Na tabela 1 são apresentados os dados relativos às estatísticas descritivas relativas às carteiras, ao benchmark e a taxa isenta de risco, utilizando dados mensais.
Tabela 1 – Estatísticas descritivas da amostra: carteiras e benchmark
Esta tabela apresenta as estatísticas descritivas das principais variáveis utilizadas nas regressões. RP1, RP2, RP3, RP4, RP5 e RP6 representam a diferença entre as rendibilidades das carteiras A, B, C, D, A-B e C-D, respetivamente, construída anualmente, com base no ranking “Newsweek green rankings – US 500” e a taxa isenta de risco; RM representa a diferença da rendibilidade da carteira de mercado e da taxa isenta de risco. O período da amostra é de 2010 a 2016, perfazendo um total de 72 observações mensais.
Na tabela estão descritas as principais variáveis das regressões em estudo, incluindo as carteiras analisadas e a diferença entre rendibilidade de mercado e taxa isenta de risco. Como se pode observar, a média das principais variáveis é muito próxima de zero.
Variáveis RP1 RP2 RP3 RP4 RP5 RP6 RM Média 0.010518 0.009575 0.010744 0.006217 0.000943 0.004527 0.010343 Mediana 0.008379 0.012641 0.013327 0.005001 4.19E-05 -0.000581 0.008550 Máximo 0.128124 0.145156 0.113286 0.118181 0.023700 0.089044 0.113500 Mínimo -0.083550 -0.098818 -0.079469 -0.106269 -0.022597 -0.113974 -0.075900 Desv.Padrão 0.039012 0.039706 0.038832 0.044163 0.011118 0.030205 0.034814 Skewness -0.000471 0.019683 -0.114347 -0.212316 0.087840 -0.009987 -0.022749 Kurtosis 3.454669 4.385323 2.964447 3.308522 2.289347 5.974471 3.468597 Jarque-Bera 0.620173 5 762 010 0.160694 0.826494 1 607 672 2 654 363 0.664958 P-Value 0.733383 0.056078 0.922796 0.661499 0.447609 0.000002 0.717144 #Obs 72 72 72 72 72 72 72
20
A Skewness é uma medida do grau de assimetria da distribuição. Se a cauda esquerda da distribuição é maior que a cauda da direita, significa que a obliquidade é negativa, como se pode ver nas variáveis RP1, RP3, RP4, RP6 e Rm. Se o inverso acontecer, a obliquidade é positiva como nas restantes variáveis apresentadas no quadro. Se as caudas forem iguais, a obliquidade é zero.
A kurtosis é uma medida do pico da distribuição, ou seja, descreve a forma de uma distribuição de probabilidade. Se o valor da curtose for igual a 3, a probabilidade da distribuição segue uma forma normal. Como se pode observar, as variáveis RP1, RP2, RP4, RP6 e Rm exibem um excesso de curtose (superior a 3), o que classifica as distribuições como leptocúrticas.
O teste Jarque-Bera é um teste à normalidade e é utilizado para determinar se os dados seguem ou não uma distribuição normal. Neste caso em particular, não rejeitamos a hipótese nula de que a distribuição seja normal para todas as variáveis exceto para a Carteira C-D (RP6).
Na tabela 2 são apresentadas as estatísticas sumárias relativas aos fatores de risco adicionais e às variáveis de informação pública.
Os valores da média estão muito próximos de zero para todas as variáveis, como se pode ver na tabela. As variáveis de informação pública taxa de curto prazo e dividend yield têm de média zero, o que seria de esperar tendo em conta que as variáveis são utilizadas na sua forma de média zero.
Relativamente a simetria da distribuição – obliquidade (skewness), verifica-se que as variáveis SMB, MOM e RMW apresentam uma obliquidade negativa, o que significa que a cauda da esquerda da distribuição é superior à da direita.
No que toca à caracterização do pico da distribuição – curtose (kurtosis), verifica-se que todas as variáveis, exceto HML, MOM, TCPt-1 e DY t-1 têm distribuições que exibem um défice de
21
Tabela 2 – Estatísticas descritivas da amostra: fatores de risco adicionais e variáveis de informação
Esta tabela apresenta as estatísticas descritivas das principais variáveis utilizadas nas regressões. SMB representa a diferença de rendibilidade entre uma carteira com empresas de grande capitalização e uma carteira com empresas de pequena capitalização; HML representa a diferença entre a rendibilidade de uma carteira de empresas com elevado Book-to-market e uma carteira de empresas com este rácio baixo; MOM representa a diferença de rendibilidade de uma carteira de ações com elevada rendibilidade no ano anterior e de uma carteira com baixas rendibilidades no ano anterior; CMA representa a diferença de rendibilidade de uma carteira de ações de empresas de baixo e elevado investimento; RMW representa a diferença de rendibilidade de uma carteira de ações de empresas de elevada e baixa rentabilidade; TCPt-1 e DYt-1 representam as variáveis de
informação pública (taxa de curto prazo e dividend yield) utilizadas nos modelos condicionais e desfasadas um mês.
Quanto à probabilidade de Jarque-Bera, não rejeitamos a hipótese nula da distribuição ser normal para todas as variáveis exceto para a variável de informação pública TCPt-1.
Variáveis SMB HML MOM CMA RMW TCP(-1) DY(-1)
Média -0.000674 4.44E-05 0.002904 0.001003 0.000635 0.000000 0.000000 Mediana 0.003650 -0.003200 0.004000 0.000900 0.001650 -0.011725 -0.016558 Máximo 0.042800 0.050300 0.102400 0.032300 0.035100 0.225775 0.255703 Minimo -0.044000 -0.042100 -0.079500 -0.026500 -0.036400 -0.105891 -0.170391 Desv.Padrão 0.021597 0.018738 0.031344 0.013130 0.016325 0.062895 0.097121 Skewness -0.182897 0.477375 -0.022926 0.159985 -0.060645 1 481 388 0.825782 Kurtosis 2.344916 3.083707 3.992764 2.594259 2.438157 6.004684 3.208776 Jarque-Bera 1 688 824 2 755 668 2 963 046 0.801020 0.991136 5 341 850 8 313 757 P-Value 0.429810 0.252124 0.227291 0.669978 0.609225 0.000000 0.015656 #Obs 72 72 72 72 72 72 72
22
5. Resultados empíricos
5.1. Introdução
Nesta secção são apresentados e analisados os resultados empíricos relativos ao desempenho financeiro das diferentes carteiras constituídas pelas empresas mais e menos ambientalmente responsáveis e as carteiras das diferenças, com o fim de comparar o desempenho das carteiras ambientalmente mais responsáveís com as menos responsáveis. Com o sentido de perceber qual o procedimento a aplicar em cada uma das carteiras, são exibidos os resultados dos testes de autocorrelação e heterocedasticidade antes dos resultantos provenientes da aplicação dos diferentes modelos de avaliação de desempenho.
De seguida, passar-se-à à análise do desempenho financeiro das carteiras que constituem a amostra. Conforme mencionado no capítulo anterior, são utilizadas como medidas de desempenho não condicionais a medida de Jensen (1968), o modelo de 3-Fatores de Fama e French (1993), o modelo de 4-Fatores de Carhart (1997) e o modelo de 5-Fatores de Fama e French (2015). Com a utilização destes modelos pretende-se comparar as estimativas de desempenho obtidas com os diferentes modelos, bem como as correspondentes capacidades explicativas. Tendo em conta as limitações que existem nos modelos referidos anteriormente, que não consideram a variabilidade temporal do risco, são apresentados os resultados de modelos que incorporam informação condicional, como o modelo de Ferson e Schadt (1996) e o de Christopherson et al. (1998).
É importante referir que todos os modelos referidos foram estimados para dados mensais, à semelhança dos estudos de Brammer et al. (2009) e Brzeszczynski e McIntosh (2014).
23
5.2. Testes de autocorrelação e heterocedasticidade
Na tabela 3 encontram-se os resultados referentes ao teste de Breusch-Godfrey LM, para as variadas carteiras. O intuito desta tabela é verificar a existência de correlação em série.
Tabela 3 –Testes de autocorrelação LM (Breusch-Godfrey)
Esta tabela apresenta os resultados dos diversos testes Breusch-Godfrey realizados nos diversos modelos, para as diferentes carteiras, para a verificação da hipótese nula da não existência de autocorrelação. Os modelos têm a seguinte composição: Modelo de Jensen (1968): Rp,t– Rf,t= αp+ βp (Rm,t– Rf,t) + ep,t ; Modelo 3-fatores de Fama
e French (1993): (Rp,t– Rf,t) = αp+ βp1 (Rm,t– Rf,t) + βp2 (SMBt) + βp3 (HMLt) + ep,t; Modelo 4-fatores de Carhart
(1997): (Rp,t– Rf,t) = αp+ βp1 (Rm,t– Rf,t) + βp2 (SMBt) + βp3 (HMLt) + βp4 (MOMt) + ep,t ; Modelo 5-fatores de
Fama e French (2015): (Rp,t – Rf,t) = αp + βp1 (Rm,t – Rf,t) + βp2 (SMBt) + βp3 (HMLt) + βp4 (RMW) + βp5 (CMA) +
ep,t ; Modelo de Ferson e Schadt (1996): rp,t = αp + β0prm,t + β´p (zt-1 rm,t) + ep,t ; Modelo de Christopherson, et al.
(1998): rp,t= α0p + A´p zt-1 + β0prm,t + β´p (zt-1 rm,t) + ep,t . O período da amostra é de 29/10/2010 a 31/10/2016,
perfazendo um total de 72 observações mensais. Todos os testes foram realizados para 5 lags.
MODELOS Carteiras F-Statistic Obs*R-Squared Prob. Chi-Squared(5)
Carteira A 0.833602 4.338662 0.5018 Carteira B 1.278989 6.449139 0.2649 Carteira A-B 0.207738 1.132451 0.9512 Carteira C 0.698666 3.672179 0.5975 Carteira D 0.421345 2.260342 0.8121 Carteira C-D 0.454272 2.431020 0.7868 Carteira A 0.712262 3.852303 0.5709 Carteira B 0.803432 4.315843 0.5049 Carteira A-B 0.378106 2.097657 0.8355 Carteira C 0.714926 3.865938 0.5689 Carteira D 0.945872 5.027568 0.4125 Carteira C-D 0.703385 3.806832 0.5775 Carteira A 0.837431 4.554889 0.4726 Carteira B 0.890045 4.821896 0.4380 Carteira A-B 0.370758 2.090289 0.8365 Carteira C 0.720649 3.954585 0.5560 Carteira D 0.579294 3.213517 0.6671 Carteira C-D 0.296758 1.682838 0.8911 Carteira A 0.590972 3.326562 0.6498 Carteira B 0.793962 4.399369 0.4935 Carteira A-B 0.441887 2.516699 0.7740 Carteira C 0.690876 3.858782 0.5699 Carteira D 0.705685 3.936973 0.5585 Carteira C-D 0.344678 1.978274 0.8521 Carteira A 0.796932 4.947784 0.4223 Carteira B 1.959668 11.05798 0.0502* Carteira A-B 0.659373 4.142884 0.5290 Carteira C 1.113038 6.726978 0.2417 Carteira D 0.604595 3.816958 0.5761 Carteira C-D 0.479596 3.061361 0.6805 Carteira A 0.799016 5.136981 0.3994 Carteira B 1.855509 10.90095 0.0534* Carteira A-B 0.596180 3.903627 0.5634 Carteira C 1.070702 6.720648 0.2423 Carteira D 0.446821 2.965946 0.7052 Carteira C-D 0.365985 2.447608 0.7844 FAMA E FRENCH (2015) FERSON E SCHADT (1996) CHRISTOPHERSON, FERSON E GLASSMAN (2015) JENSEN 3-FATORES DE FAMA E FRENCH (1993) 4-FATORES DE CARHART (1997) 5-FATORES DE
24
A tabela 3 mostra que nenhuma das carteiras incluídas nos diferentes modelos de desempenho financeiro sofre de correlação em série, com a exceção da carteira B nos modelos de Ferson e Schadt (1996) e Christopherson et al. (1998). Quer haja ou não heterocedasticidade nestas duas carteiras, os modelos serão ajustados com o procedimento de Newey-West (1987) de maneira a corrigir a correlação em série.
Na tabela 4 são apresentados os resultados do teste ARCH, com vista a verificar a existência de heterocedasticidade para as diferentes carteiras, em cada um dos modelos de avaliação de desempenho analisados.
De acordo com a tabela 4, a hipótese nula da homocedasticidade é rejeitada para a carteira D nos modelos de Jensen, 3-fatores de Fama e French (1993), 5-fatores de Fama e French (2015) e Ferson e Schadt (1996), o que significa que estão na presença de heterocedasticidade. Perante a existência de autocorrelação será aplicado o procedimento de Newey-West (1987), corrigindo a correlação em série. Para corrigir a heterocedasticidade, será aplicado o estimador consistente da matriz de covariâncias de White (1980).
25
Tabela 4 – Testes de heterocedasticidade (ARCH)
Esta tabela apresenta os resultados dos diversos testes ARCH realizados nos diversos modelos, para as diferentes carteiras, para a verificação da hipótese nula da homocedasticidade. Os modelos têm a seguinte composição: Modelo de Jensen (1968): Rp,t – Rf,t = αp + βp (Rm,t – Rf,t) + ep,t ; Modelo 3-fatores de Fama e French (1993): (Rp,t
– Rf,t) = αp + βp1 (Rm,t – Rf,t) + βp2 (SMBt) + βp3 (HMLt) + ep,t; Modelo 4-fatores de Carhart (1997): (Rp,t – Rf,t) =
αp+ βp1 (Rm,t– Rf,t) + βp2 (SMBt) + βp3 (HMLt) + βp4 (MOMt) + ep,t ; Modelo 5-fatores de Fama e French (2015):
(Rp,t– Rf,t) = αp+ βp1 (Rm,t– Rf,t) + βp2 (SMBt) + βp3 (HMLt) + βp4(RMW) + βp5 (CMA) + ep,t ; Modelo de Ferson
e Schadt (1996): rp,t= αp+ β0prm,t+ β´p (zt-1 rm,t) + ep,t ; Modelo de Christopherson et al. (1998): rp,t= α0p + A´p zt-1
+ β0prm,t + β´p (zt-1 rm,t) + ep,t . O período da amostra é de 29/10/2010 a 31/10/2016, perfazendo um total de 72
observações mensais. Todos os testes foram realizados para 5 lags.
MODELOS Carteiras F-Statistic Obs*R-Squared Prob. Chi-Squared(5)
Carteira A 0.527197 2.775333 0.7346 Carteira B 0.529543 2.787168 0.7328 Carteira A-B 1.127134 5.666484 0.3400 Carteira C 0.116795 0.635333 0.9863 Carteira D 3.122164 13.65244 0.0180** Carteira C-D 1.463709 7.177296 0.2078 Carteira A 0.373543 1.990480 0.8505 Carteira B 0.353699 1.887718 0.8645 Carteira A-B 0.541499 2.847421 0.7235 Carteira C 0.165749 0.898059 0.9704 Carteira D 2.651493 11.96176 0.0353** Carteira C-D 0.895951 4.583762 0.4688 Carteira A 0.566928 2.975200 0.7038 Carteira B 0.143378 0.778260 0.9784 Carteira A-B 0.554026 2.910435 0.7138 Carteira C 0.166084 0.899850 0.9702 Carteira D 0.736241 3.813173 0.5766 Carteira C-D 0.739828 3.830690 0.5740 Carteira A 1.063160 5.370644 0.3723 Carteira B 0.519396 2.735941 0.7406 Carteira A-B 0.452066 2.393949 0.7924 Carteira C 0.199060 1.075648 0.9562 Carteira D 2.610147 11.80811 0.0375** Carteira C-D 0.730573 3.785475 0.5807 Carteira A 1.463401 7.175949 0.2079 Carteira B 0.436685 2.315314 0.8040 Carteira A-B 0.411847 2.187921 0.8226 Carteira C 0.226630 1.221906 0.9428 Carteira D 2.423612 11.10410 0.0494** Carteira C-D 0.258446 1.389889 0.9254 Carteira A 1.257398 6.260176 0.2817 Carteira B 1.169197 5.859456 0.3201 Carteira A-B 0.315925 1.691201 0.8900 Carteira C 0.261288 1.404852 0.9238 Carteira D 1.061118 5.361154 0.3734 Carteira C-D 0.852921 4.378000 0.4964 E GLASSMAN (2015) CHRISTOPHERSON, FERSON CARHART (1997) 4-FATORES DE JENSEN FERSON E SCHADT (1996) 3-FATORES DE FAMA E FRENCH (1993) FAMA E FRENCH (2015) 5-FATORES DE
26
5.3. Modelos não-condicionais
A tabela 5 apresenta as estimativas do alfa de Jensen (1968) para as seis carteiras construídas.
Tabela 5 – Medida de Jensen (1968)
Esta tabela apresenta os alfas e betas resultantes da aplicação da regressão: Rp,t– Rf,t= αp+ βp (Rm,t– Rf,t) + ep,t .
A carteira A refere-se à carteira composta por empresas acima do percentil 50 do Newsweek Green ranking – US 500; a carteira B é composta por empresas abaixo do percentil 50; a carteira A-B representa a diferença entre a
carteira mais ambientalmente responsável e a menos ambientalmente responsável. A carteira C é constituída pelas 50 melhores empresas do ranking; a carteira D é constituída pelas 50 piores empresas do ranking; a carteira C-D representa a diferença entre estas duas carteiras. Alfa indica a rendibilidade anormal. β representa o coeficiente de mercado. R-squared representa o poder explicativo das variáveis independentes. Entre parênteses encontram-se os p-value. * indica níveis de significância de 10%; ** indica níveis de significância de 5% e *** indica níveis de significância de 1%. Para a correção da heterocedasticidade foi aplicado o estimador consistente da matriz de covariâncias de White (1980). O período da amostra é de 29/10/2010 a 31/10/2016, perfazendo um total de 72 observações mensais.
Os resultados obtidos mostram que as estimativas de desempenho são negativas para as carteiras A, C, D, embora não sejam estatisticamente significativas. Quanto à carteira B, a mesma exibe um alfa negativo e estatisticamente significativo a um nível de 10%. Pode-se então concluir através da leitura da tabela 5 que o desempenho das carteiras é neutro, com a exceção da carteira B, cujo desempenho é negativo. Conclui-se então que a carteira composta pelo conjunto de 250 empresas menos responsáveis tende a ter um desempenho inferior ao mercado.
Observando os resultados relativos às carteiras das diferenças (A-B e C-D), as mesmas apresentam valores positivos do alfa, mas sem significância estatística. Pode-se, pois, concluir que não existem diferenças estatisticamente significativas entre o desempenho financeiro da
Jensen α β R-squared -0.000828 1.097007 (0.4039) (0.0000)*** -0.001928 1.112171 (0.0811)* (0.0000)*** 0.001100 -0.015164 (0.4267) (0.6920) -0.000192 1.057354 (0.9005) (0.0000)*** -0.004826 1.067749 (0.1330) (0.0000)*** 0.004634 -0.010395 (0.2197) (0.9204) Carteira A 0.958369 Carteira B Carteira C Carteira D Carteira A-B Carteira C-D 0.950943 0.898611 0.708491 0.000144 0.002255
27
carteira constituída pelas melhores (e mais alto) desempenho ambiental e o desempenho financeiro da carteira constituída pelas piores (e mais baixo) desempenho ambiental. Observa-se ainda que as carteiras mais responsáveis tenham os valores do beta ligeiramente mais baixos que as carteiras menos responsáveis.3
Quanto ao coeficiente de determinação, observa-se que as carteiras mais responsáveis têm valores ligeiramente mais elevados.
Seguidamente, a tabela 6 é apresentada no âmbito do modelo de 3-fatores de Fama e French (1993), onde se encontram as estimativas de desempenho financeiro das carteiras, incorporando não só o risco de mercado, como também o risco associado aos fatores de dimensão e book-to-market.
Tabela 6 – Modelo de 3-fatores de Fama e French (1993)
Esta tabela apresenta os resultados da aplicação da regressão: (Rp,t – Rf,t) = αp + βp1 (Rm,t – Rf,t) + βp2 (SMBt) +
βp3 (HMLt) + ep,t . A carteira A refere-se à carteira composta por empresas acima do percentil 50 do Newsweek
Green ranking – US 500; a carteira B é composta por empresas abaixo do percentil 50; a carteira A-B representa
a diferença entre a carteira mais ambientalmente responsável e a menos ambientalmente responsável. A carteira C é constituída pelas 50 melhores empresas do ranking; a carteira D é constituída pelas 50 piores empresas do
ranking; a carteira C-D representa a diferença entre estas duas carteiras. Alfa indica a rendibilidade anormal; β1, β2 e β3 são os coeficientes dos fatores mercado, SMB e HML, respetivamente. R-squared representa o poder explicativo das variáveis independentes. Entre parênteses encontram-se os p-value. * indica níveis de significância de 10%; ** indica níveis de significância de 5% e *** indica níveis de significância de 1%. Para a correção da heterocedasticidade foi aplicado o estimador consistente da matriz de covariâncias de White (1980). O período da amostra é de 29/10/2010 a 31/10/2016, perfazendo um total de 72 observações mensais.
3Em alternativa ao benchmark geral, utilizou-se também um benchmark específico de empresas verdes: o TR
CRI United States Large Cap Environmental United States, retirado da Datastream. Os resultados das regressões
são muito similares, pelo que se optou por não os reportar.
3 Fatores α β1 β2 β3 R-squared -0.000676 1.084715 0.041341 0.065201 (0.4993) (0.0000)*** (0.3856) (0.2061) -0.001466 1.076085 0.139276 0.105315 (0.1619) (0.0000)*** (0.0062)*** (0.0518)* 0.000790 0.008630 -0.097934 -0.040115 (0.5709) (0.8340) (0.1422) (0.5748) -0.000398 1.074186 -0.053295 -0.105209 (0.7980) (0.0000)*** (0.4714) (0.1895) -0.003809 0.986461 0.287033 0.365577 (0.2111) (0.0000)*** (0.0379)** (0.0393)** 0.003411 0.087726 -0.340329 -0.470786 (0.3454) (0.4117) (0.0503)* (0.0129)** 0.959683 Carteira C-D Carteira A-B Carteira D Carteira C Carteira B Carteira A 0.124911 0.036209 0.746017 0.901692 0.957783
28
De acordo com a tabela 6 pode-se observar, com a aplicação do modelo de 3-fatores de Fama e French (1993), que as carteiras principais exibem uma rendibilidade anormal negativa, mas não estatisticamente significativa, indicando um desempenho neutro das mesmas. Quanto às carteiras das diferenças, os alfas são positivos, embora não sejam estatisticamente significativos, o que indica que as carteiras com melhor (mais alto) desempenho ambiental não diferem, em termos de desempenho financeiro, daquelas com pior (mais baixo) desempenho ambiental.
Relativamente aos fatores de risco, pode-se ver que o risco sistemático é estatisticamente significativo a 1% nas carteiras A, B, C e D. Observando a tabela, e considerando a carteira B, o coeficiente β2 é positivo e estatisticamente significativo a 1%, o que indica que a carteira
está exposta a ações de empresas de pequena capitalização. Em relação ao coeficiente β3,
observa-se também um sinal positivo, o que significa que a carteira está exposta a empresas com elevado Book-to-market. No que se refere às diferenças entre carteiras, a carteira C-D exibe um coeficiente β2 negativo e estatisticamente significativo a 10%, o que significa que a
carteira de empresas com mais alto desempenho ambiental tende a estar mais exposta a empresas maiores do que aquelas com mais baixo desempenho ambiental. Estes resultados são consistentes com Brammer et al., (2006) e Udayasankar (2008). Empresas de grande capitalização são, regra geral, melhor vistas e mais conhecidas e, portanto, analisadas com mais precisão do que as empresas de pequena capitalização. Em consequência, as grandes empresas enfrentam uma maior pressão, tanto interna como externa, para investir responsavelmente, no que toca ao impacto ambiental, pois devido à sua dimensão, dispõe de recursos suficientes para o fazer.
No que toca à capacidade explicativa do modelo, verifica-se que há um ligeiro aumento deste valor quando comparado com o modelo anterior.
Ao adicionar o fator momentum ao modelo anterior obtemos o modelo de Carhart (1997) cujos resultados se encontram na tabela 7.
29
Tabela 7 – Modelo de 4-fatores de Carhart (1997)
Esta tabela apresenta os resultados da aplicação da regressão: (Rp,t– Rf,t) = αp+ βp1 (Rm,t– Rf,t) + βp2 (SMBt) +
βp3 (HMLt) + βp4 (MOMt) + ep,t . A carteira A refere-se à carteira composta por empresas acima do percentil 50
do Newsweek Green ranking – US 500; a carteira B é composta por empresas abaixo do percentil 50; a carteira
A-B representa a diferença entre a carteira mais ambientalmente responsável e a menos ambientalmente responsável. A carteira C é constituída pelas 50 melhores empresas do ranking; a carteira D é constituída pelas 50 piores empresas do ranking; a carteira C-D representa a diferença entre estas duas carteiras. Alfa indica a rendibilidade anormal; β1, β2, β3 e β4 são os coeficientes dos fatores mercado, SMB, HML e MOM,
respetivamente. R-squared representa o poder explicativo das variáveis independentes. Entre parênteses encontram-se os p-value. * indica níveis de significância de 10%; ** indica níveis de significância de 5% e *** indica níveis de significância de 1%. O período da amostra é de 29/10/2010 a 31/10/2016, perfazendo um total de 72 observações mensais.
Com a aplicação deste modelo de 4-fatores de Carhartt (1997), observa-se mais uma vez que as carteiras A, B, C e D exibem um alfa negativo embora nenhum deles seja estatisticamente significativo, o que indica que as carteiras têm um desempenho neutro, tal como temos visto em todos os modelos até agora. Adicionalmente, os resultados não mostram diferenças estatisticamente significativas nas carteiras das diferenças.
Os resultados obtidos com a aplicação deste modelo são relativamente parecidos com os resultados obtidos com a aplicação do modelo de 3-fatores de Fama e French (1993). Reparando no quadro e, comparando com o modelo anterior, observa-se que, por exemplo a carteira D, continua exposta a empresas de pequena dimensão. Já o coeficiente de risco β3
destacarteira continua positivo, embora tenha deixado de ser estatisticamente significativo neste modelo. O fator momentum (β4) é negativo e estatisticamente significativo (a 1%) para a
carteira D, o que indica que esta carteira está exposta a ações de empresas perdedoras no passado. Os resultados obtidos para o coeficiente das diferenças indicam ainda que a carteira com mais baixo desempenho ambiental (D) está mais exposta a ações de empresas perdedoras
4 Fatores α β1 β2 β3 β4 R-squared -0.000495 1.076881 0.043561 0.041937 -0.033699 (0.6271) (0.0000)*** (0.3616) (0.4608) (0.3396) -0.001261 1.067234 0.141784 0.079032 -0.038073 (0.2359) (0.0000)*** (0.0054)*** (0.1835) (0.2999) 0.000766 0.009646 -0.098223 -0.037095 0.004374 (0.5918) (0.8227) (0.1445) (0.6415) (0.9294) -0.000380 1.073444 -0.053085 -0.107413 -0.003193 (0.8112) (0.0000)*** (0.4769) (0.2290) (0.9537) -0.002032 0.909766 0.308767 0.137826 -0.329911 (0.4466) (0.0000)*** (0.0154)** (0.3554) (0.0006)*** 0.001652 0.163679 -0.361852 -0.245239 0.326718 (0.6380) (0.1252) (0.0303)** (0.2128) (0.0087)*** Carteira C-D 0.960232 0.958460 0.036323 0.901697 0.787089 0.211021 Carteira A Carteira B Carteira A-B Carteira C Carteira D
30
do que a carteira com o mais alto desempenho ambiental (C). Pode-se também observar que, neste modelo, a variável HML (β3) não tem valores estatisticamente significativos para
nenhuma das carteiras analisadas.
Relativamente ao coeficiente de determinação, existe um ligeiro aumento, relativamente ao modelo anterior, mas mais acentuado quando comparado com a medida de Jensen.
De seguida, na tabela 8, estão apresentados os resultados referentes à aplicação do modelo de 5-fatores de Fama e French (2015).
Tabela 8 – Modelo de 5-fatores de Fama e French (2015)
Esta tabela apresenta os resultados da aplicação da regressão: (Rp,t– Rf,t) = αp+ βp1 (Rm,t– Rf,t) + βp2 (SMBt) +
βp3 (HMLt) + βp4(RMW) + βp5 (CMA) + ep,t . A carteira A refere-se à carteira composta por empresas acima do
percentil 50 do Newsweek Green ranking – US 500; a carteira B é composta por empresas abaixo do percentil
50; a carteira A-B representa a diferença entre a carteira mais ambientalmente responsável e a menos ambientalmente responsável. A carteira C é constituída pelas 50 melhores empresas do ranking; a carteira D é constituída pelas 50 piores empresas do ranking; a carteira C-D representa a diferença entre estas duas carteiras. Alfa indica a rendibilidade anormal. β1, β2, β3, β4 e β5 são os coeficientes dos fatores mercado, SMB, HML,
RMW e CMA, respetivamente. R-squared representa o poder explicativo das variáveis independentes. Entre parênteses encontram-se os p-value. * indica níveis de significância de 10%; ** indica níveis de significância de 5% e *** indica níveis de significância de 1%. Para a correção da heterocedasticidade foi aplicado o estimador consistente da matriz de covariâncias de White (1980). O período da amostra é de 29/10/2010 a 31/10/2016, perfazendo um total de 72 observações mensais.
Com a aplicação do modelo de 5-fatores de Fama e French (2015), observa-se que relativamente à rendibilidade anormal, as carteiras continuam a obter resultados não significativos, concluindo então, mais uma vez, que todas as carteiras têm um desempenho neutro. 5 Fatores α β1 β2 β3 β4 β5 R-squared -0.000849 1.092414 0.054258 0.038142 0.036486 0.079491 (0.4055) (0.0000)*** (0.3033) (0.5689) (0.6238) (0.3951) -0.001523 1.076915 0.137789 0.081163 -0.009742 0.054902 (0.1566) (0.0000)*** (0.0144)** (0.2495) (0.9005) (0.5748) 0.000675 0.015499 -0.083532 -0.043021 0.045959 0.024589 (0.6369) (0.7232) (0.2591) (0.6469) (0.6578) (0.8509) -0.000333 1.071518 -0.057440 -0.093377 -0.011069 -0.032905 (0.8346) (0.0000)*** (0.4861) (0.3745) (0.9243) (0.8219) -0.004573 1.033863 0.388699 0.362291 0.329820 0.133086 (0.1586) (0.0000)*** (0.0047)*** (0.0535)* (0.1760) (0.5974) 0.004240 0.037654 -0.446140 -0.455669 -0.340889 -0.165991 (0.2467) (0.7358) (0.0200)** (0.0603)* (0.2027) (0.6191) Carteira A 0.960419 Carteira B 0.957985 Carteira A-B 0.040366 Carteira C 0.901802 Carteira D 0.758230 Carteira C-D 0.154526
31
Relativamente ao risco sistemático, observa-se que os coeficientes das carteiras A, B, C e D são estatisticamente significativos, enquanto que os das carteiras A-B e C-D não o são. No que respeita ao coeficiente β2, repara-se que as carteiras menos ambientalmente responsáveis
(B e D) tiveram valores positivos e estatisticamente significativos, indicando que estão sobretudo expostas a empresas de pequena dimensão. É interessante também o facto da carteira C-D ter novamente um valor negativo e significativo a 5%, o que indica que a carteira de empresas com mais alto desempenho ambiental (C) está mais exposta a empresas de grande capitalização do que as empresas com mais baixo desempenho ambiental (D). Quanto ao coeficiente β3, é positivo/negativo, e estatisticamente significativo a 10% para as carteiras
D e C-D, respetivamente, indicando que a carteira de ações com mais baixo desempenho ambiental (D) está não só exposta a empresas de valor mas está mais exposta a empresas de valor que a carteira de empresas com mais alto desempenho ambiental (C) Os coeficientes relativos a profitability e investment (β4 e β5, respetivamente) não obtiveram resultados
significativos para nenhuma das carteiras analisadas.
O coeficiente de determinação regista um valor de 75.82% para a carteira D (50 empresas menos responsáveis).
32
5.4. Modelos condicionais
Tendo em conta que os modelos anteriormente apresentados não consideram a variabilidade do risco ao longo do tempo, as estimativas obtidas podem ser enviesadas. Assim sendo, é necessário a utilização de modelos que incluem informação condicional. Serão então aplicados os modelos de Ferson e Schadt (1996) e de Christopherson et al. (1998), que utilizam variáveis de informação pública para captar o estado da economia. Os modelos condicionais são aplicados numa especificação que inclui os quatro fatores de risco de Carhart (1997) considerando a boa capacidade explicativa destes fatores e o facto de estes serem reconhecidos como sendo capazes de captar de uma forma satisfatória as fontes de risco sistemático. Note-se ainda que uma alternativa para captar o estado da economia seria aplicar modelos multi-fatores com a incorporação de uma variável dummy para diferentes estados da economia, mas o período da amostra desta dissertação corresponde inteiramente a um período de expansão, segundo o NBER (National Bureau of Economic Research), pelo que, não foi possível aplicar esta abordagem.
São apresentados na tabela 9 os resultados do modelo de Ferson e Schadt (1996), conforme a equação (8).
Os resultados obtidos mostram que o alfa não é estatisticamente significativo para qualquer uma das carteiras, pelo que se conclui mais uma vez por um desempenho neutro das carteiras. A significância das variáveis de informação foi testada individualmente (teste t) e conjuntamente (teste Wald). Os resultados da tabela mostram que o coeficiente dos produtos cruzados entre o fator SMB e a variável de informação pública (taxa de curto prazo) é positivo e estatisticamente significativo a 5% para a carteira D. A carteira C revela um valor