileiros, utilizando dados da CVM e do provedor 2Invest. Empregou-se regressão linear com duas especificações: uma com o Índice de Sharpe como variável dependente para eficiência ajustada ao risco, e outra com o retorno acumulado em cinco anos, controlando o risco via volatilidade e o porte do fundo. Os resultados indicaram que a cobrança de taxa de performance não garantiu, de forma robusta, maior eficiência medida pelo Índice de Sharpe, apresentando um efeito negativo e marginalmente significativo. Contudo, observou-se uma associação positiva fraca com o retorno acumulado em cinco anos, após o controle do porte e da volatilidade. Um achado relevante foi a forte associação positiva entre o patrimônio líquido dos fundos e o Índice de Sharpe, bem como o retorno em cinco anos, em ambos os modelos. Concluiu-se que a taxa de performance não se traduziu em maior eficiência de retorno ao investidor de maneira robusta, mas o tamanho do fundo (patrimônio líquido) mostrou-se um fator positivamente associado ao desempenho.

Palavras-chave: Eficiência ajustada ao risco; Fundos multimercados; Índice de Sharpe; Taxa de performance.

1. Introdução

O mercado de capitais brasileiro apresenta uma vasta gama de produtos de investimento, abrangendo renda fixa, variável e alternativas, cada qual com suas particularidades. A crescente participação de indivíduos neste mercado é notável. Dados da 8ª edição do Raio X do Investidor Brasileiro, divulgada pela ANBIMA (2024), indicam que 37% da população brasileira com dezesseis anos ou mais investe em produtos financeiros. Apesar de um percentual significativo da população economizar dinheiro, menos da metade desses recursos é direcionada para investimentos. Contudo, o interesse em fundos de investimento tem crescido exponencialmente, com um aumento de 150% no número de investidores entre 2021 e 2024, passando de dois para cinco por cento da população.

Nesse cenário, os fundos de investimento se consolidam como uma estrutura essencial para o acesso ao mercado de capitais. Eles reúnem recursos financeiros de diversos investidores, os cotistas, para aplicações conjuntas em uma carteira de títulos e valores mobiliários. Essa modalidade de investimento coletivo oferece benefícios importantes, especialmente para investidores de menor porte, ao permitir a gestão profissional do patrimônio e potencializar ganhos pela soma dos recursos (Assaf Neto, 2021). A expertise de um gestor profissional é uma das principais vantagens, auxiliando na alocação estratégica de recursos e na tomada de decisões de investimento, o que é crucial para aqueles sem tempo ou conhecimento aprofundado do mercado (Milani & Ceretta, 2013). Além disso, a participação em um fundo proporciona acesso a investimentos mais sofisticados, melhores taxas de retorno, diversificação e custos de transação reduzidos, antes restritos a investidores com grandes volumes de capital (Grinblatt & Titman, 1989).

A remuneração dos profissionais envolvidos na gestão de um fundo, como o administrador, o gestor e o custodiante, geralmente ocorre por meio de taxas de administração, custódia e, em muitos casos, taxa de performance. A taxa de performance, que é o foco deste estudo, é particularmente comum em fundos com maior volatilidade. Ela é cobrada quando o desempenho do fundo excede um patamar de rentabilidade previamente estabelecido em seu regulamento. No Brasil, a Comissão de Valores Mobiliários (CVM) exige que os custos de remuneração da equipe profissional sejam descontados do valor da cota, garantindo transparência sobre o resultado líquido entregue ao investidor (CVM, 2024).

A discussão sobre a taxa de performance frequentemente se conecta à Teoria da Agência, um arcabouço teórico amplamente empregado na literatura financeira para analisar a relação entre investidores (principais) e gestores profissionais (agentes). Como observado por Jensen e Meckling (1976), essa relação pode gerar conflitos de interesse e assimetria de informações. A taxa de performance surge, então, como um mecanismo contratual para alinhar incentivos, vinculando a remuneração do gestor ao desempenho do fundo e buscando reduzir comportamentos oportunistas, estimulando decisões que maximizem o retorno para o investidor. No entanto, a literatura também aponta para possíveis efeitos adversos, como o incentivo à assunção de riscos excessivos por parte do gestor na tentativa de superar a meta estabelecida, o que pode levar a estratégias mais voláteis. A CVM desempenha um papel fundamental nesse contexto, ao estabelecer normas que visam assegurar a transparência das informações e a proteção dos investidores.

A literatura empírica internacional apresenta resultados variados sobre a capacidade dos fundos de investimento de gerar retornos consistentes e superiores. Estudos pioneiros, como os de Jensen (1968), investigaram a existência de desempenho anormal positivo ajustado ao risco, enquanto pesquisas subsequentes, como a de Carhart (1997), abordaram a persistência da performance ao longo do tempo. Modelos multifatoriais, desenvolvidos por Fama e French (1993), demonstraram que parte significativa do retorno pode ser explicada pela exposição sistemática a fatores de risco. Diante disso, questiona-se se os fundos que cobram taxa de performance realmente geram valor adicional líquido para o investidor ou se os retornos observados são meramente um reflexo de maior exposição ao risco.

Muitos investidores baseiam suas decisões em desempenhos recentes ou em recomendações de plataformas, negligenciando aspectos cruciais como risco e consistência dos resultados ao longo do tempo (Rochman & Ribeiro, 2003). Uma análise mais aprofundada requer a utilização de indicadores que relacionam risco e retorno, como o Índice de Sharpe (Sharpe, 1966), o Índice de Treynor e o Alfa de Jensen (Jensen, 1968; Fama & French, 1993; Carhart, 1997), que permitem compreender não apenas o retorno, mas também como ele foi alcançado. Além disso, a desconsideração dos custos envolvidos na gestão profissional do fundo, como apontado por Ceretta e Costa Jr. (2001), pode levar a avaliações equivocadas de desempenho. A problemática reside, portanto, na incerteza se a cobrança de taxa de performance efetivamente se traduz em maior eficiência ajustada ao risco ou em retornos superiores no longo prazo para o cotista, considerando os potenciais incentivos a comportamentos que podem não alinhar os interesses do gestor e do investidor. Assim, este trabalho busca verificar se fundos que cobram taxa de performance entregam maior eficiência ao investidor do que fundos que não cobram, avaliando se a cobrança de taxa de performance está associada a maior eficiência ajustada ao risco ou a maior retorno no longo prazo.

2. Material e Métodos

O presente estudo caracteriza-se como um trabalho de natureza bibliográfica, com foco na análise de dados quantitativos. A abordagem quantitativa foi empregada para permitir a análise de dados objetivos e mensuráveis, sendo particularmente adequada para investigações que envolvem desempenho financeiro, conforme preconizado por Lakatos e Marconi (2017). O objetivo central foi verificar a associação entre a cobrança de taxa de performance e a eficiência de fundos de investimento multimercados.

A unidade de análise consistiu em fundos de investimento multimercados brasileiros. A amostra foi composta por 157 fundos, selecionados a partir de um universo inicial de 1343 fundos. Esses fundos são geridos por diversas instituições, incluindo gestores independentes, bancos comerciais e bancos de investimento, e foram escolhidos por serem fundos ativos que buscam gerar alfa.

Os dados utilizados para a análise foram coletados no portal de dados abertos da Comissão de Valores Mobiliários (CVM, 2025) e complementados com métricas de desempenho fornecidas pelo provedor 2Invest. As informações da CVM incluíram retorno acumulado de cinco anos, CNPJ, denominação social, nome fantasia, taxa de performance, valor do patrimônio líquido e data de início das atividades, referentes à competência de dezembro de 2024.

Para a seleção da amostra, foram aplicados diversos filtros. Primeiramente, foram incluídos apenas fundos que continham o termo “mult” na denominação social, seguindo a classificação oficial da ANBIMA (ANBIMA, 2024), para focar exclusivamente em fundos multimercados. Fundos que continham o termo “Master” foram excluídos, a fim de evitar fundos exclusivos de outros fundos da mesma gestora.

Adicionalmente, consideraram-se apenas fundos com data de início mínima em dezembro de 2019, garantindo que todos tivessem um histórico de retorno acumulado de cinco anos até dezembro de 2024, conforme recomendado por estudos como o de Silva et al. (2022). Também foram incluídos somente fundos com lâmina de investimento publicada e acessíveis ao público em geral, excluindo fundos exclusivos ou destinados a investidores qualificados ou profissionais, conforme a Resolução CVM nº 175.

Para a análise de performance, utilizou-se o retorno líquido de taxas de administração, mas bruto de impostos. O retorno ajustado ao risco foi mensurado pelo Índice de Sharpe (Sharpe, 1966), seguindo a metodologia apresentada por Dalmacio et al. (2010). O cálculo do Índice de Sharpe e da volatilidade anualizada de cada fundo foi realizado com base na metodologia do provedor 2Invest, que considera o excesso de retorno médio de um ativo em relação a um ativo sem risco, por unidade de volatilidade do ativo em um determinado período.

A variável indicativa da cobrança de taxa de performance foi operacionalizada por meio de uma variável binária (dummy), denominada `cobra_perf`. Atribuiu-se o valor 1 para os fundos que cobram taxa de performance e 0 para aqueles que não a cobram. Na amostra final, 118 fundos cobravam taxa de performance e 38 não cobravam.

Para controlar o efeito do porte do fundo sobre o desempenho, utilizou-se o logaritmo natural do patrimônio líquido. Essa transformação foi aplicada para reduzir a assimetria na distribuição do tamanho dos fundos e melhorar a estabilidade numérica das estimações. A volatilidade anualizada, que apresentou valores extremos, foi submetida a um procedimento de winsorização superior, truncando qualquer valor acima do percentil 99 para o valor do p99, a fim de mitigar distorções nas análises.

O retorno acumulado em cinco anos, quando utilizado como variável dependente, foi padronizado, convertendo-se de porcentagem para proporção, dividindo todos os valores por 100. Essa padronização foi essencial para a correta interpretação econômica dos coeficientes e para evitar discrepâncias de escala nas regressões lineares.

A técnica de análise dos dados empregada foi a regressão linear por Mínimos Quadrados Ordinários (MQO). O estudo foi operacionalizado em duas frentes: um modelo em que a eficiência foi medida diretamente pelo Índice de Sharpe como variável dependente, e um modelo complementar em que o desempenho foi medido pelo retorno acumulado em cinco anos, controlando-se explicitamente pelo risco (volatilidade) e pelo porte do fundo (patrimônio líquido).

As regressões foram realizadas utilizando-se os softwares STATA e Python. Para fortalecer a confiabilidade empírica do estudo, realizou-se uma validação cruzada das mesmas especificações econométricas em ambos os ambientes, com o objetivo de demonstrar a convergência das estimativas e reforçar a reprodutibilidade dos resultados, conforme a abordagem de Wooldridge (2023).

3. Resultados e Discussão

A presente seção detalha os resultados e a discussão da pesquisa, que teve como objetivo verificar se fundos de investimento multimercados que cobram taxa de performance entregam maior eficiência ajustada ao risco ou maior retorno de longo prazo aos investidores. Para isso, foram empregadas duas especificações de regressão linear, utilizando uma amostra de 157 fundos multimercados brasileiros. Os dados foram extraídos de bases públicas da CVM e do provedor 2Invest, permitindo uma análise abrangente do desempenho e das características desses fundos.

A amostra analisada revelou que a maioria dos fundos multimercados incluídos no estudo adota a cobrança de taxa de performance. Essa prática é frequentemente associada à natureza ativa da gestão desses fundos, que buscam retornos superiores ao benchmark, exigindo maior habilidade do gestor. A taxa de performance, nesse contexto, atua como um incentivo adicional para que o gestor se esforce em superar as metas estabelecidas no regulamento do fundo, alinhando, em tese, os interesses do gestor e do cotista.

Um aspecto relevante observado na amostra é a predominância da prática conhecida como “2 com 20” entre os fundos que cobram taxa de performance. Essa estrutura de remuneração, comum no mercado brasileiro, consiste na cobrança de 2% de taxa de administração e 20% de taxa de performance sobre o que excede um determinado índice de referência. A CVM (2024) estabelece normas rigorosas para a cobrança dessas taxas, exigindo que sejam previamente definidas e baseadas em um benchmark, além de respeitar o conceito de “Linha d’água”, garantindo que a cobrança só ocorra se o valor da cota superar o valor alcançado na última cobrança.

Para controlar o efeito de escala do patrimônio líquido (PL) sobre o desempenho dos fundos, foi utilizada a transformação logarítmica do PL. Essa abordagem é uma prática comum em finanças, pois a distribuição do tamanho dos fundos tende a ser assimétrica, com uma cauda longa. A aplicação do logaritmo reduz a assimetria dos dados, melhora a estabilidade numérica das estimações e permite uma interpretação econômica mais precisa dos coeficientes, onde variações proporcionais no tamanho do fundo podem ser associadas a variações marginais no desempenho.

A volatilidade anualizada dos fundos, que em alguns casos apresentava valores extremos, foi tratada por meio de winsorização no percentil 99. Esse procedimento foi adotado para mitigar a distorção que outliers poderiam causar nas médias e variâncias, influenciando desproporcionalmente as estimações por Mínimos Quadrados Ordinários (MQO). A winsorização superior truncou qualquer valor acima do percentil 99 para o valor desse percentil, preservando a ordenação e a variabilidade da maior parte da amostra, sem remover informações importantes. Adicionalmente, o retorno em cinco anos, originalmente em porcentagem, foi padronizado para proporção, dividindo todos os valores por 100, o que é fundamental para a correta interpretação econômica dos coeficientes e para evitar discrepâncias de escala nas regressões.

Modelo A: Eficiência medida pelo Índice de Sharpe

O primeiro modelo de regressão linear, denominado Modelo A, utilizou o Índice de Sharpe como variável dependente, que serve como uma medida de eficiência ajustada ao risco. A equação estimada para este modelo foi: Sharpe_i = β₀ + β₁ cobra_perf_i + β₂ log(PL_i) + u_i. Nesta especificação, β₁ representa a diferença média no Índice de Sharpe entre os fundos que cobram taxa de performance e os que não cobram, enquanto β₂ captura o efeito do patrimônio líquido do fundo, controlando outras variáveis não observadas.

A análise do coeficiente β₁ para a variável `cobra_perf` revelou um valor negativo, indicando que, tudo o mais constante, os fundos que cobram taxa de performance tendem a apresentar um Índice de Sharpe menor. A evidência estatística para este coeficiente foi marginalmente significativa, com um p-valor de 0,076 no STATA e 0,133 no Python, o que significa que o efeito não é estatisticamente significativo ao nível usual de 5%. Essa constatação sugere que a cobrança de taxa de performance, por si só, não garante uma maior eficiência ajustada ao risco para o investidor, conforme medido pelo Índice de Sharpe.

Em contraste, o coeficiente β₂ para a variável `log(PL)` (logaritmo do patrimônio líquido) foi positivo e altamente significativo, com um p-valor inferior a 0,001 em ambas as plataformas (STATA e Python). Este resultado indica uma associação positiva e robusta entre o tamanho do fundo e sua eficiência ajustada ao risco. Fundos com maior patrimônio líquido demonstraram, consistentemente, um Índice de Sharpe superior, sugerindo que o porte do fundo é um fator mais relevante para a eficiência do que a cobrança de taxa de performance.

Os resultados descritivos do Modelo A, obtidos via Python, reforçam essa observação. Fundos que não cobravam taxa de performance (cobra_perf = 0) apresentaram um Sharpe médio de -0,121 (mediana de -0,155), enquanto aqueles que cobravam (cobra_perf = 1) exibiram um Sharpe médio de -0,240 (mediana de -0,280). Isso demonstra que, antes mesmo da inclusão de controles, o grupo com taxa de performance já apresentava um Sharpe mais negativo. O coeficiente de determinação (R²) foi de 0,2288 no STATA e 0,226 no Python, valores considerados moderados em aplicações empíricas de finanças, onde o desempenho ajustado ao risco é influenciado por múltiplos fatores não observados no modelo.

Modelo B: Retorno em 5 anos como desfecho, com controle de risco e tamanho

O segundo modelo, denominado Modelo B, buscou investigar a associação entre a cobrança de taxa de performance e o retorno acumulado em cinco anos, controlando explicitamente pelo risco (volatilidade) e pelo porte do fundo (patrimônio líquido). A equação estimada para este modelo foi: Ret5_i = α₀ + α₁ cobra_perf_i + α₂ vol_cap_i + α₃ log(PL_i) + ε_i. Esta especificação permitiu avaliar se a taxa de performance se traduz em um prêmio de retorno de longo prazo para os cotistas, considerando os fatores de risco e tamanho.

O coeficiente α₁ para a variável `cobra_perf` no Modelo B foi positivo e marginalmente significativo, com p-valores de 0,084 no STATA e 0,081 no Python, ao nível de 10%. Contudo, assim como no Modelo A, este efeito não se mostrou estatisticamente significativo ao nível de 5%. Isso sugere uma associação positiva fraca entre a cobrança de taxa de performance e um retorno ligeiramente maior em cinco anos, quando o risco e o porte do fundo são mantidos constantes. No entanto, a robustez dessa associação é limitada, e o intervalo de confiança para o coeficiente incluiu valores muito próximos de zero.

Em relação aos demais coeficientes do Modelo B, a variável `vol_cap` (volatilidade anualizada) não apresentou significância estatística ao nível de 10% na especificação utilizada, indicando que, após o controle do porte do fundo, a volatilidade não se mostrou um preditor significativo do retorno em cinco anos. Por outro lado, o coeficiente α₃ para `log(PL)` (logaritmo do patrimônio líquido) manteve-se positivo e estatisticamente significativo (p < 0,001), reforçando a forte associação positiva entre o tamanho do fundo e o retorno de longo prazo.

Os dados descritivos do Modelo B, obtidos via Python, indicaram que o retorno médio dos últimos cinco anos (Ret5) foi de 0,377 (mediana 0,412) para os fundos que não cobravam taxa de performance, e de 0,549 (mediana 0,407) para os fundos que cobravam. A mediana da volatilidade foi baixa em ambos os grupos, mas a média do grupo que cobra taxa de performance foi inflada por valores extremos, o que justificou o tratamento de winsorização. O coeficiente de determinação (R²) foi de 0,2489 no STATA e 0,234 no Python, indicando uma capacidade explicativa moderada para a variação do retorno em cinco anos.

Para fortalecer a confiabilidade empírica do estudo, foi realizada uma validação cruzada das mesmas especificações econométricas em dois ambientes distintos: STATA e Python. A comparação direta dos resultados entre as duas plataformas demonstrou uma convergência relevante das estimativas para os coeficientes, erros-padrão robustos e p-valores. Essa proximidade nos resultados, especialmente para o coeficiente do `log(PL)` e para as ordens de grandeza dos efeitos, reforça a consistência e a reprodutibilidade do procedimento analítico, mesmo com pequenas divergências residuais que podem ocorrer devido a detalhes de implementação ou arredondamentos.

A associação positiva e estatisticamente robusta entre o patrimônio líquido (`log(PL)`) e o desempenho do fundo foi um achado consistente em ambos os modelos. No Modelo A, o coeficiente de `log(PL)` foi de 0,1251 (p < 0,001), com um intervalo de confiança de 95% totalmente positivo, indicando uma forte relação entre o tamanho do fundo e o Índice de Sharpe. No Modelo B, o coeficiente de `log(PL)` foi de 0,0009501 (p < 0,001), também com intervalo de confiança totalmente positivo, associando o tamanho do fundo à rentabilidade em cinco anos. Essa interpretação semielástica sugere que aumentos proporcionais no patrimônio líquido estão associados a aumentos no Sharpe e na rentabilidade esperada em cinco anos. Por exemplo, um aumento de 1% no PL implica um efeito aproximado de 0,00125 no Sharpe e 0,0000095 no retorno em cinco anos. Embora esses valores pareçam pequenos para um aumento de 1%, diferenças substanciais de tamanho entre fundos podem gerar variações relevantes no desempenho ajustado ao risco e no retorno absoluto.

Em síntese, os resultados da pesquisa indicam que a cobrança de taxa de performance, embora seja um mecanismo de incentivo à gestão ativa e ao alinhamento de interesses (Jensen & Meckling, 1976), não se traduziu de forma robusta em maior eficiência ajustada ao risco, medida pelo Índice de Sharpe. O efeito estimado foi negativo e apenas marginalmente significativo para o Sharpe. Para o retorno acumulado em cinco anos, observou-se uma associação positiva fraca e marginalmente significativa com a taxa de performance, mas sem robustez estatística ao nível de 5%. Este achado sugere que, apesar de um leve indicativo de retorno superior, a taxa de performance não garante um desempenho consistentemente melhor.

Um dos achados mais relevantes e robustos do estudo foi a forte associação positiva entre o patrimônio líquido dos fundos e o desempenho, tanto em termos de eficiência ajustada ao risco (Índice de Sharpe) quanto de retorno acumulado em cinco anos. Fundos maiores, com maior patrimônio líquido, tenderam a apresentar melhor desempenho em ambas as métricas, mesmo após o controle de outras variáveis. Isso sugere que o tamanho do fundo pode ser um fator mais determinante para o desempenho do que a mera existência da taxa de performance. A pesquisa, portanto, conclui que a taxa de performance não garantiu, de forma robusta, maior eficiência de retorno ao investidor, mas o tamanho do fundo (patrimônio líquido) mostrou-se um fator positivamente associado ao desempenho.

4. Conclusão

O presente estudo investigou a relação entre a cobrança de taxa de performance e a eficiência de fundos de investimento multimercados, buscando verificar se tais fundos entregam maior eficiência ajustada ao risco ou maior retorno de longo prazo aos investidores. Verificou-se que a cobrança de taxa de performance não garantiu, de forma robusta, maior eficiência medida pelo Índice de Sharpe, apresentando um efeito negativo e apenas marginalmente significativo. Embora se tenha observado uma associação positiva fraca com o retorno acumulado em cinco anos, esta não se mostrou estatisticamente robusta ao nível de 5%. Um achado central e consistente foi a forte associação positiva entre o patrimônio líquido dos fundos e o desempenho, tanto em termos de eficiência ajustada ao risco quanto de retorno de longo prazo. Isso sugere que o porte do fundo é um fator mais determinante para o desempenho do que a mera existência da taxa de performance, contribuindo para uma compreensão mais aprofundada dos fatores que influenciam a performance de fundos multimercados no Brasil.

As limitações do estudo incluem o acesso restrito a ferramentas mais sofisticadas para manipulação de dados do mercado financeiro, o que impediu a aplicação de filtros mais completos e a extensão do período de análise, reduzindo o aprofundamento do tema. Recomenda-se, para estudos futuros, a inclusão de variáveis adicionais, como classe ou estratégia do fundo, taxas totais, tempo de existência e benchmark adotado, além da realização de testes de robustez para mitigar vieses por variáveis omitidas. Sugere-se também investigar diferentes métricas de desempenho, como o Índice de Sortino, Alfa de Jensen, ou modelos multifatoriais, que poderiam capturar dimensões adicionais de eficiência do retorno não contempladas na análise atual. Pesquisas futuras podem ainda avaliar se a taxa de performance incentiva gestores a assumir riscos excessivos ou a priorizar resultados de curto prazo em detrimento da consistência no longo prazo.

Referências Bibliográficas

ANBIMA. Raio X do investidor brasileiro: 8ª edição. São Paulo: ANBIMA, 2024.

ASSAF NETO, A. (2021). Mercado financeiro. 15. Ed. São Paulo: Atlas, 15ª edição.

Carhart, M. M. (1997). On persistence in mutual fund performance. Journal of Finance, 52(1):57-82.

Dalmacio, F. Z., Nossa, V., Louzada, L. C. & Santanna, D. P. (2010). A Relacao entre a Performance (Risco x Retorno) e a Taxa de Performance, Cobrada ou Nao pelas Instituicoes Administradoras dos Fundos de Acoes Ativos Brasileiros: uma Abordagem à Luz da Teoria de Agencia. Congresso USP de Controladoria e Contabilidade, Sao Paulo, SP, Brasil, 5.inal]

GRINBLATT, M, TITMAN. (1989). Mutual Fund Performance: An Analysis of Quarterly Portfolio Holdings. The journal of Business.

MILANI, B, CERETTA. Size effecton Brazilian mutual funds. Revista Brasileira de Finanças, 2013.

Rochman, R. R., & Ribeiro, M. P. (2003). A Relação entre a Estrutura, Conduta e Desempenho da Indústria de Fundos de Investimento: um estudo de painel.

Sharpe, W. F. (1966). Mutual fund performance. The Journal of Business, 39(1), pp. 119-138.

Silva, S. E. da, Roma, C. M., & Iquiapaza, R. A. (2018). A Taxa de Administração Sinaliza o Desempenho dos Fundos de Investimento em Ações no Brasil. Revista De Educação E Pesquisa Em Contabilidade, 12(3).

WOOLDRIDGE, J.M. Introdução à econometria: uma abordagem moderna. 7. Ed. 2023.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Economia, Investimentos e Banking do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy