Para testar as hipóteses desta tese coletamos dados de empresas não-financeiras de capital aberto da zona do euro em um período que se inicia em 01.01.2012 e se encerra em 01.11.2018, as quais tenham realizado pelo menos uma SEO ou uma debt issue no período. Extraíram-se os dados das emissões da base Thomson Financial´s Securities Data Corporation (SDC Platinum®) e das cotações das ações e demais variáveis, da base Thomson Reuters Datastream®.
O estudo investiga os efeitos do CSPP na emissão de equity por empresas não financeiras da zona do euro. Selecionaram-se de início apenas as empresas cujo domicilio principal seja um dos dezenove países que adotam a moeda única. Como em Gokkaya e Roskelley (2011), Fauver, Loureiro e Taboada (2017) e Dittmar et al (2018) excluímos as empresas financeiras com SIC codes entre 6000 e 6999. Contudo, ao contrário destes autores, optou-se por conservar no estudo as empresas com SIC codes entre 4900 e 4949, as chamadas
utilities, pois a restrição à aquisição de corporate bonds pelo CSPP encontra-se apenas entre as
empresas financeiras da zona do euro. Excluímos também todos os SIC codes entre 9100 e 9999, os quais representam empresas da administração pública, cujos bonds não se encontram elegíveis para a compra pelo CSPP e sim pelo PSPP.
Como em Corwin (2003) e Fauver, Loureiro e Taboada (2017) excluem-se também os IPOs devido à ausência de histórico de mercado da ação e mantém-se apenas as SEO, pois estamos interessados em estudar a reação dos equity markets às novas equity issues e às novas
bonds issues, em um período dominado por uma política monetária expansionista focada em
compras de ativos corporativos pela autoridade monetária, cuja principal característica foi reduzir o corporate yield.
Nesta investigação, para mitigarmos em parte o efeito de short sellers no evento SEO consideramos como event date, a filing date e não a issue date, a qual, por ser muitas vezes posterior à primeira, sofre efeitos das posições previamente vendidas a descoberto, assumidas por ocasião da filing date. Com efeito, Corwin (2003) documenta que, em regra, o preço da ação se deteriora entre a filing date e a issue date. Estudamos apenas o impacto da política monetária CSPP nas SEO tradicionais e eliminamos da base de dados as shelf offering.
Aplicados estes filtros iniciais relativos ao país de origem, ao SIC code e à classificação da oferta, o próximo passo foi excluir as SEO com montante global inferior a € 4 milhões. Seguindo literatura do tema, temos que uma oferta pública de novas ações com montante ínfimo, não impacta de valor das ações em circulação no mercado. Excluem-se em sequência, as SEO que não possuem o International Securities Identification Number (ISIN). Assim, a amostra completa de dados envolveu 1.144 SEOs realizadas por empresas não-financeiras situadas na zona do euro entre 01.01.2012 e 01.11.2018, das quais 661 foram SEOs realizadas no período compreendido entre 01.01.2012 e 09.03.2016, período anterior ao anúncio do CSPP (before) e 483 foram SEOs realizadas entre 10.03.2016, data do anúncio por parte do BCE do programa CSPP e 01.11.2018 (after), quando encerramos nossa coleta de dados.
Para ampliação do campo de investigação coletamos dados e construímos bases semelhantes com SEOs do Reino Unido (UK SEO) e Estados Unidos (USA SEO) no mesmo período. Como não há nestes países um programa de compras de ativos nos moldes e na proporção do CSPP, investigam-se estas SEO no intuito de realizar uma análise comparativa da reação dos respectivos equity markets com seus congêneres na zona do euro. As bases UK e USA foram submetidas às mesmas exclusões de SIC code e ausência de ISIN. Na base UK excluíram-se SEOs cujo montante era inferior a ₤ 4 milhões e na base USA, as SEO com montante inferior a US$ 5 milhões. Assim, a base de empresas UK totalizou 1.155 SEO, das quais 697 realizadas no período entre 01.01.2012 e 09.03.2016 e 458 no período entre 10.03.2016 e 01.11.2018. A base das empresas USA, por sua vez, totalizou 2.270 SEO, das quais 1.197 SEO realizadas entre 01.01.2012 e 09.03.2016 e 1.073 SEO que ocorreram entre 10.03.2016 e 01.11.2018.
Nesta tese utiliza-se a metodologia do event study definida em MacKinlay (1997) e presente em Fauver, Loureiro e Taboada (2017). Segundo MacKinlay (1997), um event study mensura o impacto de um específico evento no valor da empresa. Dada a racionalidade do mercado, os efeitos de um evento refletir-se-ão imediatamente nos preços dos títulos (equities ou bonds). Assim, medem-se os efeitos econômicos do impacto do evento observando-se a
reação dos preços dos títulos em um período relativamente curto (short term market reaction). No primeiro modelo, consideramos como eventos as datas de anúncio da SEO (SEO filing date). Como em Fauver, Loureiro e Taboada (2017), nossa medida para a reação do mercado ao evento de anuncio da equity issue é o short term abnormal return, representado pelo CAR nas janelas (event window) de 5 dias, que se inicia dois dias antes do anúncio da SEO e se encerra dois dias após (-2, -1, 0, +1, + 2), sendo a data zero, o dia do anúncio da SEO e o CAR de 3 dias, o qual se inicia um dia antes do evento e se encerra um dia após o evento (-1, 0, +1). Assim, se uma empresa possui vários eventos ao longo do período estudado, calculam-se os respectivos CAR para cada um deles.
O CAR é definido como o retorno anormal acumulado de uma ação em relação ao seu retorno esperado. Segundo MacKinlay (1997) o CAR é calculado a partir do abnormal return (AR) que é o retorno ex post da ação na event window menos o retorno normal da ação nesta mesma event window. O retorno normal é definido como o retorno esperado da ação se o evento não tivesse ocorrido. Assim, MacKinlay (1997) calcula o AR de acordo com a equação 1:
𝐴𝑅
𝑖𝑡= 𝑅
𝑖𝑡− 𝐸(𝑅
𝑖𝑡|𝑋
𝑡)
(1)Em que
𝐴𝑅𝑖𝑡= abnormal return da ação i no tempo t 𝑅𝑖𝑡 = retorno ex post da ação i no tempo t
𝑋𝑡= retorno do índice de mercado (benchmark), consoante o modelo market model de
MacKinlay (1997).
Como em Fauver, Loureiro e Taboada (2017) estimamos o CAR com o market model de MacKinlay (1997), o qual é definido como o modelo estatístico que relata o retorno de qualquer ativo em relação ao retorno de um portfólio de mercado e pressupõe a distribuição normal dos retornos. Ao remover uma parte do retorno relacionada à variação do retorno do mercado, a variância do AR será reduzida e aumenta-se a habilidade de detectar os efeitos do evento em si (MacKinlay, 1997). É calculado pela equação 2:
𝑅
𝑖𝑐𝑡= 𝛼
𝑖𝑐+ 𝛽
𝑖𝑐𝑅
𝑐𝑡+ 𝜀
𝑖𝑐𝑡 (2) Considerando a distribuição normal dos retornos onde E (𝜀𝑖𝑐𝑡 = 0) e var (𝜀𝑖𝑐𝑡= 𝜎²𝜀𝑡)Em que
𝑅𝑐𝑡 = retorno diário do índice de mercado correspondente ao país-sede da empresa no
período t.
t = janela de estimação para o retorno esperado (estimation window), ou seja, período
compreendido entre - 255 e - 25 dias de negociação (trading days) da ação antes da event date. Para calcularmos o retorno diário, extraímos o Return Index (RI) de cada ação que compõe a amostra da Thomson Reuters Datastream®. Segundo a Datastream®, o RI mostra o crescimento teórico de valor em uma ação em um período específico, assumindo que os dividendos são reinvestidos na compra de mais ações ao preço de fechamento aplicável na data
ex-dividend. O RI é construído com o dividend-yield anualizado. Este método adiciona um
incremento de 1/260 avos do dividend-yield ao preço da ação a cada dia, assumindo que o ano conta com 260 dias-úteis, excluídos os feriados onde os respectivos mercados estão fechados. O cálculo utiliza o dividendo bruto e ignora os impostos e custos de transação relativos ao reinvestimento na compra de novas ações (Datastream®). Portanto, o RI é calculado conforme equação 3:
𝑅𝐼
𝑡= 𝑅𝐼
(𝑡−1)𝑥
𝑃𝐼𝑡 𝑃𝐼(𝑡−1)𝑥 (1 +
𝐷𝑌𝑡 100𝑥
1 𝑁)
(3) Em que𝑅𝐼𝑡 = Return Index no dia t
𝑅𝐼(𝑡−1) = Return Index no dia anterior
𝑃𝐼𝑡 = Preço da ação no dia t
𝑃𝐼(𝑡−1)= Preço da ação no dia anterior 𝐷𝑌𝑡 = Dividend-yield (%) no dia t
N = número de dias-úteis no ano (assume-se como 260)
Seguindo os trabalhos seminais de Titman e Wessels (1988), Fama e French (1993) e Rajan e Zingales (1995) empregamos variáveis independentes da própria empresa para explicar os retornos e, em específico, a short term market reaction, mensurada pelo CAR, à uma SEO, como tamanho da empresa, representado pelo logaritmo natural dos ativos totais (totalassets), código SIC (sic), a representar o sector da indústria, total da dívida em relação ao capital próprio (debtequity), investimentos de capital em relação ao total de ativos da empresa (capexassets),
ações emitidas (secshares), logaritmo natural do montante levantado pela empresa não debitados os fees (pramount) e return-on-equity (ROE), como variável para a lucratividade do capital próprio da empresa. Utilizamos como variáveis de controle o ano da SEO (year) e o país de origem da empresa (country). Os dados coletados para as variáveis explicativas são anuais. As variáveis totalassets, debtequity, capexassets, pricebook e ROE foram defasadas em um período em relação ao ano da SEO ou da debt issue (lag1). Assim, se a SEO ocorreu, por exemplo, em agosto de 2016, utilizam-se nestas variáveis os dados relativos ao ano fiscal encerrado em 12.2015. Todas as variáveis explicativas foram submetidas ao procedimento de
winsorize (w) a 1% com o objetivo de tratar valores extremos e agrupar possíveis outliers da
amostra.
Como o objetivo principal desta investigação é avaliar a possível influência do CSPP nos CAR, derivadas dos eventos equity issues e debt issue, emprega-se nos modelos a variável
dummy CSPP, a qual assume valor de 1, para SEOs e debt issues realizadas após 10.03.2016,
data de anúncio da política pelo BCE (after) e 0 para SEOs e debt issues que ocorreram entre 01.01.2012 e 09.03.2016 (before).
Estima-se de início, por intermédio de regressão univariada prevista no modelo da equação (4), como as variações em short term abnormal return em relação aos dois eventos aqui investigados, SEO e debt issue, representadas pelo CAR calculado conforme o market
model, podem ser explicadas pelos períodos before e after à política monetária CSPP:
𝐶𝐴𝑅𝑖,𝑡 = 𝛼 + 𝛽1 𝐶𝑆𝑃𝑃 + 𝜀𝑖,𝑡 (4)
Em que
𝐶𝐴𝑅𝑖,𝑡 = cumulative abnormal return na event window de 5 dias (CAR5d) ou 3 dias
(CAR3d) ao redor da SEO filing date e event window de 5 dias (CAR5d) ao redor da Debt issue
date, calculado pelo market model e com 1% winsorised;
CSPP = variável dummy que assume valores de 1 para as SEO e debt issue realizadas
após 10.03.2016 e 0, em caso contrário.
Para estimar como as demais variáveis independentes em conjunto influenciam a short
term abnormal return do mercado ao anúncio de uma SEO realizam-se análises multivariadas
𝐶𝐴𝑅𝑖,𝑡 = 𝛼 + 𝛽1 𝐶𝑆𝑃𝑃 + 𝛽2 𝑡𝑜𝑡𝑎𝑙𝑎𝑠𝑠𝑒𝑡𝑠 + 𝛽3 𝑝𝑟𝑎𝑚𝑜𝑢𝑛𝑡 + 𝛽4 𝑑𝑒𝑏𝑡𝑒𝑞𝑢𝑖𝑡𝑦 +
𝛽5 𝑟𝑜𝑒 + 𝛽6 𝑐𝑎𝑝𝑒𝑥𝑎𝑠𝑠𝑒𝑡𝑠 + 𝛽7 𝑝𝑟𝑖𝑐𝑒𝑏𝑜𝑜𝑘 + 𝛽8 𝑠𝑒𝑐𝑠ℎ𝑎𝑟𝑒𝑠 + 𝜀𝑖,𝑡
(5) Em que
𝐶𝐴𝑅𝑖,𝑡 = cumulative abnormal return na event window de 5 (CAR5d) ou 3 dias (CAR3d) ao redor da SEO filing date, calculado pelo market model e com 1% winsorised;
totalassets = logaritmo natural (ln) do total dos ativos da empresa que realiza a SEO,
defasado em um período em relação à event date e 1 % winsorised.
pramount = logaritmo natural (ln) do total do montante levantado pela empresa no
evento SEO e 1% winsorised.
debtequity = total da dívida da empresa em relação ao capital próprio, defasado em um
período em relação à data do evento SEO e 1% winsorised.
CSPP = variável dummy que assume valores de 1 para as SEO realizadas após
10.03.2016 e 0, em caso contrário.
roe = return-on-equity da empresa que realiza a SEO, defasado em 1 período em relação
à SEO filing date e 1% winsorised.
capexassets = investimentos em capital expenditure como proporção (%) do total de
ativos da empresa (total assets), defasado em 1 período em relação à SEO filing date e 1%
winsorised.
pricebook = racio que representa o preço de mercado da ação em relação ao valor
contábil, defasado em 1 período e 1% winsorised.
secshares = percentual de ações secundárias emitidas na SEO em relação ao total de
ações da emissão.
O modelo foi testado com efeitos fixos para a indústria (industry fixed effects). Para tanto, consideram-se apenas os dois primeiros dígitos do código SIC e cria-se a variável explicativa tsic2d. Também são realizados testes com industry fixed effects, que utilizam uma
dummy para o país da empresa emissora (country).
Para tornarmos comparáveis as diversas empresas que integram os grupos before e after, representados pela dummy CSPP, realiza-se a técnica de propensity score-matching (psmatch)
e transformam-se os dois grupos os mais semelhantes possíveis (comparables), a minimizar o viés de seleção e mitigar os efeitos de sample selection.
Repetimos estes mesmos modelos das equações (4) e (5) com as SEOs realizadas em mesmo período no Reino Unido (UK SEO) e nos Estados Unidos (USA SEO), e analisamos comparativamente os resultados obtidos com aqueles extraídos da zona do euro, região de origem da política monetária CSPP.
Em sequência, para investigarmos a H3, testamos, com propósitos comparativos, a reação do equity market, representada pelo CAR, ao evento debt issue. Assim, ampliamos o escopo da investigação pois, como o CSPP é um programa de expansão monetária destinado à compra de corporate debt, torna-se primaz esclarecer também como as debt issues estão a impactar o equity market e a reação dos equity holders, pela análise do CAR das ações das empresas que recorrem a este tipo de emissão, antes e após o início do anúncio do programa. Assim, calculamos o CAR das ações na mesma event windows de 5 dias ao redor do evento, no caso a debt issue date, extraída também da base SDC Platinum®, com o market model de MacKinlay (1997). Para esta análise utiliza-se o modelo da equação n. (6):
𝐶𝐴𝑅𝑖,𝑡 = 𝛼 + 𝛽1 𝐶𝑆𝑃𝑃 + 𝛽2𝑡𝑜𝑡𝑎𝑙𝑎𝑠𝑠𝑒𝑡𝑠 + 𝛽3 𝑝𝑟𝑎𝑚𝑜𝑢𝑛𝑡 + 𝛽4 𝑑𝑒𝑏𝑡𝑒𝑞𝑢𝑖𝑡𝑦 + 𝛽5 𝑟𝑜𝑒 + 𝛽6 𝑐𝑎𝑝𝑒𝑥𝑎𝑠𝑠𝑒𝑡𝑠 + 𝛽7 𝑝𝑟𝑖𝑐𝑒𝑏𝑜𝑜𝑘 + 𝛽8 𝑟𝑎𝑡𝑖𝑛𝑔 + 𝜀𝑖,𝑡 (6)
Neste modelo 6 acrescentam-se os credit rating das bonds issue. Testam-se os modelos com os credit ratings fornecidos pelas agências de risco Moody´s e Standard & Poors, as quais fornecem uma classificação de crédito para cada emissão de instrumento de dívida. Os dados foram coletados na base SDC Platinum®, a partir do ISIN code de cada bond issue. O acréscimo desta variável ao modelo investigativo justifica-se dado que o principal critério a eleger um
corporate bond para aquisição pelo Eurosystem é o seu rating fornecido pelas principais
agências. Boneva e Linton (2017) documentam que as variáveis determinantes para uma bond
issue são o tamanho da empresa, a lucratividade, a alavancagem, o preço das ações e a política
monetária.
Neste sentido, coletamos uma amostra relativa às empresas que realizaram ao menos uma bond issue no período estudado. A base total de empresas da zona do euro que emitiram
corporate debt no período entre 01.01.2012 e 01.11.2018 é de 1.296, sendo 826 emissões para
o período before (de 01.01.2012 a 09.03.2016) e 470 para o período after (de 10.03.2016 a 01.11.2018). As restrições e filtros aplicados à amostra de bonds issues obedecem aos mesmos critérios determinados para equity issues, ou seja, foram incluídas apenas as bonds issues cujo
montante seja igual ou superior a € 4 milhões, excluídas as empresas financeiras com SIC codes entre 6000 e 6999, cujos bonds não se encontram elegíveis para a compra pelo CSPP e as empresas da administração pública, com SIC codes entre 9100 e 9999, cujos bonds são objeto de aquisição pelo PSPP. Como nas equity issues, optou-se por conservar no estudo as empresas com SIC codes entre 4900 e 4949, as chamadas utilities, pois a restrição à aquisição de
corporate bonds pelo CSPP encontra-se apenas entre as empresas financeiras da zona do euro.