Value Investing in Brazil: A Novel Application of Benjamin Graham’s Criteria to Generating Abnormal Returns
Notice bibliographique
Résumé
Objective: This study aimed to adapt Benjamin Graham’s criteria to the Brazilian stock market, using a ranking strategy to build winning portfolios that offer abnormal returns. Method: We have collected data from all companies traded on the stock exchange in Brazil between the 4th quarter of 1998 and the 2nd quarter of 2020. Graham’s criteria were adapted using each indicator’s quarterly median and sector-wise. We employed the Greenblatt (2006) ranking strategy in the portfolio construction. Results: We employed the five-factor asset pricing model to analyze the abnormal returns of the portfolios. Our findings indicate that portfolios formed with the adapted criteria consistently outperformed the market average. Notably, the portfolios with 10, 20, and 30 assets demonstrated superior returns compared to the Ibovespa, IBrX 100, and LFTs, with the 10-asset portfolio generating the highest Alpha. Contributions: This research advances the literature on value investing in emerging markets by adapting Benjamin Graham’s criteria to the Brazilian context using quarterly sector medians and a ranking strategy. The study demonstrates the potential for generating abnormal returns, outperforming benchmarks such as the Ibovespa and IBrX 100. It underscores the importance of periodic adjustments and sector-specific adaptations, providing valuable insights for investors applying fundamental analysis in emerging markets. These contributions bridge traditional value investing principles with the unique dynamics of emerging markets, aiding in more informed portfolio management decisions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».