FUNDAÇÃO GETÚLIO VARGAS ESCOLA DE PÓS GRADUAÇÃO EM ECONOMIA MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL

Texto

(1)

FUNDAÇÃO GETÚLIO VARGAS

ESCOLA DE PÓS GRADUAÇÃO EM ECONOMIA

MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL

O DESEMPENHO DE MÉDIO PRAZO DAS OFERTAS PÚBLICAS INICIAIS – EVIDÊNCIAS EMPÍRICAS NO BRASIL

GUILHERME ARANHA REIS PORTELA RIBEIRO

RIO DE JANEIRO

AGOSTO DE 2007

(2)

O DESEMPENHO DE MÉDIO PRAZO DAS OFERTAS PÚBLICAS INICIAIS – EVIDÊNCIAS EMPÍRICAS NO BRASIL

GUILHERME ARANHA REIS PORTELA RIBEIRO

Orientador: Prof. RICARDO LEAL

RIO DE JANEIRO

AGOSTO DE 2007

Dissertação apresentada à

Banca Examinadora da

Escola de Pós-Graduação em

Economia da Fundação

Getúlio Vargas como

requisito parcial para a

obtenção do grau de Mestre

em Finanças e Economia

Empresarial.

(3)

“Todos os homens têm medo, mas o bravo repele seu medo e avança, por vezes rumo à morte, mas sempre rumo à vitória”

Lema da Guarda do Rei na Grécia Antiga

Dedico este trabalho

aos meus pais, Yedda e Moysés, e à minha avó Ceomar,

meus eternos e maiores torcedores,

e à minha esposa Sonali,

minha paz.

(4)

AGRADECIMENTOS

A todos os meus professores, passados e presentes, que me mostraram as ferramentas para a construção da minha carreira.

Ao Professor Walter Ness, pela participação na banca.

Aos Professores Ricardo Leal e Marco Bonomo, pelas idéias e críticas sobre as quais pude realizar este trabalho.

Aos meu sogros, Gil e Lizette, pelo legítimo interesse e pela intensa torcida.

À minha esposa Sonali pelo amor, cumplicidade e compreensão.

Aos meus pais, Yedda e Moysés, e à minha avó, Ceomar, pelo apoio incondicional.

A todos aqueles que contribuíram de alguma forma com a realização deste trabalho.

(5)

SUMÁRIO

RESUMO ... 7

1. INTRODUÇÃO ... 8

2. REVISÃO BIBLIOGRÁFICA ... 10

3. METODOLOGIA ... 15

3.1. Dados e Tratamento... 15

3.2. Variáveis estudadas ... 20

3.2.1. Percentual do capital oferecido ... 20

3.2.2. Tamanho da oferta ... 22

3.2.3. Tempo de operação da empresa ... 23

3.2.4. Reputação de instituições emissoras... 24

3.2.5. Percentual de investidores institucionais ... 26

3.2.6. Percentual de investidores estrangeiros ... 27

3.2.7. Comunicação de fatores de risco ... 28

3.2.8. Retorno no primeiro dia ... 30

3.2.9. Indústria... 32

4. RESULTADOS... 34

4.1. Análises Estatísticas Univariadas... 34

4.2. Regressões Múltiplas... 43

5. CONCLUSÃO ... 50

REFERÊNCIAS BIBLIOGRÁFICAS... 52

(6)

ÍNDICE DE TABELAS

Tabela 1 - Emissões por Período ... 20

Tabela 2 - Instituições Emissoras e Market Share ... 25

Tabela 3 - Tabulação das Variáveis Independentes... 34

Tabela 4 - Resultado das Regressões Univariadas contra AR1... 37

Tabela 5 - Resultado das Regressões Univariadas contra AR2... 39

Tabela 6 – Resultado das Regressões Univariadas contra AR0 ... 41

Tabela 7 - Resumo das Regressões Univariadas contra AR1 e AR2 ... 42

Tabela 8 –Regressões Múltiplas de AR1 ... 43

Tabela 9 - P-valores para coeficientes de regressões múltiplas de AR1... 43

Tabela 10 - Matriz de Correlação entre as Variáveis Independentes ... 44

Tabela 12 –Resultados das Regressões Múltiplas de AR2 ... 46

Tabela 13 - P-valores para Coeficientes de Regressões Múltiplas de AR2 ... 46

Tabela 14 - Matriz de Correlação entre as Variáveis Independentes (amostra restrita) . 47

Tabela 16 - Resumo das Regressões Múltiplas com AR1 e AR2 ... 48

(7)

ÍNDICE DE FIGURAS

Gráfico 1 - Avaliação versus Número de Investidores ... 13

Gráfico 2 - Emissões por Mercado em Quantidade... 16

Gráfico 3 - Emissões por Mercado em Volume Médio ... 17

Gráfico 5 - Distribuição de AR2... 19

Gráfico 6 - Distribuição de PERC ... 21

Gráfico 7 - Distribuição de SIZE (MM) ... 22

Gráfico 8 - Distribuição de LNSIZE... 23

Gráfico 9 - Distribuição de AGE ... 24

Gráfico 10 - Distribuição de REPUT... 26

Gráfico 11 - Distribuição de INSTINV... 27

Gráfico 12 - Distribuição de FI... 28

Gráfico 13 - Distribuição dos Fatores de Risco... 30

Gráfico 14 - Distribuição de AR0... 32

Gráfico 15 - Distribuição de Indústria ... 33

Gráfico 17 – Regressões das Variáveis Independentes contra AR2... 38

Gráfico 18 – Regressões das Variáveis Dependentes contra AR0 ... 40

(8)

RESUMO

O presente trabalho procura investigar, na recente onda de IPOs no mercado brasileiro

iniciada em 2002/2004, quais os principais fatores que conseguem explicar o

desempenho destas ações no prazo de 1 a 2 anos após a oferta. Para tal, as mais

relevantes teorias já propostas no Brasil e nos EUA sobre o tema são levantadas e postas

à prova através de modelos estatísticos na amostra em questão. Como resultado, foi

verificado que as empresas que apresentam um melhor desempenho de médio prazo são

aquelas oferecendo um maior percentual do capital na oferta, maiores volumes de

capital, com mais tempo de operação anterior à oferta, com ofertas coordenadas por

instituições líderes de mercado, com os riscos bem explicados no prospecto e com

retornos iniciais menores. Foi verificado também que as empresas dos setores de

construção e transporte e consumo não-cíclico possuem desempenho superior às

demais.

(9)

1. INTRODUÇÃO

Desde 2004 vem sendo notado um boom na realização de ofertas públicas iniciais em território nacional, algumas vezes por diversos participantes de uma indústria, e em outras por representantes únicos de seus setores.

Diante deste significante movimento, os investidores devem se perguntar se a tendência em território nacional nas ofertas mais recentes é que se repita o comportamento verificado no mercado americano e anteriormente no mercado brasileiro de retornos iniciais elevados e baixos retornos de longo prazo para ofertas iniciais, como já foi abundantemente documentado. Será que ainda valem as teorias de que o desempenho de longo prazo das ofertas está atrelado a fatores como o rendimento do primeiro dia do papel, a proporção de acionistas composta por investidores institucionais, a reputação do banco emissor etc.? Os investidores das ofertas recentes também devem observar estas variáveis quando forem escolher um papel para o médio prazo?

O conhecimento do real comportamento das ofertas públicas iniciais após seu primeiro dia de negociação é de grande interesse do investidor, pois conforme apontado por Ritter (1991), possibilita a identificação de padrões de mercado que podem levar a estratégias ativas com retornos superiores; permite o questionamento da teoria de mercados eficientes, caso seu desempenho seja mesmo superior ou inferior ao mercado;

permite saber se os emissores estão se aproveitando com sucesso de “janelas de

oportunidade” para as emissões, caso se verifique que os períodos de maior volume são

os de mau desempenho; e por fim implica em um custo de capital reduzido para estas

empresas, já que elas estariam concedendo retornos reduzidos aos investidores que as

adquirissem.

(10)

Os objetivos do trabalho são a identificação e análise dos mais relevantes fatores já levantados na literatura relacionados com o desempenho de médio e longo prazo das ofertas públicas em bolsa e a verificação estatística da relevância destes fatores também para o mercado brasileiro mais recente sempre que possível.

Neste trabalho será contemplado somente o desempenho das ofertas públicas iniciais no contexto de médio prazo. A magnitude e as motivações para o eventual alto retorno no primeiro dia da oferta inicial não deverão ser abordados. Além disso, o estudo somente considerará o mercado brasileiro e, eventualmente, o dos EUA, para que se tracem paralelos e se estudem a aplicação de teorias estrangeiras ao nosso mercado.

Na seção 2 serão resumidas as principais teorias já desenvolvidas no tocante ao

desempenho de médio prazo das ofertas públicas iniciais, incluindo qual o

comportamento de médio prazo geralmente identificado e as principais razões apontadas

para este comportamento. Na seção 3 serão apresentadas todas as variáveis a serem

incluídas no estudo, bem como a metodologia de trabalho e de tratamento dos dados. Na

seção 4 serão apresentados os resultados do estudo e a seção 5, por fim, irá concluir

sobre os resultados obtidos.

(11)

2. REVISÃO BIBLIOGRÁFICA

Antes que se inicie a descrição dos trabalhos referentes ao assunto abordado, convém que se realizem as definições de duas expressões recorrentes quando se trata deste tema, no caso underpricing e underperformance. Underpricing é comumente entendido como a diferença entre o preço de fechamento ou abertura de determinado ativo em seu primeiro dia de negociação e o preço de sua oferta inicial, expressa como percentual do preço da oferta. Underperformance, por sua vez, refere-se à obtenção de um retorno de determinado ativo inferior à do benchmark com o qual o ativo está sendo comparado ao final de determinado horizonte de tempo.

O primeiro trabalho relevante acerca do comportamento de longo prazo de ofertas públicas iniciais foi o artigo escrito por Ibbotson (1975), em que foi analisado o comportamento destas ações no período de 1960 a 1969. Em seu estudo, Ibbotson verificou uma relação inversa entre o underpricing inicial das ações e seu desempenho de longo prazo, além de identificar um desempenho médio positivo no primeiro e no quinto ano, e negativo do segundo ao quinto.

A revista Forbes de 2 de dezembro de 1985 teve uma matéria principal com o título

“Why New Issues Are Lousy Investments,” 1 em que divulgaram um estudo com 1992 ofertas iniciais realizadas entre 1975 e 1985 apontando que as ações recém ofertadas estavam 22% abaixo do rendimento do S&P500 até a data da publicação. Ritter (1991) veio reforçar esta visão com um estudo de ofertas públicas iniciais realizadas entre 1975 e 1984 em que constata um desempenho 44% inferior no período de três anos para as ofertas iniciais, em relação a um portfólio de ações semelhantes.

1 “Porque Novas Ofertas São Maus Negócios”, em tradução livre

(12)

Loughran e Ritter (1995) identificam nas ofertas entre 1970 e 1990 um desempenho inferior de novas ofertas de 7,4% ao ano em um período de três anos e 7% ao ano em um período de 5 anos, quando comparadas a ações semelhantes. Servaes e Rajan (1997) identificaram um desempenho de cinco anos 47% inferior ao índice NYSE/AMEX em um estudo com emissões entre 1975 e 1987. Carter, Dark e Singh (1998), por sua vez, identificaram que ofertas públicas iniciais tiveram desempenho 19,9% abaixo deste mesmo índice.

No mercado brasileiro, o estudo de Aggarwal, Leal e Hernandez (1993) realizado no período entre 1980 e 1990 (logo após o surgimento da CVM, em 1978) com 62 empresas apontou para um desempenho 47,0% inferior para as ofertas públicas iniciais num período de 3 anos após a oferta. Este mesmo estudo indicou desempenho 23,7% e 19,6% inferiores para Chile e México, respectivamente. Em outro estudo, Leal (2004) procura verificar no mercado brasileiro a relação proposta inicialmente por Rock (1986) e Beatty e Ritter (1986), segundo a qual o retorno inicial estaria relacionado positivamente com a incerteza ex ante da oferta. Em seu estudo, compreendendo ofertas realizadas entre 1979 e 2002, Leal (2004) constata que o retorno inicial no Brasil apresenta relação positiva com o ROA 2 e negativa com o LTD to Equity 3 nos primeiros dias após a oferta.

No tocante às razões para o desempenho inferior das novas emissões, algumas correntes podem ser encontradas no meio acadêmico. Primeiramente há aqueles que negam sequer a existência da diferença de desempenho, creditando esta diferença a falhas na metodologia de medição, representados mais recentemente por Gompers e Lerner (2003). Estes autores concluem, baseados em um estudo realizado entre 1935 e 1972

2 Return on Assets - lucro antes de impostos e juros dividido pelo total de ativos da companhia

3 Long Term Debt to Equity - dívida de longo prazo dividida pelo patrimônio líquido

(13)

com 3661 ofertas públicas iniciais, que não é possível rejeitar estatisticamente a hipótese de mercados eficientes quando se utilizam regressões nos modelos CAPM e Fama-French (1993).

Há também os defensores de explicações como o custo de agência para explicar o mau desempenho de longo prazo. Jain e Kini (1994) procuram explicar este fenômeno alegando que a redução da propriedade das ações das empresas pela gerência os leva a um distanciamento dos interesses dos acionistas e a gastos supérfluos.

Por fim, um último grupo adota teorias comportamentais e baseadas em expectativas.

Existem defensores de que o desempenho após a emissão possa ser explicado por fatores como a maquiagem dos números antes da emissão (Jain e Kini, 1994) e a identificação por parte da empresa de momentos de otimismo exagerado no mercado para as emissões (Ritter (1991) e Rajan e Servaes (1997)). No entanto, de todas as teorias analisadas nesta linha, a de Miller (1977, 2000) parece ser a que consegue explicar mais fenômenos associados ao desempenho das novas emissões com um arcabouço relativamente simples, da divergência de expectativas.

Miller (1977, 2000) defende que, ceteris paribus, o preço de determinada ação é tanto

maior quanto maior for a divergência de percepção quanto ao seu valor pelos

investidores. O autor relaxa a premissa de expectativas homogêneas normalmente

empregada nos modelos de avaliação de ações e conclui que, num ambiente com

diferentes expectativas para os dividendos futuros e as taxas de desconto, seriam

encontradas diversas avaliações de preço para determinada ação. Pode-se imaginar

então uma curva normal representando a distribuição da opinião dos investidores com

relação ao preço de uma determinada ação (que também pode ser entendida como o

maior preço que os investidores estariam dispostos a pagar por aquela ação), com os

(14)

preços no eixo horizontal e a quantidade de investidores no eixo vertical. Supondo-se então que cada investidor compra apenas uma ação, tem-se que o preço de determinada ação no mercado será o limite esquerdo da área sob a cauda direita da curva quando o número de investidores otimistas for igual à quantidade de ações no mercado. O raciocínio empregado está ilustrado no gráfico 1, conforme proposto por Miller (2000):

Gráfico 1 - Avaliação versus Número de Investidores 4

Partindo desse raciocínio, o autor argumenta que a divergência de percepção com relação ao valor das empresas diminui com o tempo após o IPO, devido a fatores como a criação de um histórico de resultados que facilita previsões futuras. Dessa forma, conforme passa o tempo após a oferta, menores são as divergências de percepção com relação a seu preço e, ceteris paribus, menor seu preço e pior seu desempenho. Em adição a isso, o autor argumenta que quanto maior a incerteza ex ante com relação ao

4 O gráfico apresentado é cópia do apresentado pelo autor em Miller (2000)

(15)

preço, melhor o desempenho inicial, maior o efeito da redução da incerteza no preço futuro e pior seu desempenho de longo prazo.

Esta teoria é capaz de explicar com sucesso fenômenos como a relação direta

documentada entre desempenho de longo prazo e idade (Ritter, 1991), prestígio de

instituições coordenadoras da oferta (underwriters) (Carter et al, 1998), tamanho

(Ritter, 1991), presença de investidores institucionais (Fields, 1995), presença de

investidores institucionais estrangeiros (Aggarwal, Klapper e Wysocky, 2003) e setor

(representada pela previsibilidade de fluxos de caixa em determinada indústria) (Bravo,

1998; Ritter, 1991), e a relação inversa entre desempenho de longo prazo e alto retorno

inicial na data da emissão (underpricing) (Ritter, 1991) e divulgação de fatores de risco

no prospecto (Arnold, Fiche e North, 2006). É possível ainda observar fortes

similaridades entre esta teoria e as teorias de Rock (1983) e Beatty e Ritter (1986), que

defendem uma relação positiva entre o underpricing das ofertas públicas iniciais e a

incerteza ex ante.

(16)

3. METODOLOGIA

3.1. Dados e Tratamento

Inicialmente serão utilizadas para estudo todas as 30 emissões públicas iniciais ocorridas entre 2004, representando o início do novo período de IPOs no Brasil aproveitando o início do período de maior liquidez internacional e a criação dos níveis diferenciados de governança corporativa da Bovespa, e junho de 2006, para que se tenha um período de ao menos um ano entre a emissão e a coleta dos dados. Destas emissões, 11 ocorreram antes de junho de 2005, de forma que apresentam mais de 2 anos de histórico. As 2 emissões ocorridas em 2002, CCR e Sabesp, foram excluídas do estudo porque a primeira foi exclusivamente para investidores institucionais, o que estava causando forte viés aos resultados, e para a segunda, não foi disponibilizado acesso pela empresa às informações necessárias. No entanto, apesar de não serem incluídas nas regressões, suas informações estão presentes a seguir como ilustração da evolução do mercado.

É interessante notar as diferenças entre as emissões identificadas neste estudo e as

utilizadas no estudo de Leal (2004), compreendendo empresas brasileiras que

realizaram suas ofertas iniciais entre 1979 e 1992. Naquele estudo, a mediana da idade

das empresas pré-emissão era de 14 anos, e no período mais recente deste estudo ela é

de 25 anos. O tamanho das empresas realizando ofertas também sofreu aumento

significativo. Enquanto Leal (2004) identificou a mediana dos ativos totais e das

receitas líquidas das empresas analisadas como sendo US$ 11,3 milhões e US$ 11,7

milhões (aproximadamente US$ 20 milhões e US$ 21 milhões em moeda atual), neste

estudo os valores subiram para US$ 272 milhões e US$ 240 milhões respectivamente.

(17)

Outro ponto interessante é o nível de governança das empresas. Enquanto nas emissões estudadas por Leal (2004) geralmente as ações possuíam pouco ou nenhum direito de voto, apenas 12,5% (ou 4 entre 32) das emissões recentes não apresentaram ações com poder de voto.

Ainda a título de comparação da amostra estudada, no mercado dos EUA a quantidade de ofertas é significativamente superior, mas o mesmo não se verifica com relação ao volume médio das emissões, sobretudo nos anos mais recentes, conforme pode ser visto nos gráficos 2 e 3:

Gráfico 2 - Emissões por Mercado em Quantidade 5

0 50 100 150 200 250 300

2002 2003 2004 2005 2006

N ú m e ro d e e m is s õ e s

Mercado dos EUA

Mercado Brasileiro

5 Fonte: Pricewaterhouse Coopers 2006 US IPO Watch e Bovespa.

(18)

Gráfico 3 - Emissões por Mercado em Volume Médio 6

0.0 50.0 100.0 150.0 200.0 250.0 300.0 350.0 400.0

2002 2003 2004 2005 2006

V o lu m e M é d io ( U S $ M M )

Mercado dos EUA

Mercado Brasileiro

Com relação ao período de 1 ano utilizado para o estudo, vale ressaltar que amostra pode vir a viesar os resultados obtidos pois o primeiro ano após a oferta corresponde justamente ao período identificado por Ibbotson (1975) como um período de retorno acima do índice. No entanto, acredita-se que mesmo o retorno sendo anormalmente elevado no primeiro ano, a relação entre os desempenhos das diferentes ofertas não deveria se alterar, de forma que a presente análise comparativa dos diferentes fatores a impactarem o retorno da ação continuaria válida.

Será empregada a metodologia de “buy and hold” empregada em Ritter (1991) para o cálculo do retorno, utilizando como benchmark de desempenho o índice Ibovespa.

Alguns autores sugerem a criação de um benchmark diferente para cada empresa, procurando-se empresas com ativos totais e múltiplos de P/E semelhantes. Esta metodologia não foi utilizada no presente trabalho pela dificuldade de se encontrar, no mercado brasileiro, uma quantidade razoável de empresas semelhantes a cada uma das empresas ofertadas e com liquidez que possibilite a inclusão no índice. Acredita-se ser possível a utilização do Ibovespa diante destas circunstâncias uma vez que o propósito

6 Fonte: Pricewaterhouse Coopers 2006 US IPO Watch e Bovespa. Os valores dos IPOs brasileiros em

dólares foram obtidos através do câmbio médio de cada ano conforme divulgado pelo Banco Central

(19)

da utilização do índice não é medir com precisão o grau de underperformance de ofertas públicas iniciais quando comparadas a empresas semelhantes já em negociação, mas apenas isolar o desempenho da ação do desempenho do mercado (uma empresa que se valorizou em 10% num ano que o mercado perdeu 5% do seu valor foi muito superior a outra que tenha se valorizado os mesmos 10% quando o mercado se valorizou em 30%).

Como variáveis dependentes no estudo, serão utilizadas as variáveis AR1 e AR2, indicando a diferença entre o desempenho de cada uma das ofertas e o desempenho do índice no período determinado, conforme a fórmula:

Equação 1 - Retorno da Ação em Excesso ao Índice

t t i t

i R Rm

AR , = , −

onde AR i , t é o retorno ajustado da ação i pelo índice ao final de t anos após a oferta, R i , t é a diferença do logaritmo dos preços da ação i ao final de t anos após a oferta e no fechamento do primeiro dia de negociação, ajustados em dividendos, agrupamentos e divisões de ações, e Rm t é a diferença do logaritmo dos preços do índice Ibovespa t anos após a oferta e no fechamento do dia da oferta, ajustados em dividendos, agrupamentos e divisões de ações.

O retorno ajustado pelo índice das ofertas iniciais após um ano se distribui conforme o

gráfico 4:

(20)

0 1 2 3 4 5 6 7 8 9

-1.0 -0.5 0.0 0.5 1.0

Série: AR1 Observações 30

Média 0.084761 Mediana 0.099677 Máximo 0.850718 Mínimo -1.128070 Desv Pad 0.464550 Assimetria -0.815242 Curtose 3.649107 Jarque-Bera 3.849770 Probabilidade 0.145893

Considerando-se o período de 2 anos, o comportamento se altera conforme o gráfico 5:

Gráfico 5 - Distribuição de AR2

0 1 2 3 4 5 6

-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5

Série: AR2 Observações 11

Média 0.218909 Mediana 0.455955 Máximo 1.045731 Mínimo -1.162724 Desv Pad 0.691576 Assimetria -1.143840 Curtose 3.098448 Jarque-Bera 2.403121 Probabilidade 0.300725

Na tabela 1 pode-se visualizar o retorno de 1 e 2 anos das ações em função do período da emissão:

Gráfico 4 - Distribuição de AR1

(21)

Tabela 1 - Emissões por Período Ano da

emissão

Número de emissões

Média de AR1

Média de AR2

Mediana de AR1

Mediana

de AR2 Volume Total

2002 2 -36,9% -13,5% -36,9% -13,5% 431.913.606,00

2004 7 -0,6% 17,5% 8,2% 42,3% 4.487.065.024,31

2005 7 11 17,2% 29,7% 41,8% 65,2% 7.235.539.410,50

2006 8 12 5,2% n/d 2,9% n/d 6.431.861.022,50

Pela simples observação dos dados tabelados, é possível verificar que, em sua maioria, as novas emissões superam o desempenho do índice nos períodos de 1 e 2 anos após a oferta. No entanto, para que se possa afirmar com certeza estatística que as novas ofertas apresentam desempenho superior ceteris paribus, seria necessários uma maior massa de dados e possivelmente a utilização de uma diferente medida de benchmark, o que não será feito aqui, mas fica como sugestão para trabalhos futuros.

3.2. Variáveis estudadas

Serão apresentadas e examinadas individualmente a seguir todas as variáveis a serem utilizadas na análise estatística para explicação do desempenho de médio prazo das ofertas públicas iniciais.

3.2.1. Percentual do capital oferecido

Jain e Kini (1994) apresentam a teoria do custo de agência como uma das explicações possíveis para o desempenho inferior das ofertas iniciais no longo prazo, alegando que os interesses da gerência da empresa após a oferta estariam menos alinhados com os

7 Os valores de AR2 para 2005 contemplam somente as ofertas realizadas até 30/jun/2005, pois somente estas apresentam 2 anos de histórico até a conclusão deste trabalho.

8 Contempla comente emissões ocorridas até 30/jun/2006

(22)

interesses dos acionistas pela diluição de sua participação no capital da empresa. Dessa forma, este trabalho inclui a variável PERC, representando o percentual do capital da empresa ofertado (o valor da oferta dividido pelo patrimônio líquido da empresa após a oferta). Espera-se, assim, que quanto menor for o percentual de capital ofertado, menor será a diluição da participação da gerência no capital da empresa, menores serão os custos de agência após a oferta, e conseqüentemente melhor será o desempenho de longo prazo. Dessa forma, acredita-se que a variável PERC deverá apresentar um coeficiente negativo.

No gráfico 6 pode ser vista a distribuição de elementos desta variável na amostra:

Gráfico 6 - Distribuição de PERC

0 1 2 3 4 5 6 7 8 9

0.2 0.4 0.6 0.8 1.0

Séries: PERC Observações 30

Média 0.413165 Mediana 0.356004 Máximo 1.000000 Mínimo 0.105207 Desv Pad 0.234812 Assimetria 1.268585 Curtose 3.820241 Jarque-Bera 8.887537 Probabilidade 0.011752

Vale reparar que o máximo da distribuição é valor 1, ou 100%, representando a emissão

realizada pelas Lojas Renner. Tal se verificou pois esta emissão foi tanto primária

quanto secundária, de modo que todo o capital da empresa esteve disponível ao

mercado.

(23)

3.2.2. Tamanho da oferta

Ritter (1991) defende que o volume da oferta é uma variável associada ao seu desempenho de longo prazo. Para controlar este fator será utilizada a variável LNSIZE, representando o logaritmo neperiano do valor arrecadado na oferta inicial da empresa.

Adicionalmente, as firmas com maiores volumes ofertados em bolsa geralmente são aquelas mais bem estabelecidas, gerando uma menor divergência com relação ao seu preço e um melhor desempenho de longo prazo. Na amostra examinada, foram encontradas correlações de 53% e 62% respectivamente entre o volume da oferta e a receita líquida e entre o volume da oferta e o patrimônio líquido da empresa, fatores identificados por Miller (1977,2000) como estimadores para o quão bem estabelecida uma empresa estaria. Espera-se assim um coeficiente positivo para esta variável.

As distribuições de SIZE e LNSIZE se verificam conforme exibido nos gráficos 7 e 8:

Gráfico 7 - Distribuição de SIZE (MM)

0 1 2 3 4 5 6 7

0 200 400 600 800 1000 1200

Série: SIZE_MM Observações 30

Média 605.1488

Mediana 565.8444

Máximo 1184.703

Mínimo 16.00000

Desv Pad 256.7976

Assimetria 0.074454

Curtose 2.713551

Jarque-Bera 0.130283

Probabilidade 0.936935

(24)

Gráfico 8 - Distribuição de LNSIZE

0 2 4 6 8 10 12

17 18 19 20 21

Série: LNSIZE Observações 30

Média 20.06227 Mediana 20.15336 Máximo 20.89276 Mínimo 16.58810 Desv Pad 0.761875 Assimetria -3.230545 Curtose 15.59738 Jarque-Bera 250.5495 Probabilidade 0.000000

3.2.3. Tempo de operação da empresa

Ainda de acordo com a teoria de Miller (1977,2000), pretende-se incluir a variável AGE, indicando a idade da empresa em anos desde sua fundação (ou desde o momento que migrou para o ramo de negócios atual, ou ainda o momento em que profissionalizou sua atividade, o que for mais recente, definidos arbitrariamente). Acredita-se que quanto maior a idade de determinada empresa, maior o conhecimento que os investidores possuem sobre suas atividades, melhores as projeções sobre seus fluxos de caixa futuros, menores as divergências de expectativas para seu valor e melhor seu desempenho de longo prazo, o que levaria a se esperar um coeficiente positivo para esta variável.

Conforme pode ser visto pelo histograma e estatísticas descritivas no gráfico 9, a idade

média das empresas brasileiras no momento da emissão é bastante superior à média

americana de 7 anos, conforme registrado por Ritter (2003).

(25)

Gráfico 9 - Distribuição de AGE

0 2 4 6 8 10

0 20 40 60 80 100

Série: AGE Observações 30

Média 29.40000 Mediana 25.00000 Máximo 93.00000 Mínimo 0.000000 Desv Pad 26.23974 Assimetria 1.183794 Curtose 3.622869 Jarque-Bera 7.491800 Probabilidade 0.023614

É interessante perceber que o valor mínimo da distribuição é zero. Este valor se refere à emissão realizada pela BrasilAgro, que ainda não operava antes da oferta. A oferta foi realizada justamente para o levantamento de capital para o início das atividades da empresa.

3.2.4. Reputação de instituições emissoras

Carter et al (1998) concluem em seu trabalho que as ofertas iniciais conduzidas por

instituições de maior prestígio possuem um desempenho de longo prazo superior às

demais, através de três diferentes índices de medição de reputação propostos por

Megginson e Weiss (1991), Johnson e Miller (1988) e Carter e Manaster (1990). Os

autores provam que apenas o índice de Carter e Manaster foi significativo quando todos

os três são utilizados simultaneamente, além de apresentar o maior t de teste em módulo

entre os três nas regressões realizadas.

(26)

Para o presente estudo foi criado um índice próprio baseado no modelo Megginson e Weiss. O índice REPUT para cada emissão será a média do market share dos bancos que coordenaram a emissão em questão. Para o cálculo deste market share, foram utilizados os dados de cada oferta presentes nos prospectos, indicando as instituições responsáveis pela coordenação cada emissão e o valor de cada oferta. De posse destas informações, foi possível determinar do market share de cada instituição, distribuindo- se o valor de cada emissão pelas instituições envolvidas.

Na tabela 2 podem ser verificados os bancos e instituições participantes da coordenação das emissões analisadas, bem como o market share de cada um neste período:

Tabela 2 - Instituições Emissoras e Market Share Banco Mkt Share

CSFB 28.52%

Pactual 20.10%

UBS 13.43%

Itaú BBA 9.44%

Merril Lynch 9.18%

Morgan Stanley 6.52%

Unibanco 5.88%

Citibank 3.52%

Santander 1.79%

BES 0.76%

ABN 0.76%

Outros 9 0.09%

Não foi possível utilizar os modelos prontos conforme apresentados, pois nenhum deles apresenta dados para o mercado brasileiro que permita sua pronta utilização. Acredita-se que a alternativa proposta é uma simplificação eficaz, por sua capacidade de identificar os emissores de melhor reputação simplesmente como aqueles que foram responsáveis por um maior volume de emissões, e espera-se um coeficiente positivo para o coeficiente desta variável.

9 Elite CCVM, Fator CV, Gradual CCTVM, Isoldi CVM, Sagres DTVM, Spinelli CVMC e Título CV,

participantes apenas da oferta da Renar Maçãs.

(27)

A distribuição final do índice de reputação conforme foi calculado pode ser verificada no gráfico 10:

Gráfico 10 - Distribuição de REPUT

0 1 2 3 4 5 6 7 8

0.00 0.05 0.10 0.15 0.20 0.25 0.30

Série: REPUT Observações 30

Média 0.164489 Mediana 0.157037 Máximo 0.285211 Mínimo 0.000861 Desv Pad 0.084560 Assimetria -0.211383 Curtose 2.194087 Jarque-Bera 1.035284 Probabilidade 0.595924

3.2.5. Percentual de investidores institucionais

Em Fields (1995), a autora defende que ofertas iniciais com uma maior proporção de

capital de investidores institucionais apresentam retornos de longo prazo superiores. A

autora procura explicar este fenômeno pela tendência destes investidores a investir mais

conservadoramente (investindo, por exemplo, em ofertas de bancos com melhores

reputações, firmas mais antigas, maiores etc.), o que se encaixa perfeitamente com a

teoria de Miller (1977,2000). Investimentos mais conservadores possuem menor

incerteza ex ante, expectativas de valor mais homogêneas e uma menor

underperformance de longo prazo. Utilizou-se a variável INSTINV para medir este

fenômeno, representando o percentual de capital da oferta adquirdo por investidores

(28)

institucionais 10 , conforme divulgado pela CBLC. É de se esperar, dessa forma, que a variável INSTINV possua coeficiente positivo.

A distribuição da variável INSTINV entre os elementos estudados se dá conforme o gráfico 11:

Gráfico 11 - Distribuição de INSTINV

0 2 4 6 8 10 12 14

0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7

Série: INSTINV Observações 30

Média 0.189089 Mediana 0.188853 Máximo 0.724222 Mínimo 0.016053 Desv Pad 0.116664 Assimetria 3.103971 Curtose 16.18811 Jarque-Bera 265.5811 Probabilidade 0.000000

3.2.6. Percentual de investidores estrangeiros

Aggarwal, Klapper e Wysocky (2003) identificarem em seu estudo uma relação positiva entre o investimento de investidores institucionais estrangeiros nos IPOs de empresas em mercados emergentes e boas práticas de governança corporativa nessas empresas e um ambiente de negócios favorável no país em que essas empresas estão inseridas.

10 Seria interessante que se utilizasse para esta variável a presença institucional alguns dias após a

emissão, e não no primeiro dia de negociação, conforme realizado por Fields (1995), para que se

retirassem do estudo os investidores institucionais que apenas compraram a ação em seu primeiro dia de

negociação e a venderam em seguida. Estes dados, contudo, não estavam disponíveis junto à Bovespa até

o momento da realização deste trabalho.

(29)

Na falta do dado preciso de alocação de investidores institucionais estrangeiros, parece interessante procurar descobrir ao menos a influência da presença de investidores estrangeiros como um todo no desempenho de longo prazo dos IPOs brasileiros. Foi criada então a variável FI, representando o percentual da oferta global adquirido por investidores estrangeiros, para a medição da influência deste fator, e espera-se que seu coeficiente seja positivo.

A distribuição de FI pode ser vista no gráfico 12:

Gráfico 12 - Distribuição de FI

0 2 4 6 8 10 12 14

0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9

Série: FI Observações 30

Média 0.663333 Mediana 0.718105 Máximo 0.866617 Mínimo 0.052089 Desv Pad 0.190286 Assimetria -1.735860 Curtose 5.417247 Jarque-Bera 22.36989 Probabilidade 0.000014

3.2.7. Comunicação de fatores de risco

Em um trabalho recente, Arnold, Fishe e North (2006) examinam a influência dos

fatores de risco contidos nos prospectos das ofertas iniciais em seu desempenho inicial e

de longo prazo. Os autores identificam como variáveis explicativas do retorno de longo

prazo o número de fatores de risco levantados no prospecto e a razão entre o número de

palavras utilizadas no prospecto na seção de fatores de risco e três diferentes grupos de

(30)

seções do prospecto, e incluem como variável de controle o número médio de palavras por fator de risco (para ajustar prospectos com muitos riscos levantados mas insuficientemente explicados). Neste estudo, para o período de 1 ano conforme está sendo analisado, os autores verificam que todas as variáveis explicativas são negativas e a variável de controle é positiva, com significâncias entre 1 e 10%.

Para o presente trabalho, serão utilizadas as variáveis RISKS, representando o número de fatores de risco enumerados no prospecto; RR1, representando a razão entre o número de palavras na seção de fatores de risco e o número de palavras no prospecto;

RR2, representando a razão entre o número de palavras na seção de fatores de risco e o número de palavras nas seções sumário, fatores de risco, destinação dos recursos, diluição, informações financeiras selecionadas, análise e discussão da administração sobre a situação financeira e informações sobre a companhia; RR3, representando a razão entre o número de palavras na seção de fatores de risco e o número de palavras nas seções sumário, fatores de risco, destinação dos recursos e informações sobre a companhia; e ARRF, representando a média de palavras por número de fatores de risco.

A distribuição dos 5 fatores de risco estudados pode ser vista no gráfico 13 a seguir:

(31)

Gráfico 13 - Distribuição dos Fatores de Risco

0 2 4 6 8 10

160 180 200 220 240 260

Série: ARRF Observações 30 Média 217.4195 Mediana 216.2615 Máximo 260.5600 Mínimo 165.0000 Desv Pad 19.68928 Assimetria -0.206317 Curtose 3.527063 Jarque-Bera 0.560078 Probabilidade 0.755754 0

1 2 3 4 5 6 7 8

0.02 0.04 0.06 0.08 0.10

Série: RR1 Observações 30 Média 0.048213 Mediana 0.049012 Máximo 0.096877 Mínimo 0.016483 Desv Pad 0.019659 Assimetria 0.669955 Curtose 3.059952 Jarque-Bera 2.248694 Probabilidade 0.324865 0

2 4 6 8 10 12

5 10 15 20 25 30 35 40 45 50

Série: RISKS Observações 30 Média 25.93333 Mediana 25.00000 Máximo 47.00000 Mínimo 7.000000 Desv Pad 8.224997 Assimetria 0.481457 Curtose 3.719130 Jarque-Bera 1.805441 Probabilidade 0.405465

0 2 4 6 8 10

0.05 0.10 0.15 0.20 0.25

Série: RR2 Observações 30 Média 0.123638 Mediana 0.106418 Máximo 0.271896 Mínimo 0.073269 Desv Pad 0.048256 Assimetria 1.711092 Curtose 5.678278 Jarque-Bera 23.60564 Probabilidade 0.000007

0 1 2 3 4 5 6 7 8 9

0.10 0.15 0.20 0.25 0.30 0.35 0.40 Série: RR3 Observações 30 Média 0.188221 Mediana 0.169198 Máximo 0.376454 Mínimo 0.110067 Desv Pad 0.060232 Assimetria 1.401790 Curtose 4.753969 Jarque-Bera 13.67058 Probabilidade 0.001075

0 2 4 6 8 10

160 180 200 220 240 260

Série: ARRF Observações 30 Média 217.4195 Mediana 216.2615 Máximo 260.5600 Mínimo 165.0000 Desv Pad 19.68928 Assimetria -0.206317 Curtose 3.527063 Jarque-Bera 0.560078 Probabilidade 0.755754 0

1 2 3 4 5 6 7 8

0.02 0.04 0.06 0.08 0.10

Série: RR1 Observações 30 Média 0.048213 Mediana 0.049012 Máximo 0.096877 Mínimo 0.016483 Desv Pad 0.019659 Assimetria 0.669955 Curtose 3.059952 Jarque-Bera 2.248694 Probabilidade 0.324865 0

2 4 6 8 10 12

5 10 15 20 25 30 35 40 45 50

Série: RISKS Observações 30 Média 25.93333 Mediana 25.00000 Máximo 47.00000 Mínimo 7.000000 Desv Pad 8.224997 Assimetria 0.481457 Curtose 3.719130 Jarque-Bera 1.805441 Probabilidade 0.405465

0 2 4 6 8 10

0.05 0.10 0.15 0.20 0.25

Série: RR2 Observações 30 Média 0.123638 Mediana 0.106418 Máximo 0.271896 Mínimo 0.073269 Desv Pad 0.048256 Assimetria 1.711092 Curtose 5.678278 Jarque-Bera 23.60564 Probabilidade 0.000007

0 1 2 3 4 5 6 7 8 9

0.10 0.15 0.20 0.25 0.30 0.35 0.40 Série: RR3 Observações 30 Média 0.188221 Mediana 0.169198 Máximo 0.376454 Mínimo 0.110067 Desv Pad 0.060232 Assimetria 1.401790 Curtose 4.753969 Jarque-Bera 13.67058 Probabilidade 0.001075

3.2.8. Retorno no primeiro dia

As teorias referentes à relação entre o retorno de determinada ação no primeiro dia de negociação e seu retorno de longo prazo são controversas. Enquanto Ritter (1991) defende uma relação negativa entre retornos de primeiro dia e retornos de longo prazo das emissões iniciais, autores como Krigman, Shaw e Womack (1999) fornecem evidência do contrário, à exceção de ofertas “extra-hot”, em mercados muito aquecidos.

Ljungqvist, Nanda e Singh (2003) estudam esta contradição e afirmam que a relação

entre o retorno inicial e o retorno de longo prazo somente é negativo quando a

(32)

probabilidade de término do período de “hot market” vivenciado no momento da oferta inicial é pequena (o que poderia se encaixar como um “extra-hot” market na teoria de Krigman, Shaw e Womack (1999)).

Para a medição da influência deste fator, foi criada a variável AR0, representando a diferença entre o retorno da ação entre o preço da oferta e o fechamento do primeiro dia de negociação e o retorno do Ibovespa entre o fechamento da véspera e o fechamento no primeiro dia de negociação.

Para este trabalho, consideraremos a visão de Ritter (1991), visto que ela ainda é suportada pela teoria de Miller (1977, 2000), segundo a qual quanto maior a incerteza com relação à empresa no momento da emissão, maior o retorno inicial e pior o retorno de longo prazo, de modo que se espera um coeficiente de AR0 negativo. Caso essa hipótese venha a ser comprovada pelos dados, e supondo que a teoria de Ljungqvist, Nanda e Singh (2003) se aplique ao Brasil, poder-se-ia concluir que a expectativa geral do mercado é que a probabilidade de término do “hot market” no Brasil é pequena (o que encontra apoio na realidade, já que a onda recente de emissões começou em 2002- 2004 e até o presente momento, em meados de 2007, está se fortalecendo crescentemente).

No gráfico 14 encontram-se a distribuição de AR0 e suas estatísticas descritivas:

(33)

Gráfico 14 - Distribuição de AR0

0 1 2 3 4 5 6

0.0 0.1 0.2

Série: AR0 Observações 30

Média 0.074976 Mediana 0.076431 Máximo 0.253894 Mínimo -0.074119 Desv Pad 0.078993 Assimetria 0.128342 Curtose 2.451964 Jarque-Bera 0.457787 Probabilidade 0.795413

3.2.9. Indústria

Para este estudo foram incluídas ainda variáveis dummy representando as 6 diferentes categorias mais abrangentes de indústrias que realizaram ofertas no período estudado, conforme categorizadas pela Bovespa (o setor Utilidade Pública não possui variável dummy, sendo aquele contra cujo desempenho os desempenhos das ofertas dos demais setores são comparados). Ritter (1991) apontou em seu estudo que todas as indústrias em sua análise tiveram desempenho de longo prazo inferior ao índice de comparação exceto aquelas pertencentes às indústrias “Instituições Financeiras”, “Farmacêutica” e

“Companhias Aéreas” 11 . Ainda não se sabe se no presente estudo será possível identificar coeficientes significativos para as indústrias analisadas, não necessariamente pela existência ou não de relação, mas pela quantidade de empresas em cada setor, que pode não ser capaz de gerar informação estatisticamente significante para as magnitudes

11 Vale notar que as categorias utilizadas para o estudo de Ritter (1991) são diferentes das do presente

estudo, com possível diferença também entre o perfil das companhias em cada setor no mercado

americano e brasileiro, além da quantidade de ofertas em cada um dos setores.

(34)

de diferenças de desempenho porventura observadas. Como algumas indústrias possuem, por sua própria natureza, uma maior previsibilidade de ganhos e um maior consenso quanto ao modelo de apreçamento, segundo Miller (1977 e 2000), estas devem apresentar também um menor underpricing de longo prazo, de forma que é necessária a inclusão destas variáveis para que se possa isolar este efeito dos demais.

A freqüência das emissões estudadas em cada uma das categorias de indústria empregadas pode ser observada no gráfico 15:

Gráfico 15 - Distribuição de Indústria

0 1 2 3 4 5 6 7 8

Bens Indus triais

Cons trução e Trans porte

Cons um o Cíclico

Cons um o Não Cíclico

Financeiro e Outros

Tecnologia da Inform ação

Utilidade

Pública

(35)

4. RESULTADOS

4.1. Análises Estatísticas Univariadas

Para a verificação da influência das variáveis apresentadas, será realizada inicialmente uma análise univariada de cada uma das variáveis apresentadas contra as variáveis dependentes AR1 e AR2.

Na tabela 3 se observa inicialmente os valores de média, mediana, mínimo e máximo de AR1 observados em cada quartil das variáveis independentes ou cada uma das indústrias:

Tabela 3 - Tabulação das Variáveis Independentes

Intervalo Ofertas Média de AR1 Mediana de AR1 Mín AR1 Máx AR1 10,5% - 25,1% (25% percentil) 7 -10,5% 8,2% -112,8% 77,2%

25,1% - 35,6% (mediana) 8 9,9% 9,0% -87,0% 77,9%

35,6% - 47% (75% percentil) 8 11,7% 24,3% -60,8% 53,4%

P E R C

47% - 100% (maior) 7 24,4% 17,9% -10,4% 85,1%

16,6 - 19,9 (25% percentil) 7 -6,2% 8,5% -112,8% 77,9%

19,9 - 20,2 (mediana) 8 23,6% 30,8% -14,4% 77,2%

20,2 - 20,5 (75% percentil) 8 -13,9% -7,2% -87,0% 42,8%

L N S IZ E

20,5 - 20,9 (maior) 7 35,8% 31,4% 4,8% 85,1%

0 - 9 (25% percentil) 7 9,0% -7,0% -13,4% 53,4%

9 - 25 (mediana) 8 2,4% 19,4% -87,0% 49,4%

25 - 41 (75% percentil) 8 20,2% 28,9% -112,8% 77,9%

A G E

41 - 93 (maior) 7 20,6% 11,9% -14,4% 85,1%

0,1% - 10,8% (25% percentil) 7 -10,1% 5,5% -112,8% 27,7%

10,8% - 15,7% (mediana) 8 -0,3% 6,5% -87,0% 77,2%

15,7% - 23,5% (75% percentil) 8 21,9% 30,8% -80,4% 77,9%

R E P U T

23,5% - 28,5% (maior) 7 26,6% 46,1% -60,8% 85,1%

1,6% - 15,2% (25% percentil) 7 6,1% 4,7% -112,8% 85,1%

15,2% - 18,9% (mediana) 8 6,7% 25,5% -80,4% 77,2%

18,9% - 21,1% (75% percentil) 8 13,8% 11,9% -13,4% 49,4%

IN S T IN V

21,1% - 72,4% (maior) 7 6,4% 18,1% -87,0% 53,4%

5,2% - 64,7% (25% percentil) 7 -9,3% 5,5% -112,8% 27,7%

64,7% - 71,8% (mediana) 8 -8,2% 11,9% -87,0% 31,1%

71,8% - 77,4% (75% percentil) 8 33,9% 42,3% -7,3% 77,2%

F I

77,4% - 86,7% (maior) 7 13,7% -2,8% -60,8% 85,1%

7 - 20 (25% percentil) 7 1,9% 20,9% -112,8% 77,9%

20 - 25 (mediana) 8 5,0% 8,5% -14,4% 77,2%

25 - 30 (75% percentil) 8 17,7% 18,0% -7,0% 85,1%

R IS K S

30 - 47 (maior) 7 -4,3% -1,3% -87,0% 42,8%

(36)

Tabela 3 - Tabulação das Variáveis Independentes (cont)

Intervalo Ofertas Média de AR1 Mediana de AR1 Mín AR1 Máx AR1

1,6% - 3% (25% percentil) 7 5,5% 12,4% -112,8% 77,2%

3% - 4,9% (mediana) 8 14,4% 19,3% -87,0% 77,9%

4,9% - 5,5% (75% percentil) 8 13,8% 19,6% -60,8% 85,1%

R R 1

5,5% - 9,7% (maior) 7 -6,9% -2,8% -80,4% 53,4%

7,3% - 9,3% (25% percentil) 7 14,8% 20,9% -80,4% 77,9%

9,3% - 10,6% (mediana) 8 -2,9% 6,5% -112,8% 77,2%

10,6% - 13,5% (75% percentil) 8 -2,4% 16,2% -87,0% 31,3%

R R 2

13,5% - 27,2% (maior) 7 31,3% 36,9% -14,4% 85,1%

11% - 14,5% (25% percentil) 7 -3,4% 8,5% -112,8% 49,4%

14,5% - 16,9% (mediana) 8 11,9% 20,8% -80,4% 77,9%

16,9% - 20,5% (75% percentil) 8 10,3% 5,1% -87,0% 30,4%

R R 3

20,5% - 37,6% (maior) 7 31,3% 36,9% -14,4% 85,1%

165 - 207 (25% percentil) 7 4,7% 11,4% -112,8% 77,9%

207 - 216 (mediana) 8 -8,1% 0,6% -87,0% 85,1%

216 - 232 (75% percentil) 8 13,2% 21,3% -60,8% 53,4%

A R R F

232 - 261 (maior) 7 24,9% 16,6% -7,3% 77,2%

-7,4% - 2,4% (25% percentil) 7 29,1% 42,8% -112,8% 77,9%

2,4% - 7,6% (mediana) 8 -6,6% -7,1% -14,4% 85,1%

7,6% - 13,2% (75% percentil) 8 3,7% 17,5% -80,4% 41,8%

A R 0

13,2% - 25,4% (maior) 7 5,3% 16,7% -87,0% 49,4%

Bens Industriais 3 -14,7% -14,4% -60,8% 31,3%

Construção e Transporte 7 20,2% 8,5% -13,4% 77,2%

Consumo Cíclico 5 33,4% 53,4% -80,4% 85,1%

Consumo Não Cíclico 4 -3,3% 28,9% -112,8% 41,8%

Financeiro e Outros 4 14,1% 11,9% -10,4% 42,8%

Tecnologia da Informação 3 -17,3% 4,7% -87,0% 30,4%

IN D Ú S T R IA

Utilidade Pública 4 -0,3% -1,1% -7,3% 8,2%

Pela observação preliminar dos dados da tabela acima, já é possível identificar alguma relação entre as variáveis descritas. Nota-se uma clara relação crescente entre AR1 e as variáveis PERC, REPUT, FI e RR3 e um claro desempenho superior das indústrias de Construção e Transporte, Consumo Cíclico e Financeiro e Outros quando comparadas às indústrias de Bens Industriais e Utilidade Pública.

Em seguida, são ilustradas no gráfico 12 regressões univariadas para as variáveis

independentes contra AR1 (as variáveis dummy foram omitidas):

(37)

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

0.0 0.2 0.4 0.6 0.8 1.0

PERC

AR1

AR1 vs. PERC

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

16 17 18 19 20 21

LNSIZE

AR1

AR1 vs. LNSIZE

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

0 20 40 60 80 100

AGE

AR1

AR1 vs. AGE

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3

REPUT

AR1

AR1 vs. REPUT

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3 .4 .5 .6 .7 .8 INSTINV

AR1

AR1 vs. INSTINV

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3 .4 .5 .6 .7 .8 .9 FI

AR1

AR1 vs. FI

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

0 10 20 30 40 50

RISKS

AR1

AR1 vs. RISKS

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.00 .02 .04 .06 .08 .10

RR1

AR1

AR1 vs. RR1

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.05 .10 .15 .20 .25 .30

RR2

AR1

AR1 vs. RR2

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.1 .2 .3 .4

RR3

AR1

AR1 vs. RR3

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

160 180 200 220 240 260 280

ARRF

AR1

AR1 vs. ARRF

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28 AR0

AR1

AR1 vs. AR0 -1.2

-0.8 -0.4 0.0 0.4 0.8 1.2

0.0 0.2 0.4 0.6 0.8 1.0

PERC

AR1

AR1 vs. PERC

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

16 17 18 19 20 21

LNSIZE

AR1

AR1 vs. LNSIZE

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

0 20 40 60 80 100

AGE

AR1

AR1 vs. AGE

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3

REPUT

AR1

AR1 vs. REPUT

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3 .4 .5 .6 .7 .8 INSTINV

AR1

AR1 vs. INSTINV

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3 .4 .5 .6 .7 .8 .9 FI

AR1

AR1 vs. FI

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

0 10 20 30 40 50

RISKS

AR1

AR1 vs. RISKS

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.00 .02 .04 .06 .08 .10

RR1

AR1

AR1 vs. RR1

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.05 .10 .15 .20 .25 .30

RR2

AR1

AR1 vs. RR2

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.1 .2 .3 .4

RR3

AR1

AR1 vs. RR3

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

160 180 200 220 240 260 280

ARRF

AR1

AR1 vs. ARRF

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28 AR0

AR1

AR1 vs. AR0

Por fim, se observam na tabela 4 os resultados numéricos de cada uma das regressões (os valores apresentados em negrito são estatisticamente significantes a 10% de

Gráfico 16 - Regressões das Variáveis Independentes contra AR1

(38)

confiança, utilizando os erros padrão corrigidos para heteroscedasticidade pelo método de White):

Tabela 4 - Resultado das Regressões Univariadas contra AR1

PERC LNSIZE AGE REPUT INSTINV FI AR0 RISKS RR1 RR2 RR3 ARRF IND CT CICL NCICL FIN TI Coef Intercepto -0.13 -5.39 0.02 -0.24 0.03 -0.59 0.11 -0.18 0.04 -0.02 -0.23 -1.77 0.09 0.05 0.03 0.10 0.11 0.10 Coef Variável 0.53 0.27 0.00 1.99 0.30 1.02 -0.28 0.01 0.86 0.88 1.65 0.01 -0.07 0.15 0.30 -0.14 -0.19 -0.15 P-valor Intercepto 49% 0% 87% 20% 88% 8% 43% 64% 87% 91% 40% 11% 34% 64% 68% 24% 26% 26%

P-valor Variável 15% 0% 42% 6% 67% 4% 79% 45% 85% 57% 19% 8% 65% 34% 31% 69% 31% 69%

R2 Ajustado 0.04 0.17 -0.02 0.10 -0.03 0.15 -0.03 0.00 -0.03 -0.03 0.01 0.10 -0.03 -0.02 0.03 -0.03 -0.01 -0.03

Das 12 variáveis estudadas com sinais previstos, 5 não apresentaram um coeficiente com o sinal esperado (PERC, RISKS, RR1, RR2 e RR3), nenhuma das quais estatisticamente significativa a 10% ou com R2 ajustado superior a 5%. Todos os coeficientes significativos a 10% apresentaram o sinal esperado, no caso LNSIZE, REPUT, FI e ARRF. Nas regressões múltiplas conclusões mais precisas poderão ser tiradas a respeito destes coeficientes.

No gráfico 17 se observam as mesmas regressões contra AR2 (as variáveis dummy

foram omitidas):

(39)

Gráfico 17 – Regressões das Variáveis Independentes contra AR2

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.1 .2 .3 .4 .5

PERC

AR2

AR2 vs. PERC

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

16 17 18 19 20 21

LNSIZE

AR2

AR2 vs. LNSIZE

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

0 20 40 60 80 100

AGE

AR2

AR2 vs. AGE

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3

REPUT

AR2

AR2 vs. REPUT

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3

INSTINV

AR2

AR2 vs. INSTINV

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3 .4 .5 .6 .7 .8 .9 FI

AR2

AR2 vs. FI

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

5 10 15 20 25 30 35

RISKS

AR2

AR2 vs. RISKS

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.00 .02 .04 .06 .08 .10

RR1

AR2

AR2 vs. RR1

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.05 .10 .15 .20 .25 .30

RR2

AR2

AR2 vs. RR2

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.1 .2 .3 .4

RR3

AR2

AR2 vs. RR3

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

160 170 180 190 200 210 220 230 240 250 ARRF

AR2

AR2 vs. ARRF

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

-.1 .0 .1 .2

AR0

AR2

AR2 vs. AR0 -1.2

-0.8 -0.4 0.0 0.4 0.8 1.2

.1 .2 .3 .4 .5

PERC

AR2

AR2 vs. PERC

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

16 17 18 19 20 21

LNSIZE

AR2

AR2 vs. LNSIZE

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

0 20 40 60 80 100

AGE

AR2

AR2 vs. AGE

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3

REPUT

AR2

AR2 vs. REPUT

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3

INSTINV

AR2

AR2 vs. INSTINV

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.0 .1 .2 .3 .4 .5 .6 .7 .8 .9 FI

AR2

AR2 vs. FI

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

5 10 15 20 25 30 35

RISKS

AR2

AR2 vs. RISKS

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.00 .02 .04 .06 .08 .10

RR1

AR2

AR2 vs. RR1

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.05 .10 .15 .20 .25 .30

RR2

AR2

AR2 vs. RR2

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

.1 .2 .3 .4

RR3

AR2

AR2 vs. RR3

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

160 170 180 190 200 210 220 230 240 250 ARRF

AR2

AR2 vs. ARRF

-1.2 -0.8 -0.4 0.0 0.4 0.8 1.2

-.1 .0 .1 .2

AR0

AR2

AR2 vs. AR0

Na tabela 5 se observam os resultados numéricos das regressões contra AR2 (os valores

apresentados em negrito são estatisticamente significantes a 10% de confiança,

utilizando os erros padrão corrigidos para heteroscedasticidade pelo método de White):

(40)

Tabela 5 - Resultado das Regressões Univariadas contra AR2

PERC LNSIZE AGE REPUT INSTINV FI AR0 RISKS RR1 RR2 RR3 ARRF CT CICL NCICL FIN Coef Intercepto -0.39 -6.31 0.42 -0.44 -0.17 -0.76 0.36 -1.06 -0.24 -0.11 -0.37 -2.87 0.12 0.20 0.37 0.18 Coef Variável 2.38 0.33 -0.01 4.30 2.37 1.74 -2.40 0.06 9.51 2.78 3.26 0.01 0.36 0.07 -0.57 0.39 P-valor Intercepto 38% 1% 7% 33% 83% 9% 18% 14% 67% 83% 48% 15% 69% 35% 11% 45%

P-valor Variável 7% 1% 18% 10% 57% 1% 31% 4% 33% 28% 8% 10% 23% 91% 26% 12%

R2 Ajustado 0.03 0.21 -0.06 0.18 -0.04 0.30 -0.04 0.21 -0.01 -0.06 0.01 0.13 -0.04 -0.11 0.05 -0.08

Nas regressões univariadas utilizando os retornos de 2 anos após as ofertas, apenas os coeficientes das variáveis PERC, AGE, RISKS, RR1, RR2 e RR3 apresentaram os sinais contrários às previsões da bibliografia, dos quais PERC, RISKS e RR3 foram ainda significativos a 10%. Os sinais destas variáveis precisarão ser acompanhados nas regressões múltiplas mais adiante.

Apesar de os retornos de 2 anos serem potencialmente mais representativos do desempenho de longo prazo das ações, por possuírem menor susceptibilidade a eventos não-sistêmicos pontuais, acredita-se que o menor número de elementos da amostra (11 contra 30 nas regressões de AR1) tenha prejudicado as regressões apresentadas.

Somente a título de curiosidade, já que este não é o foco do estudo, decidiu-se examinar

também a relação entre o retorno inicial das ofertas (AR0) contra as demais variáveis. O

resultado desta análise se nota no gráfico 18 (as variáveis dummy foram omitidas):

(41)

Gráfico 18 – Regressões das Variáveis Dependentes contra AR0

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

160 180 200 220 240 260 280 ARRF

AR0

AR0 vs. ARRF

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.1 .2 .3 .4

RR3

AR0

AR0 vs. RR3 -.08

-.04 .00 .04 .08 .12 .16 .20 .24 .28

0.0 0.2 0.4 0.6 0.8 1.0

PERC

AR0

AR0 vs. PERC

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

16 17 18 19 20 21

LNSIZE

AR0

AR0 vs. LNSIZE

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

0 20 40 60 80 100

AGE

AR0

AR0 vs. AGE

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.0 .1 .2 .3

REPUT

AR0

AR0 vs. REPUT

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

0 10 20 30 40 50

RISKS

AR0

AR0 vs. RISKS

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.0 .1 .2 .3 .4 .5 .6 .7 .8 INSTINV

AR0

AR0 vs. INSTINV

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.0 .1 .2 .3 .4 .5 .6 .7 .8 .9 FI

AR0

AR0 vs. FI

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.00 .02 .04 .06 .08 .10

RR1

AR0

AR0 vs. RR1

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.05 .10 .15 .20 .25 .30

RR2

AR0

AR0 vs. RR2

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

160 180 200 220 240 260 280 ARRF

AR0

AR0 vs. ARRF

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.1 .2 .3 .4

RR3

AR0

AR0 vs. RR3 -.08

-.04 .00 .04 .08 .12 .16 .20 .24 .28

0.0 0.2 0.4 0.6 0.8 1.0

PERC

AR0

AR0 vs. PERC

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

16 17 18 19 20 21

LNSIZE

AR0

AR0 vs. LNSIZE

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

0 20 40 60 80 100

AGE

AR0

AR0 vs. AGE

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.0 .1 .2 .3

REPUT

AR0

AR0 vs. REPUT

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

0 10 20 30 40 50

RISKS

AR0

AR0 vs. RISKS

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.0 .1 .2 .3 .4 .5 .6 .7 .8 INSTINV

AR0

AR0 vs. INSTINV

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.0 .1 .2 .3 .4 .5 .6 .7 .8 .9 FI

AR0

AR0 vs. FI

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.00 .02 .04 .06 .08 .10

RR1

AR0

AR0 vs. RR1

-.08 -.04 .00 .04 .08 .12 .16 .20 .24 .28

.05 .10 .15 .20 .25 .30

RR2

AR0

AR0 vs. RR2

Na tabela 6 se podem verificar os resultados numéricos das regressões exibidas no

gráfico 18 (os valores apresentados em negrito são estatisticamente significantes a 10%

(42)

de confiança, utilizando os erros padrão corrigidos para heteroscedasticidade pelo método de White):

Tabela 6 – Resultado das Regressões Univariadas contra AR0

PERC LNSIZE AGE REPUT INSTINV FI RISKS RR1 RR2 RR3 ARRF IND CT CICL NCICL FIN TI Coef Intercepto 0.10 -0.51 0.07 0.12 0.05 0.09 0.13 0.14 0.14 0.16 0.03 0.07 0.06 0.08 0.07 0.08 0.08 Coef Variável -0.07 0.03 0.00 -0.25 0.14 -0.03 0.00 -1.30 -0.55 -0.43 0.00 0.00 0.05 -0.03 0.05 -0.06 -0.01 P-valor Intercepto 0% 11% 0% 0% 4% 3% 3% 0% 0% 0% 84% 0% 0% 0% 0% 0% 0%

P-valor Variável 13% 7% 89% 16% 15% 67% 28% 8% 6% 3% 73% 83% 20% 32% 13% 21% 89%

R2 Ajustado 0.01 0.05 -0.04 0.04 0.01 -0.03 0.02 0.07 0.08 0.08 -0.03 -0.04 0.04 -0.01 0.02 0.04 -0.03

Visto que temos uma relação inversa entre AR0 e AR1, temos apenas os coeficientes de REPUT, FI e RISKS de acordo com o previsto, e 4 dos coeficientes com sinal contrário à previsão (LNSIZE, RR1, RR2 e RR3) são significativos a 10%.

Esta constatação, bem como a existência de diversos coeficientes com sinais diferentes do previsto pode querer sinalizar erros de modelagem, por uma correlação dos resíduos com as variáveis omitidas. Os coeficientes testados aqui não devem então ser considerados muito seriamente antes que se possam analisar estas variáveis em uma regressão múltipla.

A seguir, na tabela 7, é apresentado um resumo dos resultados obtidos nas regressões

univariadas para AR1 e AR2. Para as duas primeiras linhas, as cores escuras

representam coeficientes estatisticamente significativos a 10%, enquanto as cores claras

representam coeficientes sem significância estatística. A cor verde indica coeficiente

com sinal de acordo com a previsão, enquanto a cor laranja indica coeficiente com sinal

contrário. Na última linha, as cores são ilustrativas e arbitrárias.

(43)

Tabela 7 - Resumo das Regressões Univariadas contra AR1 e AR2

PERC LNSIZE AGE REPUT INSTINV FI AR0 RISKS RR1 RR2 RR3 ARRF IND CT CICL NCICL FIN TI

AR1 + + + + + + - + + + + + - + + - - -

AR2 + + - + + + - + + + + + n/d + + - + n/d

Resultado

12

RFO CFO I CFO CFR CFO CFR RFO RFR RFR RFO CFO I FR FR FR I I

Na análise das regressões univariadas, encontraram-se fortes razões para a rejeição do sinal proposto anteriormente para PERC, RISKS e RR3, razões fracas para a rejeição dos sinais propostos de RR1 e RR2, razões fracas para a aceitação dos sinais de INSTINV e AR0, e razões fortes para a aceitação dos sinais de LNSIZE, REPUT, FI e ARRF. Quanto às variáveis dummy, houve fracas razões para que se aceitasse o sinal positivo para as indústrias de construção e transporte e consumo cíclico e o sinal negativo para a indústria de consumo não cíclico. O resultado para os coeficientes do restante das variáveis foi indeterminado.

Os critérios para este resultado foram os seguintes:

• Coeficientes de mesmo sinal, sendo pelo menos um significativo, em ambos os períodos geram uma conclusão forte.

• Coeficientes de mesmo sinal, ambos sem significância, em ambos os períodos geram uma conclusão fraca.

• Coeficientes significativos de sinal oposto geram um resultado inconclusivo.

Estes são, contudo, resultados parciais, que devem ser confirmados através da utilização de regressões múltiplas. Especial atenção deve ser dada às situações em que a hipótese levantada pela bibliografia está sendo rejeitada.

12 CFO – Confirmação Forte; CFR – Confirmação Fraca; RFO – Rejeição Forte; RFR – Rejeição Fraca;

FO – Evidência Forte; FR – Evidência Fraca; I – Resultado Inconclusivo

Imagem

Referências

temas relacionados :
Outline : CONCLUSÃO