DETERMINANTES DO PRÊMIO DE RISCO DE TÍTULOS DA DÍVIDA...
Transcript of 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
Rio de Janeiro, 07 de junho de 2011.
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
Rio de Janeiro, 07 de junho de 2011.
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
Taxa Debêntures Adicional ao CDI rating
AA - duration de 1 a 5 anos - Taxa anual
Amostra de Precificação de
Debêntures do Mercado Secundário do SND –
Fechamento mês
ago/2005 a dez/2010
Mensal
Taxa Debêntures Adicional ao CDI rating
A - duration de 1 a 5 anos - Taxa anual
Amostra de Precificação de
Debêntures do Mercado Secundário do SND –
fechamento mês
ago/2005 a dez/2010
Mensal
Taxa Debêntures Adicional ao CDI rating
BBB - duration de 1 a 5 anos - Taxa anual
Amostra de Precificação de
Debêntures do Mercado Secundário do SND –
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
90
91
92
93
94
95
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
97
98
MODELO 12 Spread AA
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.490193 Prob. F(5,56) 0.2077Obs*R-squared 7.304985 Prob. Chi-Square(5) 0.1989
Test Equation: Dependent Variable: RESID Method: Least Squares Date: 03/21/11 Time: 16:36 Sample: 2005M09 2010M12 Included observations: 64 Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
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
R-squared 0.114140 Mean dependent var -0.006726Adjusted R-squared 0.085096 S.D. dependent var 0.111059S.E. of regression 0.106228 Akaike info criterion -1.444461Sum squared resid 0.688352 Schwarz criterion -1.174601Log likelihood 54.22276 Hannan-Quinn criter. -1.338150Durbin-Watson stat 1.960362
99
MODELO 10 Spread A
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.844999 Prob. F(5,56) 0.5237Obs*R-squared 4.372207 Prob. Chi-Square(5) 0.4972
Test Equation: Dependent Variable: RESID Method: Least Squares Date: 03/21/11 Time: 16:59 Sample: 2005M09 2010M12 Included observations: 64 Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
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
R-squared 0.068316 Mean dependent var -0.004778Adjusted R-squared 0.037769 S.D. dependent var 0.108332S.E. of regression 0.106267 Akaike info criterion -1.443733Sum squared resid 0.688853 Schwarz criterion -1.173872Log likelihood 54.19945 Hannan-Quinn criter. -1.337421Durbin-Watson stat 1.944914
100
MODELO 9 Spread BBB
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 3.285034 Prob. F(5,52) 0.0119Obs*R-squared 14.08735 Prob. Chi-Square(5) 0.0151
Test Equation: Dependent Variable: RESID Method: Least Squares Date: 03/21/11 Time: 17:14 Sample: 2005M09 2010M07 Included observations: 59 Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
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
R-squared 0.238769 Mean dependent var -0.006377Adjusted R-squared 0.225414 S.D. dependent var 0.156896S.E. of regression 0.138085 Akaike info criterion -0.919086Sum squared resid 1.086853 Schwarz criterion -0.672598Log likelihood 34.11303 Hannan-Quinn criter. -0.822867Durbin-Watson stat 2.084648
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
%