Impactos da Inovação Radical

 

Impactos da Inovação Radical no Índice S&P Global 1200
Hudson Lima Mendonça
Marcus Vinícius Fonseca

 

Resumo

 

Inovações, em especial as radicais, possuem uma considerável capacidade de mudar o ambiente nas quais estão inseridas. Sua inserção no ambiente socioeconômico vem alterando, cada vez mais rapidamente, a maneira das pessoas se comunicarem, locomoverem e até interagirem, criando novos mercados ou os reinventando. Nesse contexto, as empresas líderes de hoje podem deixar de ser, ou mesmo de existir, em algumas décadas.

Baseado nessas constatações, Foster & Kaplan (2001) fizeram um estudo que indicava, empiricamente, que a velocidade de mudança da composição do índice S&P 500, das ações mais negociadas nos EUA, havia crescido significativamente entre 1957 e 1997, com tendência a aumentar nos anos subsequentes.

Desta maneira, o objetivo desse artigo é verificar o que ocorreu com a composição deste índice entre a publicação do estudo e os dias atuais, expandindo o escopo das observações para outras regiões do mundo (e outros setores) mediante análise da composição do índice S&P 1200 com um método particular para o caso.

 

1. Apresentação

 

A inovação pode ser considerada, atualmente, um dos principais motores da competitividade dos países e das empresas. Conforme Schumpeter (1943) há muito apontara, a natureza dinâmica e evolucionária do capitalismo faz com que o processo de destruição criativa seja cada vez mais frequente nas economias modernas. Tidd et al. (2005) reforçam esta ideia ao citar que a inovação é o principal fator de sucesso de diversas empresas emergentes que hoje ocupam lugar de destaque na economia mundial. Tigre (2007) é ainda mais enfático ao afirmar que: a inovação tecnológica constitui uma ferramenta essencial para aumentar a produtividade e a competitividade das organizações, assim como impulsionar o desenvolvimento econômico de regiões e países. (TIGRE, 2007, p. VII).

Neste contexto, as profundas mudanças econômicas, técnicas e sociais que culminaram com uma verdadeira revolução da informação foram o sinal de alerta necessário para que empresas, instituições e profissionais começassem a operar de modo radicalmente novo e com estratégias dinâmicas, alinhadas com a responsabilidade social característica do Ambiente 21, contexto contemporâneo caracterizado pela aceleração das mudanças tecnológicas, de mercado e de valores (FONSECA, 2005). Bauer (1999) afirma que "a instabilidade é a regra e o equilíbrio exceção" quando aborda o caos e a complexidade das organizações de hoje.

Diante dessa evidente importância da inovação no cenário atual, Foster & Kaplan (2001) destacam em seu trabalho o aspecto determinante das inovações radicais na capacidade de sobrevivência de longo prazo das empresas, por meio de uma notável abordagem da taxa de rotatividade das ações que compõem o índice S&P 500. Criado em 1957 e composto pelas 500 ações mais negociadas nos EUA, foi utilizado no estudo dos referidos autores como uma aproximação da lista de empresas líderes dos mais relevantes setores da economia americana.

Tal levantamento demonstra que, das 500 empresas que compunham o índice original de 1957, apenas 74 (ou 14,8%) permaneciam na lista até 1997, e somente 12 (ou 2,4%) obtiveram desempenhos melhores nesses 40 anos. Mediante inferências estatísticas, este mesmo estudo aponta que esta tendência de alta rotatividade não só irá perdurar, como também tende a se acelerar nos próximos anos. Nessa linha, projetaram que, em 2020, cerca de 75% do S&P 500 seria composto por empresas que não eram conhecidas em 2002.

Desta forma, a questão central deste artigo é verificar qual foi o comportamento desta tendência desde 2001 (ano em que a previsão foi publicada) até 2009, e extrapolá-la para outros setores e regiões por meio da análise do comportamento do índice S&P Global 1200, a seguir detalhado, da mesma Standard & Poors.

 

2. Considerações sobre Inovações Radicais

 

Mas por que tratar especificamente de inovações radicais? Os próprios autores do estudo original evidenciam que são elas as principais responsáveis pelo rápido crescimento das empresas que estão fora do índice, já que inovações de caráter incremental contribuem mais na conservação das atuais e estabelecidas posições de liderança do que no ímpeto de crescimento das empresas emergentes. De outra forma, poder-se-ia afirmar que as inovações radicais agem como forças pró-mudança - enquanto inovações incrementais atuam como forças mantenedoras.

Através de seu modelo de recursos, processos e valores (RPV), Christensen (1997) observa as práticas por dentro das organizações e chega à conclusão semelhante por outra via: empresas líderes, mesmo as inovadoras e com bastantes recursos, tendem a replicar seu modelo de sucesso, incrustados em seus processos, e principalmente em seus valores. Porém, boa parte das mudanças radicais demanda processos e valores substancialmente diferentes, e, às vezes, opostos aos já estabelecidos pela empresa, que podem colocar em risco o que já fora conquistado. Esse risco é minimizado para empresas na condição de perseguidoras, que os assumem, ora não tendo êxito, ora conseguindo sucesso e ultrapassando as atuais líderes, contribuindo positivamente para o aumento da taxa de rotatividade da liderança no seu segmento de atuação.

Esses desdobramentos também podem gerar interessantes consequências dentro das opções de posicionamento estratégico das empresas ao serem inseridos no modelo das cinco forças de Porter (1997), elucidado pela Figura 1.

 

Fonte: Adaptado de Porter (1997)

 

Nesse cenário, a ameaça de novos entrantes e a ameaça dos produtos/serviços substitutos ganhariam notável destaque, porém com um viés bastante diferente do apresentado originalmente. Assim, uma análise dessas forças não teria mais o foco apenas na obtenção e na manutenção de vantagens competitivas de uma empresa, mas também na sua própria sobrevivência em um ambiente em constante mudança. Certamente as três demais forças não devem ser ignoradas ao avaliar a questão das inovações radicais dentro das estratégias de uma empresa, mas elas passam a ter um aspecto consideravelmente mais operacional neste contexto.

 

3. Método

 

Para atingir os objetivos deste artigo, foram usados como dados para análise as próprias listas de empresas que compõem o índice da Standard & Poor's S&P Global 1200 na última posição de setembro de cada ano avaliado (2001-2009). Assim como ocorre com o S&P 500 nos EUA, o S&P Global 1200 busca identificar as ações de empresas mais negociadas no mundo e mensurar as variações de preços dessas ações.

Este último é composto pela soma de sete índices regionais que buscam cobrir as áreas de grande relevância econômica em nível mundial. Para isso, além do S&P 500, o índice é formado pelo S&P Europe 350, composto pelas 350 ações de empresas mais negociadas nas bolsas europeias: o S&P Topix 150, com as 150 ações mais negociadas do Japão; o S&P Asia 50, com as 50 da Ásia (exceto Japão); S&P Latin America 40, as 40 da América Latina; S&P ASX All Australian 50 ─ 50 da Oceania ─; e o S&P TSX 60, com as 60 do Canadá.

Antes de serem utilizadas para a análise, as listas de empresas que formavam os índices de setembro dos anos de 2001 a 2009 precisavam passar por alguns ajustes. O primeiro foi a nomenclatura e identificação das empresas. Além da não uniformidade das bases originais em relação ao nome das empresas ao longo do tempo, alguns países possuíam empresas com nomes e/ou papéis similares ─ que se confundiam na base, ao identificar mudanças na composição do índice.

Outra questão relevante foi a identificação e o tratamento dos casos de fusões e aquisições. Identificá-las de modo qualitativo dentro do universo da pesquisa seria um trabalho que estaria além do escopo deste estudo. Assim sendo, foram utilizados apenas critérios objetivos para tratar similaridades e diferenças que retratassem descontinuidades das empresas que compunham o índice. Deste modo, a definição desses critérios foi baseada na análise dos nomes, sede e setor das empresas. Se houvesse um nome marginalmente alterado, mas permanecesse com sede e setor inalterados, isso não era considerado uma mudança que representasse uma descontinuidade. Um desses casos é o da empresa francesa de TI ─ Alcatel ─ que se tornou Alcatel-Lucent em 2007. Para a Alcatel, o fato não representou mudança de continuidade. O mesmo tratamento foi dado às ações que simplesmente mudavam de nome ou mesmo a reestruturações societárias que não afetassem os papéis negociados. Em casos que contemplassem mudança no setor de atuação, de país-sede, ou ambos, a inflexão foi considerada. Cabe relembrar que, embora esta análise não tenha sido qualitativa, o reduzido número de casos enquadrados nesses dilemas ─ e a correção efetuada pelo tratamento das três variáveis supracitadas (nome, setor e país-sede) ─ fazem crer que os impactos de eventuais erros serão mínimos diante das amostras de 1200 empresas por ano.

Uma vez ajustadas as bases de dados, foram considerados os seguintes procedimentos: uma tabela foi montada contendo todas as empresas citadas nos nove anos abordados. Caso a organização houvesse feito parte do índice em um determinado ano, a ela era atribuído o valor 1 naquele ano; caso contrário, seria atribuído o valor 0. Como o número de empresas é fixo (1200) independente do ano, pode-se considerar que o número de empresas que entram no índice em um determinado ano é exatamente igual àquele das que deixam o índice no mesmo período. Desta maneira, adotou-se o critério de entrantes para medir a taxa de rotatividade de empresas em um determinado ano, ou seja, cada vez que uma empresa que tinha marcação 0 passasse a ter marcação 1 na tabela, uma descontinuidade era apontada. Nesta nova tabela, havia o número de entrantes por ano a partir de 2002 de forma individualizada, de maneira que pudesse ser agregada setorial ou regionalmente. Este número, somado ao total do mesmo fator agregador, permitiu obter a taxa de rotatividade global ano a ano, assim como as taxas por setor ou região.

Além da determinação dos dados, era necessário determinar um modelo de previsão que fosse adequado ao número reduzido de períodos que havia para análise. Na análise da tendência geral do índice S&P Global 1200, a regressão linear mostrou uma grande aderência, obtendo um coeficiente de determinação bastante próximo de 1 (R² = 0,991). Como o mesmo raciocínio se aplicava ao próprio S&P 500 (R² = 0,9666), considerou-se, para todos os efeitos, que uma boa medida para a curva de tendência seria um comportamento linear. As Tabelas 1 e 2 a seguir mostram que, com exceção do setor de Utilities e dos índices/regiões S&P Latin America 40 e S&P Topix 150, que também tem índices elevados, todos os demais setores e regiões possuem aderências muito altas ao modelo linear (R²≥0,9).

 

Tabela 1 - Regressão linear (ax+b) por índice/região.

 

Tabela 2 - Regressão linear (ax+b) por setor.

 

Por fim, caberiam apenas os alertas de que as classificações setoriais e regionais das empresas são oriundas da própria base da S&P, assim como de que algumas poucas empresas possuíam durante o período mais de uma ação entre as mais negociadas em seus países e setores. Ambas observações são consideradas como distintas para fins desta análise, principalmente para evitar que o número total de empresas de cada subíndice pudesse se diferenciar de um ano paro o outro.

 

4. Modelos de previsão

 

Desde que o ser humano abandonou o conceito fatalista de destino, prever o futuro, e tentar se beneficiar dele, tornou-se algo constante no cotidiano (BERNSTEIN, 1997). Diversos autores desenvolvem, sistematicamente, modelos de previsão com os mais específicos objetivos. Hua & Zhang (2008) buscaram aperfeiçoar os métodos de previsão do próprio S&P 500 através de modelagem estatística alternativa. Sornette (2003) e Qi (2001), por meio de outros índices, analisam cenários buscando prever crises e recessões na economia americana. Na outra ponta, Linton (2002) se aproximou do conceito abordado neste artigo, ao sugerir um modelo de previsão da difusão de inovações disruptivas pela ótica de seus mercados. De modo mais amplo, Ilonen et al. (2006) acenaram com a possibilidade de prever a difusão de inovações de maneira mais geral ─ por meio de um modelo próprio ─, sem deixar de destacar as especificidades da análise de longo prazo para produtos completamente novos. Por fim, Hilmola (2007) buscou fazer a ponte entre os mundos das previsões econômicas e o da difusão de inovações usando a teoria dos longos ciclos de Kondratieff – períodos de 40 a 60 anos detectado pelo economista russo homônimo, em que percebe-se que a economia se comporta de maneira cíclica e senoidal.

Dentro desse contexto evolucionário dos esforços de previsão das relações entre inovação e mudanças na economia, são raras as oportunidades de se olhar para trás e observar a validade desses modelos anos após suas proposições serem estabelecidas. A análise do índice S&P 500 e suas expansões ─ setoriais e regionais ─ através da base do S&P Global 1200 permitirão observações desta natureza.

 

5. Análise do S&P Global 1200

 

Antes de iniciar o que seria o núcleo do artigo, cabe ressaltar que a ideia desta análise é detectar tendências, mesmo no curto período de nove anos, e não indicar razões ─ ou mesmo tentar propor desdobramentos ─ para questões identificadas. Eventualmente, algumas percepções poderão ser explicitadas, mas muito mais com intuito de provocar alguma futura averiguação do que apontar algum fato conclusivo.

Dado o aviso, é conveniente começar pela observação de que há poucas exceções ao modelo geral. Os três únicos indicadores que ficaram com coeficientes de determinação (R²), embora elevados, menores que 0,9, são: os regionais S&P TOPIX 150 e S&P Latin America 40 e o setorial utilities. Para essa averiguação, foram usadas nos testes, além da linear, as curvas exponenciais e logarítmicas, que refletiriam se o comportamento de uma curva de crescimento segue a taxas constantes, crescentes ou decrescentes, respectivamente. Ao testar o S&P TOPIX 150 (Japão), observa-se a impressionante adesão à curva logarítmica (R²=0,982), ou seja, esse índice mostrou-se com comportamento crescente a taxas decrescentes nos últimos nove anos, conclusão bastante diferente da presumida originalmente para os EUA, que teria uma tendência crescente a taxas crescentes. Uma visão que poderia ser explorada como desdobramento desta conclusão seria como a formação dos grandes grupos japoneses influencia esta maior constância. Já o índice S&P Latin America 40 conseguiu sua máxima adesão também à logarítmica, porém com um coeficiente de determinação que ainda ficou abaixo de 0,9 (R²=0,8596). Uma explicação plausível para esse comportamento seria que a região, embora tenha passado os últimos anos se aproximando da consolidação de suas empresas líderes, é a que possui a maior volatilidade dentre as apresentadas.

Ao falar de setores, é conveniente delimitar o que seria cada um deles segundo a classificação da S&P. A Tabela 3 busca retratar esses grupos.

Fonte: Adaptado de SPDR (2010).

Tabela 3 - Descrição dos setores do índice S&P Global 1200.

 

 

Ao fazer os testes das curvas para utilities, a adesão melhorou substancialmente ao se utilizar o modelo exponencial (R²=0,9543), significando uma velocidade crescente nas mudanças desses segmentos. Como mundialmente esses setores possuem, em grande parte, forte ligação com Governos, essa sinalização poderia indicar um período de mudanças como alterações em modelos regulatórios, privatizações, vencimento de concessões etc. Outra possibilidade seria que o próprio setor tenha se tornado mais ou menos relevante dentro das economias, algo minimizado pela observação de que o número de empresas do setor de utilities no índice foi de 78 em 2001 para 75 em 2009, uma variação de menos de 4% em nove anos.

 

5.1. Análise regional

 

A análise original de Foster & Kaplan restringiu-se à economia americana ao observar o comportamento do índice S&P 500. Porém, ao se considerar a relevância de verificar esta tendência de destruição criativa em outras partes de mundo, a análise aos índices que compõem o S&P Global 1200 foi expandida e houve a oportunidade de fazer outras importantes observações.

 

Figura 2 - Rotatividade de empresas por índice/região (acumulado com repetição).

 

A Tabela 1 e a Figura 2 indicam que há substanciais variações entre o comportamento da taxa de rotatividade em diferentes partes do mundo. Com praticamente o mesmo grau de adesão ao modelo linear e com o coeficiente de inclinação muito próximo, a curva do S&P Europe 350 praticamente se sobrepôs à curva geral do S&P Global 1200, sendo o índice que individualmente mais representou a tendência geral. Outro ponto interessante observado foi a percepção de que as duas regiões em que a taxa de rotatividade foi mais elevada que a média foram exatamente as áreas dos chamados países em desenvolvimento: América Latina e Ásia (exceto Japão). Tal constatação indica uma possível relação entre o grau de maturidade de uma economia e a velocidade com que firmas entrantes conseguem posições de destaque.
Essa observação é reforçada pelo fato das outras três regiões analisadas, e que ficaram abaixo da média, serem exatamente as representativas do mundo desenvolvido, a saber: EUA, Europa e Japão, que também são consideradas economias mais inovadoras.

Considerando a previsão de que em 2020 cerca de 75% do índice S&P 500 seria formado por empresas de fora do índice em 2001, pode-se observar que essa afirmação aparenta ser pertinente para todas as regiões analisadas, exceto o Japão. Este último, se continuar no atual ritmo (taxa média de 2,54% a.a.), chegará ao final de 2020 com uma alteração próxima de 49,1%. Os demais, incluindo o próprio S&P 500 ─ com previsão de 83,6% ─, superaria essa marca, com destaque para a Ásia (exceto Japão) ─ que chegaria aos 75% já no início de 2013.

Entretanto, o Brasil, na América Latina, e Coréia e China, na Ásia, são exemplos de abordagens de desenvolvimento bem distintas, nas quais a opção ou não pelo
desenvolvimento industrial baseado em adicional de tecnologia embarcada em produtos e serviços é bem distinto (ver Figuras 3 e 4).

 

Fonte: IEDI/ONU. O Globo, 19/02/2010.

Figura 3 - Proporção do valor adicionado da indústria de transformação no total da economia.

 

 

Fonte: MDIC/FGV. O Globo, 20/02/2010.

Figura 4 - Valor agregado: exportação x importação (US$ por tonelada).

 

A relação entre tais constatações certamente leva a admitir o impacto de tal opção de desenvolvimento no crescimento de empresas e sua figuração em índices tais como os aqui citados, ao se olhar a contribuição de empresas por setor na formação dos índices nessas duas regiões, principalmente de 2005 a 2008 (ver Figura 2). O crescimento de empresas é profundamente afetado, seja pelos avanços do ramo de atividade ou setor, seja pela maior (por vezes mais rápida) "recompensa" obtida pelas firmas mais inovadoras em setores de alta e média intensidade tecnológica.

 

5.2. Análise setorial

 

No que tange aos setores, percebe-se que a análise carece de uma dimensão adicional. Ao contrário dos índices regionais, o universo total de empresas em cada setor pode variar anualmente, cabendo uma análise não só da taxa de rotatividade de empresas dentro do setor, como também da variação do número de empresas a cada ano dentro da composição total do S&P Global 1200. Cabe dizer nesse momento que, embora uma análise setorial dentro de cada índice regional seja algo de fato interessante, não será aqui que essa análise será desenvolvida.

 

Figura 5 - Número total de empresas por setor no S&P Global 1200.

 

No que tange ao número total de empresas em cada ano, dos dez setores abordados, cabe observar no período o setor financeiro que, embora tenha tido pequena variação entre os fins do período 2001-2009, passou por um momento de elevado destaque no decorrer da década (2006-2007, período pré-crise mundial). Os setores de tecnologias da informação (TI) e telecomunicações enfrentaram quedas de participação no índice de 21,9% e 29,4% respectivamente, fato em linha com o estouro da bolha pontocom de empresas de tecnologia no começo da década. Houve também a ascensão do setor de Energia, prioridade nas agendas de diversos países, e cuja participação no índice foi elevada a 42,1%. Os demais ficaram consideravelmente constantes, com variações próximas ou menores a 10% ao longo do período.

Essas observações servem como ressalvas à análise das taxas de rotatividades, já que é de se esperar que um setor com grande aumento ou diminuição em sua participação tenha tido também uma grande taxa de empresas que entraram e saíram do índice, respectivamente. Desse modo, dada a metodologia adotada, uma elevada taxa no setor de energia e baixas taxas nos setores de TI e telecomunicações podem ser esperadas mais como resultados do setor como um todo do que como reflexos de inovações radicais de empresas que a ele estão circunscritos. Segregar esses efeitos de maneira efetiva estaria fora do escopo deste trabalho, mas ao observar o atual setor de energia e os diversos movimentos que as empresas estabelecidas estão fazendo para lidar com as inovações geradas pela evolução das fontes alternativas, permite vislumbrar uma interessante abordagem futura sobre o tema.

Entrando na análise da taxa de rotatividade propriamente dita, há uma confirmação parcial do observado anteriormente, em que o setor de energia figurava com a maior taxa acumulada entre 2001 e 2009 (63,8%), enquanto TI e telecomunicações apareciam com as menores ─ 26,4% e 20,7%, respectivamente. Nesse ponto, cabe observar que, embora o setor de telecomunicações apareça como a menor variação no acumulado, ele é apenas a quarta menor no cômputo ano a ano, mostrando que há um certo fator de rodízio de lideranças preponderante sobre a força de novos entrantes na dinâmica competitiva do setor (ver Figura 6).

 

Figura 6 - Rotatividade de empresas por setor (acumulado com repetição).

 

Relativo aos outros setores, o grande destaque em termos de rotatividade é o setor financeiro, que, seguindo a trajetória atual, chegaria em 2020 com mudança superior a 100%, ou seja, uma tendência de alteração total das atuais empresas no modelo de taxas de rotatividade mesmo sem repetição. Por fim, os setores com as menores taxas (além de TI e telecomunicações) seriam o industrial e o de utilities ─ com mudança entre 2001 e 2009 de 30,2% e 30,1% respectivamente ─, sendo os únicos que não chegariam em 2020 com rotatividade igual ou superior à prevista para a média do S&P 500 de 75% da empresas.

 

6. Conclusões

 

Como principais conclusões deste artigo pode-se destacar que a tendência geral no período 2001-2009 para a rotatividade do índice S&P Global 1200 é muito mais próxima de uma constante (ou seja, função de crescimento acumulado linear) do que decrescente/logarítmica ou mesmo crescente/exponencial ─ como previra Foster & Kaplan para o índice S&P 500.

Porém, em razão do alto valor em que as taxas de rotatividade se estabilizaram, a previsão de alteração de 75% da composição do índice em 19 anos (2001-2020) feita pelos autores não só foram confirmadas, como também superadas, na maior parte dos casos. O índice S&P 500 obteve uma taxa acumulada prevista para 2020 de 83,6%, enquanto o S&P Global 1200, uma de 85,3%, sendo previsto atingir a marca de 75% por volta de 2018 em ambos os casos.

Mesmo com aplicação das ressalvas em relação às taxas de crescimento da participação dos setores dentro do índice, os resultados obtidos por esta análise (a setorial) são, provavelmente, menos assertivos do que os dos índices/regiões. Neste caso, talvez os setores industrials, materials e consumer discritionary, que tiveram menor variação de participação dentro do índice, sejam os que apresentam os resultados mais efetivos.

Por fim, essas observações, mesmo resguardadas das aproximações que foram necessárias para a modelagem do artigo, indicam que, nesta última década, viveu-se um período turbulento, cuja opção pela consolidação, pelo menos, manteve elevados os parâmetros da velocidade de mudança.

Ao atrelar essa percepção ao impacto das inovações radicais, aquelas a partir das quais as firmas estabelecidas desaparecem diante de produtos substitutos, e empresas entrantes surgem ou crescem de forma vertiginosa, elas - as inovações radicais - continuarão a ter impacto, mas cada vez necessitando de inversões significativamente maiores para quebras de paradigma que vençam os padrões competitivos das indexadas que queiram assegurar suas posições.

Por outro lado, energia aparece como um dos setores mais promissores neste cenário, observando claramente que o investimento em formas radicalmente novas terminará por aproximar essa evolução aos vieses sociais e ambientais tão importantes para o desenvolvimento sustentável. Além disso, é possível que as indexadas dos demais setores se vejam compelidas a, em um novo cenário, buscar inovações que aportem, pelo menos em parte, a questões atreladas à sustentabilidade. Assim, tudo isso pode mudar, radicalmente, se as variáveis sociais, ambientais e culturais forem incorporadas nos modelos de previsão. E por fim, pode-se concluir que a década sinalizou possíveis mudanças nas regras do jogo, e que o próprio aprendizado obtido através da análise dos padrões do passado é um poderoso insumo para transformar o que seriam os padrões do futuro.

 

Referências

BAUER, R., Gestão da Mudança: caos e complexidade nas organizações. São Paulo, SP: Atlas, 1999.
BERNSTEIN, P. L., Desafio aos Deuses: a fascinante história do risco. 1° ed., Rio de Janeiro, RJ: Elsevier, 1997.
CHRISTENSEN, C., The Innovator's Dilemma: when new technologies cause great firms to fail. 1° ed., Boston: Harvard Business School Press, 1997.
FONSECA, G. A. P., Proposta de um Modelo de Comunicação para um Ambiente Universitário do Século XXI. 210 f. Dissertação (Mestrado em Ciências da Engenharia de Produção) – Coordenação de Pós-Graduação de Engenharia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2005.
FOSTER, R. & KAPLAN, S., Destruição Criativa: porque empresas feitas para durar não são bem-sucedidas. Como transformá-las. 1° ed., Rio de Janeiro, RJ: Campus, 2001.
HILMOLA, O. P., Stock Market Performance and Manufacturing Capability of the Fifth Long-Cycle Industries. Futures. Vol.30, n.1, p.393-407, 2007.
HUA, Z. & ZHANG, B., Improving Density Forecast by Modeling Asymmetric Features: an application to S&P500 returns. European Journal of Operational Research. Vol. 185, n.1, p.716-725, 2008.
ILONEN, J. et al, Toward Automatic Forecasts for Diffusion of Innovations. Technological Forecasting & Social Change. Vol.73, n.1, p.182-198, 2006.
LINTON, J. D., Forecasting the Market Diffusion of Disruptive and Discontinuous Innovation. Futures. IEEE Transactions on Engineering Management. Vol.49, n.4, p.365-374, 2002.
PORTER, M. E., How Competitive Forces Shape Strategy. Harvard Business Review, n.2, p. 1-10, 1979. Reeditado em 1997.
QI, M., Predicting US Recessions with Leading Indicators Via Neural Network Models. International Journal of Forecasting. Vol.17, n.1, p.383-401, 2001.
SCHUMPETER, J., Capitalism, Socialism and Democracy. 5a ed., London: Routledge, 1943.
SORNETTE, D., Critical Market Crashes. Physics Reports. Vol.378, n.1, p.1-98, 2003.
SPDR, Select Sector SPDRs. Disponível em: <http://www.sectorspdr.com >. Acesso em: 10/03/2010.
STANDARD & POORS WEBSITE, Índices S&P. Disponível em: <http://www2.standardandpoors.com/portal/site/sp/en/us/page.family/indices_ei/2,3,2,0,0,0,0,0,0,0,0,0,0,0,0,0.html>. Acesso em: 10/09/2009.
TIDD, J., BESSANT, J. & PAVITT, K., Managing the Innovation: integrating technological, market and organizational change. 3a ed., West Sussex: Jonh Wiley, 1997.
TIGRE, P. B., Gestão da Inovação: a economia da tecnologia no Brasil. 1 a ed., Rio de Janeiro, RJ: Campus / Elsevier, 2006.
WIKIPEDIA, Índice S&P 500. Disponível em: <http://en.wikipedia.org/wiki/S&P_500>. Acesso em: 09/09/2009.