DETERMINANTES DO PRÊMIO DE RISCO DE TÍTULOS DA DÍVIDA...

FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM

ADMINISTRAÇÃO E ECONOMIA

DDIISSSSEERRTTAAÇÇÃÃOO DDEE MMEESSTTRRAADDOOPPRROOFFIISSSSIIOONNAALLIIZZAANNTTEE EEMM AADDMMIINNIISSTTRRAAÇÇÃÃOO

DETERMINANTES DO PRÊMIO DE RISCO DE TÍTULOS DA DÍVIDA PRIVADA

BRASILEIRA

MMAARRÍÍLLIIAA DDEE OOLLIIVVEEIIRRAA CCAARRMMOO

ORIENTADOR: PROF. DR. ROBERTO MARCOS DA SILVA MONTEZANO

Rio de Janeiro, 07 de junho de 2011.

ii

DETERMINANTES DO PRÊMIO DE RISCO DE TÍTULOS DA DÍVIDA PRIVADA BRASILEIRA

MARÍLIA DE OLIVEIRA CARMO

Dissertação apresentada ao curso de Mestrado Profissionalizante em Administração como requisito parcial para obtenção do Grau de Mestre em Administração. Área de Concentração: Administração Geral

ORIENTADOR: ROBERTO MARCOS DA SILVA MONTEZANO


iii

DETERMINANTES DO PRÊMIO DE RISCO DE TÍTULOS DA DÍVIDA PRIVADA BRASILEIRA

MARÍLIA DE OLIVEIRA CARMO

Dissertação apresentada ao curso de Mestrado Profissionalizante em Administração como requisito parcial para obtenção do Grau de Mestre em Administração. Área de Concentração: Finanças

Avaliação:

BANCA EXAMINADORA:

_____________________________________________________

Professor ROBERTO MARCOS DA SILVA MONTEZANO (Orientador) Instituição: IBMEC/RJ

_____________________________________________________

Professor JOSÉ VALENTIM MACHADO VICENTE Instituição: IBMEC/RJ

_____________________________________________________

Professor ALDO FERREIRA DA SILVA Instituição: BANCO CENTRAL DO BRASIL


iv

Carmo, Marília de Oliveira, 2011-

Determinantes do Prêmio de Risco de Títulos da Dívida Privada Brasileira / Marília de Oliveira Carmo – Rio de Janeiro: 2011 120 f.

Orientador: Roberto Marcos da Silva Montezano Dissertação (mestrado profissionalizante) -

IBMEC RJ

1. Debêntures. 2. Spread. 3. Taxa de Juros. I. Montezano, Roberto Marcos da Silva. II. IBMEC RJ. III. Determinantes do Prêmio de Risco de Títulos da Dívida Privada Brasileira.

v

DEDICATÓRIA

Dedico esse trabalho ao Dr.Célio e Eloir, que me inspiram a querer saber mais.

vi

AGRADECIMENTOS

Agradeço a minha irmã Isabela pelo seu constante exercício de cobrança e por sua

disponibilidade para contribuir.

Agradeço a Lourdes pela sua dedicação na revisão do texto do presente trabalho.

Agradeço ao meu orientador, Roberto Montezano, pela dedicação, sugestões e competência

no ato de adicionar valor ao trabalho.

.

vii

RESUMO

O trabalho foca os spreads das debêntures emitidas no mercado brasileiro em relação à

taxa livre de risco, representada pelo certificado de depósitos interfinanceiros (CDI). O

crescimento da demanda por parte dos agentes econômicos no mercado brasileiro de recursos

de longo prazo para financiamento de seus investimentos através do mercado de capitais,

observado nos últimos anos, indica que estudos voltados para entendimento das variáveis

formadoras do prêmio de risco destes títulos é um campo relevante a ser explorado. Através

de regressão por séries temporais, foi desenvolvido um modelo de estimação dos spreads das

debêntures, separados por rating de crédito, onde só foram considerados os ratings relativos

ao grau de investimento pelas agências classificadoras de risco Fitch Ratings, Standard &

Poor’s e Moody’s (ratings AAA, AA, A e BBB). A amostra abrangeu o período de agosto de

2005 a dezembro de 2010, tendo como variável dependente os spreads das emissões no

mercado secundário de debêntures. Foram testadas seis variáveis explicativas, escolhidas

com o objetivo de refletir o cenário macroeconômico e as condições de liquidez do mercado

de dívida. Observou-se uma relação positiva dos spreads com o CDI e o Risco Brasil e

negativa com o produto interno bruto (PIB). Entretanto, a presença dessas variáveis alterou

em função do modelo de rating. A variável defasada dos spreads foi significativa em todos

os modelos, indicando um movimento de persistência.

Palavras Chave: debêntures; risco de crédito; spread, liquidez; taxa de juros.

viii

ABSTRACT

The focus of this work is the spread over the CDI of brazilian’s corporate bond issues.

The demand growth for long-term funding in capital market, observed in the last years,

support the importance of exploring the variables that affect the risk spread of corporate

bonds. Through a time series regression, it was modeled the spreads of the corporate bonds in

Brazil, considering 4 classes of credit rating, that correspond to investment grade (AAA, AA,

A e BBB). The dependent variable was the spread of corporate Bond in the secondary

market from august 2005 through december 2010. The independent variables were related to

macroeconomic and market liquidity datas. The regressions indicated a positive relation

between the spreads and the variables CDI and country risk. It could also be seen an inverse

relation between the spread and PIB. However, the presence of these variables depends on

the rating. It can be noticed that the lag variable of the spreads was present in all the models,

indicating a persistent movement.

Key Words: Corporate Bond, Credit Risk, Spread, Liquidity, Interest Rates.

ix

LISTA DE GRÁFICOS

Gráfico 1 – Emissões Primárias por Setor ................................................................................ 10�

Gráfico 2 - Volume de Emissões CVM 400 e CVM 476 ........................................................ 13�

Gráfico 3 - Evolução CDI(%) X Spreads médios(%) em relação aos ratings AA e A ... 43�

Gráfico 4 – Séries Spread Debêntures ...................................................................................... 55�

Gráfico 5 – Séries Variáveis Independentes ............................................................................. 56�

x

LISTA DE TABELAS

Tabela 1 – Volume de Emissões de Debêntures e Notas Promissórias ...................................... 6

Tabela 2 – Número de Emissões de Debêntures e Notas Promissórias...................................... 6

Tabela 3 – Volume de Emissões e Variáveis de Mercado ......................................................... 8

Tabela 4 – Taxa de Debêntures por faixa de risco – Mercado Secundário .............................. 36

Tabela 5 – Amostra Mercado Primário por Classe de Rating .................................................. 38

Tabela 6 – Variável Dependente dos Modelos ......................................................................... 42

Tabela 7 – Variáveis Independentes dos Modelos ................................................................... 44

Tabela 8 – Estatísticas Descritivas da Variável Dependente .................................................... 51

Tabela 9 – Estatísticas Descritivas das Variáveis Independentes ............................................. 52

Tabela 10 – Denominação das Variáveis do Modelo ............................................................... 53

Tabela 11 – Resultado dos Correlogramas e Testes de Raiz Unitária ...................................... 58

Tabela 12 – Resultado das Regressões - Variável Dependente: Spread AAA ........................ 60

Tabela 13 – Resultado das Regressões - Variável Dependente: Spread AA ........................... 64

Tabela 14 – Resultado das Regressões - Variável Dependente: Spread A ............................. 67

Tabela 15 – Resultado das Regressões - Variável Dependente: Spread BBB ........................ 71

Tabela 16 – Estatísticas dos Modelos Indicativos .................................................................... 77�

xi

LISTA DE ABREVIATURAS

ANBIMA Associação Brasileira das Entidades do Mercado Financeiro e de

Capitais

ADF Teste de Raiz Unitária Augmented Dickey-Fuller

AR Processo Auto Regressivo

BACEN Banco Central do Brasil

BNDESPAR Banco Nacional de Desenvolvimento Econômico e Social Participações

BOVESPA Bolsa de Valores de São Paulo

BOVESPA FIX Mercado de Renda Fixa da Bolsa de Valores de São Paulo

BOVESPA VOL Volume de Negócios na Bolsa de Valores de São Paulo

CDI Certificado de Depósitos Interfinanceiros

CETIP Central de Custódia e de Liquidação Financeira de Títulos

CPI Consumer Price Index

CVM Comissão de Valores Mobiliários

DI Depósitos Interfinanceiros

DW Durbin -Watson

EMBI Emerging Markets Bond Index

EMBI Br Emerging Markets Bond Index - Brasil

xii

IBGE Instituto Brasileiro de Geografia e Estatística

IBOVESPA Índice da Bolsa de Valores de São Paulo

IET Investimento Externo em Títulos

IGPM Índice Geral de Preços do Mercado

IOF Imposto sobre Operações Financeiras

KPSS Teste de Raiz Unitária Kwiatkowski - Phillips – Schmidt - Shin

MA Processo de Média Móvel

MCE Modelo de Correção de Erro

MDD Modelo de Defasagens Distribuídas

PCom Commodity Price Index

PIB Produto Interno Bruto

PPI Producer Price Index

R2 Coeficiente de Determinação

S&P 500 Índice de 500 Ações da Standard & Poors

SND Sistema Nacional de Debêntures

TJLP Taxa de Juros de Longo Prazo

TR Taxa Referencial

VAR Vector Autoregression

VIX Chicago Board Options Exchange Volatility Index

xiii

SUMÁRIO

1� INTRODUÇÃO ................................................................................................... 15�

1.1� DEFINIÇÃO DO PROBLEMA .................................................................................................................. 3�

1.2� OBJETIVO ................................................................................................................................................... 4�

1.3� JUSTIFICATIVA E RELEVÂNCIA DO TEMA ..................................................................................... 4�

1.4� ESTRUTURA DO TRABALHO ................................................................................................................ 7�

2� MERCADO DE DÍVIDA CORPORATIVA BRASILEIRA ..................................... 8�

2.2 PRINCIPAIS CARACTERÍSTICAS ........................................................................................................ 11�

2.3 TENDÊNCIAS .............................................................................................................................................. 12�

3� REVISÃO DE LITERATURA ............................................................................. 15�

3.1� MODELOS ................................................................................................................................................. 15�

3.2� ESTUDOS INTERNACIONAIS .............................................................................................................. 17�

3.3� ESTUDOS BRASILEIROS ....................................................................................................................... 26�

3.4� SÍNTESE .................................................................................................................................................... 32�

4� METODOLOGIA ................................................................................................ 34�

4.1� MODELO ................................................................................................................................................... 34�

4.2� AMOSTRA E FONTE DE DADOS ......................................................................................................... 37�

4.3� ETAPAS ...................................................................................................................................................... 45�

5� RESULTADOS E ANÁLISE .............................................................................. 49�

5.1� ESTATÍSTICAS DESCRITIVAS DAS VARIÁVEIS ............................................................................ 49�

5.2� RESULTADOS .......................................................................................................................................... 52�5.2.1� ETAPA 1 - Análise das Séries ........................................................................................................... 54�

xiv

5.2.2� ETAPA 2 - Resultados e Análises das Regressões ............................................................................ 59�5.2.2.1� REGRESSÕES SPREAD AAA ..................................................................................................... 59�5.2.2.2� REGRESSÕES SPREAD AA ........................................................................................................ 63�5.2.2.3� REGRESSÕES SPREAD A ........................................................................................................... 66�5.2.2.4� REGRESSÕES SPREAD BBB...................................................................................................... 69�5.2.3� ETAPA 3 - Teste de Correlação Serial nos Resíduos ........................................................................ 72�5.2.4� ETAPA 4 - Síntese dos Modelos Indicados ...................................................................................... 76�

6� CONCLUSÕES .................................................................................................. 80�

BIBLIOGRAFIA ........................................................................................................ 84�

APÊNDICE 1 – CORRELOGRAMAS SÉRIES ........................................................ 89�

APÊNDICE 2 – TESTES DE RESÍDUOS E CORRELOGRAMAS DOS RESÍDUOS .................................................................................................................................. 96�

APÊNDICE 3 – REGRESSÕES COMPARATIVAS COM E SEM VARIÁVEL DURATION ............................................................................................................. 101�

xv

1 INTRODUÇÃO

O cenário de estabilidade monetária e crescimento econômico, pelo qual vem

atravessando a economia brasileira exige o fortalecimento de fontes de recursos de longo

prazo para financiar os investimentos corporativos crescentes. Neste contexto, o mercado de

capitais brasileiro tem se aquecido nos últimos anos, tanto através de emissões de ações,

quanto de dívidas.

No caso do mercado de dívida, um dos temas de interesse acadêmico e prático é o seu

apreçamento, visto que seu mercado secundário é incipiente, dificultando a referência de

preços. A decisão de investimento em títulos de dívida de uma empresa requer a precificação

do prêmio de risco. Esta avaliação pode levar em consideração, além dos aspectos intrínsecos

de risco de inadimplência, também fatores como o perfil do título, que indica a posição

hierárquica nos ativos da empresa, o risco das taxas de juros e também o nível de aversão ao

risco do mercado financeiro, que determina, em grande parte, a exigência do investidor por

liquidez.

O nível geral da taxa de juros da economia, segundo Damodaran (1997), está relacionado

às taxas de juros dos títulos do Governo de curto prazo, do qual derivam as demais taxas de

juros de diversos tipos de ativos, entre eles os títulos de longo prazo do Governo. A taxa de

juros é decomposto pela taxa esperada de inflação e a taxa real de juros. A taxa real de juros

2

pode ser definida como o preço real do crédito no tempo, ou seja, a taxa pela qual os agentes

estão dispostos a trocar o consumo atual pelo futuro. As taxas de juros incidentes sobre os

títulos soberano de um país com condições macroeconômicas equilibradas, são de pequeno

risco, sendo consideradas como a taxa livre de risco. Quando o tesouro toma emprestado

recursos através de emissão de títulos, a probabilidade de pagamento do serviço da dívida e

do principal investido é bastante elevada, em geral, tendendo a zero a expectativa de que o

tesouro não honre seus compromissos. Essa percepção do mercado pode estar atrelada à

regularidade do fluxo de caixa do Governo, proveniente dos impostos e no poder soberano de

emitir moeda.

Por outro lado, quando se investe em títulos de dívida emitidos por empresas, a

perspectiva de não pagamento se altera, visto que as corporações trazem uma maior incerteza

na concretização de seu fluxo de caixa esperado, comparado ao direito de arrecadar impostos

do Governo. Com a probabilidade mínima de default, as taxas de juros pagas pelos títulos do

Governo são consideradas referência para formação de todas as demais taxas no mercado,

considerando os respectivos prazos de vencimento.

Há também a questão da liquidez, em que se observa que os títulos corporativos são

significativamente menos líquidos que os títulos do Governo, sendo mais difícil transformá-

los em dinheiro no curto prazo. Adicionalmente, alguns títulos corporativos apresentam

particularidades como opção de resgate antecipado e conversibilidade em ações, levando a

outros elementos de risco que podem influenciar os prêmios de risco exigidos em relação aos

títulos públicos de mesma maturidade, como risco de taxa de desconto e de reinvestimento de

cupons.

3

1.1 DEFINIÇÃO DO PROBLEMA

O mercado brasileiro de dívida corporativa tem um histórico consistente pequeno,

considerando o volume de emissão e diversidade de participantes. Tomando como parâmetro

o período após o Plano Real (1994), que criou um ambiente de mercado mais propício para o

desenvolvimento do mercado de capitais, com a derrocada do cenário de inflação elevada

constante, observa-se que somente a partir de 2004 ocorre uma maior relevância do mercado

de capitais como alternativa de financiamento dos investimentos corporativos.

No mercado de dívida, especificamente das emissões de debêntures e notas promissórias,

considerando apenas os títulos de empresas não financeiras, a média de emissões no período

de 1996 a 2003 foi de R$ 14 bilhões, com taxa de crescimento anual bastante volátil.

O ano de 2004 apresentou-se como um marco para uma trajetória mais estável de

crescimento e volumes mais robustos das emissões de debêntures e notas promissórias,

atingindo um total de emissões de R$ 52,9 bilhões em 2010. Mesmo com a influência

negativa do ano de 2007, a média de captação das empresas, no período 2004/2010, foi de R$

28 bilhões.

Em 2007, o mercado de emissão de dívida foi parcialmente substituído pelo de ações,

que atingiu seu recorde de volume. Em 2009, o mercado de capitais, como um todo, sofreu os

reflexos da retração da liquidez em função da crise financeira internacional, iniciada em 2008;

entretanto, o mercado de dívida conseguiu fechar o ano com crescimento do volume de

emissões no mesmo nível do verificado em 2008, aumentando em 18%. Vale ressaltar que

muito dessas emissões foram investimentos de tesouraria dos próprios bancos estruturadores,

mostrando a cautela do mercado no ano pós crise. Em 2010, o cenário foi de retomada forte,

4

tanto em número de emissões, quanto em volume, fechando o ano com o número recorde de

143 emissões e R$ 52,9 bilhões de volume.

O mercado de debêntures apresenta uma demanda por apreçamento de seu prêmio de

risco pela dificuldade de referência de preços no mercado secundário, dada sua pequena

liquidez e pelo curto histórico consistente de volume de emissões de dívidas.

Adicionalmente, a observação do comportamento dos prêmios de risco indica que apresenta

uma volatilidade significativa, apontando a possível correlação com variáveis de mercado que

deve ser avaliada. Neste sentido, estudos que abordam a relação entre o comportamento dos

prêmios de risco e variáveis de mercado na expectativa de medir o preço indicativo de uma

emissão de debêntures, numa determinada conjuntura, pode levar a uma maior simetria na

formação de preços do mercado de títulos privados.

1.2 OBJETIVO

O objetivo do trabalho é estimar um modelo para determinação do prêmio de risco

dos títulos privados de renda fixa brasileiro, utilizando metodologia de regressão por séries

temporais. A meta é tentar identificar as variáveis que são mais relevantes na explicação do

prêmio de risco e, que, através do modelo viabilizem uma aproximação na precificação desse

prêmio.

1.3 JUSTIFICATIVA E RELEVÂNCIA DO TEMA

A escolha do tema se deu em função da importância de se definir o prêmio de risco

mais adequado para a precificação de um título de dívida corporativa, num determinado

5

contexto econômico-financeiro. Como se observa na literatura sobre o tema, os prêmios não

variam somente em função do risco de crédito, que tem como parâmetro as notas de rating

das agências classificadoras de risco, mas são influenciados também por variáveis como

características dos títulos, liquidez, aversão ao risco sistêmico, taxas de juros, sendo alguns

desses indicadores que mudam ao longo do tempo, de acordo com o cenário econômico.

A necessidade de se consolidar no mercado doméstico fontes alternativas de fundos de

longo prazo para financiar investimentos empresariais, torna-se relevante a adequada

precificação do risco envolvido nos títulos de dívidas de empresas. Buscando propiciar maior

transparência e confiança aos investidores, que possuem perfil de risco diferenciado,

justifica-se, portanto, o estudo de modelos que visam desenvolver a precificação de títulos de

dívida que são disponíveis para o mercado de investidores.

O mercado de debêntures corporativas apresenta, de acordo com posição de 29 de

abril de 2011, disponibilizada no site do Sistema Nacional de Debêntures (SND), um estoque

de 469 títulos, com volume de R$ 117 bilhões.

O volume total das emissões de debêntures e nota promissória em 2009 foi de R$ 34,9

bilhões e em 2010 registrou um crescimento expressivo de 52%, atingindo o recorde de R$

52,9 bilhões, conforme observado na tabela 1. Em relação ao número de emissões, observa-se

uma média de 49 emissões ao ano no período de 2004 a 2008. Os anos de 2009 e 2010

apresentaram um novo patamar de quantidade de emissões, atingindo os valores de 97 e e

143, respectivamente. Parte deste crescimento pode ser explicado pela divulgação da

instrução CVM 476, publicada em janeiro de 2009, que permitiu emissões públicas de

empresas de capital fechado e isentou o registro da distribuição na Comissão de Valores

Mobiliários (CVM), impactando positivamente nos custos para o emissor.

6

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Debêntures 8,1 13,3 8,8 5,1 9,5 11,6 22,6 15,5 6,3 26,4 52,9

NP 7,6 5,3 3,9 2,1 2,2 2,6 5,3 9,7 23,3 8,5 0,0

TOTAL 15,7 18,5 12,7 7,3 11,8 14,3 27,8 25,2 29,6 34,9 52,9

% PIB 1,3% 1,4% 0,9% 0,4% 0,6% 0,7% 1,2% 0,9% 1,0% 1,1% 1,5%

Fonte: CVM, SND e Banco Central do Brasil (BACEN)N)

Nota: Volume de Emissões sem Leasing (R$ bilhões) e percentual do PIBIB

Tabela 1 – Volume de Emissões de Debêntures e Notas Promissórias

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Debêntures 36 36 22 16 37 32 37 35 19 65 143

Nota Promissória 44 31 20 12 5 9 17 19 37 32 0

TOTAL 80 67 42 28 42 41 54 54 56 97 143

Fonte: CVM e SND

Nota: Número de Emissões sem Leasing

Tabela 2 – Número de Emissões de Debêntures e Notas Promissórias

Até abril de 2011 foram emitidas 51 debêntures, no montante de R$ 11,8 bilhões,

confirmando o movimento de aumento na quantidade de emissões e força no volume.

O cenário de crescimento econômico no Brasil, a carência de infraestrutura e os

grandes eventos esperados para 2014 e 2016 (Copa do Mundo e Olimpíadas) indicam que a

necessidade de recursos de financiamento de longo prazo será crescente, o que posiciona as

7

emissões de mercado de capitais como uma tendência irreversível, para fazer frente a essa

demanda.

1.4 ESTRUTURA DO TRABALHO

A dissertação está desenvolvida em seis capítulos , sendo o primeiro a presente

Introdução. No final é apresentada a relação da bibliografia utilizada como referência do

trabalho.

O capítulo 2 trata do Mercado de Dívida Corporativa Brasileira, com o objetivo de

apresentar a evolução recente deste mercado, suas tendências, como ele se encontra

estruturado e suas características específicas.

A seguir, o capítulo 3 traz a Revisão de Literatura, onde estão analisados estudos que

abordam a precificação/explicação dos spreads dos títulos de dívida privados, buscando

explorar metodologias diversas e o mercado internacional e doméstico.

No capítulo 4, o objetivo é apresentar a Metodologia utilizada no trabalho, detalhando

as etapas, as variáveis trabalhadas e o período analisado.

O capítulo 5 apresenta os Resultados encontrados no modelo proposto, discriminando

a eficiência do modelo e ponderando o sentido econômico dos resultados.

Por fim, o capítulo 6 apresenta as Conclusões do trabalho. Adicionalmente, pondera

sobre as limitações verificadas no modelo trabalhado e propõe estudos alternativos que

possam aprimorar ou abordar outros aspectos do trabalho desenvolvido.

8

2 MERCADO DE DÍVIDA CORPORATIVA BRASILEIRA

2.1 EVOLUÇÃO RECENTE

Os níveis mais baixos de juros presentes na economia brasileira nos últimos anos,

relativamente ao predominante nas últimas décadas, aliado ao cenário de estabilidade da

moeda e crescimento mais constante do PIB, têm contribuído para uma evolução mais

consistente do Mercado de emissão de dívida corporativa brasileira. Essa evolução tem se

mostrado não apenas em termos de volume emitido e número de emissões, mas, também,

sobre os aspectos de diversificação setorial, movimentos de maior pulverização na base de

investidores e alongamento de prazos.

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

CDI (%) 16,13 19,05 22,91 16,81 17,46 18,15 13,14 11,11 13,49 8,61 10,64

IPCA (%) 5,97 7,67 12,53 9,30 7,60 5,69 3,14 4,46 5,90 4,31 5,91

PIB (%) 4,29 1,32 2,62 1,17 5,70 3,17 3,94 6,07 5,17 -0,65 ND

Volume Emissões Debêntures + NP (R$ Bi)

15,66 18,53 12,66 7,26 11,76 14,27 27,84 25,22 29,56 34,89 52,93

Fonte: BACEN / IBGE

Tabela 3 – Volume de Emissões e Variáveis de Mercado

9

As emissões corporativas brasileiras têm sido muito concentradas nos setores de Energia

Elétrica e Telecomunicações. Provavelmente pelas características setoriais de necessidade de

grandes investimentos em capital fixo e de possuírem uma geração de caixa mais previsível

que demais setores na economia, com regras regulamentares relativamente definidas.

Entretanto, a melhora nos fundamentos macroeconômicos dos últimos anos vem propiciando

uma maior dinâmica nos diversos setores da economia, com muitas empresas se voltando para

o mercado de investidores na busca de captação de recursos. Observa-se uma maior

diversificação setorial no índice da bolsa de valores mobiliários de São Paulo (IBOVESPA)

nos últimos 4 anos, com setores como construção civil, frigoríficos, concessões rodoviárias,

participando do índice. Esse quadro se reflete também no mercado de emissões de

debêntures. Em 2010, o volume total de emissões registrou uma maior diversificação setorial,

com destaque para setores como construção civil, representando 18,3% do total, transporte e

logística, 17,6%, comércio varejista, 5,9% e a presença de setores como assistência médica,

2,9%. As emissões nos setores de energia elétrica e telecomunicação continuaram elevadas e

ainda com 31,6% do volume, porém vem perdendo espaço para outros setores em relação a

anos anteriores. No período de 2005 a 2008 as emissões se concentravam praticamente nos

setores de arrendamento mercantil, energia elétrica, siderurgia, mineração e

telecomunicações, de acordo com dados do SND.

10

Gráfico 1 – Emissões Primárias por Setor

Em termos de diversificação das ofertas, observam-se algumas iniciativas de

pulverização da colocação das emissões, como as verificadas nas emissões do Banco Nacional

de Desenvolvimento Econômico e Social Participações (BNDESPAR), que reservam uma

parte da colocação para o publico varejo e introduzem a figura do Formador de Mercado, que,

por acordo contratual com o emissor, se compromete a garantir liquidez mínima e referência

de preço para o ativo.

Embora ainda concentrado em prazos mais curtos, geralmente de 3 a 5 anos, já se observa

uma aceitação pelos investidores de prazos acima em torno de 10 anos, como as emissões:

i) Companhia de Transmissão de Energia Elétrica Paulista (CTEEP) de 8 anos em jan/2010;

ii) Telemar de 10 anos em abr/2010; iii) Concessionária Rota das Bandeiras de 12 anos em

jul/2010 e iv) TAESA de 7 anos em dez/2010.

11

2.2 PRINCIPAIS CARACTERÍSTICAS

O mercado atual de debêntures apresenta o seguinte perfil:

a) baixa liquidez no mercado secundário, com poucos negócios e baixo volume

negociado;

b) concentração em poucos investidores e com perfil de investimento de

carregamento do título até o vencimento – um número expressivo dos investidores

são Fundos de Pensão e Seguradoras, que têm um perfil de investimento de longo

prazo;

c) predominância de prazos médios de vencimento, em torno de 5 anos, de acordo

com o demonstrado nos boletins mensais de mercado de capitais divulgados pela

Associação Brasileira das Entidades do Mercado Financeiro e de Capitais

(ANBIMA);

d) concentração de ofertas nos níveis de risco mais baixos (ratings AAA, AA e A),

que leva a dificuldade de empresas em fase de crescimento acessar ao mercado de

dívida;

e) possui dois ambientes de negociação – Mercado de Renda Fixa da Bolsa de

Valores de São Paulo (BOVESPA FIX) e Central de Custódia e de Liquidação

Financeira de Títulos (CETIP), podendo levar à assimetria de informações;

f) baixo histórico de emissões com volume e crescimento consistente – em torno de

6 anos, de acordo com os dados divulgados na CVM e SND;

g) predominância de distribuição em regime de Garantia Firme dos bancos

estruturadores, levando a custos mais elevados;

12

h) como pode ser observado nas emissões na modalidade de distribuição de esforços

restritos, com base na CVM 476, onde vem se concentrando a maior parte das

emissões de debêntures desde 2009, uma parte significativa das operações são

encarteiradas pelos bancos estruturadores, não sendo de fato distribuídas ao

mercado. Isso ocorre em função do instrumento debênture ser uma alternativa

pelas empresas de captação junto ao sistema bancário a um custo mais baixo,

devido a não cobrança de imposto de operações financeiras (IOF), contribuindo

para a diminuta liquidez do mercado secundário de debêntures.

Essas características, principalmente a concentração dos investidores, a propensão de

carregamento do título até o investimento, a pouca demanda por compra de títulos mais

longos e riscos de crédito mais elevados, dificultam uma maior dinâmica nas emissões de

dívida no mercado doméstico.

2.3 TENDÊNCIAS

Algumas medidas vêm sendo tomadas por órgãos reguladores do mercado, como a CVM

e o Governo Federal, no sentido de incentivar o mercado de dívida privada, procurando

amenizar ou eliminar alguns pontos que causam entrave a um maior dinamismo do mercado.

Destaco como uma dessas medidas, a Instrução CVM 476 de janeiro de 2009, que dispõe

sobre a distribuição de oferta pública de valores mobiliários com esforços restritos,

direcionada somente para investidores qualificados. Essa medida traz uma desoneração para

13

os emissores e uma maior agilidade na colocação da oferta, visto que estão dispensadas de

registro de distribuição e de abertura de capital na CVM. A relevância dessa medida pode ser

constatada ao se observar o volume de emissões com base nessa instrução, conforme

demonstrado no gráfico 2. Desde 2009, quando esta instrução foi divulgada, o volume das

emissões nesta modalidade, tem se apresentado superior ao das operações emitidas com base

na instrução CVM 400, que exige o registro nesse órgão.

Gráfico 2 - Volume de Emissões CVM 400 e CVM 476

Fonte: SND

Recentemente, em dezembro de 2010, o Governo Federal divulgou medidas de estímulo

ao mercado de dívida privada, focando principalmente o alongamento das emissões, o

incentivo ao investimento em projetos de infraestrutura e a liquidez do mercado de títulos

privados. As principais medidas foram: i) desoneração de imposto de renda sobre os

rendimentos de debêntures voltadas para projetos de infraestrutura e que apresentem duration

de no mínimo 4 anos; ii) incentivo à liquidez de títulos privados através da autorização para

que as instituições financeiras destinem até 3 pontos percentuais de recolhimento do

14

compulsório sobre depósitos a prazo para criação de fundos de liquidez para papéis privados,

que exerçam o papel de formador de mercado, com colocação diária de proposta de compra e

venda.; iii) outra medida de incentivo à liquidez do mercado secundário, com a eliminação do

IOF de até 30 dias sobre compra e venda de títulos privados; iv) aperfeiçoamento da Lei das

Sociedades Anônimas (Lei 6.404 de 15/12/1976), visando a uma maior efetividade e rapidez

no processo de emissão de debêntures, onde seriam alterados pontos como permissão de

emissões concomitantes, flexibilização de recompra pelo emissor e eliminação do limite para

emissão de debêntures quirografárias.

O cenário para o mercado de debêntures poderá ser favorável tendo em vista:

• a trajetória de crescimento econômico esperada;

• o aumento da demanda de recursos por grandes projetos de infraestrutura;

• o cenário de queda de taxas de juros no longo prazo, fortalecendo a maior

aceitação do risco privado por parte dos investidores;

• as medidas governamentais de incentivo a um maior dinamismo no mercado de

dívida privada.

15

3 REVISÃO DE LITERATURA

A literatura relaciona vários determinantes dos spreads de taxas de juros dos títulos

corporativos em relação às taxas de juros dos títulos considerados livres de risco. De uma

forma geral, verifica-se que foram modeladas variáveis explicativas correspondentes aos

seguintes aspectos: i) condições macroeconômicas e do mercado financeiro, como taxa de

juros, nível de liquidez na economia, crescimento do PIB, aversão ao risco e preferência por

liquidez; ii) características do emissor, como sua probabilidade de inadimplência, nível de

transparência das informações; iii) aspectos da emissão, traduzidos em variáveis como

condições de dívida sênior ou subordinada, existência de opção de compra pelo emissor ou

venda pelo comprador, conversibilidade, sinking fund, distribuição pública versus distribuição

privada, liquidez do ativo e duration.

3.1 MODELOS

Em termos clássicos, a literatura aborda duas classes de modelos de avaliação de risco

de inadimplência: Estrutural e Forma Reduzida, conforme descrito por Chebbi (2009). O

modelo estrutural de Black and Scholes (1973) e Merton (1974) baseia-se no princípio que

16

dívida pode ser vista pelo acionista controlador da empresa como uma opção de compra nos

ativos da companhia. Neste modelo, a empresa entra em processo de default, quando o valor

do ativo cai abaixo de uma determinada barreira pela primeira vez, normalmente representada

pelo volume de dívidas de uma empresa. A probabilidade de inadimplência e o valor da

dívida derivam do processo de valorização dos ativos da companhia. Já o modelo reduzido

trabalha com a probabilidade de inadimplência ao longo do tempo como uma variável

exógena. A inadimplência não é casualmente modelada em termos de ativos e passivos da

companhia. A calibragem desta probabilidade de default é feita em relação aos dados das

agências de rating, ou a variáveis exógenas, com base em dados observáveis, disponíveis no

mercado financeiro.

Na linha do modelo reduzido, o artigo de Jarrow, Lando e Turnbull (1997) apresenta

um modelo para estrutura a termo dos spreads de risco de crédito de dívida corporativa. Os

parâmetros do modelo são estimados usando dados observáveis. O modelo considera o

rating de crédito corporativo como o indicador exógeno de probabilidade de default.

Muitos trabalhos acadêmicos interpretam estes spreads de risco como medida da

percepção do mercado do risco de crédito implícito nos bonds corporativos. Entretanto, como

empresas com rating elevado têm pequena probabilidade de default, o spread de crédito

parece muito alto para ser explicado somente pelo prêmio de risco de inadimplência. Há

estudos que atribuem o prêmio também a outras variáveis como impostos, liquidez, fatores de

risco de mercado, como os desenvolvidos por Elton, Gruber, Agrawal e Mann (2001), Sheng

e Saito (2004) e Hays, Joehnk e Melicher (1979), respectivamente.

Muitos estudos se dedicaram ao tema de precificação e análise dos spreads de títulos

corporativos. A maioria com foco no mercado americano, até por ser mais desenvolvido e ter

17

um mercado secundário mais robusto. Mas, já há vários estudos no mercado brasileiro que

vêm abordando o problema.

3.2 ESTUDOS INTERNACIONAIS

De acordo com Elton e Gruber (1995), o comportamento dos spreads de risco dos títulos

de dívida corporativa em relação ao títulos públicos se dá em função do maior risco de default

e menor liquidez. Adicionalmente, consideram um grupo de fatores que afeta o risco dos

títulos de dívida privada, que deve ser considerado na precificação, conforme descrito abaixo:

1. Maturity: quanto maior a maturidade do título, maior o risco. Maior a exposição à

volatilidade do risco de mercado e do risco de desempenho operacional da empresa. Essa

variável tem uma correlação positiva com o spread do título;

2. Probabilidade de inadimplência: capacidade de pagamento do emissor ou garantidor.

Definem como principais fatores que influenciam o risco de default e que geralmente são

considerados no estabelecimento de ratings de crédito: i) nível de cobertura – geração de

caixa em relação ao fluxo de pagamento do serviço da dívida; ii) volatilidade dos resultados

da empresa e do fluxo de caixa (empresas que operam em negócios estáveis e previsíveis

terão menor risco de inadimplência do que empresas que operam em áreas cíclicas e/ou

voláteis); iii) nível de endividamento; iv) necessidade de capital de giro;

3. Hierarquia da dívida sobre a receita/ativos do emissor. Ou seja, a senioridade de

determinado título de dívida em relação aos outros títulos de dívida, quando na ocorrência de

uma situação de inadimplência nos compromissos de dívida da empresa. Dependendo da

condição de senioridade do título, ele apresenta preferência no recebimento de seus

compromissos em relação aos demais títulos, tendo, portanto, prioridade sobre os ativos da

18

empresa necessários para quitar seu crédito. Portanto, quanto maior a condição de

senioridade do título em relação às demais dívidas da companhia, menor prêmio de risco é

exigido pelo investidor.

4. Liquidez do investimento e tipo de mercado onde é negociado: preferência por liquidez

está ligada ao grau de incerteza dos cenários e nível de aversão ao risco, onde, quanto maior

o nível de exigência de liquidez, maior será a demanda por spread do título;

5. Opções ligadas ao investimento: i) callability – opção de compra pelo emissor, devendo

oferecer maior retorno ao investidor para compensar a possibilidade de exercício da opção;

ii) sinking fund - emissor provisiona parcelas da dívida e possui opção de compra destas

parcelas – assim como a callability o investidor deve pedir mais prêmio para compensar a

call, embora num patamar menor, visto que há o efeito de diminuição no risco de default; iii)

conversibilidade – o investimento pode ser trocado por outros títulos. Como a opção é do

investidor, exige-se menor prêmio que os anteriores.

Os autores introduzem também a questão da influência da volatilidade da taxa de juros da

economia, que representa o ponto base para a precificação dos ativos de maior risco. Num

cenário de maior volatilidade da taxa de juros, altera-se a relação de prêmio de investimento

em títulos corporativos, conforme observado no mercado americano no período de 1982 a

1992, onde o investidor exigia um pagamento maior para investir seus recursos no risco

corporativo.

Hays et al. (1979) introduzem outra questão, buscando identificar os fatores de emissão,

de mercado e econômico, que ajudam a explicar os níveis de risco de uma oferta pública

versus privada de títulos de dívida corporativa. Através da metodologia de regressão

múltipla, trabalharam com uma amostra de 376 emissões públicas e 314 privadas,

comparando seus retornos com título do tesouro americano equivalente. O período do estudo

19

foi de 1970 a 1975. Na regressão foram inseridas as variáveis de risco de default,

econômicas e de mercado, como produção industrial, nível de utilização de capacidade,

expectativa de investimento em capital fixo, nível de preço das ações, índices preço/lucro,

reservas disponíveis e montantes autorizados pela companhias de seguridade para aplicação

em emissões de dívidas. Essas variáveis conseguiram explicar 51% da variação do prêmio de

risco nas ofertas públicas e 45% nas privadas. O prêmio de risco nas ofertas públicas foi em

grande parte explicado pelo risco de default (na forma das características do emissor e

emissão). Por outro lado, na emissão privada, os fatores macroeconômicos e de mercado

foram mais determinantes.

Seguindo a abordagem de Hays et al. (1979), Zwick (1980) busca analisar o retorno dos

títulos corporativos americanos em função do tipo de oferta, se pública ou privada. Defende

que diferenças nos retornos dos ativos tendem a refletir variáveis como maturidade, risco de

default, liquidez e tributação. Observou que ativos com estas quatro condições comparáveis,

apresentam diferenças de rentabilidade em função da emissão ao mercado ser pública ou

privada. Analisando o período de 1961 a 1977, revelou que o retorno médio de colocação

privada excede o de colocação pública em 50 pontos base. Segundo o autor, custos variáveis

menores e maior flexibilidade para os emissores nas colocações privadas tendem a explicar

grande parte dos spreads.

Vasicek (1984) defende que a avaliação de título de crédito privado está relacionada ao

valor de mercado dos ativos do emissor. Relaciona a precificação do crédito à teoria de

precificação de opções, refutando o que chama de análise convencional de projeção de fluxo

de caixa. Apresenta uma proposta de modelo em que a probabilidade de default depende do

atual valor de mercado do ativo do emissor, da expectativa de retorno desse ativo, da

variância do valor de mercado, do valor da dívida e do prazo dos títulos de dívida. A

20

premissa básica é que o valor do crédito é uma função do valor dos ativos da empresa, sobre o

qual o credor é um dos detentores desse direito. Essa teoria se baseia na eficiência do

mercado, onde o preço dos ativos deve refletir adequadamente as informações disponíveis no

mercado.

Abordando também a questão das características dos títulos, através da metodologia de

regressão de série temporal e de cross section, Ogden (1986) analisa como a sensibilidade do

retorno entre títulos corporativo e taxa de juros (livre de risco) é afetada por variáveis como

risco de inadimplência, opção de compra pelo emissor e sinking fund. O autor assume que no

curto prazo há uma relação linear estocástica entre a taxa de retorno do título corporativo e de

um título livre de risco de inadimplência com mesmo cupom e maturidade. O coeficiente

desta relação depende das características dos títulos corporativos. Em relação à opção de

compra, verificou-se que a existência desta opção torna o título menos sensível à alteração das

taxas de juros do que uma posição longa em títulos sem esta opção. O efeito da opção de

compra é geralmente negativo. Um sinking fund típico requer que o emissor retire uma parte

da emissão cada ano. Neste sentido, um título com sinking fund tem uma duration menor que

um título equivalente sem esta característica. Como a sensibilidade das taxas de juros está

diretamente relacionada à duration, o sinking fund bond tende a estar inversamente

correlacionado com a variação nas taxas de juros.

A metodologia utilizada para testar sua hipótese se desenvolveu em duas etapas. No

primeiro estágio foi utilizado regressão de série temporal para obter os coeficientes da relação

entre a variação do preço de títulos do tesouro americano (variável independente) e a variação

do preço do bond corporativo equivalente. O segundo estágio envolveu regressão por cross-

section, onde a variável dependente (variação do preço do bond) teve como regressores as

variáveis representando as características do título corporativo, discutidos previamente.

21

Concluiu-se que, numa relação entre bonds e treasuries equivalentes em maturidade, as

diferenças nos seus valores estão primeiramente ligados ao risco de default, existência de

opção de compra e sinking fund. Resultados empíricos indicaram que as três variáveis têm

forte efeito negativo na sensibilidade do retorno dos títulos corporativos às taxas de juros.

Fung e Rudd (1986) examinam a precificação de emissão primária de bonds, focando os

custos de emissão e os efeitos sazonais. Consideram que há uma grande aceitação entre os

pesquisadores de que os comportamentos dos prêmios de emissões primárias são diferentes

das emissões existentes. Apresentam três possíveis explicações: diferença nas características

das emissões; falta de liquidez dos bonds já emitidos; e custos relacionados à emissão. Como

metodologia, o trabalho foi desenvolvido através de uma regressão múltipla. Adotou-se como

variável dependente os spreads dos bonds sobre uma média dos títulos livre de risco

americano. As variáveis independentes foram: yield to maturity do Treasury Index;

maturidade; número de anos até a data da 1º opção de compra; tamanho da emissão;

dummies com características da emissão (empresa classificada como risco A, empresa do

setor industrial, empresa do setor financeiro, emissão com registro no órgão regulador). O

trabalho conclui que: i) os diferentes métodos de emissão de bonds corporativos têm pequeno

impacto sobre os custos da emissão; ii) não há evidências de subpreço nas ofertas primárias.

Em análise dos spreads de emissão dos títulos High Yield, Fridson e Garman (1998),

através de modelo de regressão múltipla, indicam que 56% da variância dos prêmios de risco

são determinados por fatores quantitativos como rating, prazo, spreads no mercado

secundário. Por outro lado, apontam que um forte fator de influência é a efetividade do

underwriter em apresentar a emissão para o público investidor. Observam que há no mercado

dificuldade de se estabelecer um preço com objetividade para ativos com características fora

do padrão do mercado, tipo exóticos. Daí a expressão utilizada no mercado de story bonds

22

para os ativos high yield, onde passam a ser relevante os argumentos de venda, a apresentação

do banco intermediador na oferta do título. Como medida foi utilizado o spread entre o

Master Index high yield da Merril Lynch e o título do tesouro americano de 10 anos, no

período de 1995 a 1996. O modelo filtrou as seguintes variáveis determinantes, que

explicaram 56% da variância dos spreads: rating, condição de zero cupom, spread do

mercado secundário, senioridade, existência de call, prazo, condição de primeira emissão, tipo

de underwriter e mudança na taxa de juros.

Elton et al. (2001) realizaram teste de série temporal e cross section para explicar o

spread entre títulos corporativos e do governo no mercado americano. Os testes mostraram

que o spread pode ser explicado basicamente por três fatores. Há uma pequena influência da

variável expectativa de inadimplência na formação deste spread. Uma variável que aparece

com importante relevância é o imposto e o restante é explicado pelo risco sistêmico.

Comparando com o mercado acionário, sustentam que os títulos de dívida corporativa,

também demandam prêmio de risco sistêmico, visto que spreads e retornos variam

sistematicamente em função dos mesmos fatores que afetam o custo de oportunidade das

ações negociadas em bolsa. O modelo foi montado separando os títulos por rating e duration

e o período analisado foi de 10 anos, envolvendo os anos de 1987 a 1996. Constataram que

17,8% do spread foi determinado pela expectativa de inadimplência e 36,1% pela diferença

de cobrança de impostos entre os títulos. Em relação à parte restante, 46,1%, foi sustentado

que a maior parte deste percentual refere-se à compensação por suportar o risco sistêmico, que

influencia o mercado de ações.

Ang e Piazzesi (2003) analisam o efeito de variáveis macroeconômicas do mercado

americano, como inflação e nível de atividade, sobre os preços dos títulos e a dinâmica da

curva de yield. A amostra analisada abordou o período de junho de 1952 a dezembro de 2000.

23

As variáveis de inflação utilizadas foram o consumer price índex (CPI), commodity price

índex (PCom) e producer price índex (PPI). E, em relação ao nível de atividade, foram

considerados indicadores referentes à procura de emprego, índice de desemprego, crescimento

de emprego e índice de crescimento da produção industrial. Utilizando metodologia de vector

autoregression (VAR), observaram que a decomposição da variância mostra que fatores

macroeconômicos explicam 85% da variação dos retornos dos bonds. Os fatores

macroeconômicos explicam os movimentos de curto e médio prazo da curva de yield e fatores

não observáveis são responsáveis pela maior parte do comportamento de longo prazo da

curva. Defendem que avaliar o comportamento da curva dos retornos dos bonds e as

variáveis macroeconômicas são importantes para precificação do bond, decisão de

investimento e política pública.

Lamdin (2004) introduziu o comportamento do mercado acionário quando buscou

examinar o spread entre bond corporativo e título do tesouro americano e os spreads entre

bonds de diferentes qualidades. Também é analisada a relação entre os spreads dos bonds e o

movimento do mercado acionário – se mudanças nos spreads corporativos e no valor das

ações podem estar relacionados de uma forma preditiva. Foi realizada análise de série

temporal, no período de 1970 a 2003. Como resultado, em termos de tendência do

comportamento dos spreads de títulos corporativos, observou-se diferentes tendências ao

longo das três últimas décadas. Os spreads dos títulos classificados como AAA e BBB, em

relação aos títulos do tesouro, têm crescido com o tempo. Entretanto os spreads entre AAA e

BBB não apresentaram a mesma tendência, apontando uma queda nos spreads relativos.

Adicionalmente, constatou que: i) os valores defasados, em um período de três meses, do

retorno do índice de 500 ações da Standard & Poor’s (S&P 500), precedem mudanças nos

spreads dos títulos corporativos e a relação verificada foi negativa; ii) os testes de

causalidade rejeitam a hipótese de que alterações nos spreads corporativos precedem as

24

alterações nos preços das ações. Sugere como alternativa de estudo verificar se as conclusões

do trabalho podem ser confirmadas em outros países.

Analisando os spreads corporativos em relação ao título do tesouro, Longstaff et al.

(2005), diferentemente de Elton et al. (2001), concluíram que a maior parte de seu valor é

determinada pelo risco de default. O resultado é válido para todas as categorias de rating,

indicando que o componente risco default representa 51% para os títulos AAA a AA-, 56%

para os ratings A, 71% para os classificados com BBB a BBB- e 83% para os BB/BB-.

Identificaram também que os demais componentes do spread variam com o tempo e têm uma

forte relação com a liquidez específica dos títulos (o tamanho do spread dos preços de compra

e venda e o volume emitido no mercado) e da economia em relação ao mercado de títulos

privados. Foi utilizada como amostra os credit default swap premia para contratos de 5 anos

e os preços dos correspondentes bonds corporativos para 68 empresas, ativamente negociadas

no mercado americano de derivativos de crédito, no período de março de 2001 a outubro de

2002. Nos testes de regressão realizados para verificar o componente não ligado ao risco de

default, novamente em contraponto ao verificado por Elton et al. (2001), constataram uma

fraca evidência de que a diferença de impostos explicaria esta parte do spread. Também

testaram a ocorrência de autoregressão, regredindo variações semanais dos spreads com seus

valores defasados no tempo e variáveis de liquidez da economia e do mercado de bonds

(representado pelo fluxo financeiro para o mercado de mutual funds e o volume de emissões

primárias de títulos corporativos). Os resultados desses testes indicaram relação positiva e

significante.

Brealey et al. (2006) ressaltam que gerenciar de forma efetiva o investimento em títulos

privados, pressupõe entender como os títulos são avaliados. Defendem que se deve

considerar 3 principais fatores: i) o que determina o nível geral da taxa de juros; ii) o que

25

determina a diferença entre taxa de juros de curto prazo e longo prazo e iii) o que determina a

diferença entre taxa de juros de títulos públicos e privados. Ressaltam que o fator preferência

por liquidez (ii) indica que o investidor não considera o risco de alteração na taxa de juros e

prêmio dos bonds, se o investimento for em título cuja maturidade coincidir com a demanda

por dinheiro. Entretanto, se o investimento for num título cuja maturidade ocorre antes da

necessidade de caixa, ocorre o risco de reinvestimento a taxas inferiores. E, se o investimento

tiver maturidade após a necessidade de caixa, o risco está na ocorrência de preço menor no

mercado, quando tiver a necessidade de desinvestimento para transformá-lo em caixa. Em

decorrência destes riscos, é cobrado prêmio.

Amato e Luisi (2006) também investigam o impacto das condições macroeconômicas

sobre os spreads de títulos corporativos americanos. O período da amostra analisada foi mai/

1992 a abr/2004, somando 144 observações. Utilizam modelo de estrutura a termo

multifatorial, com restrição de ausência de oportunidade de arbitragem. Os fatores macro

utilizados no modelo foram: indicadores da produção (taxa de desemprego, taxa de

crescimento de emprego, taxa de crescimento da produção industrial), inflação (CPI, PPI e

PCom) e variáveis financeiras (nível de alavancagem, cobertura de juros, fluxo de caixa,

volatilidade do ativo). Constataram que estes fatores macro têm impacto significante no nível

e, particularmente, na inclinação das curvas dos spreads. São responsáveis, em grande parte,

pela variação do preço sistemático e spreads dos títulos high yield, que apresentam maior

sensibilidade a choques macroeconômicos.

Chebbi (2009) trouxe um outro aspecto para a discussão dos componentes da formação

dos spreads dos títulos corporativos, analisando os efeitos do ambiente de informação

presente numa empresa, no retorno esperado dos títulos. Utilizando metodologia de

regressão de série temporal, procurou mostrar que a qualidade da informação corporativa

26

pode ajudar a capturar a variação no tempo dos spreads de crédito dos títulos. Trabalhou com

uma amostra de títulos corporativos da Tunísia e os treasuries de mesma maturidade deste

país, no período de jan/2004 a dez/2006. Adotou uma frequência bimensal e dividiu sua

amostra em duas categorias: grau de investimento e especulativos. Utilizou como proxy para

a qualidade do ambiente de informação dos emissores o nível de despesas em atividade de

pesquisa e desenvolvimento, e demonstrou ser esta variável significante estatística e

economicamente na explicação de parte dos spreads corporativos. Dividiu as variáveis

explicativas do modelo em 3 categorias: mercado, características da emissão e características

do emissor, correspondendo, respectivamente a 3 tipos de risco: taxa de juros, liquidez e

crédito. Então, as variáveis utilizadas no modelo foram: i) mercado: taxa livre de risco, taxa

de câmbio, inclinação na curva da taxa de juros; ii) características da emissão: volume da

emissão e maturidades; iii) características do emissor: despesas com pesquisa e

desenvolvimento e rating de crédito. Constatou que os spreads de crédito são maiores

quando a precisão das informações é menor. Encontrou uma relação positiva entre

transparência de informação e spread de crédito.

3.3 ESTUDOS BRASILEIROS

Sheng e Saito (2004) analisaram o efeito da liquidez nos retornos no mercado de título

corporativo brasileiro. Trabalharam com uma amostra de 135 emissões públicas no período

de jan/99 a jun/04. Identificaram 4 evidências: 1) controlados por rating e maturity, bonds

com maior liquidez são negociados com menor yield; 2) o tamanho da emissão e certos tipos

de emissores (como energia e petróleo) são proxy de liquidez dos títulos; 3) relação entre

idade do título e liquidez não se revela muito clara; 4) a diferença entre os preços máximo e

27

mínimo negociados não é uma medida adequada de liquidez. Apontam como características

do mercado brasileiro de títulos: i) ambiente de negócios disperso, pois se dá em dois

diferentes locais, BOVESPA FIX e SND; ii) baixo volume de negócio; iii) baixo número de

negócio ao longo do dia; iv) prevalece títulos de médio prazo (em torno de 4 anos); v)

demanda concentrada em investidores institucionais; vi) maior parte das emissões são de

títulos não conversíveis; vii) tendência a carregar títulos até maturidade. Utilizaram

metodologia de regressão multivariável, adotando as seguintes etapas: 1) selecionar as proxies

de liquidez, testando a relação entre características dos títulos e medidas de liquidez e 2) testar

o efeito da liquidez nos retornos dos títulos. Foi utilizado como medidas de liquidez o

número de dias de negócios, número de negócios, volume negociado, diferença entre preços

mínimo e máximo negociados. Aplicaram método de stepwise para selecionar características

que melhor se adequam como proxy de liquidez. Foram testadas como proxy as variáveis:

rating, tamanho de emissão, maturidade, tipo de emissor, condição de ser listada na bolsa de

valores de São Paulo (BOVESPA). A partir daí, estimou-se mais um modelo multivariado,

tendo como variáveis dependentes rating, maturidade e proxy de liquidez.

Sheng e Saito (2005) utilizando modelo de regressão multivariada, propuseram-se a

testar a hipótese de que o rating das emissões de debêntures tem influência sobre seus

spreads, condicionado ao controle das expectativas do mercado internacional sobre a

economia brasileira e às principais características das emissões. Trabalharam com dados de

138 emissões, no período de jan/1999 a dez/2002. Classificaram as variáveis em 3 categorias,

sendo uma categoria a variável dependente, que é o spread da debênture sobre título do

tesouro; a outra categoria a variável teste, representada pelos rating e por fim, as variáveis de

controle estabelecidas em 6 tipos: i) expectativa do mercado internacional em relação ao

ambiente econômico brasileiro, medida pelo Emerging Market Bond Index – Brazil (Embi

Br); ii) prazo; iii) volume; iv) garantia; v) setor; vi) diferença entre ratings. O artigo

28

evidencia que a influência do rating sobre o spread está condicionada à expectativa do

mercado internacional em relação ao ambiente econômico brasileiro, ao tipo de setor e ao

volume da emissão.

Secches (2006) desenvolveu um modelo para testar a hipótese de que a variável risco de

liquidez melhora o poder explicativo dos modelos de apreçamento de crédito. Sua amostra

focou o mercado doméstico, tendo trabalhado com o preço das debêntures no mercado

secundário no período de ago/2004 a mar/2006. Assumiu como medida de liquidez o preço

médio entre o preço de compra e venda. O modelo não se mostrou eficaz, em função dos

valores expressivos dos resíduos obtidos. Entretanto, apontou que há um efeito positivo na

inclusão do risco de liquidez no apreçamento de debêntures.

Também na abordagem da análise e precificação do prêmio de liquidez, embutido nas

negociações do mercado de debêntures brasileiro, Gonçalves (2007) desenvolveu um modelo

baseado em Howeling et al. (2005), que verificaram o prêmio de liquidez no mercado

secundário de eurobonds. No modelo testado, procurou isolar todos os fatores de risco que

compõe o spread das debêntures, exceto a liquidez. Para isto utilizou i) o método de 2

fatores de Fama e French (1993) – que considerou os fatores risco de crédito e risco de taxa

de juros, ii) as características das debêntures (rating e duration) e iii) o fator baseado na taxa

Pré versus taxa de depósitos interfinanceiros (DI) da duration dos portfólios, como uma

adaptação ao mercado brasileiro, onde quase todas as debêntures são pós-fixadas. Como

proxy de liquidez foram utilizadas quatro variáveis: volume da emissão, idade da emissão,

número de transações no dia e spread de compra e venda.

Testes econométricos procuraram validar se as variáveis são expressivas na

determinação dos spreads das debêntures. O período utilizado na análise foi de mai/2004 a

nov/2006. Após esta validação, aplicou a metodologia em 2 modelos: 1) cada portfólio possui

29

um prêmio de liquidez constante e 2) o prêmio de liquidez varia com o tempo e é uma função

da proxy de liquidez assumida. Assumiu a hipótese de que não existe prêmio de risco de

liquidez embutido nos spreads das debêntures negociadas no mercado secundário brasileiro.

Esta hipótese é rejeitada para todas as proxies analisadas. O modelo indicou que o prêmio de

liquidez no mercado secundário varia de 8 a 30 pontos base.

Curi (2008) usa a técnica de redes neurais para precificar debêntures no Brasil e compara

os resultados obtidos com regressões lineares. Utilizou como variáveis explicativas, dados

contábeis, características das emissões (prazo de vencimento, cláusula de recompra

antecipada, subordinação). Como variável dependente utilizou as taxas divulgadas

diariamente pela ANBIMA, com valor de mercado para as debêntures. Testou estas variáveis

em modelos de regressão via métodos dos mínimos quadrados ordinários e o modelo que

apresentou o melhor resultado foi testado em redes neurais, com duas camadas intermediárias.

Os índices contábeis adotados visaram capturar características das empresas como

endividamento, rentabilidade, liquidez e crescimento. Foram selecionadas como variáveis

específicas de uma emissão: prazo restante para vencimento dos títulos (em meses), cláusula

de recompra antecipada (como uma variável dummy), subordinação (dummy), volume emitido

e setor (dummy, sendo o setor elétrico igual a 1). Para testar o efeito do risco sistêmico,

utilizou-se: risco Brasil, medido pelo spread do emerging markets Bond índex (EMBI)

referente ao Brasil (calculado JP Morgan) e variação do PIB trimestral dessazonalizado a

preço de mercado divulgado pelo Instituto Brasileiro de Geografia e Estatística (IBGE).

Foram realizadas regressões e selecionadas as seguintes variáveis estatisticamente

significantes: nível de endividamento, dívida no curto prazo, margem de lucro, capital de giro

/ vendas, rentabilidade sobre ativos, risco Brasil, liquidez corrente, volume emitido. As

dummies selecionadas para medir o fator tempo na análise não se mostraram estatisticamente

30

significantes, não tendo sido incluídas entre as variáveis que foram testadas em redes neurais.

O modelo encontrado não foi muito robusto, pois o erro médio se mostrou bastante elevado e

alguns inputs apresentaram uma sensibilidade que não faz muito sentido econômico. Além

disso, a base de dados disponíveis é pequena, com poucas debêntures e um histórico de taxas

reduzido.

Matsumura e Vicente (2010) analisaram a relação entre variáveis macroeconômicas e a

curva de retorno dos títulos soberanos brasileiros. Adicionalmente, calcularam as

probabilidades de default implícito e o impacto de choques macroeconômicos nesta

probabilidade. A amostra considerada envolveu séries diárias das variáveis: curva zero

cupom dos yields americanos, curva zero cupom dos yields soberanos brasileiros, Chicago

Board Options Exchange Volatility Index (VIX), taxa de câmbio, IBOVESPA, swap DI x Pré.

O período analisado foi de fev/1999 a set/2004. Como resultado, constataram que o VIX é a

variável mais relevante na explicação do comportamento dos títulos de curto prazo e nas

probabilidades de default. A taxa de juros de curto prazo dos Estados Unidos, por sua vez,

tem influência forte sobre a probabilidade de default de longo prazo. Em relação às variáveis

domésticas, a inclinação da curva de juros apresenta forte relação com as taxas de retorno

soberano e a probabilidade de default. Sugerem, como alternativa, testar modelos com as

variáveis reservas internacionais, nível de atividade e inflação.

Araújo (2009) tendo como objetivo mensurar o spread entre debêntures e títulos públicos

no mercado doméstico, constrói uma curva de juros de debêntures, utilizando o modelo de 3

fatores (nível, inclinação e estrutura de taxa de juros) na estimação da Estrutura a Termo das

taxas de juros. Construiu as curvas em função do tipo de indexador e classificação de rating.

O período analisado foi de jan/2008 a set/2009. Considerou como base para sua amostra a

precificação de debêntures fornecida pela ANBIMA, eliminando os títulos com cláusula de

31

conversibilidade em ações, os não classificados como nível de investimentos pelas agências

de rating e os que não tenham no mínimo 5 formadores de preço. Nas curvas construídas,

foram observados alguns pontos fora da curva, que entende que podem ser explicados pela

utilização de taxa de juros indicativas, que podem apresentar uma velocidade menor de

ajustes no nível da taxa. E podem ser explicados também, pela possível defasagem entre

rating e efetivo risco de crédito percebido pelo mercado. Porém, conclui que é viável a

construção de uma estrutura a termo de taxas de juros para títulos privados no Brasil, com

base em informações que refletem a percepção do mercado.

Explorando a formação dos spreads no mercado primário, Paiva e Savoia (2009)

desenvolvem um estudo dos fatores que influenciam o preço de emissões de debêntures no

Brasil, no período de 2000 a 2004. Consideram como variáveis explicativas: rating, tipo de

indexador, maturidade, risco país, taxa de juros, spread entre longo e curto prazo, índice de

mercado acionário e câmbio. Os autores defendem a importância dos preços formados no

mercado primário, em função de os esforços de distribuição exercidos pelas empresas e os

bancos estruturadores propiciarem aos investidores informações mais qualificadas para uma

opinião mais embasada da qualidade de crédito do emissor. O modelo desenvolvido utilizou

3 diferentes técnicas: i) Regressão Múltipla para verificar a importância das variáveis na

explicação da composição dos spreads; ii) Regressão Logística para analisar a existência de

preferência por indexador, CDI versus índice geral de preços de mercado (IGPM); iii)

Análise de Correspondência visando avaliar a formação de grupos em função da maturidade e

rating. Os resultados indicaram que o tipo de indexador, probabilidade de inadimplência e

maturidade do título, influenciam o preço das debêntures e indicam que a demanda por títulos

de longo prazo está focada nas debêntures de menor risco.

32

Costa (2009) desenvolveu um modelo, através de regressão pelo método dos mínimos

quadrados ordinários, para verificar os fatores que influenciam o spread das emissões de

debêntures, com base numa amostra das emissões realizadas entre 2003 e 2008. O trabalho

abordou os fatores que influenciam o spread e o rating das debêntures. As variáveis

explicativas testadas foram tamanho da empresa, alavancagem financeira, índice de cobertura

de despesas financeiras, setor, duration, volume da emissão, liquidez de mercado, risco

Brasil, assimetria de informações e ocorrência de processo de bookbuilding. Os resultados

apontaram que as variáveis rating e data de emissão influenciam a formação do spread e

duration, tamanho e setor influenciam o rating da emissão.

Na linha do estudo de Lamdin (2004), Teófilo (2010), através de um modelo de regressão

por série temporal, testou a relação entre mercado de ações e mercado de debêntures no

Brasil, visando estudar a influência entre seus preços. Trabalhou com uma amostra de 10

empresas, no período de abr/2007 a nov/2009. Como variável dependente foi utilizado o

spread das debêntures na data (t) e como variáveis independentes, os retornos das ações em

(t-1), (t) e (t+1) e variações na taxa livre de risco. Os resultados apontaram que não há

correlação contemporânea entre os dois mercados e que alguns ativos apresentam uma

dinâmica complexa e retro-alimentável, não sendo possível indicar qual dos dois mercados

reflete primeiro a variação nos preços dos ativos.

3.4 SÍNTESE

Os estudos que objetivam abordar a mensuração ou explicação dos prêmios de risco

embutidos nos títulos corporativos são um tema bastante explorado na literatura internacional,

principalmente no mercado americano. Possivelmente, esse interesse se dá em função de os

33

Estados Unidos serem um mercado mais desenvolvido em termos de número e volume de

negócios, onde as dívidas, fruto de desintermediação financeira, apresentam-se como um

recurso importante no financiamento dos investimentos em aumento da capacidade produtiva

das empresas para fazer frente ao desenvolvimento da economia americana.

Em relação ao mercado brasileiro, apesar do limitado histórico de dados do mercado de

emissão corporativa e restrita liquidez no mercado secundário, que é um parâmetro de

formação de preço, já se observa um crescimento nos estudos sobre o assunto.

Em termos de metodologia, constata-se a utilização de diversos modelos para as

pesquisas realizadas, como regressão múltipla, regressão de série temporal, cross section,

metodologia VAR, modelo multifatorial, redes neurais. Em termos de variáveis, os principais

grupos estudados foram os relacionados a variáveis macroeconômicas, exigência de liquidez

dos agentes, características da emissão e riscos do emissor.

34

4 METODOLOGIA

O foco desse trabalho é a avaliação do comportamento dos prêmios dos títulos privados

de dívida no mercado brasileiro, buscando desenvolver um modelo dos spreads dos títulos de

crédito. Será utilizado modelo de regressão de séries temporais, com o objetivo de estimar os

spreads de debêntures no mercado brasileiro.

4.1 MODELO

A econometria de séries temporais é um método adequado para projeção de valores de

ativos, visto ser elaborada de uma forma dinâmica, trabalhando com valores defasados

(equações de diferença). Uma equação de diferenças finitas relaciona uma variável �t com

seus valores passados. Na equação (1) abaixo, segue exemplo de equação finita de primeira

ordem:

�t = ��t-1 + �t (1)

É considerada de primeira ordem, pois apenas a 1º defasagem da variável �t se mostra

como variável explicativa.

35

No caso a ser estudado, será testado um modelo de defasagens distribuídas, onde uma ou

mais variáveis explicativas são consideradas no modelo com seus valores correntes e

defasados. A equação (2) abaixo, descreve um modelo de defasagens distribuídas (MDD) de

ordem 2:

�t = �0 + �0 �t + �1 �t-1 + �2 �t-2 + �t (2)

O coeficiente �0 revela o impacto imediato em Y como função de uma mudança em Z. O

coeficiente �1 fornece o impacto em Y de uma mudança de uma unidade em Z, um período

após o choque e �2, fornece o impacto em Y de uma mudança em Z, dois períodos após o

choque. Com os dados do passado das variáveis e entendendo suas correlações e dinâmica

destas correlações (se contemporâneas ou defasadas), é possível estimar valores, considerando

os efeitos de variação, choques nas variáveis explicativas ao longo do tempo.

Como os spreads variam ao longo do tempo, e tendem a sofrer influência, além das suas

características intrínsecas, mas também das condições macroeconômicas, estimar um modelo

que leve em conta a trajetória destes spreads ao longo do tempo parece ser adequado para

capturar a dinâmica da formação dos preços dos títulos de dívida. A Tabela 3 mostra a

variabilidade dos patamares de taxas médias das debêntures ao longo do tempo, com grandes

indícios de influência do cenário macroeconômico e de aversão ao risco, considerando que

houve uma crise financeira mundial, verificada ao longo do ano de 2008.

36

Classe de Risco jan/08 jan/09 jan/10 jan/11

% CDI Risco AAA 102,77 114,79 109,08 106,69Risco AA 104,29 116,01 112,69 108,98Risco A 105,26 118,78 116,22 111,48 Taxa adicional ao CDI Risco AAA 0,38 1,75 0,65 0,96 Risco AA 0,61 2,21 1,50 1,30 Risco A 1,10 2,36 1,81 1,43

Tabela 4 – Taxa de Debêntures por faixa de risco – Mercado Secundário

Fonte: ANBIMA Obs: Média simples por faixa de risco

O modelo pode parecer adequado, pois as variáveis econômico-financeiras a serem

consideradas se mostram em forma de ordenação temporal (taxa de juros, PIB, risco Brasil,

etc) e têm um aspecto dinâmico, pois os efeitos do choque de uma variável não

necessariamente ocorrem contemporaneamente.

No caso analisado, faz sentido econômico pensar que uma alteração na taxa de juros ou

um choque na variação do PIB não tenha um efeito imediato sobre os spreads dos títulos

privados, que refletem os riscos de investimento. Para os agentes alocarem seus

investimentos de forma significativa a ponto de afetar preços ou se posicionarem como

avessos a risco privado, exigindo maior prêmio, o que se observa é a necessidade de que o

novo cenário se caracterize como uma nova fase no ciclo econômico.

Neste sentido, os choques macroeconômicos podem ter efeitos não totalmente imediatos,

mas ao longo do tempo, à medida que os agentes percebem que houve alteração no cenário.

Variáveis como nível de atividade, que pode ser medida pelo PIB, quando divulgadas,

refletem o passado, e não necessariamente implicam uma perspectiva para o cenário porvir,

37

visto que medidas ou dinâmicas podem estar em curso, no sentido de afetar os preços dos

ativos no futuro, numa direção diferente daquela determinada pela variação inicial.

4.2 AMOSTRA E FONTE DE DADOS

4.2.1 Variável Dependente

A variável dependente do modelo é a taxa adicional da debênture (spread) em relação à

taxa de CDI, em termos anualizados para cada mês da amostra.

As debêntures podem ser emitidas de forma prefixada ou atrelada a diversos indexadores

como: CDI, índices de preço, dólar, taxa de juros de longo prazo (TJLP) ou taxa referencial

(TR). Entretanto, a maioria das emissões no mercado brasileiro são pós-fixadas, sendo o CDI

o indexador predominante. Do estoque atual de debêntures, de acordo com dados do SND de

mar/2011, 92% do volume é indexado ao CDI. Nesse sentido, a amostra de debêntures a ser

trabalhada se restringirá às emissões indexadas ao CDI, por propiciar um histórico maior e

mais diversificado em termos de rating.

Em relação ao mercado, o objetivo é trabalhar com a média dos spreads indicados no

mercado secundário. Apesar da pouca liquidez verificada no mercado secundário de

debêntures brasileiro, o que leva a possíveis distorções nos preços divulgados, os dados do

mercado primário mostram que não há observações mensais suficientes para montar uma série

consistente estatisticamente.

Fung e Rudd (1986) ressaltaram que é largamente aceito no mercado que os preços de

emissões novas apresentem um comportamento diferente dos preços dos títulos existentes.

38

Consideram três possíveis explicações para esse descolamento entre mercado primário e

secundário: i) diferença entre as características das emissões; ii) baixa liquidez do mercado

secundário de Corporate Bonds e iii) diferenças nos custos de emissão em função dos

métodos alternativos de colocação dos títulos no mercado.

Para subsidiar a decisão de qual mercado considerar no presente trabalho, foi realizado

um levantamento de dados mensais das emissões primárias de debêntures, do período de

jan/2004 a out/2010. As fontes de dados utilizadas foram: i) as debêntures emitidas com base

na instrução CVM 400 de 29/12/2003, disponíveis no site www cvm.gov.br, e ii) as emitidas

com base na instrução CVM 476, de 16/01/2010, que trata de ofertas públicas de valores

mobiliários distribuídos com esforços de venda restritos, ou seja, focada num determinado

grupo de investidores qualificados, divulgadas no site www debêntures.com.br. Na separação

dessa amostra do mercado primário por classe de rating, não se obtiveram observações reais

para todos os 82 meses do período analisado, conforme se verifica na tabela abaixo:

Rating Nº

Meses

Meses com observações Reais (%)

AAA 82 27% AA 82 55% A 82 72%

BBB 82 27%

Tabela 5 – Amostra Mercado Primário por Classe de Rating

Considerando o número significativo de ausência de dados mensais no mercado primário,

conforme demonstrado na Tabela 5, a opção pelo mercado secundário mostrou-se a mais

consistente.

39

Portanto, foi considerado como amostra os spreads médios em relação ao CDI das

debêntures no mercado secundário, no intervalo de tempo de ago/2005 a dez/2010, com

periodicidade mensal. Os níveis de risco trabalhados foram quatro, resultando em quatro

grupos de modelos, envolvendo os spreads em relação aos riscos AAA, AA, A e BBB.

Os ratings de crédito divulgados por agências classificadoras representam uma indicação

de probabilidade de inadimplência de um título, sinalizando para os investidores o risco de

receberem seu capital aplicado de volta. As notas de rating são divulgadas, normalmente na

forma de letras e apresentam uma escala de probabilidade de default. As principais agências

classificadoras de risco, Fitch Ratings, Moody’s e Standard & Poor’s utilizam uma escala para

emissões corporativas domésticas onde, de uma forma geral, os ratings AAA a BBB-,

sinalizam uma probabilidade de inadimplência baixa a moderada (chamadas de grau de

investimento) e os ratings BB+ a C ou D, uma probabilidade de inadimplência mais alta ou

mesmo já ocorrida.

De acordo com a agência Fitch, os ratings nacionais de dívida de longo prazo de AAA e

BBB apresentam as seguintes definições:

AAA - “Denota o mais alto rating atribuído pela Fitch em sua escala de rating nacional.

Este rating é atribuído ao MELHOR RISCO de crédito comparado a todos os

outros emissores ou emissões do mesmo país”;

AA - “Denota um risco de crédito MUITO BAIXO comparado a outros emissores ou

emissões do mesmo país. O risco de crédito embutido nessas obrigações difere

apenas levemente do risco das obrigações com o mais alto rating daquele mesmo

país”;

40

A – “Denota um risco de crédito BAIXO comparado a outros emissores ou emissões do

mesmo país. Contudo, mudanças adversas nas condições dos negócios, econômicas

ou financeiras podem afetar mais a capacidade de pagamento dessas obrigações no

prazo esperado do que no caso das categorias de ratings mais elevados”;

BBB – “Denota um ADEQUADO risco de crédito baixo comparado a outros emissores

ou emissões do mesmo país. Todavia, mudanças adversas nas condições dos

negócios, econômicas ou financeiras têm maior probabilidade de afetar a

capacidade de pagamento dessas obrigações no prazo esperado do que no caso

das categorias de ratings superiores”.

Como fonte de dados foi utilizada a amostra de precificação de debêntures,

disponibilizada no SND. Foram consideradas as debêntures que pagam CDI mais spread,

valor de final de mês, sendo o spread modelado como variável dependente. A data inicial da

amostra foi ago/2005 (só há preço unitário disponível a partir dessa data). Essa amostra se

refere às taxas médias do mercado secundário de debêntures, obtidas junto aos principais

formadores de preço do mercado de renda fixa (bancos, administradores de fundos e

intermediários financeiros).

Nos modelos referentes aos riscos AAA e BBB, não ocorreram observações para todo o

período de ago/2005 a dez/2010. Portanto, para o modelo de risco AAA, o período analisado

foi dez/2007 a dez/2010. E, para o modelo de risco BBB, o período foi ago/2005 a jul/2010.

41

Em termos de prazo, foram consideradas na amostra as debêntures com duration de 1 a 5

anos, buscando evitar que prazos muito curtos ou muito longos causem vieses no modelo em

função de eventuais grandes diferenças nos preços. A opção por trabalhar com período de

maturidade, seguiu a linha de Duffee (1998), que trabalhou com bandas de maturidade (2 a 7

anos, 7 a 15 anos e 15 a 30 anos) em seu modelo que investigou a relação entre os retornos

dos títulos do tesouro americano e dos títulos de dívida corporativa nos Estados Unidos. O

intervalo escolhido, de 1 a 5 anos, foi em função de grande parte das emissões da amostra se

concentrar nesse período, tendo uma duration média em torno de 3 anos.

Segue na Tabela 6, resumo da variável dependente utilizada no modelo.

A amostra efetivamente trabalhada, extraída do SND, foi resultante dos seguintes passos:

• Foram extraídos arquivos com informação da amostra indicativa de debêntures,

mês a mês, do período de ago/2005 a dez/2010. Esses arquivos contêm, entre

outras informações, as taxas indicativas agrupadas por diversos indicadores e a

duration;

• Desses arquivos, foi filtrada somente a amostra, em cada mês, referente às

debêntures que são remuneradas por CDI + spread;

• A partir dessa amostra, foi realizado um novo filtro, retirando, em cada mês, as

debêntures com duration menor que 1 ano e maior que 5 anos;

• A seguir, os títulos foram separados por rating, com base na informação de rating

da emissão disponibilizada no próprio site do SND. Foi observada a evolução do

rating ao longo da vida do título e, em função de eventuais alterações, foram

realizadas as devidas reclassificações no mês da alteração verificada;

• Por fim, foram calculadas as médias dos spreads indicativos por rating, mês a mês,

e montadas as séries dos spreads.

42

VARIÁVEL DEPENDENTE MEDIDA

DA VARIÁVEL

FONTE PERÍODO DA

SÉRIE PERÍODICIDADE

Taxa Debêntures Adicional ao CDI rating

AAA - duration de 1 a 5 anos - Taxa anual

Amostra de Precificação de

Debêntures do Mercado Secundário do SND –

Fechamento mês

dez/2007 a dez/2010

Mensal


AA - duration de 1 a 5 anos - Taxa anual



Fechamento mês

ago/2005 a dez/2010

Mensal


A - duration de 1 a 5 anos - Taxa anual



fechamento mês

ago/2005 a dez/2010

Mensal


BBB - duration de 1 a 5 anos - Taxa anual



fechamento mês

ago/2005 a jul/2010

Mensal

Tabela 6 – Variável Dependente dos Modelos

4.2.2 Variáveis Explicativas

Foram escolhidas variáveis explicativas divididas em duas categorias: i)

macroeconômicas e ii) liquidez de mercado.

Observando o histórico do comportamento da variável macroeconômica taxas de juros e

dos prêmios exigidos para investimento em debêntures, constata-se que há alguma relação

entre o nível dos prêmios e o patamar das taxas de juros, conforme pode-se observar no

gráfico abaixo, que traz a evolução dos spreads no mercado primário de debêntures. Numa

análise inicial, essa relação aparenta algum grau de defasagem no tempo.

43

Gráfico 3 - Evolução CDI(%) X Spreads médios(%) em relação aos ratings AA e A

A ideia de testar variáveis relacionadas à liquidez é verificar se o nível de liquidez no

mercado de capitais influencia os prêmios exigidos pelos investidores para assumir o risco

corporativo.

As variáveis escolhidas para testar o modelo seguiram, em parte, Chebbi (2009) e Hays et

al. (1979), que utilizaram em seus estudos de spreads corporativos: a) variáveis

macroeconômicas como taxa livre de risco, câmbio, produção industrial, nível de utilização de

capacidade; b) variáveis de mercado como nível de preço das ações, índice preço/lucro das

empresas cotadas em bolsa, reservas disponíveis; e c) variáveis da emissão como volume,

maturidade e do emissor como rating de crédito. Chebbi (2009) dividiu sua amostra em 2

categorias, separando os títulos com grau de investimento dos especulativos. Nessa linha de

comparar grupos de riscos de crédito distintos, o modelo da presente dissertação foi testado

separadamente por níveis de rating, no caso dentro da categoria de grau de investimento

(AAA, AA, A e BBB).

Segue na Tabela 7, a relação das variáveis explicativas a serem testadas, agrupadas por

categoria:

44

VA

RIÁ

VE

L I

ND

EP

EN

DE

NT

EM

ED

IDA

DA

V

AR

IÁV

EL

FO

NT

EP

ER

ÍOD

OSI

NA

L

ESP

ER

AD

O N

A

RE

GR

ESS

ÃO

EX

PL

ICA

ÇÃ

O S

INA

L E

SPE

RA

DO

Var

iáve

is M

acro

econ

õmic

as

CD

IT

axa

efet

iva

men

sal

anua

liza

da

Ban

co C

entr

al

- sé

rie

CD

I A

cum

ulad

o M

ês

Anu

aliz

ado

Bas

e 25

2 D

ias

Men

sal

Posi

tivo

Aum

ento

nata

xade

juro

sge

raex

pect

ativ

ade

aum

ento

nain

adim

plên

cia

corp

orat

iva

ede

inst

abil

idad

em

acro

econ

ômic

a,at

uand

opo

sitiv

amen

teso

bre

o ní

vel d

e re

torn

o es

pera

do d

o in

vest

idor

.

EM

BI

Br

Núm

ero

de P

onto

s M

acro

dado

s

-

séri

e Fe

cham

ento

Mês

Men

sal

Posi

tivo

Aum

ento

dori

sco

Bra

sil

gera

qued

ano

spr

eços

dos

ativ

os,o

que

leva

aau

men

to d

e ta

xa r

etor

no e

sper

ada.

PIB

Índi

ce

Ban

co C

entr

al

- sé

rie

IBC

-BR

: Ín

dice

de

Ativ

idad

e M

ensa

l do

Ban

co C

entr

al c

om A

just

e Sa

zona

l

Men

sal

Neg

ativ

oC

resc

imen

tono

PIB

leva

àm

aior

conf

ianç

ano

dese

nvol

vim

ento

das

empr

esas

,m

enor

risc

ode

alav

anca

gem

,im

pact

ando

nega

tiva

men

tena

taxa

de

reto

rno

exig

ida

pelo

inve

stid

or.

DÓ

LA

RPr

eço

em R

$B

anco

Cen

tral

-

séri

e Pt

ax V

enda

(co

taçã

o de

fe

cham

ento

mês

)M

ensa

lPo

siti

vo

Val

oriz

ação

dodó

lar

tend

ea

aum

enta

ro

cust

oda

sem

issõ

esco

rpor

ativ

asex

tern

asno

mer

cado

deb

on

ds,

cres

cend

oa

ofer

tade

emis

sões

dom

éstic

as,

oqu

epo

dele

var

aum

aum

ento

dosp

rea

dco

mo

cons

equê

ncia

doeq

uilíb

rio

ofer

tave

rsu

sde

man

da.

Adi

cion

alm

ente

,va

lori

zaçã

odo

dóla

rte

mre

flex

opo

siti

vona

infl

ação

,sen

dova

riáv

elde

inst

abil

idad

em

acro

econ

ômic

ao

que

pode

leva

ra

aum

ento

das

taxa

sde

reto

rno

exig

idas

pel

o in

vest

idor

.

Var

iáve

is d

e L

iqu

idez

de

Mer

cado

Inve

stim

ento

Ext

erno

em

Títu

los

US$

milh

ões

Mac

roda

dos

- s

érie

Inv

esti

men

to E

xter

no e

m

Papé

is D

omés

tico

s de

Lon

go P

razo

e

Açõ

es (

sald

o m

ensa

l)

Men

sal

Neg

ativ

o

Ava

riáv

elbu

sca

med

iro

níve

lde

liqu

idez

dom

erca

doin

tern

acio

nal

eco

mo

esse

níve

laf

eta

opr

eço

dos

ativ

os.

Pela

teor

ia,

umex

cess

ode

liqu

idez

nom

erca

doco

mo

umto

do,

leva

aau

men

tode

preç

osdo

stí

tulo

s e,

no

caso

das

deb

êntu

res,

leva

ria

à qu

eda

nos

spre

ad

s.

Vol

ume

da B

oves

paR

$ m

ilhõ

esB

anco

Cen

tral

-s

érie

Vol

ume

Bov

espa

(vo

lum

e di

ário

m

édio

por

mês

)

M

ensa

lPo

siti

vo

Aoc

orrê

ncia

deum

efei

tode

subs

titu

ição

dos

mer

cado

sde

dívi

dape

lode

açõe

s,qu

epo

dese

rre

flet

ido

noau

men

todo

volu

me

daB

oves

pa,

tend

ea

infl

uenc

iar

posi

tiva

men

teos

spre

ad

spa

gos

pela

sem

pres

asem

isso

ras

de d

ívid

a, b

usca

ndo

atra

ir o

inve

stid

or.

Tab

ela

7 –

Var

iáve

is I

ndep

ende

ntes

dos

Mod

elos

45

4.3 ETAPAS

Foi utilizado o software estatístico E-views para desenvolvimento do modelo de

regressão por séries temporais, em relações lineares, com base no método dos mínimos

quadrados ordinários.

O modelo regrediu os spreads das debêntures, separados por rating, com as variáveis

macroeconômicas e variáveis de liquidez de mercado, resultando em 4 modelos,

correspondentes aos ratings AAA, AA, A e BBB. Foram analisadas questões como

tendência, defasagens de valor e correlação serial, para selecionar as variáveis que ajudam a

explicar os spreads.

A proposta de agrupar por rating é poder trabalhar com observações comparáveis, visto

que os diferentes ratings trazem níveis de risco de inadimplência diferentes, influenciando,

necessariamente, os preços dos títulos e consequentemente seus spreads. O trabalho seguiu as

etapas descriminadas abaixo.

Etapa 1 – Análise das Séries:

Nessa etapa, foi feita uma análise de cada série - variável dependente por rating,

variáveis macroeconômicas e variáveis de liquidez de mercado. O objetivo é avaliar a

ocorrência nas séries de tendência, a natureza da tendência (determinística ou estocástica) e a

existência de processo de autoregressão. A partir dessa avaliação, foram selecionadas

variáveis de tendência e autoregressão para serem testadas no modelo. A análise envolveu

tanto um exame visual, através dos gráficos e correlogramas, quanto de teste de tendência,

46

através do teste de raiz unitária, seguindo Bueno (2008), onde a avaliação visual de uma série

não é suficiente para diferenciar a natureza estocástica ou determinística da tendência. As

análises desenvolvidas nessa etapa estão descritas nos passos a seguir:

a) Análise dos gráficos das séries para verificar a possível ocorrência de tendência

(crescimento exponencial);

b) Analise dos correlogramas das séries para avaliar a possível ocorrência de um processo

de auto regressão, ou seja, se os valores passados influenciam nos valores presentes e,

se for o caso, o modelo pode ser testado com variáveis defasadas, a ser confirmado

pelos testes de raiz unitária.

c) Teste de Raiz Unitária nas séries para verificar a natureza da tendência, caso exista. Ou

seja, verificar a estacionariedade da série: se há presença de tendência e se ela é

estocástica (tendência muda estocasticamente, mostrando longos movimentos de subida

e descida) ou determinística (tendência linear, processo estacionário). Quando a série

apresenta raiz unitária, há indicação de um processo de tendência estocástica. De

acordo com Bueno (2008), uma série é estacionária ou determinística, quando a série

flutua em torno de uma determinada média e a variância da série é constante ao longo

do tempo. Ou seja, quando os momentos populacionais são independentes do tempo.

Esse passo é importante para ajudar a definir a forma do modelo. Modelos com

tendência determinística não implicam em problemas na estimação com o Método de

Mínimos Quadrados. Já os modelos com tendência estocástica podem causar problemas de

estimação e inferência. Se as séries tiverem tendência e esta for determinística (série

estacionária), a equação do modelo pode ser em nível (sem valores defasados) e deve ser

incluído o termo de tendência como regressor (@trend), caso se mostre significante

47

estatisticamente. Se a tendência tiver natureza estocástica, o modelo pode ter como regressor

as primeiras diferenças das séries. Um processo de primeiras diferenças pode tornar uma

série com tendência estocástica em estacionária.

O teste também mostra a significância estatística das variáveis defasadas da série, que

pode confirmar ou não a análise dos correlogramas. As variáveis defasadas foram testadas no

modelo para verificar sua significância estatística.

O teste de raiz unitária utilizado foi o de Augmented Dickey-Fuller (ADF), que assume a

hipótese nula de não estacionaridade da série, ou seja, que a série apresenta raiz unitária,

conforme equação abaixo:

Yt = �Yt-1 + �t , (3)

Onde, hipótese nula (H0) => � = 1

Os testes foram analisados considerando um nível de significância estatística de 5%. Não

foi rejeitada a hipótese nula de que a série tem raiz unitária quando a estatística t do teste foi

maior que a estatística t a nível de 5%.

Etapa 2 – Resultado e Análise das Regressões

Foram construídos diversos modelos de regressão para cada um dos quatro grupos de

rating, para testar a significância estatística das variáveis e sendo o caso, suas variáveis

defasadas, variáveis de primeiras diferenças, termo de constante e tendência, conforme

indicado pela Etapas 1.

48

Etapa 3 – Teste de Correlação Serial nos Resíduos

Nessa etapa, foi realizado teste de correlação serial nos resíduos no modelo que se

mostrou mais robusto em cada classe de rating, de acordo com o analisado na da etapa 2. O

objetivo de fazer testes dos resíduos é analisar o comportamento dos resíduos das equações,

buscando verificar a existência de variáveis não observáveis que possam estar correlacionadas

com as variáveis explicativas. Resíduo é tudo aquilo que não é explicado pelo modelo.

Os testes de correlação serial serviram como parâmetro para indicar a necessidade de

inclusão de variáveis defasadas dos resíduos no modelo.

Etapa 4 – Modelos Indicativos

Por fim, foi rodado o modelo indicativo para cada classe de rating, a partir dos quatro

modelos mais consistentes resultantes da etapa 2 considerados após as eventuais inclusões de

variáveis indicadas pelos testes realizados na etapa 3.

49

5 RESULTADOS E ANÁLISE

5.1 ESTATÍSTICAS DESCRITIVAS DAS VARIÁVEIS

Para uma avaliação inicial das variáveis do modelo, são apresentadas a seguir

características descritivas dos dados dessas variáveis. Segundo Spiegel (1985), a estatística

descritiva visa somente à descrição e análise de uma determinada amostra, sem intenção de

sinalizar conclusões sobre a população.

Foram analisados as medidas de média, desvio padrão, coeficiente de variação,

assimetria, curtose. A média é o valor esperado para um dado da amostra. O desvio padrão

demonstra o grau de dispersão absoluta dos dados em relação ao valor médio e o coeficiente

de variação é uma medida de dispersão relativa que serve para comparação entre distribuições

diferentes. Esse coeficiente é igual ao desvio padrão dividido pela média.

A assimetria analisa o enviesamento dos dados da amostra. Mede o grau de

concentração de uma distribuição em torno de sua média. Uma assimetria positiva, indica

uma distribuição com dados concentrados à direita da média e uma assimetria negativa indica

que os dados estão concentrados à esquerda da média.

50

A curtose é uma medida de dispersão, que apresenta o grau de achatamento da curva da

função de distribuição. A curtose indica se os dados observados se situam perto do centro ou

da cauda da distribuição. Se o valor da curtose de uma distribuição for, em módulo, igual a

três, então ela tem o achatamento de curva igual à distribuição normal, sendo denominada de

mesocúrtica. Sendo o valor maior que três, em módulo, então a distribuição é mais alta e

concentrada que a normal, sendo denominada de leptocúrtica. Nesse caso, a distribuição

apresenta caudas pesadas, sendo mais constante a ocorrência de valores que se afastam da

média. E, no caso do valor menor que três, em módulo, a distribuição é mais achatada que a

distribuição normal, apresentando muitos dados intermediários e denomina-se platicúrtica.

A Tabela 6 apresenta as estatísticas descritivas de cada variável dependente dos modelos.

Observa-se que a média anualizada dos spreads das debêntures no período analisado subiu de

1,11% a 1,84%, à medida em que o rating baixa de AAA a BBB. Conforme esperado, de

acordo com a teoria de tradeoff entre risco e retorno, o spread das debêntures, que é o prêmio

de risco esperado, aumenta, conforme diminui o risco, que é medido pelo rating. Em

termos de dispersão, observa-se que os spreads com maior grau de risco, exceto o rating A,

apresentam maior volatilidade em relação à média, de acordo com o coeficiente de variação

das séries. As assimetrias são todas positivas. Em termos de curtose, observa-se que todas as

distribuições apresentaram valor abaixo de 3, indicando uma forma platicúrtica, com muitos

dados intermediários ao longo da distribuição em relação à normal.

51

VARIÁVEL DEPENDENTE

Spread Debêntures por Classe de Risco

MÉDIA (% a.a.)

DESVIO PADRÃO (% a.a.)

COEFICIENTE DE VARIAÇÃO

(%)

ASSIMETRIA CURTOSE

AAA 1,11 0,43 38,32 1,00 0,61 AA 1,29 0,55 42,57 0,97 -0,25 A 1,46 0,52 35,18 1,06 -0,12

BBB 1,84 0,90 49,23 1,49 1,12

Tabela 8 – Estatísticas Descritivas da Variável Dependente

Analisando as estatísticas das variáveis independentes, observa-se na Tabela 7, que as

variáveis CDI e dólar apresentaram valores médios de 12,4% e R$ 2.00, respectivamente, com

menor volatilidade em relação à média das demais séries, considerando seus coeficientes de

variação mais baixos relativamente. As séries PIB (que nessa análise está apresentada da

forma da variação percentual de seu índice) e Investimento Externo em Títulos foram as que

apresentaram maior dispersão em seus valores médios, com coeficientes de variação de 293%

e 213%, respectivamente. Essa maior dispersão é indicada também pela curtose das duas

séries, que apresentam função de distribuição leptocúrtica. O valor da curtose das demais

séries, abaixo, em módulo de 3, mostra distribuições platicúrticas.

As séries das variáveis PIB e Volume Bovespa apresentaram uma assimetria negativa,

indicando concentração de dados à esquerda da média. Todas as demais variáveis

apresentam assimetria positiva.

52

VARIÁVEIS INDEPENDENTES

MÉDIA DESVIO PADRÃO

COEFICIENTE DE VARIAÇÃO

ASSIMETRIA CURTOSE

CDI (taxa efetiva mensal

anualizada) 12,4% a.a. 3% a.a. 23,81% 0,8 0,2

EMBI br (fechamento mês) 253,7 pts 79,1 pts 31,20% 1,3 1,0

Crescimento PIB 0,37% a.m. 1,09% a.m. 293,01% -1,4 6,1

DÓLAR (cotação fechamento

mês) R$ 2,0 R$ 0,2 11,93% 0,2 -1,3

VOLUME BOVESPA (volume médio diário) R$ 4,7 Bilhões R$ 1,8

Bilhões 38,12% -0,3 -1,2

INVESTIMENTO EXTERNO EM

TÍTULOS (saldo mensal)

US$ 1,7 Bilhões US$ 3,6 Bilhões

213,30% 1,6 5,8

Tabela 9 – Estatísticas Descritivas das Variáveis Independentes

5.2 RESULTADOS

Nesta seção serão apresentados os resultados dos modelos testados no software E-views,

discriminando as 5 etapas do trabalho. Segue na Tabela 10, as denominações das variáveis

que serão utilizadas na apresentação dos modelos desenvolvidos.

Regressores adicionais às variáveis independentes no seu tempo contemporâneo foram

testados no modelo, conforme indicados pelas análises dos correlogramas, testes de raiz

unitárias e testes de correlação serial. Trata-se das primeiras diferenças das variáveis [a

53

variável no tempo (t) menos a variável no tempo (t-1)], e das variáveis em seu tempo

defasado, cujas denominações também estão discriminadas na Tabela 10.

Variável Dependente Denominação Denominação 1ª Diferença da Variável

Denominação Variável Defasada

em 1 período Spread Risco AAA AAA D(AAA) AAA(-1) Spread Risco AA AA D(AA) AA(-1) Spread Risco A A D(A) A(-1) Spread Risco BBB BBB D(BBB) BBB(-1)

Variável Independente Denominação Denominação 1ª Diferença da Variável

Denominação Variável Defasada

em 1 período Certificado de Depósito Bancário CDI D(CDI) CDI(-1) EMBI_Br RISCO D(RISCO) RISCO(-1) Dólar DOLAR D(DOLAR) DOLAR(-1) PIB PIB D(PIB) PIB(-1) Volume da Bovespa BOV D(BOV) BOV(-1) Investimento Externo em Títulos IET D(IET) IET(-1)

Tabela 10 – Denominação das Variáveis do Modelo

As regressões testadas serão analisadas, principalmente pelas seguintes estatísticas: i) a

estatística Durbin-Watson (DW), que mede a relação linear entre os resíduos de um modelo

de regressão. O DW em torno de 2 indica possível não ocorrência de correlação serial; ii) a

estatística Schwarz, utilizado para comparação de modelos, sendo melhor o que produz o

menor valor do critério Schwarz. Tem a característica de impor uma penalidade maior pela

inclusão de coeficientes adicionais a serem estimados, primando pela parcimônia do modelo;

iii) o coeficiente de determinação (R2), que representa a parte da variância da variável

dependente explicada pelas variáveis independentes.

54

5.2.1 ETAPA 1 - Análise das Séries

Nessa primeira etapa, foram analisadas individualmente as séries das variáveis

dependentes e independentes, através da observação de seus gráficos, correlogramas e

realização de Testes de Raiz Unitária.

Passos a e b: Gráficos e Correlogramas:

Observando os gráficos das séries dos spreads das debêntures, o spread BBB parece

indicar algum tipo de tendência. Pode fazer algum sentido econômico que os spreads, em

geral, não apresentem algum tipo de tendência definida, visto não se mostrar muito viável

que prêmio de risco cresça ou diminua continuadamente ao longo do tempo. A observação de

uma tendência de alta no spread BBB a partir de 2008, pode ser um indício que num cenário

de crise financeira, como o verificado naquele ano, os prêmios exigidos dos ativos de maior

risco, tendam a descolar dos sinais de recuperação econômico financeira, mostrando uma

certa persistência de direção.

0.4

0.8

1.2

1.6

2.0

2.4

08M01 08M07 09M01 09M07 10M01 10M07

AAA

0.4

0.8

1.2

1.6

2.0

2.4

2.8

2006 2007 2008 2009 2010

AA

�

55

0.8

1.2

1.6

2.0

2.4

2.8

2006 2007 2008 2009 2010

A

1.0

1.5

2.0

2.5

3.0

3.5

4.0

4.5

2006 2007 2008 2009 2010

BBB

Gráfico 4 – Séries Spread Debêntures

Pela análise dos gráficos das séries das variáveis explicativas, constatam-se que

aparentam mostrar algum tipo de tendência. As séries DOLAR, RISCO, BOV e IET

demonstram uma maior evidência, em função do comportamento de seus gráficos, de

possuírem tendência não-estacionária. O BOV e o IET, por exemplo, está sujeito aos diversos

fatores domésticos e externos que determinam a busca de ativos com maior risco, fazendo

sentido apresentar uma tendência não-estacionária, na variação de seu volume.

8

10

12

14

16

18

20

2006 2007 2008 2009 2010

CDI

1.5

1.6

1.7

1.8

1.9

2.0

2.1

2.2

2.3

2.4

2006 2007 2008 2009 2010

DOLAR

56

100

150

200

250

300

350

400

450

500

2006 2007 2008 2009 2010

RISCO

110

115

120

125

130

135

140

145

2006 2007 2008 2009 2010

PIB

1,000

2,000

3,000

4,000

5,000

6,000

7,000

8,000

2006 2007 2008 2009 2010

BOV

-10,000

-5,000

0

5,000

10,000

15,000

20,000

2006 2007 2008 2009 2010

IET

Gráfico 5 – Séries Variáveis Independentes

Analisando o correlograma das séries, conforme apresentado no APÊNDICE 1, foram

visualizados os seguintes processos auto-regressivos:

• nos correlogramas dos spreads, todas as séries aparentam indicar um processo auto-

regressivo de nível 1 - AR(1); as correlações parciais dos correlogramas apontam que

a primeira defasagem do valor das séries é significativamente diferente de zero;

• os correlogramas das séries das variáveis independentes, indicam que todas as séries,

exceto a série IET, aparentam apresentar um processo auto-regressivo de nível 1 -

AR(1), ou seja, a variável num tempo (t) é influenciada pela variável do período

57

imediatamente anterior (t-1); o correlograma da série IET indica, aparentemente, um

processo AR(3).

Passo c: Teste de Raiz Unitária:

O teste de raiz unitária foi feito com o objetivo de verificar a natureza da tendência das

séries, avaliando a ocorrência de estacionariedade nos processos, ou seja, se as tendências são

determinísticas (processo estacionário) ou estocásticas. Foi utilizado o teste ADF, deixando o

sistema escolher as lags, através do critério de Lag Modified Akaike.

O teste ADF assume a hipótese nula (H0) de que a série apresenta raiz unitária, ou seja a

série é não estacionária.

Inicialmente foi realizado o teste mais geral, considerando existência de tendência

determinística e intercepto com seguidos ajustes, conforme os resultados dos testes. Todas as

séries dos spreads indicaram a presença de raiz unitária.

Todos os testes realizados, tanto das variáveis dependentes, quanto das independentes,

ficaram dentro da área de aceitação da hipótese nula, a um nível de significância de 5%.

Indicaram, portanto, que não se pode rejeitar a hipótese nula de ocorrência de raiz unitária,

indicando que as séries têm indícios de uma possível tendência de natureza estocástica.

Nos testes das variáveis dependentes, o termo de tendência só se mostrou significativo no

rating BBB. E o intercepto (termo de constante) foi significativo no AAA e BBB.

58

Em relação aos testes das variáveis independentes, o termo de tendência não se mostrou

significativo em nenhuma variável. E, o intercepto (termo de constante) foi significativo

somente no teste relacionado à variável IET.

Resumindo, a análise dos Correlogramas das séries indicaram possível presença de um

processo AR(1), exceto para a série IET, cujo correlograma apontou um possível processo

autoregressivo nível 3 – AR(3). As séries apresentaram raiz unitária e as variáveis

significantes dos testes realizados estão apresentadas na Tabela 11.

Tabela 11 – Resultado dos Correlogramas e Testes de Raiz Unitária

Variáveis

Análise Correlograma

(Processo AR)

Raiz Unitária

Termo Constante (significãncia 5%)

Termo Tendência (significância 5%)

AAA AR(1) Sim Sim Não

AA AR(1) Sim Não Não

A AR(1) Sim Não Não

BBB AR(1) Sim Sim Não

CDI AR(1) Sim Não Não

DÓLAR AR(1) Sim Não Não

RISCO AR(1) Sim Não Não

PIB AR(1) Sim Não Não

BOV AR(1) Sim Não Não

IET AR(3) Sim Sim Não

59

5.2.2 ETAPA 2 - Resultados e Análises das Regressões

Nessa etapa, foram testadas as regressões para o desenvolvimento dos quatro modelos

indicativos dos spread, tomando como referência para possíveis regressores as variáveis

apontadas na etapa 1 .

Foram regredidos os spreads com as variáveis explicativas. Adicionalmente foram

testados como regressores: suas variáveis defasadas (conforme indicado na análise dos

correlogramas) e as primeiras diferenças das variáveis, visto todas terem apresentado raiz

unitária pelos testes realizados.

Foi testada também a inclusão do termo Tendência, para ver se apresenta significância

estatística, visto que as análises dos correlogramas/gráficos e os testes de raiz unitária tendem

a indicar uma possível natureza de tendência, não sendo definitivos na conclusão sobre a

questão.

Seguindo o princípio da parcimônia das variáveis no modelo e a observação de

significância estatística a um nível de 5% e do sentido econômico do sinal dos coeficientes

das variáveis significantes, foram testadas inclusões e exclusões de variáveis, até chegar a um

modelo que apresentasse maior robustez em termos de R2, estatística Schwarz e DW.

5.2.2.1 REGRESSÕES SPREAD AAA

A tabela 12 apresenta as regressões realizadas com a variável dependente AAA. O

Modelo 10 foi a regressão que se mostrou mais robusta, apresentando coerência nos sinais

esperados dos coeficientes das variáveis explicativas.

60

M

odel

o

(1)

Mod

elo

(2)

Mod

elo

(3

) M

odel

o

(4)

Mod

elo

(5

) M

odel

o

(6)

Mod

elo

(7

) M

odel

o

(8)

Mod

elo

(9

)

Mod

elo

(1

0)

CT

E

9,52

43**

* 13

,781

5***

1,

8200

9,

3833

***

12,5

855*

**

1,12

89**

* (2

,339

7)

T

endê

ncia

0,

0424

***

0,05

24**

* 0,

0129

0,

0415

***

0,05

18**

*

(0,0

045)

CD

I 0,

0780

***

0,08

71**

* 0,

0524

**

0,08

81**

* 0,

1179

***

0,

0468

***

0,01

71**

* D

OL

AR

0,

3099

RIS

CO

0,

0004

PIB

(0

,080

5)**

* (0

,110

1)**

* (0

,019

1)

(0,0

780)

***

(0,1

035)

***

(0

,002

5)**

*

BO

V

0,00

00

IE

T

0,00

00

A

AA

(-1)

0,66

64**

*

0,94

95**

* 0,

8351

***

0,86

31**

* 0,

8671

***

D(A

AA

)

0,24

79

0,

7227

C

DI(

-1)

0,

0475

**

0,04

405*

**

DO

LA

R(-

1)

(0,2

840)

PIB

(-1)

0,

0151

(0

,002

0)**

R

ISC

O(-

1)

0,00

19**

0,

0013

B

OV

(-1)

0,

0000

IE

T(-

3)

0,00

00

D

(CD

I)

(0

,740

7***

)

D

(DO

LA

R)

0,

3059

D

(RIS

CO

)

0,00

04

D(P

IB)

(0,0

573)

(0,0

506)

***

D(B

OV

)

0,

0000

D

(IE

T)

0,00

00

R

20,

882

0,87

6

0,94

6

0,86

8

0,86

0

0,49

7 0,

916

0,

906

0,

914

0,

934

D

W0,

765

0,88

5

1,51

2

0,77

2

0,78

4

0,68

1 1,

570

1,

338

1,

416

1,

949

Sc

hwar

z (0

,256

) (0

,116

) (0

,950

) (0

,447

) (0

,475

) 0,

789

(0,8

95)

(0,9

92)

(1,0

75)

(1,3

44)

Tab

ela

12 –

Res

ulta

do d

as R

egre

ssõe

s -

Var

iáve

l Dep

ende

nte:

Sp

rea

d A

AA

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

**

Sig

nifi

cânc

ia a

o ní

vel d

e 5%

*

Sig

nifi

cânc

ia a

o ní

vel d

e 10

%

61

No modelo 1 foram regredidas todas variáveis explicativas e os termos de constante e

tendência. As variáveis DOLAR, RISCO, BOV e IET não se mostraram significantes. O R2

se mostrou alto, entretanto, a estatística DW ficou muito distante de 2, não proporcionando

robustez ao modelo. Os sinais dos coeficientes das variáveis significantes, CDI e PIB, se

mostraram em linha com o esperado, sendo positivo para o CDI e negativo para o PIB.

Em quase todos os modelos testados, as variáveis DOLAR, RISCO, BOV e IET, quando

testadas, não foram significativas. A ausência de poder explicativo dessas variáveis, que

tendem a apresentar movimentos mais voláteis, pode fazer sentido econômico em função de

momentos de maior incerteza, maior volatilidade, levar a migração para ativos mais seguros,

que é o caso dos ativos com risco AAA, havendo um possível descolamento desses spreads

com as oscilações daquelas variáveis.

A variável defasada do spread AAA, quando introduzida nas regressões, proporcionou

uma melhora nas estatísticas dos modelos. Observa-se que a influência da variável AAA(-1)

sobre o spread AAA se mostrou forte, onde a variação de 1 ponto percentual em AAA(-1)

influenciou em 0,66 pontos percentuais o spread do risco AAA no modelo 3, chegando a 0,94

pontos percentuais no modelo 7.

Os modelos 5, 8, 9 e 10 apresentaram todas variáveis significativas e com os sinais de

seus coeficientes em linha com o esperado. As variáveis foram o CDI, PIB, seus valores

defasados, o PIB em primeiras diferenças e a variável defasada do spread AAA. O Modelo

10, com as variáveis CDI, D(PIB) e AAA(-1) pode ser considerado o mais robusto em

relação aos demais testados para a variável spread AAA. As estatísticas dessa regressão se

mostraram melhores que dos modelos 5, 8 e 9, com aumento do R2, que subiu para 0,93,

queda no Schwartz para -1,34 e aumento do DW que chegou a 1,94, sendo mais próximo de 2.

62

A variável defasada do spread AAA apresenta um coeficiente relativamente elevado, com

valor de 0,867. Em relação ao modelo 9, não há praticamente alteração do valor desse

coeficiente. O coeficiente da variável CDI apresentou uma queda em relação ao modelo 9,

passando de 0,046 para 0,017, mostrando que no modelo mais robusto, o CDI exerce uma

influência menor sobre o valor do spread. Já o coeficiente da variável D(PIB), de 0,050,

indica que a primeira diferença do PIB exerce uma influência maior que a variável CDI e

também maior que o PIB contemporâneo, que foi de 0,002.

O Modelo 10 indica que a variação de 1 ponto percentual no spread AAA defasado em 1

período, no PIB em sua primeira diferença e no CDI, impacta, respectivamente, o valor do

spread AAA, em 0,867 pontos percentuais positivamente, 0,050 pontos percentuais

negativamente e 0,017 pontos percentuais positivamente. A variável que tem maior impacto é

o spread defasado, indicando um movimento de persistência na formação dos valores do

spread AAA, sinalizando que o valor do spread demora para se ajustar a novas informações.

Em seguida, a maior influência é do PIB, de forma negativa. O sentido econômico dessa

relação pode ser explicado pelo crescimento no nível da atividade econômica tender a criar

uma maior solidez das empresas em função de aumento de oportunidades de crescimento do

mercado, maior poder de geração de caixa e de alavancagem. Isso traduz em menor risco de

inadimplência nas dívidas contraídas, aumentando a confiança do investidor no desempenho

das empresas, possibilitando queda nos prêmios de risco das dívidas corporativas. A

presença da variável CDI como explicativa, com o coeficiente positivo, pode estar indicando,

conforme inicialmente esperado, que aumento nas taxas de juros tende a estar correlacionado

com maior instabilidade econômica, e probabilidade de dificuldades financeiras das empresas,

gerando um aumento do prêmio exigido pelos investidores. Entretanto, sua influência não se

apresenta muito grande, visto que o coeficiente foi de 0,017.

63

5.2.2.2 REGRESSÕES SPREAD AA

A tabela 13 mostra as regressões realizadas com a variável dependente AA. Modelo

12 foi o que se mostrou mais consistente estatisticamente, com coerência nos sinais esperados

dos coeficientes das variáveis explicativas.

Regredindo todas as variáveis explicativas e os termos de constante e tendência,

conforme realizado no Modelo 1, observa-se que as variáveis DOLAR, BOV e IET não se

mostraram significantes. O R2 se mostrou alto, entretanto, a estatística DW se mostrou baixa.

Os sinais dos coeficientes das variáveis significantes, RISCO e PIB, se mostraram em linha

com o esperado, sendo positivo para o RISCO e negativo para o PIB. Entretanto, o sinal do

coeficiente do CDI foi negativo, não estando em linha com o esperado. Em todas as

regressões onde o CDI foi considerado como variável explicativa o sinal de seu coeficiente

também se apresentou negativo.

Da mesma forma que nos modelos testados para o spread AAA, a introdução da variável

defasada do spread melhorou as estatísticas dos modelos e o valor de seu coeficiente se

apresentou relativamente alto em relação às demais variáveis.

Nos modelos 4, 11 e 12, todas variáveis foram significantes. Entretanto, o modelo 4

apresentou um DW muito baixo, não propiciando consistência ao modelo, além da ocorrência

de sinal negativo no coeficiente do CDI, em desacordo com as expectativas.

64

M

odel

o

(1

) M

odel

o

(2)

Mod

elo

(3

) M

odel

o

(4)

Mod

elo

(5)

Mod

elo

(6)

Mod

elo

(7

) M

odel

o

(8)

Mod

elo

(9

) M

odel

o

(10)

M

odel

o

(11)

Mod

elo

(1

2)

CT

E

12,1

252*

**

13,6

334*

**

1,26

32

9,62

41**

* 1,

2444

***

(2,3

903)

1,

2865

Ten

dênc

ia

0,05

77**

* 0,

0593

***

0,05

78

0,05

07**

*

(0,0

015)

0,

0122

* 0,

0081

***

0,00

95**

*

0,00

17*

CD

I (0

,062

0)**

* (0

,064

5)**

* (0

,025

1)

(0,0

727)

***

(0,0

179)

(0

,016

5)

DO

LA

R

0,41

16

RIS

CO

0,

0016

***

0,00

205*

**

0,00

13**

* 0,

0018

***

0,

0005

***

PIB

(0

,105

3)**

* (0

,110

9)**

* (0

,014

9)

(0,0

846)

***

(0,0

143)

(0

,004

6)**

(0

,005

6)**

*

BO

V

0,00

00

IET

0,

0000

AA

(-1)

0,

6484

***

0,78

02**

* 0,

6553

***

0,68

42**

* 0,

7217

***

0,86

93**

* 0,

9232

***

0,91

05**

*

D(A

A)

0,15

06

0,65

55

CD

I(-1

)

(0

,015

8)

DO

LA

R(-

1)

0,33

01**

0,

5727

**

0,

4168

***

0,25

21

0,32

51**

0,

2655

**

(0,0

422)

RIS

CO

(-1)

0,00

10**

* 0,

0011

***

0,00

11**

* 0,

0009

***

0,00

08**

* 0,

0004

***

PIB

(-1)

0,01

45

BO

V(-

1)

0,00

00

IE

T(-

3)

0,00

00

D(C

DI)

(0

,285

1)

D(D

OL

AR

)

(0,3

562)

0,

1610

D(R

ISC

O)

(0,0

026)

D(P

IB)

(0

,013

2)

(0,0

336)

***

(0,0

404)

***

(0,0

394)

***

D(B

OV

)

0,00

00

D(I

ET

)

(0,0

000)

R2

0,91

1 0,

910

0,

968

0,

915

0,

084

0,

960

0,

959

0,

959

0,

958

0,

958

0,

955

0,

959

DW

0,80

3 0,

812

1,

769

0,

720

0,

072

1,

945

1,

659

1,

744

1,

676

1,

836

1,

835

1,

825

Schw

arz

(0,2

84)

(0,2

00)

(1,2

24)

(0,4

49)

1,92

8

(1,1

37)

(1,1

24)

(1,1

80)

(1,2

17)

(1,2

15)

(1,2

82)

(1,3

75)

Tab

ela

13 –

Res

ulta

do d

as R

egre

ssõe

s -

Var

iáve

l Dep

ende

nte:

Sp

rea

d A

A

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

**

Sig

nifi

cânc

ia a

o ní

vel d

e 5%

*

Sig

nifi

cânc

ia a

o ní

vel d

e 10

%

65

Os modelos 11 e 12 apresentaram as variáveis defasadas do spread AA, D(PIB) e

RISCO, sendo que no modelo 11 a variável RISCO foi modelada em seu valor defasado. Os

sinais de seus coeficientes se mostraram de acordo com o esperado e o Modelo 12 se

apresentou mais consistente, com o R2 maior de 0,95, o Schwarz mais baixo de -1,37. O DW

se mostrou um pouco menor, mas se manteve perto de 2, em 1,82. Esse modelo pode ser

considerado o mais robusto das regressões testadas, para o spread AA. O coeficiente da

variável RISCO apresenta um pequeno aumento em relação ao coeficiente da variável RISCO

defasada, observada no modelo 11, indicando uma maior influência do risco contemporâneo

sobre o spread atual, do que seu valor passado. Parece fazer sentido econômico, visto que

essa variável mede a aversão ao risco dos investidores e está relacionada ao momento de

mercado. O coeficiente da variável defasada do spread continua elevada nesse modelo,

apresentando um valor de 0,910.

O Modelo 12 indica que a variação de 1 ponto percentual na variável defasada do spread

AA afeta o valor do spread AA em 0,910 pontos percentuais positivamente, a variação do

PIB em sua primeira diferença afeta o spread em 0,039 pontos percentuais negativamente e a

variação do RISCO influencia o spread em 0,00005 pontos percentuais positivamente.

A variável que tem maior influência, como observado no modelo 10 do spread AAA, foi

a variável defasada do spread, confirmando a ocorrência de uma inércia na formação dos

spreads. A segunda influência é do PIB, em suas primeiras diferenças, como também

observado no modelo AAA. Em seguida, aparece a variável RISCO com um influência bem

pequena sobre o valor do spread AA. A presença da variável risco no mais consistente dos

modelos AA testados (modelo 12) e sua ausência no modelo AAA mais robusto (modelo 10)

podem fazer sentido econômico em razão de o aumento da volatilidade e aversão ao risco na

economia, levar à migração para ativos de maior risco e aumento da exigência por prêmios

66

para investimento em riscos maiores. O valor pequeno do coeficiente dessa variável nos

modelos testados para o spread AA mostra que apesar de exercer alguma influência no

spread, a variável RISCO é pouco expressiva, pois o rating AA ainda é considerado baixo

risco de crédito pelas agências classificadoras e pelo mercado.

5.2.2.3 REGRESSÕES SPREAD A

A tabela 14 mostra as regressões realizadas com a variável dependente A. O Modelo 10

foi o que se mostrou mais consistente estatisticamente, com coerência nos sinais esperados

dos coeficientes das variáveis explicativas.

O Modelo 1 traz a regressão de todas as variáveis explicativas e os termos de constante e

tendência. As variáveis DOLAR, BOV e IET não se mostraram significantes. Observa-se um

R2 relativamente alto, mas uma estatística DW baixa, muito distante de 2. O sinal do RISCO

e PIB, mostrou-se em linha com as expectativas, sendo positivo para o RISCO e negativo

para o PIB. Entretanto, o sinal do coeficiente do CDI foi negativo, não estando em linha com

o esperado, como também foi observado nas regressões do spread AA. O CDI se mostrou

negativo também nas outras regressões testadas.

Observa-se no modelo 3 que nenhuma das variáveis defasadas testadas se mostraram

significantes, exceto a variável defasada do spread A, que apresentou um coeficiente elevado

de 0,713. Nas outras regressões testadas com essa variável, ele também se mostrou

significante, com coeficiente alto e os modelos apresentaram estatísticas mais consistentes,

em linha com o já observado nas regressões dos spreads AAA e AA.

67

M

odel

o

(1)

Mod

elo

(2

) M

odel

o

(3)

Mod

elo

(4

) M

odel

o

(5)

Mod

elo

(6

) M

odel

o

(7)

Mod

elo

(8

) M

odel

o

(9

)

Mod

elo

(10)

CT

E

11,3

668*

**

10,9

294*

**

(0,5

809)

11

,665

8***

1,

4422

***

(0,6

207)

T

endê

ncia

0,

0500

***

0,04

64**

* 0,

0040

0,

0488

***

(0

,000

4)

CD

I (0

,061

4)**

* (0

,068

4)**

* (0

,013

0)

(0,0

695)

***

(0,0

225)

***

(0,0

160)

***

DO

LA

R

0,22

57

R

ISC

O

0,00

2246

***

0,00

28**

* 0,

0014

***

0,00

26**

*

0,00

14**

*

0,00

07**

* P

IB

(0,0

947)

***

(0,0

861)

***

0,00

05

(0,0

919)

***

0,00

16**

0,

0008

B

OV

0,

0000

IET

(0

,000

0)

A

(-1)

0,

7138

***

0,79

30**

* 0,

7570

***

0,81

50**

* 0,

8899

***

0,88

42**

* D

(A)

0,

2694

0,

4547

CD

I(-1

)

(0,0

098)

D

OL

AR

(-1)

0,

2952

*

RIS

CO

(-1)

0,00

15**

* 0,

0016

***

0,

0007

***

P

IB(-

1)

0,

0054

B

OV

(-1)

0,

0000

IET

(-3)

0,

0000

D(C

DI)

(0

,264

2)

D

(DO

LA

R)

(0

,480

3)

D(R

ISC

O)

(0,0

015)

D(P

IB)

(0,0

367)

(0,0

212)

**

(0,0

207)

**

D(B

OV

)

0,00

00

D(I

ET

)

(0,0

000)

R2

0,89

9

0,90

7

0,96

5

0,89

6

0,07

0

0,95

9

0,95

8

0,96

0

0,95

3

0,95

6

DW

0,95

2

0,81

1

2,28

6

0,94

1

0,07

0

1,96

0

1,87

7

2,24

0

1,94

4

2,09

6

Schw

arz

(0,2

88)

(0,2

91)

(1,2

36)

(0,4

44)

1,75

3

(1,3

08)

(1,4

09)

(1,4

57)

(1,3

58)

(1,4

26)

Tab

ela

14 –

Res

ulta

do d

as R

egre

ssõe

s -

Var

iáve

l Dep

ende

nte:

Sp

rea

d A

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

**

Sig

nifi

cânc

ia a

o ní

vel d

e 5%

*

Sig

nifi

cânc

ia a

o ní

vel d

e 10

%

68

Todas variáveis testadas foram significativas nos modelos 4, 7, 9 e 10, estando presentes

as variáveis CDI, RISCO e sua variável defasada, PIB e sua variável em primeira diferença e

A(-1). Porém, o sinal negativo do CDI no modelo 4 não está em linha com o esperado, assim

como o sinal positivo do PIB no modelo 7. A ocorrência de sinal negativo no CDI também

foi observado nos modelos do spread AA, diferentemente do modelo AAA, onde inclusive o

CDI se mostrou como regressor do modelo considerado mais consistente.

Os modelos 9 e 10 apresentaram as variáveis explicativas em comum, D(PIB), A(-1) e

isoladamente, RISCO(-1) no modelo 9 e RISCO no modelo 10. As variáveis se mostraram

significantes, os sinais de seus coeficientes se apresentaram em linha com o esperado. Porém,

o Modelo 10 se mostrou um pouco mais consistente, com as estatísticas da regressão

indicando melhora em relação ao modelo 9. O R2 aumentou ligeiramente para 0,95, o

Schwarz diminuiu para -1,42 e o DW permaneceu próximo de 2, atingindo o valor de 2,09. O

coeficiente da variável defasada do spread manteve-se elevado, em 0,884 e praticamente sem

alteração em relação ao modelo 9 que foi de 0,889. Os coeficientes das demais variáveis,

basicamente também não sofreram alteração, o que indica que os modelos 9 e 10

proporcionam uma conclusão bastante semelhante, com uma ligeira maior robustez no

modelo 10. Ou seja, há uma ligeira maior consistência na consideração do risco brasil

contemporâneo para a formação do spread A do que o seu valor defasado em um período,

conforme já observado no modelo AA. As variáveis testadas nesse modelo foram as mesmas

presentes no modelo que se mostrou mais robusto nas regressões do spread AA.

O Modelo 10 indica que a variação de 1 ponto percentual na variável defasada do spread

A, do PIB em sua primeira diferença e do RISCO afeta o spread A, respectivamente de forma

positiva em 0,884, negativa em 0,020 e positiva em 0,0007 pontos percentuais. A maior

influência, como já detectado nos modelos AAA e AA, é a variável defasada do spread. Em

69

seguida, a variável PIB em sua primeira diferença foi a que exerceu mais influência, embora

em um nível bastante inferior ao do spread defasado, de acordo também com o verificado nos

modelos AAA e AA. Observa-se que o coeficiente foi decrescente do risco AAA para o A.

Os modelos estão indicando uma menor sensibilidade dos prêmios de risco ao nível de

crescimento econômico, à medida em que se avança para níveis de risco mais elevado. Como

no modelo AA, a variável RISCO foi a que apresentou o menor poder de afetar a formação do

spread A. Analisando seu coeficiente de 0,0007, observa-se que há uma ligeira maior

influência do que no spread AA, que foi de 0,0005. Pode fazer sentido econômico,

considerando que numa conjuntura de aversão ao risco, tende a ocorrer uma maior demanda

por ativos mais seguros, trazendo, consequentemente, uma maior volatilidade aos prêmios

exigidos pelos ativos mais arriscados. Entretanto, o coeficiente apresentou-se bastante

pequeno, tanto para o spread A quanto AA, indicando a pouca relevância do RISCO como

variável explicativa.

5.2.2.4 REGRESSÕES SPREAD BBB

A Tabela 15 apresenta as regressões realizadas com a variável dependente BBB. O

Modelo 9 foi o que se mostrou mais robusto em termos estatísticos e sinais esperados dos

coeficientes das variáveis explicativas. Por outro lado, esse Modelo só apresentou como

variável explicativa a variável defasada do spread BBB, demonstrando que a regressão não

fornece elementos suficientes para explicar a formação do prêmio desse nível de risco.

Regredindo todas variáveis com o spread BBB e termos de constante e tendência,

conforme demonstrado no modelo 1, as variáveis PIB, BOV, IET e constante não se

70

mostraram significante. O sinal do coeficiente da variável RISCO se apresentou negativo, em

desacordo com o esperado e com o observado nas regressões das outras classes de rating. O

R2 apresentou um nível de explicação relativamente alto, mas o DW se mostrou baixo.

Confirmando o observado nos demais modelos de rating, a inclusão da variável defasada

do spread mostrou melhora nas estatísticas do modelo, tendo se mostrado significante e com

coeficiente elevado, o que indica uma forte influência do valor defasado do spread BBB na

formação de seu valor presente.

Os modelos 4, 9 e 11 apresentaram todas as variáveis explicativas significantes, tendo

como regressores as variáveis CDI, DOLAR, RISCO e a variável defasada do spread BBB.

No modelo 4, o coeficiente da variável RISCO não está em linha com o esperado e a

estatística DW se apresentou muito baixa.

No modelo 11 as variáveis CDI, PIB e o termo de tendência se mostraram significantes, o

sinal dos coeficientes estão de acordo com o esperado, mas as estatísticas da regressão não

são boas, com o R2 de 0,65 e o DW muito baixo de 0,09.

Das regressões realizadas para o spread BBB, o Modelo 9 foi o que se mostrou mais

robusto. Apresentou com única variável explicativa a sua variável defasada e o coeficiente dessa

variável foi elevado, indicando que 95,75% do valor do spread do mês anterior compõem o valor

atual.

71

M

odel

o

(1

) M

odel

o

(2)

Mod

elo

(3)

Mod

elo

(4)

Mod

elo

(5)

Mod

elo

(6

) M

odel

o

(7

) M

odel

o

(8

)

Mod

elo

(9)

Mod

elo

(10)

M

odel

o

(11)

CT

E

(9,0

206)

* (7

,258

7)**

*(2

,036

8)

1,

8356

***

(0,9

433)

Ten

dênc

ia

0,10

20**

* 0,

1044

***

0,01

34

0,12

32**

*

0,00

72

0,01

30

0,12

22**

* 0,

0041

**

0,06

75**

* 0,

0694

***

CD

I 0,

.345

6***

0,

3285

***

0,03

84

0,34

05**

*

0,

0257

0,

3317

***

0,

1191

**

0,14

86**

* D

OL

AR

2,

0315

***

1,98

53**

* 0,

5517

* 1,

1852

***

0,11

61

1,67

09**

*

0,30

14

R

ISC

O

(0,0

073)

***

(0,0

081)

***

(0,0

012)

(0

,007

5)**

*

(0

,000

5)

(0,0

080)

***

P

IB

0,01

09

(0,0

518)

***

(0,0

050)

(0

,512

6)**

*

(0,0

180)

***

(0,0

166)

**

BO

V

(0,0

000)

IE

T

0,00

00

BB

B(-

1)

0,88

55**

*

0,

9482

***

0,92

55**

*

0,95

75**

*

D

(BB

B)

0,

5163

1,

7859

**

0,55

18

C

DI(

-1)

0,

0207

DO

LA

R(-

1)

0,

0747

RIS

CO

(-1)

(0,0

002)

PIB

(-1)

0,

0036

0,

0041

BO

V(-

1)

0,00

00

IET

(-3)

0,

0000

D

(CD

I)

0,67

03*

D(D

OL

AR

)

(0

,255

2)

D(R

ISC

O)

(0,0

034)

D

(PIB

)

0,03

61

0,04

95

D(B

OV

)

(0,0

001)

D(I

ET

)

0,00

00

R

20,

816

0,

838

0,

973

0,

801

0,

197

0,

971

0,

971

0,

828

0,

970

0,

659

0,

656

D

W0,

466

0,

395

2,

035

0,

451

0,

265

2,

045

1,

994

0,

473

1,

994

0,

094

0,

095

Sc

hwar

z 1,

475

1,

437

(0

,314

) 1,

345

2,

829

(0

,424

) (0

,506

) 1,

289

(0

,744

) 1,

816

1,

758

Tab

ela

15 –

Res

ulta

do d

as R

egre

ssõe

s -

Var

iáve

l Dep

ende

nte:

Sp

rea

d B

BB

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

**

Sig

nifi

cânc

ia a

o ní

vel d

e 5%

*

Sig

nifi

cânc

ia a

o ní

vel d

e 10

%

72

Possivelmente a forte influência do valor anterior no prêmio de risco atual no spread

BBB, que corresponde ao mais elevado risco da escala de grau de investimento das agências

de rating, pode ser entendido como uma maior presença da variável risco de crédito na

formação de seu valor. Nesse sentido, pode estar ocorrendo uma certa inelasticidade do

prêmio do risco BBB em relação às variáveis econômicas e de mercado, por já estar embutido

um elevado prêmio pela insolvência, independente das condições econômicas. Entretanto, o

resultado do modelo BBB, pode estar sofrendo uma influência da reduzida liquidez no

mercado secundário para esse nível de risco. Nesse sentido, a pouca quantidade de negócios

relativamente aos demais graus de risco pode levar à dificuldade de precificação por parte dos

agentes que fornecem as taxas indicativas que compõem a série analisada.

5.2.3 ETAPA 3 - Teste de Correlação Serial nos Resíduos

Nessa fase foi realizado teste para analisar a ocorrência de autocorrelação entre os

resíduos dos modelos resultantes da Etapa 2 e verificar a necessidade de ajuste nos modelos

com inclusão de variáveis para corrigir eventual autocorrelação.

Os testes foram realizados somente nos modelos considerados mais robustos

estatisticamente, representados pelo MODELO 10 referente ao spread AAA e A, MODELO

12 do spread AA e MODELO 9 do spread BBB.

O objetivo é verificar se o modelo se apresenta dinamicamente incompleto. Observa-se

que o maior problema causado pela correlação serial é na parte da inferência, causando viés

73

na estimativa da variância dos coeficientes, tornando a especificação do modelo pouco

robusta.

A indicação de possível correlação serial pode tentar ser corrigida inserindo variáveis

Média Móveis (MA) de ordem(x), que é um processo que está associado aos erros do modelo.

Representa uma combinação linear de ruídos brancos. O processo média móvel de ordem 1 -

MA(1) - por exemplo depende do erro contemporâneo e do erro imediatamente passado.

Essa fase de teste de correlação serial envolveu os seguintes processos nos modelos:

a) Foram observadas as estatísticas DW para verificar se estão próximo de 2, podendo

indicar possível ocorrência de correlação serial no modelo. Foram analisados

também os correlogramas dos resíduos dos modelos para ver se indicam algum

processo de média móvel MA;

b) Foi realizado o Teste Breusch-Godfrey / Serial Correlation LM Test, para verificar

presença de correlação serial nos modelos (ocorrência de autocorrelação nos

resíduos). Esse teste regride o resíduo do modelo com os resíduos defasados e a

hipótese nula (H0) prevê que não há correlação serial. Deve ser observado se as

variáveis defasadas dos resíduos são estatisticamente significantes, e no caso

negativo, então não há correlação entre resíduos e a hipótese nula seria aceita;

c) A seguir foram realizados exercícios com inclusões nos modelos dos termos MA

conforme resultados dos testes e observações dos correlogramas. Foram verificados

se os termos MA foram significativos, se a estatística DW se aproximou mais de 2 e

se houve melhora no R2.

74

Nos quatro modelos testados, a estatística DW se apresentou próxima de 2, indicando a

possível não ocorrência de correlação serial nos resíduos.

Estatística DW

Modelo 10 Spread AAA 1,94

Modelo 12 Spread AA 1,82

Modelo 10 Spread A 2,09

Modelo 9 Spread BBB 1,99

No modelo 10 do spread AAA, o teste de correlação serial indicou que se pode aceitar a

hipótese nula de não ocorrência de correlação serial, pois nenhuma variável defasada do

resíduo foi estatisticamente significante. Analisando o correlograma dos resíduos foi

observado uma possível ocorrência de uma correlação com o resíduo defasado em 5 períodos

- Resid(-5). Nos exercícios com inclusão do termo MA(5) na equação para ajustar a possível

correlação serial, verificou-se que o modelo não parece ser mais robusto. A variável MA(5)

apresentou-se significante , e houve uma ligeira melhora no R2 (de 0,93 para 0,94), porém o

DW, que era de 1,94 se tornou mais distante de 2, chegando a 1,69.

Em relação ao modelo AA, o teste e o correlograma indicaram um possível processo de

média móvel de ordem 3 – MA(3). O exercício realizado com inclusão do termo média

móvel de ordem 3 - MA(3) não resultou num modelo mais robusto. A variável MA(3)

apresentou-se significante, entretanto, praticamente não foi observado alteração no DW e R2.

75

Houve uma ligeira melhora no R2 (de 0,95 para 0,96), e uma ligeira piora no DW, afastando-

se um pouco mais de 2 (de 1,82 no modelo inicial para 1,82).

No modelo A, o teste não indicou a ocorrência de correlação serial. Foi realizado

exercício com a inclusão do termo MA(3), observado na análise do correlograma dos

resíduos, portanto essa variável não se mostrou significante, a um nível de significância de

5%.

E, por fim, no modelo BBB, o teste e a análise do correlograma indicaram um possível

processo de média móvel de ordem 2. 3 e 5. Nos exercícios com inclusão na equação dessas

variáveis, em diversas combinações, as estatísticas da regressão não apresentaram melhora

que justificasse a inclusão de uma dessas variáveis no modelo final.

Os testes de resíduos indicaram que os modelos testados não têm indícios de problemas

de correlação serial nos resíduos, podendo ser admitido como modelos indicativos.

Os testes realizados e correlogramas dos resíduos estão apresentados no APÊNDICE 2.

76

5.2.4 ETAPA 4 - Síntese dos Modelos Indicados

Os modelos finais do trabalho são os resultantes das regressões mais robustas verificadas

na Etapa 2, visto que os testes de correlação serial não indicaram necessidade de incluir

variáveis adicionais. 1

Comparando os quatro modelos finais, cujas principais estatísticas estão resumidas na

tabela 16, seguem as seguintes observações:

1. Os modelos indicativos apresentaram um grau de correlação relativamente satisfatório,

com coeficiente de determinação bem próximos, variando de 93% no modelo AAA para

97% no modelo BBB. Nos modelos AA e A o coeficiente ficou em 95%.

2. As variáveis CAMBIO, BOV e IET não aparecem como variáveis explicativas de nenhum

dos modelos indicatives analisados;

3. A variável defasada dos spreads foi a única que apareceu em todos os modelos,

registrando o maior coeficiente em relação aos demais regressores, sendo que no BBB se

apresentou como a única variável explicativa. O modelo BBB foi o que registrou a maior

___________________________________________

1 Embora não faça parte do escopo do trabalho testar a duration como variável explicativa, não se pode descartar

sua possível influência na formação dos prêmios de risco. Analisando a amostra da variável dependente,

observa-se que nos modelos AAA e BBB há um movimento de queda de duration nas séries. Foram realizadas

simulações com a duration nas regressões. A conclusão é que a introdução da variável duration não altera os

resultados do trabalho, visto que na maior parte das regressões ela não se mostrou significante. A exceção foi o

modelo BBB, porém, o sinal do coeficiente se apresentou negativo, não fazendo muito sentido econômico que

aumento de prazo leve a queda de prêmio. Adicionalmente, as estatísticas das regressões, medidas pelo R2, DW

e Schwarz, mantiveram-se, de uma forma geral, próximas das regressões sem a variável duration. O

APÊNDICE 3 apresenta o resultado comparativo entre as regressões com e sem a variável duration.

77

Modelo 10

Spread AAA Modelo 12 Spread AA

Modelo 10 Spread A

Modelo 9 Spread BBB

Tendência 0,0041**

CDI 0,0171***

DOLAR

RISCO 0,0005*** 0,0007***

AAA(-1) 0,8671***

AA(-1) 0,9105***

A(-1) 0,8842***

BBB(-1) 0,9575***

D(PIB) (0,0506)*** (0,0394)*** (0,0207)***

R2 0,934 0,959 0,956 0,970

DW 1,949 1,825 2,096 1,994

Schwarz (1,344) (1,375) (1,426) (0,744)

Tabela 16 – Estatísticas dos Modelos Indicativos

Nota: *** Significância ao nível de 1% ** Significância ao nível de 5%

* Significância ao nível de 10%

dependência de seu valor defasado, com coeficiente de 0,957, seguido do AA, coeficiente

de 0,910, A e AAA, com coeficientes de 0,884 e 0,867, respectivamente. Observa-se que

quando introduzidas nas regressões, essas variáveis, em geral, melhoraram os modelos,

indicando um movimento de persistência no valor dos spreads no tempo;

4. A variável PIB, em sua primeira diferença, esteve presente nos modelos AAA, AA e A,

com o coeficiente diminuindo à medida que avança da menor para a maior classificação

de risco. A variável RISCO mostrou-se presente nos modelos AA e A, com aumento de

seu coeficiente no modelo de rating A. Os coeficientes do PIB foram maiores que os

78

coeficientes do RISCO, indicando que a expectativa de retração econômica tende a

impactar os spreads de uma forma mais relevante que o ambiente de aversão ao risco;

5. Os modelos AA e A tiveram as mesmas variáveis explicativas: RISCO, PIB em sua

primeira diferença e variável defasada de seus respectivos spreads. A variável RISCO

apresentou uma maior influência no modelo A, indicando que em conjuntura de aversão

ao risco, há uma maior demanda por ativos mais seguros, trazendo, consequentemente,

uma maior volatilidade aos prêmios exigidos pelos ativos mais arriscados. A variável

PIB, por outro lado, mostrou uma maior influência no modelo AA, indicando uma menor

sensibilidade dos prêmios de risco ao nível de atividade econômica, à medida em que se

avança para níveis de risco mais elevado;

6. Por fim, a variável CDI só esteve presente no modelo AAA. Nos modelos AA e A

testados, o CDI se mostrou significante em algumas regressões, mas o sinal não se

apresentou conforme o esperado. Quanto aos modelos BBB, nas regressões onde o CDI

se mostrou significante, os modelos não se apresentaram consistentes, tendo um DW

muito baixo. A presença do CDI somente na regressão AAA não confirma a expectativa

de que aumento nas taxas de juros leve a aumento na exigência por prêmio de risco de

investimento em dívida corporativa, em função de uma maior probabilidade de

inadimplência, principalmente porque o risco AAA é o menos arriscado nas escalas de

rating, com risco de inadimplência extremamente baixo. Considerando que o coeficiente

do CDI no modelo AAA foi baixo, no valor de 0,017, é possível que esse resultado possa

estar indicando um maior vínculo do risco AAA com o risco soberano, refletido nas taxas

CDI que se apresentam relacionadas com as taxas que remuneram os títulos públicos.

79

Como o coeficiente se mostrou pequeno, não parece mesmo demonstrar uma influência

relevante do aumento do CDI na exigência de prêmio de risco, mas sim um alinhamento;

7. O sinal dos coeficientes das variáveis que estiveram presentes nos modelos, CDI, RISCO,

PIB e as variáveis defasadas dos spreads, apresentaram-se de acordo com o esperado, com

sinal positivo para o CDI e RISCO, e as variáveis defasadas e sinal negativo para o PIB.

�

�

80

6 CONCLUSÕES

Como o objetivo de analisar os prêmios de risco pagos pelas debêntures no Brasil, o

presente trabalho modelou os spreads das remunerações das debêntures acima da taxa do DI,

como função direta do CDI, dólar, risco Brasil, PIB, volume da BOVESPA e investimentos

estrangeiros em títulos. Foram desenvolvidas regressões lineares por séries temporais, com

base no método dos mínimos quadrados ordinários, abrangendo o período de ago/2005 a

dez/2010, com periodicidade mensal. As regressões foram divididas considerando os spreads

de quatro classes de risco (AAA, AA, A e BBB), tendo como amostra os spreads indicativos

do mercado secundário fornecido pela ANBIMA.

Os modelos finais indicados, de uma forma geral, apresentaram um grau de coeficiente

de determinação em torno de 95%. Demonstraram poder de explicação as variáveis CDI,

PIB, risco Brasil e os spreads defasados. Observou-se uma relação positiva com o CDI e

risco Brasil e negativa com o PIB. Porém, a presença das variáveis nos modelos variou de

acordo com o rating.

O spread defasado foi a única variável que apareceu em todos os modelos, indicando que

o valor do prêmio de risco no período anterior influencia o prêmio atual, para todos os quatro

níveis de risco analisados. Apresentou-se também como a variável explicativa de maior

impacto nas regressões, indicando um movimento de inércia na formação dos spreads, o que

81

sinaliza que o valor do prêmio, demora para se ajustar a novas informações. O coeficiente da

variável defasada se apresentou mais baixo no modelo AAA, aumentando nos modelos de

maior risco, com exceção do modelo A, que não apresentou uma queda em seu coeficiente em

relação ao AA. Ressalta-se que o modelo indicativo do spread BBB só teve como variável

explicativa seu próprio valor defasado.

O modelo AAA teve como variáveis explicativas o CDI, o PIB em sua primeira diferença

e o spread AAA defasado em um período. A presença do CDI somente na regressão AAA e o

coeficiente pequeno (0,017), não está em linha com a expectativa de que uma variação

positiva nas taxas de juros levam a aumento no prêmio de risco das dívidas corporativas, pela

possível influência positiva no nível de inadimplência. Esse resultado pode indicar um

possível alinhamento do risco AAA com o risco país, por terem probabilidade de

inadimplência bem reduzida.

Os modelos AA e A tiveram as mesmas variáveis explicativas: RISCO, PIB em sua

primeira diferença e a variável defasada de seus spreads. Em comum com o modelo AAA,

além da variável defasada, tiveram o PIB, que se apresentou em todos os três modelos como a

variável com maior influência após as variáveis defasadas. Essa influência se mostrou

decrescente na medida em que se avança para os modelos de maior risco. Parece fazer mais

sentido econômico que o movimento fosse inverso, visto que empresas com menor nível de

risco teriam maior solidez para enfrentar adversidades econômicas, apresentando uma menor

sensibilidade em relação às oscilações no PIB. Entretanto, os modelos indicaram que os

prêmios exigidos por dívidas de menor risco são mais afetados pelas variações no nível de

atividade. Possivelmente, este resultado, pode estar refletindo uma característica do mercado

brasileiro de dívida corporativa, onde a demanda pelos investidores está muito concentrada

nos níveis de risco mais baixos sendo, portanto, os ativos mais negociados e

82

consequentemente com formação de preço mais ativa. A variável RISCO, que só apareceu

nos modelos AA e A, apresentou coeficiente muito baixo, de 0,0005 e 0,0007,

respectivamente, indicando que o risco Brasil, no período analisado, não mostrou relevância

na formação dos prêmios da dívida.

O modelo BBB não se mostrou convincente para o entendimento do valor dos spreads

para esta classe de risco. Apresentou como variável explicativa somente sua variável

defasada e com coeficiente elevado, de 0,957. Em parte, parece fazer sentido esta forte

influência, na visão de que esta persistência pode ser explicada pelo fato do spread BBB já

estar embutindo um elevado prêmio pela inadimplência, considerando que a diferença dos

spreads entre as classes de risco é mais elevada no BBB, conforme observado na Tabela 8.

Porém, não parece fazer sentido econômico que variáveis que refletem aversão ao risco, nível

de atividade, não componham a formação dos prêmios exigidos para dívidas com este nível de

risco. É possível que a característica de reduzida demanda do mercado de capitais brasileiro

por títulos de dívida mais arriscado tenha influenciado na inércia do modelo de risco BBB,

visto a amostra trabalhada ser resultante de preços indicativos com pouca liquidez.

Em termos práticos, os modelos AAA, AA e A podem ser testados pelos investidores ou

estruturadores de dívida corporativa, na precificação de novas emissões, no sentido de

verificar se os spreads resultantes estariam em linha com o indicado no mercado secundário e

com os resultados dos leilões de taxa (bookbuilding) das últimas emissões primárias.

Em termos de amostra, uma das limitações do trabalho é o nível de representatividade da

amostra em relação aos negócios efetivamente realizados no mercado. Como o mercado

secundário de debêntures no Brasil possui uma liquidez reduzida, os spreads indicativos

83

utilizados na amostra do modelo não retratam, necessariamente, todos os negócios realizados.

É uma proxy do nível de prêmio exigido.

Em relação ao modelo, pode ser considerada como limitação, a não consideração de

variáveis relacionadas às características das emissões. As debêntures no Brasil não têm uma

forma padronizada, podendo apresentar características que podem alterar a percepção de risco

do investidor e afetar os spreads exigidos, como cláusula de resgate antecipado, garantias,

nível de disclosure do emissor.

Como propostas de estudos futuros seguem como sugestões: i) refazer os testes

realizados nesse trabalho, considerando como amostra o mercado primário de emissões de

debêntures, na medida em que se tenha um número de emissões e diversificação por rating

suficiente para propiciar uma amostra estatisticamente consistente; ii) testar modelo inserindo

os spreads das diferentes classes de rating como regressores, para verificar o grau de

influência entre os níveis de risco; iii) inserir variáveis relacionadas às características da

emissão;

84

BIBLIOGRAFIA

AMATO, J.; LUISI, M. Macro Factors in the Term Structure of Credit Spreads. Bank of

International Settlements, Working Paper, n.203, p. 1-61, 2006.

ANG, A.; PIAZZESI, M. A No-arbitrage Vector Autoregression of Term Structure

Dynamics with Macroeconomic and Latent Variables. Journal of Monetary Economics, n.

50, pp. 745-787, 2003.

ARAÚJO, V. M. Construção de Curvas de Juros de Debêntures do Mercado Brasileiro.

Dissertação (Mestrado Profissionalizante em Economia). Rio de Janeiro: Faculdade de

Economia e Finanças IBMEC, 2009.

BLACK, F.; SCHOLES, M. The Pricing of Options and Corporate Liabilities; Journal of

Political Economy, v.81, n.3, p. 637-654, 1973.

BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Principles of Corporate Finance. 8. ed.

New York: McGraw-Hill/Irwin, 2006.

BUENO, R. L. S. Econometria de Séries Temporais. 1. ed. São Paulo: Cengage Learning

Edições Ltda, 2008.

85

CHEBBI, T. Corporate Yield Spread and Transparency Spread: An empirical Examination.

International Research Journal of Finance and Economics, n. 26, p. 7-20, 2009.

COOPER, D. R.; SCHINDLER, P. S. Métodos de pesquisa em administração. 7. ed. Porto

Alegre: Bookman, 2003.

CURI, L. Z. Aplicação de Redes Neurais na Precificação de Debêntures. Dissertação

(Mestrado em Finanças e Economia Empresarial). São Paulo: Escola de Economia, Fundação

Getúlio Vargas, 2008.

COSTA, D. A. Z. Fatores que Influenciam o spread das debêntures no Brasil.

Dissertação (Mestrado em Finanças e Economia Empresarial). São Paulo: Escola de

Economia, Fundação Getúlio Vargas, 2009.

DAMODARAN, A. Avaliação de Investimentos. 1. ed. Rio de Janeiro: Qualitymark Editora

Ltda, 1997.

DUFEE, G. R. The Relation Between Treasury Yields and Corporate Bond Yield Spreads.

The Journal of Finance, v. 53, n. 6, p. 2225-2241, 1998.

ELTON, E. J.; GRUBER, M. J.; MANN, C. Explaining The Rate Spread on Corporate Bonds.

The Journal of Finance, v. 56, n. 1, p. 247-277, 2001.

ELTON, E. J; GRUBER, M. J. Modern Portfolio Theory and Investment Analysis. 5. ed.

New York: John Wiley & Sons, Inc., 1995.

ENGLE, R. F.; GRANGER, C. W. J. Co-Integration and Error Correction: Representation,

Estimation and Testing. Econometrica, v. 55, n. 2, p. 251-276, 1987.

86

FABOZZI, F. J. Fixed Income Mathematics: Analytical and Statistical Techniques. 4. ed.

New York: McGraw-Hill, 2006.

FAMA, E. F.; FRENCH, K. R. Common Risk Factors in the Returns on Stock and Bonds.

Journal of Finance Economics, v. 33, n. 1, p. 3-56, 1993.

FRIDSON, M. S.; GARMAN, M. C. Determinants of Spreads on New High-Yield Bonds.

Financial Analysts Journal, v. 58, n. 2, p. 28-39, 1998.

FUNG, W. K. H.; RUDD, A. Pricing New Corporate Bond Issues: An Analysis of Issue Cost

and Seasoning Effects. Journal of Finance, v. 41, n. 3, p. 633-643, 1986.

GONÇALVES, P. E. A Precificação do Spread de Liquidez no Mercado Secundário de

Debêntures. Dissertação (Mestrado em Finanças e Economia Empresarial). São Paulo:

Escola de Economia, Fundação Getúlio Vargas, 2007.

HAIR JR, J. F.; ANDERSON, R. E.; TATHAM, R. L.; BLACK,W. C.. Análise

Multivariada de Dados. 5.ed. Porto Alegre: Bookman, 2005.

HAYS, P. A.; JOEHNK, M. D.; MELICHER, R. W. Differential Determinants of Risk

Premiums in the Public and Private Corporate Bond Markets. Journal of Financial

Research, v. 2, n. 2, p. 143-152, 1979.

IBERÊ, D.H.M. Modelos Condicionais de Apreçamento de Ativos com Prêmios de Risco

Macroeconômicos Variantes no Tempo. Dissertação (Mestrado em Finanças e Economia

Empresarial). Rio de Janeiro: Escola de Pós-Graduação em Economia, Fundação Getúlio

Vargas, 2005.

87

JARROW, R.; LANDO, D; TURNBULL, S. A Markov Model for the Term Structure of

Credit Spreads. The Review of Financial Studies, v. 10, n. 2, p. 481-523, 1997.

KOZHEMIAKIN, A. The Risk Premium of Corporate Bonds. The Journal of Portfolio

Management, v. 33, n. 2, p. 101-109, 2007.

LAMDIN, D. J. Corporate Bond Yield Spreads in Recent Decades. Business Economics, v.

39, n. 1, p. 28-35, 2004.

LONGSTAFF, F. A.; SANJAY, M.; NEIS, E. Corporate Yields Spreads: Default Risk or

Liquidity? New Evidence From the Credit Default Swap Market. Journal of Finance, v. 60,

n. 5,p. 2213-2253, 2005.

MATSUMURA, M.S; VICENTE, J. V. M. The Role of Macroeconomic Variables in

Sovereign Risk. Emerging Markets Review, v. 11, p. 229-249, 2010.

MERTON, R. C. On The Pricing of Corporate Debt: The Risk Structure of Interest Rates.

Journal of Finance, v. 29, n. 2, p. 449-470, 1974.

OGDEN, J. P. Determinants of The Relative Interest Rate Sensitivities of Corporate Bonds.

Financial Management, v. 16, n. 1, p. 22-30, 1987.

PAIVA, E. V. S.; SAVOIA, J. R. F. Pricing Corporate Bonds in Brazil: 200 to 2004. Journal

of Business Research, n. 62, p. 916-919, 2009

SECCHES, P. A Influência do Risco de Liquidez no Apreçamento de Debêntures.

Dissertação (Mestrado em Administração). São Paulo: Escola de Economia, Fundação

Getúlio Vargas, 2006.

88

SHENG, H. H.; SAITO R. Determinantes de Spread das Debentures no Mercado Brasileiro.

R. Adm, v.40, n.2, 2005.

SHENG, H. H.; SAITO, R. Impact of Liquidity in Corporate Bond Issues – Evidence From

Brazil. In: ENCONTRO NACIONAL DA ASSOCIAÇÃO NACIONAL DE PÓS-

GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 29, 2005, Brasília. Anais

Eletrônicos do ENANPAD, 29. Brasília: ANPAD, 2005. 1 CD-ROM.

SILVA, P. A. Renda Fixa Objetiva. 1. ed. Rio de Janeiro: Zig Editora, 2004.

SPIEGEL, M. R. Estatística. 2. ed. São Paulo: McGraw-Hill do Brasil, 1985

TEÓFILO, E. S. CA Correlação entre o Mercado de Ações e o Mercado de Debêntures –

Um Estudo Empírico. Dissertação (Mestrado Profissionalizante em Economia). Rio de

Janeiro: Faculdade de Economia e Finanças IBMEC, 2010.

VASICEK, O. A. Credit Valuation. 1. ed. San Francisco: KMV, 1984.

VIANA, F. F. Oportunidades, Desafios e Problemática do Desenvolvimento do Mercado

de Dívida de Longo Prazo Brasileiro. Dissertação (Mestrado em Administração). Rio de

Janeiro: Instituto de Pós-Graduação e Pesquisa em Administração, Universidade Federal do

Rio de Janeiro, 2006.

WOOLDRIDGE, J. M. Introdução à Econometria: Uma Abordagem Moderna. 1º Ed. São

Paulo: Cengage Learning Edições Ltda, 2006.

ZWICK, B. Yields on Privately Placed Corporate Bonds. Journal of Finance, v. 35, n. 1, p.

23-29, 1980.

89

APÊNDICE 1 – CORRELOGRAMAS SÉRIES

96

APÊNDICE 2 – TESTES DE RESÍDUOS E CORRELOGRAMAS DOS RESÍDUOS

MODELO 10 Spread AAA

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 1.676843 Prob. F(5,28) 0.1729Obs*R-squared 8.265621 Prob. Chi-Square(5) 0.1422

Test Equation: Dependent Variable: RESID Method: Least Squares Date: 03/21/11 Time: 15:26 Sample: 2008M01 2010M12 Included observations: 36 Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.

CDI -0.000977 0.005308 -0.184065 0.8553D(PIB) -0.000660 0.011389 -0.057984 0.9542AAA(-1) 0.009785 0.050196 0.194935 0.8469RESID(-1) 0.054386 0.196503 0.276767 0.7840RESID(-2) 0.016788 0.176442 0.095146 0.9249RESID(-3) -0.172104 0.163448 -1.052961 0.3014RESID(-4) -0.325980 0.176118 -1.850925 0.0748RESID(-5) 0.350232 0.187153 1.871363 0.0718

R-squared 0.229601 Mean dependent var -0.003503Adjusted R-squared 0.182910 S.D. dependent var 0.107866S.E. of regression 0.097503 Akaike info criterion -1.460431Sum squared resid 0.313726 Schwarz criterion -1.108538Log likelihood 34.28777 Hannan-Quinn criter. -1.337611Durbin-Watson stat 1.870620

98

MODELO 12 Spread AA





RISCO 0.000106 0.000155 0.684671 0.4964D(PIB) 0.002897 0.011074 0.261565 0.7946AA(-1) -0.021574 0.030714 -0.702426 0.4853RESID(-1) 0.103461 0.135471 0.763710 0.4482RESID(-2) -0.027815 0.138968 -0.200156 0.8421RESID(-3) 0.282992 0.127763 2.214975 0.0308RESID(-4) 0.139480 0.129431 1.077637 0.2858RESID(-5) -0.095398 0.131206 -0.727083 0.4702


99

MODELO 10 Spread A





RISCO 3.65E-05 0.000174 0.209618 0.8347D(PIB) -0.002365 0.011369 -0.208000 0.8360A(-1) -0.005875 0.030724 -0.191236 0.8490RESID(-1) -0.091590 0.137885 -0.664249 0.5093RESID(-2) -0.009580 0.143005 -0.066987 0.9468RESID(-3) 0.251575 0.127172 1.978217 0.0528RESID(-4) 0.085456 0.133503 0.640101 0.5247RESID(-5) 0.000454 0.133581 0.003396 0.9973


100

MODELO 9 Spread BBB





BBB(-1) 0.005844 0.033888 0.172439 0.8638@TREND -0.000371 0.001895 -0.195478 0.8458RESID(-1) -0.048968 0.123282 -0.397206 0.6928RESID(-2) 0.274108 0.123764 2.214768 0.0312RESID(-3) 0.272778 0.126240 2.160789 0.0353RESID(-4) -0.103298 0.128477 -0.804021 0.4250RESID(-5) -0.441454 0.127718 -3.456475 0.0011


101

AP

ÊN

DIC

E 3

– R

EG

RE

SSÕ

ES

CO

MP

AR

AT

IVA

S C

OM

E S

EM

VA

RIÁ

VE

L D

UR

AT

ION

RA

TIN

G A

AA

M

odel

o (1

) M

odel

o (1

)

Du

rati

on

M

odel

o

(2

) M

odel

o (2

)

Du

rati

on

M

odel

o

(3)

Mod

elo

(3)

D

ura

tio

n

Mod

elo

(4

) M

odel

o (4

)

Du

rati

on

Mod

elo

(5)

Mod

elo

(5)

D

ura

tio

n

CT

E

9,52

43**

* 8,

6917

***

13

,781

5***

11

,608

8***

1,82

00

3,90

19

9,

3833

***

8,04

99**

*

12,5

855*

**11

,026

2***

T

endê

ncia

0,

0424

***

0,02

24

0,

0524

***

0,01

29

0,02

65*

0,

0415

***

0,01

80

0,

0518

***

0,02

7

CD

I 0,

0780

***

0,09

00**

*

0,08

71**

* 0,

0920

***

0,

0524

**

0,05

87**

0,08

81**

* 0,

0970

***

0,

1179

***

0,12

59**

* D

OL

AR

0,

3099

0,

2536

RIS

CO

0,

0004

0,

0004

PIB

(0

,080

5)**

* (0

,068

3)**

*

(0,1

101)

***

(0,0

816)

***

(0

,019

1)

(0,0

403)

*

(0,0

780)

***

(0,0

604)

**

(0

,103

5)**

*(0

,083

8)**

* B

OV

0,

0000

0,

0000

IE

T

0,00

00

0,00

00

Dur

atio

n A

AA

(0,0

007)

0,00

03

(0,0

007)

(0

,000

8)

AA

A(-

1)

0,66

64**

* 0,

5970

***

D(A

AA

)

0,24

79

CD

I(-1

)

DO

LA

R(-

1)

(0,2

840)

(0

,116

1)

PIB

(-1)

R

ISC

O(-

1)

0,00

19**

0,

0013

0,00

13

0,00

12

B

OV

(-1)

0,

0000

0,

0000

*

I

ET

(-3)

0,

0000

0,

0000

D

(CD

I)

D(D

OL

AR

)

0,30

59

0,42

180

D

(RIS

CO

)

0,

0004

0,

0001

0

D(P

IB)

D

(BO

V)

0,00

00

0,00

000

D

(IE

T)

0,00

00

0,00

000

R2

0,88

2 0,

888

0,87

6

0,89

1

0,94

6

0,94

8

0,86

8

0,87

6

0,86

0

0,86

8

DW

0,76

5 0,

820

0,88

5

1,07

0

1,51

2

1,34

8

0,77

2

0,79

5

0,78

4

0,75

4 Sc

hwar

z (0

,256

) (0

,209

)

(0,1

16)

(0,1

43)

(0

,950

) -0

,902

(0,4

47)

-0,4

12

(0

,475

) (0

,441

)

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

**

Sig

nifi

cânc

ia a

o ní

vel d

e 5%

*

Sig

nifi

cânc

ia a

o ní

vel d

e 10

%

102

RE

GR

ESS

ÕE

S A

AA

M

odel

o

(6)

Mod

elo

(6)

D

ura

tio

n

Mod

elo

(7

) M

odel

o (

7)

Du

rati

on

Mod

elo

(8

) M

odel

o (

8)

Du

rati

on

M

odel

o

(9)

Mod

elo

(9)

D

ura

tio

n

Mod

elo

(1

0)

Mod

elo

(1

0)

Du

rati

on

CT

E

1,12

89**

* 1,

3738

***

(2

,339

7)

(2,3

535)

Ten

dênc

ia

(0,0

045)

-0

,002

4

CD

I

0,

0468

***

0,06

57**

*

0,01

71**

* 0,

0212

* D

OL

AR

RIS

CO

PIB

(0

,002

5)**

*(0

,002

6)**

*

BO

V

IE

T

D

urat

ion

AA

A

(0

,000

3)

0,

0000

(0

,000

1)

-0,0

001

0,00

00

AA

A(-

1)

0,

9495

***

0,96

23**

*

0,83

51**

* 0,

7799

***

0,

8631

***

0,81

82**

*

0,86

71**

* 0,

8564

***

D(A

AA

) 0,

7227

0,

8972

*

C

DI(

-1)

0,04

75**

0,

0465

*

0,04

405*

**0,

0630

***

DO

LA

R(-

1)

PIB

(-1)

0,01

51

0,01

42

(0

,002

0)**

(0

,002

1)**

R

ISC

O(-

1)

B

OV

(-1)

IE

T(-

3)

D

(CD

I)

(0,7

407*

**)

(0,7

100)

***

D

(DO

LA

R)

D

(RIS

CO

)

D

(PIB

)

(0,0

573)

(0

,051

0)

(0

,050

6)**

*(0

,049

6)**

* D

(BO

V)

D(I

ET

)

R

20,

497

0,52

5

0,

916

0,

915

0,90

6

0,91

0

0,

914

0,

919

0,93

4

0,93

4

DW

0,68

1 0,

731

1,57

0

1,57

6

1,

338

1,

372

1,41

6

1,46

5

1,

949

1,

934

Sc

hwar

z 0,

789

0,83

0

(0,8

95)

(0,7

97)

(0

,992

) (0

,939

)

(1,0

75)

(1,0

37)

(1

,344

) (1

,248

)

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

** S

igni

ficâ

ncia

ao

níve

l de

5%

* S

igni

ficâ

ncia

ao

níve

l de

10%

103

RE

GR

ESS

ÕE

S A

A

M

odel

o

(1

) M

odel

o (1

)

Du

rati

on

Mod

elo

(2

) M

odel

o (2

)

Du

rati

on

M

odel

o

(3)

Mod

elo

(3)

D

ura

tio

n

Mod

elo

(4

) M

odel

o (4

)

Du

rati

on

M

odel

o

(5

) M

odel

o (5

)

Du

rati

on

Mod

elo

(6)

Mod

elo

(6)

D

ura

tio

n

CT

E

12,1

252*

**

11,7

499*

**

13,6

334*

**

13,5

997*

**

1,

2632

1,

5406

9,

6241

***

9,15

00**

*

1,24

44**

* 1,

9096

***

(2,3

903)

(1

,722

0)

Ten

dênc

ia

0,05

77**

* 0,

0569

***

0,05

93**

* 0,

0593

***

0,

0578

0,

0106

* 0,

0507

***

0,04

95**

*

(0,0

015)

(0

,000

5)

CD

I (0

,062

0)**

* (0

,066

8)**

* (0

,064

5)**

* (0

,067

)***

(0,0

251)

(0

,007

5)

(0,0

727)

***

(0,0

780)

***

DO

LA

R

0,41

16

0,44

81*

RIS

CO

0,

0016

***

0,00

15**

* 0,

0020

5***

0,

0019

***

0,

0013

***

0,00

13**

* 0,

0018

***

0,00

17**

*

PIB

(0

,105

3)**

* (0

,102

9)**

* (0

,110

9)**

* (0

,110

7)**

*

(0,0

149)

(0

,014

5)

(0,0

846)

***

(0,0

813)

***

BO

V

0,00

00

0,00

00

IET

0,

0000

0,

0000

Dur

atio

n

AA

0,00

01

0,

0000

(0,0

004)

**

0,

0001

(0

,001

1)*

(0

,000

3)*

AA

(-1)

0,64

84**

* 0,

7190

***

0,

7802

***

0,80

58**

*

D(A

A)

0,

1506

0,

1786

0,

6555

0,

5973

CD

I(-1

)

(0,0

158)

(0

,002

4)

DO

LA

R(-

1)

0,

3301

**

0,17

60

0,57

27**

0,

6054

***

0,

4168

***

0,31

11*

RIS

CO

(-1)

0,

0010

***

0,00

11**

*

PIB

(-1)

0,

0145

0,

0105

BO

V(-

1)

0,

0000

0,

0000

IE

T(-

3)

0,

0000

0,

0000

D(C

DI)

(0

,285

1)

(0,4

541)

**

D(D

OL

AR

)

(0

,356

2)

(0,3

489)

0,

1610

0,

4985

D(R

ISC

O)

(0

,002

6)

(0,0

030)

D(P

IB)

(0

,013

2)

(0,0

195)

D(B

OV

)

0,

0000

0,

0000

D(I

ET

)

(0

,000

0)

0,00

00

R2

0,91

1 0,

911

0,91

0

0,91

0

0,

968

0,

971

0,

915

0,

915

0,08

4

0,13

4

0,96

0

0,96

2

DW

0,80

3 0,

805

0,81

2

0,80

6

1,

769

1,

960

0,

720

0,

731

0,07

2

0,11

0

1,94

5

1,98

3

Schw

arz

(0,2

84)

(0,2

25)

(0,2

00)

(0,1

36)

(1

,224

) (1

,242

) (0

,449

) (0

,391

)

1,92

8

1,93

6

(1,1

37)

(1,1

29)

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

**

Sig

nifi

cânc

ia a

o ní

vel d

e 5%

*

Sig

nifi

cânc

ia a

o ní

vel d

e 10

%

104

RE

GR

ESS

ÕE

S A

A

M

odel

o

(7)

Mod

elo

(7)

D

ura

tio

n

Mod

elo

(8

) M

odel

o (8

)

Du

rati

on

Mod

elo

(9

) M

odel

o (9

)

Du

rati

on

Mod

elo

(1

0)

Mod

elo

(10)

D

ura

tio

n

M

odel

o

(11)

Mod

elo

(11)

D

ura

tio

n

Mod

elo

(1

2)

Mod

elo

(12)

D

ura

tio

n

CT

E

1,28

65

1,63

40

T

endê

ncia

0,

0122

* 0,

0114

* 0,

0081

***

0,00

63**

0,

0095

0,

0064

**

0,00

17*

0,00

17*

C

DI

(0,0

179)

(0

,001

7)

(0,0

165)

(0

,000

5)

D

OL

AR

RIS

CO

0,00

05**

* 0,

0013

***

PIB

(0

,014

3)

(0,0

155)

(0

,004

6)**

(0

,003

3)

(0,0

056)

***

(0,0

033)

BO

V

IE

T

Dur

atio

n

A

A

(0

,000

4)**

(0,0

004)

**

(0

,000

4)**

(0,0

004)

***

(0,0

002)

**

(0

,000

3)**

*

AA

(-1)

0,

6553

***

0,71

24**

*0,

6842

***

0,74

65**

* 0,

7217

***

0,74

81**

* 0,

8693

***

0,83

96**

*

0,92

32**

* 0,

9101

***

0,91

05**

* 0,

9063

***

D(A

A)

CD

I(-1

)

D

OL

AR

(-1)

0,

2521

0,

1495

0,

3251

**

0,24

56*

0,26

55**

0,

2433

**

(0,0

422)

0,

0726

RIS

CO

(-1)

0,

0011

***

0,00

12**

* 0,

0011

***

0,00

12**

* 0,

0009

***

0,00

12**

* 0,

0008

***

0,00

11**

*

0,00

04**

* 0,

0010

***

PIB

(-1)

BO

V(-

1)

I

ET

(-3)

D(C

DI)

D(D

OL

AR

)

D(R

ISC

O)

D

(PIB

)

(0,0

336)

***

(0,0

246)

**

(0

,040

4)**

* (0

,027

3)**

(0

,039

4)**

* (0

,022

9)**

D

(BO

V)

D

(IE

T)

R

20,

959

0,

963

0,

959

0,

962

0,

958

0,

962

0,

958

0,

963

0,95

5

0,95

9

0,95

9

0,96

8

DW

1,65

9

1,76

9

1,74

4

1,86

3

1,67

6

1,86

2

1,83

6

1,99

3

1,

835

1,

950

1,

825

2,

050

Sc

hwar

z (1

,124

) (1

,139

) (1

,180

) (1

,189

) (1

,217

) (1

,254

) (1

,215

) (1

,287

)

(1,2

82)

(1,3

22)

(1,3

75)

(1,5

48)

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

**

Sig

nifi

cânc

ia a

o ní

vel d

e 5%

*

Sig

nifi

cânc

ia a

o ní

vel d

e 10

%

105

RE

GR

ESS

ÕE

S A

M

odel

o

(1)

Mod

elo

(1)

D

ura

tio

n

Mod

elo

(2

) M

odel

o (2

)

Du

rati

on

Mod

elo

(3

) M

odel

o (3

)

Du

rati

on

M

odel

o

(4)

Mod

elo

(4)

D

ura

tio

n

Mod

elo

(5

) M

odel

o (5

)

Du

rati

on

CT

E

11,3

668*

**

11,3

720*

**

10,9

294*

**

11,3

244*

**

(0,5

809)

(1

,074

7)

11

,665

8***

11

,996

6***

1,

4422

***

2,96

02**

* T

endê

ncia

0,

0500

***

0,04

81**

* 0,

0464

***

0,04

63**

* 0,

0040

0,

0016

0,04

88**

* 0,

0482

C

DI

(0,0

614)

***

(0,0

663)

***

(0,0

684)

***

(0,0

710)

***

(0,0

130)

(0

,021

5)

(0

,069

5)**

* (0

,072

7)**

*

D

OL

AR

0,

2257

0,

3377

RIS

CO

0,

0022

46**

* 0,

0019

***

0,00

28**

* 0,

0027

***

0,00

14**

* 0,

0015

***

0,

0026

***

0,00

25**

*

P

IB

(0,0

947)

***

(0,0

935)

***

(0,0

861)

***

(0,0

878)

***

0,00

05

0,00

55

(0

,091

9)**

* (0

,092

8)**

*

B

OV

0,

0000

0,

0000

IET

(0

,000

0)

0,00

00

Dur

atio

n

A

(0,0

003)

(0,0

001)

0,00

00

(0,0

002)

(0,0

027)

***

A(-

1)

0,71

38**

* 0,

7099

***

D

(A)

0,26

94

0,27

63

0,

4547

0,

2318

C

DI(

-1)

D

OL

AR

(-1)

0,

2952

* 0,

3300

**

R

ISC

O(-

1)

P

IB(-

1)

B

OV

(-1)

0,

0000

0,

0000

IET

(-3)

0,

0000

0,

0000

D(C

DI)

(0,2

642)

(0

,481

8)**

* D

(DO

LA

R)

(0,4

803)

(0

,422

9)

D

(RIS

CO

)

(0,0

015)

(0

,000

3)

D(P

IB)

(0

,036

7)

(0,0

350)

D

(BO

V)

0,00

00

0,00

00

D

(IE

T)

(0,0

000)

0,

0000

R2

0,89

9

0,90

2

0,90

7

0,90

7

0,96

5

0,96

5

0,

896

0,

896

0,

070

0,

354

DW

0,95

2

0,85

8

0,81

1

0,76

3

2,28

6

2,15

4

0,

941

0,

883

0,

070

0,

379

Schw

arz

(0,2

88)

(0,2

51)

(0,2

91)

(0,2

34)

(1,2

36)

(1,2

03)

(0

,444

) (0

,390

) 1,

753

1,

453

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

**

Sig

nifi

cânc

ia a

o ní

vel d

e 5%

*

Sig

nifi

cânc

ia a

o ní

vel d

e 10

%

106

RE

GR

ESS

ÕE

S A

M

odel

o

(6)

Mod

elo

(6)

D

ura

tio

n

Mod

elo

(7

) M

odel

o (7

)

Du

rati

on

Mod

elo

(8

) M

odel

o (8

)

Du

rati

on

M

odel

o

(9

) M

odel

o (9

)

Du

rati

on

Mod

elo

(10)

M

odel

o (1

0)

Du

rati

on

CT

E

(0,6

207)

(0

,822

0)

T

endê

ncia

(0

,000

4)

(0,0

001)

CD

I

(0

,022

5)**

* (0

,021

8)**

(0

,016

0)**

* (0

,014

8)**

DO

LA

R

R

ISC

O

0,00

14**

* 0,

0014

***

0,

0007

***

0,00

09**

* P

IB

0,00

16**

0,

0017

**

0,00

08

0,00

09

B

OV

IET

Dur

atio

n

A

0,

0001

0,00

00

0,

0000

0,

0000

(0,0

001)

A

(-1)

0,

7930

***

0,79

18**

* 0,

7570

***

0,75

83**

* 0,

8150

***

0,81

57**

*

0,88

99**

* 0,

8941

***

0,88

42**

* 0,

8909

***

D(A

)

CD

I(-1

) (0

,009

8)

(0,0

087)

DO

LA

R(-

1)

R

ISC

O(-

1)

0,00

15**

* 0,

0015

***

0,00

16**

* 0,

0016

***

0,

0007

***

0,00

08**

*

P

IB(-

1)

0,00

54

0,00

61

B

OV

(-1)

IET

(-3)

D(C

DI)

D(D

OL

AR

)

D(R

ISC

O)

D

(PIB

)

(0,0

212)

**

(0,0

175)

(0

,020

7)**

(0

,015

4)

D(B

OV

)

D(I

ET

)

R2

0,95

9

0,95

9

0,95

8

0,95

7

0,96

0

0,96

0

0,

953

0,

953

0,

956

0,

957

DW

1,96

0

2,06

0

1,87

7

1,86

4

2,24

0

2,20

9

1,

944

1,

919

2,

096

2,

11

Schw

arz

(1,3

08)

(1,2

51)

(1,4

09)

(1,3

43)

(1,4

57)

(1,3

94)

(1

,358

) (1

,313

) (1

,426

) (1

,406

)

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

**

Sig

nifi

cânc

ia a

o ní

vel d

e 5%

*

Sig

nifi

cânc

ia a

o ní

vel d

e 10

%

107

RE

GR

ESS

ÕE

S B

BB

M

odel

o

(1

) M

odel

o (1

)

Du

rati

on

M

odel

o

(2)

Mod

elo

(2)

D

ura

tio

n

Mod

elo

(3)

Mod

elo

(3)

D

ura

tio

n

Mod

elo

(4)

Mod

elo

(4)

D

ura

tio

n

Mod

elo

(5)

Mod

elo

(5)

D

ura

tio

n

Mod

elo

(6

) M

odel

o (6

)

Du

rati

on

CT

E

(9,0

206)

* (5

,076

5)

(7

,258

7)**

*(1

,758

9)

(2

,036

8)

(1,5

510)

1,83

56**

* 3,

8945

***

(0,9

433)

(1

,328

1)

Ten

dênc

ia

0,10

20**

* 0,

0499

***

0,

1044

***

0,06

25**

*

0,01

34

0,00

83

0,

1232

***

0,05

93**

*

0,

0072

0,

0057

C

DI

0,.3

456*

**

0,16

90**

*

0,32

85**

* 0,

1666

***

0,

0384

0,

0307

0,34

05**

* 0,

1428

***

DO

LA

R

2,03

15**

* 1,

4839

***

1,

9853

***

0,99

28**

*

0,55

17*

0,51

08*

1,

1852

***

0,69

50**

*

R

ISC

O

(0,0

073)

***

(0,0

047)

***

(0

,008

1)**

*(0

,004

9)**

*

(0,0

012)

(0

,001

0)

(0

,007

5)**

*(0

,004

23)*

**

P

IB

0,01

09

0,01

90

(0

,051

8)**

*(0

,006

4)

BO

V

(0,0

000)

0,

0000

IET

0,

0000

0,

0000

Dur

atio

n

B

BB

(0,0

018)

***

(0,0

015)

***

(0,0

005)

**

(0,0

017)

***

(0

,003

0)**

*

(0,0

004)

**

BB

B(-

1)

0,88

55**

* 0,

7979

***

0,

9482

***

0,83

18**

* D

(BB

B)

0,

5163

0,

3676

1,

7859

**

0,88

16**

C

DI(

-1)

0,

0207

0,

0165

D

OL

AR

(-1)

0,07

47

0,15

72

RIS

CO

(-1)

(0,0

002)

(0

,000

4)

PIB

(-1)

0,

0036

0,

0050

0,00

41

0,01

09

BO

V(-

1)

0,00

00

0,00

00

IE

T(-

3)

0,00

00

0,00

00

D

(CD

I)

0,

6703

* 0,

4101

**

D(D

OL

AR

)

(0,2

552)

(1

,653

7)

D(R

ISC

O)

(0

,003

4)

0,00

33

D(P

IB)

0,

0361

0,

0118

0,

0495

0,

0268

D

(BO

V)

(0

,000

1)

0,00

00

D(I

ET

)

0,00

00

0,00

00

R2

0,81

6

0,90

6

0,

838

0,

905

0,97

3

0,97

5

0,

801

0,

897

0,

197

0,

739

0,

971

0,

973

DW

0,46

6

0,60

5

0,

395

0,

422

2,03

5

1,96

3

0,

451

0,

485

0,

265

0,

388

2,

045

1,

948

Schw

arz

1,47

5

0,86

8

1,

437

0,

968

(0,3

14)

(0,3

46)

1,

345

0,

753

2,

829

1,

772

(0

,424

) -0

,461

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

**

Sig

nifi

cânc

ia a

o ní

vel d

e 5%

*

Sig

nifi

cânc

ia a

o ní

vel d

e 10

%

108

RE

GR

ESS

ÕE

S B

BB

M

odel

o

(7

) M

odel

o (7

)

Du

rati

on

M

odel

o

(8

) M

odel

o (8

)

Du

rati

on

M

odel

o

(9

) M

odel

o (9

)

Du

rati

on

M

odel

o

(1

0)

Mod

elo

(10)

D

ura

tio

n

Mod

elo

(1

1)

Mod

elo

(11)

D

ura

tio

n

CT

E

T

endê

ncia

0,

0130

0,

0099

0,12

22**

* 0,

0611

0,00

41**

0,

0046

**

0,

0675

***

0,01

69*

0,06

94**

* 0,

0177

**

CD

I 0,

0257

0,

0148

0,33

17**

* 0,

1508

***

0,11

91**

(0

,009

6)

0,14

86**

* 0,

0064

D

OL

AR

0,

1161

0,

1071

1,67

09**

* 0,

7272

***

0,30

14

0,17

10

RIS

CO

(0

,000

5)

(0,0

004)

(0,0

080)

***

(0,0

045)

***

PIB

(0

,005

0)

0,00

01

(0

,512

6)**

*(0

,008

2)

(0,0

180)

***

0,02

11**

* (0

,016

6)**

0,

0220

***

BO

V

IE

T

D

urat

ion

BB

B

(0

,000

3)**

(0

,001

6)**

*

0,

0000

(0

,002

2)**

*

(0,0

022)

***

BB

B(-

1)

0,92

55**

* 0,

8350

***

0,95

75**

* 0,

9643

***

D

(BB

B)

0,

5518

0,

3818

C

DI(

-1)

D

OL

AR

(-1)

RIS

CO

(-1)

PIB

(-1)

BO

V(-

1)

IE

T(-

3)

D

(CD

I)

D

(DO

LA

R)

D

(RIS

CO

)

D(P

IB)

D

(BO

V)

D

(IE

T)

R

20,

971

0,

973

0,82

8

0,90

1

0,

970

0,

971

0,65

9

0,86

2

0,65

6

0,86

1

DW

1,99

4

1,89

7

0,

473

0,

432

1,99

4

2,05

3

0,

094

0,

339

0,

095

0,

334

Sc

hwar

z (0

,506

) (0

,522

)

1,28

9

0,79

8

(0

,744

) (0

,704

)

1,81

6

0,97

6

1,75

8

0,91

6

Not

a: *

** S

igni

ficâ

ncia

ao

níve

l de

1%

**

Sig

nifi

cânc

ia a

o ní

vel d

e 5%

*

Sig

nifi

cânc

ia a

o ní

vel d

e 10

%

DETERMINANTES DO PRÊMIO DE RISCO DE TÍTULOS DA DÍVIDA...

Documents

Transcript of DETERMINANTES DO PRÊMIO DE RISCO DE TÍTULOS DA DÍVIDA...