A variável dependente é medida em basis points e foi ajustada para os casos de projetos constantes na base apresentarem a indicação de taxa fixa, ou seja, não ligados a indexadores. Há 33 observações nesta situação e, nestes casos, o spread ajustado (SpreadAj) é a diferença entre o spread disponibilizado na base de dados e a Libor de 3 meses do mês de fechamento da operação.
A variável explicativa CONT foi analisada em outras duas diferentes versões, CONTadj e CONTadj2.
De acordo com a Hipótese 1, a presença de contratos deve estar negativamente associada ao custo do financiamento medido pelo spread. Assim, as operações com a presença de contratos terão spreads menores (β1 < 0).
Segundo a Hipótese 2, espera-se que a presença do Estado como patrocinador da operação elimine possíveis ações futuras que possam impactar negativamente o projeto. Desta forma, os demais participantes possuem acesso a informação para tomar decisões de maneira mais eficiente. Com isso, é esperada uma associação negativa com os spreads (β2< 0).
A Hipótese 3 afirma que patrocinadores provenientes de outros países que não o do investimento contribuem de maneira positiva ao projeto. Para esta variável também é esperada uma relação negativa com os spreads (β3< 0).
Para as operações em que haja a participação de bancos estatais, de desenvolvimento ou agências multilaterais de fomento (BD), a literatura abordada sugere que estas organizações possuem a capacidade de reduzir os custos dos financiamentos. Ou seja, operações de PF que apresentem um destes participantes entre seus financiadores terão spreads menores (β4 < 0). Tais entidades têm acesso à captação de recursos com custos distintos de bancos comerciais e, por vezes, são utilizadas pelos governos para incentivar o desenvolvimento de determinados setores de suas economias.
Foram incluídas outras oito variáveis no modelo para controlar seus efeitos já descritos pela literatura do assunto. O número de Bancos (Bancos) é tido como positivamente relacionado aos spreads, pois bancos buscam sindicalizar a operação na presença de maior risco. A variável Taxa Fixa (TXFIXA) objetiva segregar a amostra entre os projetos com taxas de
juros fixas e os projetos com taxas de juros flutuantes. Com o Investimento Total do Projeto, considerado na forma de logaritmo natural (INVEST), é esperado representar a possível economia de escala que possa existir, sendo negativamente relacionado à variável dependente. A Alavancagem (ALAV) mede a participação do financiamento mensurado na amostra em relação ao investimento total do projeto e também é expectativa geral que seu efeito aponte uma relação negativa com o spread. O prazo total das operações de crédito dos projetos (AMORT) não parece guardar relação linear com os spreads, conforme já demonstrado no Gráfico 6. Como na amostra constam projetos em diversos países, é importante controlar os diferentes riscos que cada economia apresenta. Assim, (RISCOP) deve levar a spreads maiores em uma relação positiva. A taxa livre de risco (LIBOROP) está presente para controlar os efeitos das taxas de juros sobre a variável explicada devido ao longo período presente nas observações (15 anos). Projetos que reestruturem a operação de crédito inicial o fazem por basicamente dois motivos: primeiro para aproveitar condições favoráveis de mercado e reduzir seu custo de financiamento, ou, por outro lado, devido a dificuldades enfrentadas, em que parte das premissas utilizadas nos estudos iniciais não se confirmou com a maturação do projeto. Neste caso, a reestruturação da operação busca ajustar os desembolsos com o serviço da dívida a outra realidade de geração de fluxo de caixa. Para controlar estes efeitos é utilizada a variável (REFIN). A Tabela 9 mostra os resultados da estimação da equação (1) por Mínimos Quadrados Ordinários (MQO). São apresentadas três colunas que diferem na utilização da variável Contratos ligada ao parâmetro β1, para testar as três classificações adotadas.
O teste Breusch-Pagan identificou a presença de heterocedasticidade no modelo. Desta forma, as regressões foram estimadas com estatísticas robustas. O Fator de Inflação de Variância (FIV) não apontou a necessidade de ajustar as variáveis. (WOOLDRIDGE, 2011).
Não há na literatura um valor definido para análise do FIV, apenas uma indicação de que valores acima de 10 podem representar problemas de multicolinearidade. As variáveis apresentaram o FIV abaixo de 2, conforme a Tabela 8, abaixo:
Tabela 8 - Fator de Inflação de Variância (FIV) para as regressões da Tabela 9.
A B C
Variável VIF Variável VIF Variável VIF
Bancos 1.82 Bancos 1.84 Bancos 1.84 INVEST 1.82 INVEST 1.83 INVEST 1.83
BD 1.67 BD 1.42 BD 1.43
ALAV 1.40 AMORT 1.34 ALAV 1.24 AMORT 1.34 ALAV 1.23 AMORT 1.20 RISCOP 1.33 CONTadj 1.20 Refin 1.19 Refin 1.27 Refin 1.18 RISCOP 1.18
CONT 1.24 RISCOP 1.17 LIBOROP 1.16
LIBOROP 1.21 LIBOROP 1.14 SE 1.15 SE 1.20 SE 1.14 CONTadj2 1.12
SG 1.18 SG 1.07 SG 1.07
TXFIXA 1.07 TXFIXA 1.06 TXFIXA 1.06
Nas colunas, são apresentados os FIV das três regressões efetuadas, diferindo apenas pela variável associada a β1, que mede os contratos (CONT, CONTadj e CONTadj2).
Tabela 9 - Estimação da equação (1) por MQO para amostra composta por 1.114 operações de
Project Finance realizadas em 89 países, entre 01/2001 e 03/2016.
(continua)
1 2 3
Variáveis SpreadAj SpreadAj SpreadAj
CONT -85.68*** [32.75] CONTadj -31.14** [14.17] CONTadj2 -38.07 [33.24] SG -11.72 -26.63 -26.82 [24.94] [22.05] [21.32] SE 2.786 23.09 17.51 [19.63] [15.57] [15.43] BD -15.90 29.29 24.63 [26.46] [21.48] [21.28] Bancos 6.965* 1.184 1.468 [3.836] [2.585] [2.606] TXFIXA 59.84** 24.84 27.68* [26.58] [15.64] [15.57]
Tabela 9 - Estimação da equação (1) por MQO para amostra composta por 1.114 operações de
Project Finance realizadas em 89 países, entre 01/2001 e 03/2016.
(conclusão)
1 2 3
Variáveis SpreadAj SpreadAj SpreadAj
INVEST -5.049 -12.12 -12.71 [10.91] [8.041] [8.098] ALAV -99.32 -29.32 -21.43 [95.05] [45.14] [44.20] AMORT 1.110 -1.742* -2.421*** [1.187] [0.911] [0.921] RISCOP 0.194*** 0.217*** 0.200*** [0.0643] [0.0368] [0.0346] LIBOROP -0.247*** -0.346*** -0.373*** [0.0458] [0.0365] [0.0366] Refin 27.13 19.90 15.50 [39.44] [21.59] [20.64] Constante 338.1*** 358.4*** 394.4*** [113.0] [60.99] [73.39] Observações 176 450 450 R² ajustado 0.247 0.240 0.238 P-valor do teste RESET 0,0265** 0,0000*** 0,0011***
Nota: Todas as regressões apresentam erros padrão robustos entre colchetes. ***, ** e * indicam significância estatística a 1%, 5% e 10%, respectivamente.
A primeira coluna da Tabela 9 apresenta a variável CONT, associada a β1, e indica
significância do coeficiente estimado condizente com a Hipótese 1, em que operações de PF que apresentem contratos do tipo Build-own-operate – BOO apresentam, em média seus
spreads 85 bps menores do que operações sob o formato Buil-operate-transfer – BOT.
Ao impor o controle por esta diferença de contratos e combinando-se com a variável RISCOP, observa-se uma redução significativa da amostra, devido à ausência de informação do CDS de vários países antes de 2008.
As variáveis SG, SE e BD não apresentaram significância em seus respectivos coeficientes na regressão. Desta forma, as Hipóteses 2, 3 e 4 não encontram sustentação no modelo, não havendo evidências de que a presença destes tipos de patrocinadores reduza o custo das operações.
O número de bancos credores da operação de crédito, medido pela variável (Bancos), apresentou significância a 10%, indicando que para cada banco envolvido na operação o
spread será aumentado em 6,9 bps, resultado em linha com o encontrado por Esty e Megginson (2003).
A variável dummy para identificar se a operação apresenta taxa de juros fixa apresentou significância a 5%, indicando que operações com estrutura de taxas fixas custam em média 59,84 bps a mais que operações com taxas flutuantes.
O coeficiente de risco país medido pelo CDS é significante a 1% e demonstra que, a cada 10 bps negociados nos Credit Default Swaps dos países onde o projeto acontece, o spread da operação sobe 1,94 bps.
A taxa livre de risco LIBOR apresentou um coeficiente muito significante, porém, o sinal, a uma primeira análise, parece ser contra intuitivo, pois um aumento de 1 ponto percentual (100 bps) da taxa levaria a uma redução do spread de 24,7 bps. Percebe-se uma grande variação da LIBOR nesta parte da amostra: o desvio padrão apresentado foi de 179,17 bps, a média de 158,04 bps, um valor mínimo de 23 bps e o máximo de 540 bps. Para Blanc-Brude e Strange (2007), é esperado que os credores utilizem a estrutura dos contratos firmados na operação do PF para minimizar o risco de crédito, pois essas informações permitem identificar a parcela significante de riscos que são repassados para cada patrocinador do projeto. Os credores ainda assim terão que mensurar qualquer risco que não possa ser alocado entre as partes, pois este poderá influenciar na geração dos fluxos de caixa futuros. Com base neste argumento, pode-se acreditar que, sob condições de aumento da taxa básica de juros, há vulnerabilidade na economia. Com isso, os credores podem se tornar mais exigentes em relação às alocações de riscos possíveis entre os patrocinadores, reduzindo assim o spread cobrado da operação, pois apenas os riscos não mitigados é que influenciam os spreads.
As demais variáveis (INVEST), (ALAV), (AMORT) e (REFIN) não apresentaram coeficientes significantes.
A segunda coluna da Tabela 9 mostra os resultados da regressão com a variável associada a β1 sendo CONTadj, que objetiva medir a diferença entre as operações PF com contratos (BOO ou BOT) e as operações sem contratos. O coeficiente estimado é significante e com sinal negativo, indicando que a presença de contratos BOO ou BOT reduz o spread das operações de crédito em 31,14 bps. Este resultado sustenta a Hipótese 1.
O resultado do coeficiente da variável AMORT, o prazo total da operação de financiamento do projeto, indica uma redução de 1,74 bps para cada ano acrescido no prazo de financiamento.
Os coeficientes de RISCOP e LIBOROP mantiveram-se significantes e com os mesmos sinais. As demais variáveis não apresentaram significância em seus coeficientes.
A terceira coluna exibe o resultado da regressão do modelo 1 com a variável CONTadj2 associada a β1, captando a possível diferença entre operações em que, ao final do prazo do projeto, há a transferência de ativos para o governo. Assim, tanto as operações com contratos BOO quanto aquelas sem contrato foram comparadas aos projetos sob contratos do tipo BOT. O coeficiente da variável não demonstra significância. Permanecem significantes os coeficientes das variáveis RISCOP, LIBOROP, AMORT e TXFIXA. Os demais coeficientes não apresentaram significância.
Os resultados dos P-valor do teste RESET sugerem algum tipo de problema na forma funcional da equação 1. (WOOLDRIDGE, 2011). Desta forma, a variável não dummy e significante nas três regressões, RISCOP, que utiliza o CDS dos países nos quais o investimento foi realizado, teve o seu valor adicionado na equação em um termo quadrático, com objetivo de verificar se tal medida proporciona uma melhor forma funcional para a equação.
A Tabela 10 mostra os resultados da estimação da equação (1) por MQO com a adição da variável RISCOP elevada ao quadrado (RISCOP2).
Tabela 10 - Estimação da equação (1) por MQO para amostra composta por 1.114 operações de Project Finance realizadas em 89 países, entre 01/2001 e 03/2016, com a adição do termo quadrático RISCOP2.
(continua)
1 2 3
Variáveis SpreadAj SpreadAj SpreadAj
CONT -78.10** [33.12] CONTadj -33.84** [14.00] CONTadj2 -32.59 [33.98]
Tabela 10 - Estimação da equação (1) por MQO para amostra composta por 1.114 operações de Project Finance realizadas em 89 países, entre 01/2001 e 03/2016, com a adição do termo quadrático RISCOP2.
(conclusão)
1 2 3
Variáveis SpreadAj SpreadAj SpreadAj
SG -17.29 -28.29 -28.32 [25.53] [22.11] [21.40] SE -6.594 17.50 13.58 [20.51] [15.90] [15.79] BD -14.99 24.07 21.07 [26.45] [21.96] [21.80] Bancos 7.502** 1.418 1.622 [3.796] [2.596] [2.611] TXFIXA 61.05** 26.23* 28.65* [26.36] [15.49] [15.44] INVEST -5.365 -11.18 -12.01 [10.66] [7.979] [8.082] ALAV -103.5 -30.06 -22.79 [94.02] [45.01] [44.05] AMORT 1.546 -1.520* -2.294** [1.133] [0.914] [0.923] RISCOP 0.400*** 0.319*** 0.277*** [0.126] [0.0781] [0.0833] LIBOROP -0.226*** -0.339*** -0.367*** [0.0449] [0.0368] [0.0371] Refin 23.58 19.82 15.71 [39.60] [21.73] [20.78]
RISCOP2 -0.000203** -5.52e-05** -4.15e-05 [9.96e-05] [2.76e-05] [2.95e-05]
Constante 312.0*** 343.7*** 378.5*** [113.8] [60.94] [74.94] Observações 176 450 450 R² ajustado 0.259 0.244 0.239 P-valor teste RESET 0,0516* 0,0000*** 0,0015***
Nota: Todas as regressões apresentam erros padrão robustos entre colchetes. ***, ** e * indicam significância estatística a 1%, 5% e 10%, respectivamente.
Tal modificação apenas resultou em melhora do resultado do teste RESET da coluna 1 que, na primeira regressão, apresentou significância a 1% e, agora, reduziu para 10%. As colunas 2 e
3 continuaram com estatísticas significantes para o teste RESET, indicando persistir a não linearidade na equação.
O coeficiente da variável RISCOP2 apresentou significância nas três regressões. Os coeficientes da variável RISCOP mantiveram-se significantes e tiveram um expressivo aumento.
Comparando os valores da coluna 1 com os resultados da Tabela 9 percebe-se que o coeficiente da variável RISCOP dobrou, passando de 0,194 para 0,400. O impacto de um aumento de 10 bps no CDS dos países em que o projeto é desenvolvido, agora, implica em um aumento do spread da operação em 3,40 bps, ante 1,94 bps com o resultado da Tabela 9. O cálculo do novo impacto seguiu a aproximação disponível em Wooldridge (2011), que indica o impacto na variável dependente como sendo:
(2) ∆��� � ��̂ ≈ �̂ � � − ∗ �̂ � � 2∗ � ∗ ∆�
Utilizando o valor da média do CDS da amostra como � temos: (0,400 – 2*0,000203*146,72)*10 = 3,4043.
Em relação às demais variáveis, não ocorreram alterações de grande magnitude.
Wooldridge (2011) aponta que quando y > 0, os modelos que utilizam log (y) como variável dependente podem satisfazer de maneira mais adequada as hipóteses do modelo linear clássico e variáveis estritamente positivas que, frequentemente, possuem distribuições condicionais heteroscedásticas ou concentradas. Nestes casos, a utilização de log pode aliviar ambos os problemas.
Bauer e Hann (2010) utilizaram em seu estudo a variável dependente spread em log devido à presença de assimetria positiva na distribuição da variável.
O Gráfico 7 demonstra a distribuição da variável dependente SpreadAj na amostra total composta pelas 1.114 operações de PF e nas três subamostras utilizadas nas regressões das Tabelas 9, 10 e 11.
Gráfico 7 – Distribuição da variável independente SpreadAj na amostra geral e três subamostras. Fonte: IJ Global de 01/2001 a 03/2016, elaboração própria.
Nos quatros gráficos acima, ao comparar a linha que demonstra distribuição normal com o histograma da distribuição da varíavel SpreadAj, é possível perceber uma assimetria positiva na distribuição da variável independente.
Seguindo Bauer e Hann (2010) foram obtidos os logaritmos naturais da variável dependente
SpreadAj e das variáveis de controle RISCOP e LIBOROP. A Tabela 11 mostra os resultados
da estimação da equação (1) por MQO com a transformação das variáveis mencionadas. Nesta versão da equação (1), o P-valor do teste RESET é não significante nas três colunas. Na coluna 1, as variáveis CONT e TXFIXA deixaram de ser significantes e AMORT passou a ser significante a 10%. LogRISCOP e LogLIBOROP apresentaram significância ao nível de 1% e representam a elasticidade do SpreadAj em relação ao risco país e à taxa LIBOR, respectivamente. Nesse sentido, um aumento de 10% no nível de risco do país, medido pelo CDS, implica em um aumento de 2% no spread da operação. As demais variáveis não tiveram alterações na significância de seus coeficientes.
Tabela 11 - Estimação da equação (1) por MQO para amostra composta por 1.114 operações de Project Finance realizadas em 89 países, entre 01/2001 e 03/2016, com as variáveis SpreadAj, RISCOP e LIBOROP tratadas em log.
1 2 3
Variáveis LogSpreadAj LogSpreadAj LogSpreadAj
CONT -0.187 [0.136] CONTadj -0.145** [0.0692] CONTadj2 -0.00869 [0.139] SG 0.00977 -0.165 -0.170 [0.158] [0.142] [0.139] SE -0.0750 -0.0252 -0.0375 [0.130] [0.0705] [0.0685] BD -0.152 0.0145 0.00515 [0.155] [0.0884] [0.0874] Bancos 0.0383** 0.00839 0.00893 [0.0188] [0.00873] [0.00855] TXFIXA 0.147 0.0904* 0.0996* [0.0996] [0.0534] [0.0533] INVEST -0.0347 -0.0349 -0.0372 [0.0474] [0.0267] [0.0269] ALAV -0.0471 -0.219 -0.206 [0.516] [0.218] [0.212] AMORT 0.0110* 0.000794 -0.00218 [0.00565] [0.00386] [0.00369] LogRISCOP 0.200*** 0.180*** 0.178*** [0.0439] [0.0242] [0.0259] LogLIBOROP -0.131*** -0.202*** -0.213*** [0.0390] [0.0260] [0.0269] Refin 0.00628 0.0636 0.0539 [0.110] [0.0708] [0.0709] Constante 4.963*** 5.767*** 5.819*** [0.737] [0.327] [0.417] Observações 176 450 450 R² ajustado 0.195 0.259 0.251
P-valor teste RESET 0,2298 0,3242 0,3691 Nota: Todas as regressões apresentam erros padrão robustos entre colchetes.
***, ** e * indicam significância estatística a 1%, 5% e 10%, respectivamente.
Na coluna 2, percebe-se que a variável CONTadj permaneceu significante, indicando que operações de PF com contratos do tipo BOO ou BOT apresentam spreads 15,60% menores
que operações sem a presença desses contratos. Sendo uma variável dummy, CONTadj é a semielasticidade do SpreadAj em relação à presença de contratos do tipo BOO ou BOT no projeto. O impacto percentual dessa presença sobre a previsão dos spreads é obtido da seguinte forma: ∗ [exp(β̂C Tadj) − ]. A variável TXFIXA apresentou significância ao nível de 10%, indicando que contratos com essa opção de custo apresentam spreads 9,46% maiores que operações com taxas flutuantes, resultado obtido de forma idêntica ao descrito acima. LogLIBOROP e LogRISCOP continuaram significantes e as demais variáveis não apresentaram coeficientes significantes.
Na coluna 3, constam os resultados da regressão com a variável CONTadj2 associada a β1 e os coeficientes não sofreram alterações em relação à significância, apenas, em seus valores.