Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
SO PAULO
MAIO/2012
NDICE
Sumrio __________________________________________________________________________ 1
I. Introduo _______________________________________________________________________ 4
II.1) DESCRIO DOS DADOS _____________________________________________________ 5
II.2) MODELOS DE ESTIMAO DO BETA EM PAINEL (CROSS-SECTION E SRIE DE TEMPO) ____ 14
II.2.i. Modelos iniciais para estimao do beta ____________________________________ 14
II.2.ii. Modelos multifatoriais _________________________________________________ 24
II.2.iii. Teste do mltiplo de ndice de imobilizao do patrimnio ____________________ 28
II.2. iv. Teste do mltiplo de liquidez ___________________________________________ 29
Ii.2.v. Teste do mltiplo de endividamento _______________________________________ 29
III. Comparaes entre os Modelos e Clculo do WACC (custo mdio ponderado de capital entre
aes e dvidas) ___________________________________________________________________ 32
III.1 CUSTO MDIO PONDERADO DE CAPITAL (WACC) DE CONCESSES FEDERAIS _________ 33
III.2 CUSTO MDIO PONDERADO DE CAPITAL (WACC) DE CONCESSES ESTADUAIS ________ 34
IV) Discusso das propostas da ANTT e das Concessionrias ________________________________ 36
IV.1 PROPOSTA DA ANTT ______________________________________________________ 36
IV.2 PROPOSTA DA ABCR/ CCR/ NOBEL CONSULTORIA DO PROF. DR. LUIZ GONZAGA
BELLUZZO __________________________________________________________________ 37
IV.3 PROPOSTAS DA OHL ______________________________________________________ 38
IV.4 PROPOSTAS DA ECORODOVIAS/ ECOVIAS ______________________________________ 38
IV.5 CONSIDERAES GERAIS: PROPOSTA DAS CONCESSIONRIAS PAULISTAS E PONTOS
CONSIDERADOS ______________________________________________________________ 40
V. A ALTERNATIVA DE BETAS DINMICOS ___________________________________ 48
VI. CONCLUSES ___________________________________________________________ 56
REFERNCIAS BIBLIOGRFICAS _______________________________________________________ 57
ANEXOS _________________________________________________________________________ 59
APNDICES-TABELAS _______________________________________________________________ 59
ANEXO II: DESCRIO DAS EMPRESAS DA AMOSTRA DE UTILIDADE PBLICA REGULADA _________ 80
ANEXO III ________________________________________________________________________ 87
ANEXO IV ________________________________________________________________________ 88
ANEXO V ________________________________________________________________________ 101
Anexo VI: Proposta: Nobel - Belluzzo __________________________________________________ 103
SUMRIO
Nesta pesquisa foram testadas inmeras modelagens acerca das possveis estimativas do
custo de capital das empresas do setor de utilidade pblica regulada na economia brasileira.
Nesta tarefa, o primeiro aspecto crtico a estimativa do Beta deste setor (medida do risco
de mercado), dado que os primeiros testes do CAPM (Capital Asset Pricing Model)
identificaram o problema de estimao (margem de erro) desta medida de risco.
Diante deste problema, analisamos vrios modelos com base na moderna Teoria de
Finanas, nos diferentes estimadores economtricos (mnimos quadrados ordinrios-OLS e
mtodo dos momentos generalizados-GMM 1 ). E o uso de dados em painel 2 de modo a
verificar a robustez e consistncia dos resultados na busca dos melhores modelos de
precificao de aes no sentido de melhor descrever a realidade brasileira no mercado
acionrio do setor de utilidade pblica regulada.
Alm do risco de mercado sintetizado pelo Beta, so tambm testados vrios outros fatores
de risco desde os sistemticos envolvendo os demais riscos dos mercados domstico e
externo, e os riscos idiossincrticos (especficos da empresa ou riscos de crdito).
Na nova metodologia de fluxo de caixa marginal para a remunerao dos novos
investimentos no previstos nas antigas concesses, a estimativa do custo de capital uma
tarefa crtica. Este custo precisa ser definido levando em considerao tanto a modicidade
do ponto de vista do usurio das concesses (o usurio desfruta dos servios da rodovia e
tem como contrapartida o pagamento das tarifas) como a atratividade ao setor privado na
remunerao dos seus novos investimentos nas concesses.
Um importante pr-teste da nossa abordagem que ao se medir diretamente o retorno com
base nos dados do mercado podemos inferir a sua distribuio estatstica. O modelo
clssico denominado de CAPM (capital asset pricing model) assume que as distribuies
dos retornos so bem comportadas (requer distribuio log-normal). Por outro lado, a
1
2
Para uma descrio detalhada dos mtodos economtricos OLS e GMM vide Greene (2010).
Para uma descrio detalhada de modelos de dados em painel vide Wooldridge (2002).
ocorrncia das crises mais frequente do que assumido por esta distribuio (caudas
gordas) como mostram os recentes episdios. Da, caso esta premissa (distribuio lognormal dos retornos) no seja satisfeita, este modelo de precificao deixa de ser vlido
conforme Lintner (1959), Black-Jensen-Scholes (1972), Fama-McBeth (1973), Fama e
French (1996) e Cochrane (2001).3
Testamos vrios modelos alternativos, quando as premissas citadas acima para a validao
do CAPM so violadas na prtica.
De modo simplificado, encontramos evidncias de que somente o Beta do CAPM (prmio
de risco do mercado) no consegue explicar o excesso de retorno das aes, mas que os
prmios de risco adicionais foram detectados nos diversos modelos multifatoriais, que
conseguem melhor explicar os retornos das aes do que o CAPM modelo unifatorial.
De modo a escolher o modelo mais adequado para se estimar o custo do capital, propomos
a realizao de back-tests (prova do pudim): quo bem cada modelo consegue descrever
a realidade (erro de previso fora da amostra). Este critrio de validao de modelos segue
o Acordo de Basilia - vigente h vrios anos no mercado bancrio e financeiro brasileiro.
Nossa abordagem baseada em mdias condicionais do setor e ainda permite duas fontes
bsicas do prmio adicional com base nos dados.
3
especificidade da estrutura financeira. Alm disso, clculos das rentabilidades de projetos feitos para empresa
especfica incluem prmios ad hoc para compensar os riscos imprevistos.
5
Resultados baseados na mdia geomtrica do uma mdia menor do que a aritmtica e, portanto, um yield
menor.
6
Beta um nmero adimensional: trata-se de uma diviso entre dois segundos momentos da distribuio. O
Beta medido pela covarincia entre o retorno de uma ao e o retorno do mercado (IBOVESPA) dividido
pela varincia do retorno do mercado. O Beta mede o risco de Mercado. Ao com Beta igual a 1 teria o
mesmo risco do IBOVESPA. Beta bem menor do que a unidade teria baixo risco. Os setores de utilidade
pblica e consumo caracterizam-se como sendo de baixo risco, ao contrrio do setor de commodities, real
estate e bens de capital, que tm Beta muito acima da unidade.
I. INTRODUO
O objetivo deste trabalho a estimao do custo mdio ponderado de capital entre aes e
dvidas dos novos investimentos que no foram previstos nas atuais concesses paulistas
sob o critrio de fluxo de caixa marginal. Uma etapa crtica a definio da estimativa do
custo das aes com base em testes nos diversos modelos alternativos de precificao de
ativos.
Ao longo da elaborao deste trabalho, tivemos discusses tcnicas com as equipes das
concessionrias e seus consultores. Assim, pudemos esclarecer, debater e aprimorar este
trabalho.
Cabe tambm destacar as importantes contribuies feitas pelos dirigentes da ARTESP, que
enriquecerem sobremaneira este trabalho. Neste contexto, cabe registrar as inestimveis
sugestes e crticas feitas pelo Fernando Fernandes Neto, Karla Bertocco Trindade, Jos
Valney de Figueiredo Brito e Paulo Henrique Exposto Sanches Vargas.
A coordenao deste trabalho FIPE/ ARTESP coube ao Prof. Dr. Joe Akira Yoshino (FEAUSP, webpage http://www.usp.br/feaecon/perfil.php?i=10&u=57) e com a participao do
Prof. Dr. Marcelo Bianconi (Tufts University, webpage http://www.tufts.edu/~mbiancon). 7
Foram tambm feitas pesquisas no mercado para o entendimento das taxas de retorno que
seriam atrativas ao poupador e ao intermedirio no financiamento destes novos
investimentos. Assim, teremos uma seo especfica, onde discutimos as propostas
apresentadas. Por outro lado, interessa avaliarmos o interesse pblico do ponto de vista de
modicidade do custo de capital que impacta na tarifa vis--vis a atratividade ao setor
privado no financiamento destes novos investimentos.
Uma verso mais detalhada deste trabalho intitula-se Empirical Estimation of the Cost of Equity: An
Application
to
Selected
Brazilian
Utilities
Companies,
2012.
Disponvel
em
http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2049410
Apresentamos abaixo vrias estimativas de custo de capital com base em diversas anlises
do ponto de vista de robustez e consistncia. I.1) ESTIMATIVAS DO BETA (RISCO
DE MERCADO) NO SETOR DE UTILIDADE PBLICA REGULADA NO BRASIL
A estratgia usada na escolha do melhor modelo do ponto de vista da Economia Financeira
e da Econometria feita em dois estgios. No primeiro estgio, o Beta estimado com o
uso do estimador de mnimos quadrados ordinrios (OLS). Depois, no segundo estgio,
aplicamos o mtodo dos momentos generalizados (GMM) nos melhores modelos obtidos
de acordo com o critrio de mnimos quadrados e no back-test do primeiro estgio. 8
Finalmente, analisamos as diferenas entre estas estimativas. O uso do mtodo GMM
recomendado quando a distribuio dos retornos no log-normal e permite a correo dos
desvios da normalidade. Veremos que neste procedimento, o GMM versus OLS captura um
prmio adicional embutido nos retornos, pois agora passa a lidar com as caudas gordas da
distribuio (outros momentos da distribuio, alm do risco medido pela varincia
segundo momento).
II.1) DESCRIO DOS DADOS
A amostra composta de 26 empresas reguladas de utilidade pblica no Brasil com
observaes mensais no perodo de Maro de 2006 at Junho de 2011. As empresas so:
AES Tiete S.A,
ELETROBRAS,
ALL,
ELETROPAULO,
BR TELECOM,
EMBRATEL,
CCR,
GOL,
CEB,
LIGHT AS,
CELESC,
OHL,
CEMAR,
SABESP,
Quando o modelo GMM identificado exatamente, o ajuste (fit) perfeito e no podemos distinguir entre
modelos alternativos sem testes adicionais e de alto custo. Portanto, aqui usamos o mtodo dos mnimos
quadrados ordinrios para uma distino inicial e, em seguida, estimamos pelo GMM.
CEMAT,
TAM,
CEMIG,
TELEFONICA VIVO,
CESP,
TELEMAR N L,
COMGAS,
TIM,
COPEL,
TRACTEBEL,
CPFL,
TRIUNFO.
BR TELECOM
CCR
CEB
CELESC
CEMAR
CEMAT
CEMIG
CESP
COMGAS
COPEL
CPFL
ELETROBRAS
ELETROPAULO
EMBRATEL
GOL
LIGHT SA
OHL
SABESP
TAM
TELEFONICA (VIVO)
TELEMAR N L
TIM
TRACTEBEL
TRIUNFO
20
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
20
-1
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
-.5
.5
20
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
20
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
20
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
20
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
-1
-.5
.5
-1
-.5
.5
-1
-.5
.5
-1
-.5
.5
AES TIETE
ALL
BR TELECOM
CCR
CEB
CELESC
CEMAR
CEMAT
CEMIG
CESP
COMGAS
COPEL
CPFL
ELETROBRAS
ELETROPAULO
EMBRATEL
GOL
LIGHT SA
OHL
SABESP
TAM
TELEFONICA (VIVO)
TELEMAR N L
TIM
TRACTEBEL
TRIUNFO
20
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
20
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
20
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
20
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
20
-1
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
-.5
.5
20
06
m
20 1
07
m
20 1
08
m
20 1
09
m
20 1
10
m
20 1
11
m
1
-1
-.5
.5
-1
-.5
.5
-1
-.5
.5
-1
-.5
.5
AES TIETE
As empresas da amostra esto listadas abaixo e recebem um cdigo, bem como o nmero
de observaes na amostra e sua distribuio de frequncia. Trata-se de um painel (crosssection dos retornos das empresas ao longo do tempo) com observaes mensais por
companhia.
AES TIETE
Co2 ALL |
2
0
Density
0
Density
Co2
Co1
-.3
-.2
-.1
0
retorno_real_ipca
.1
.2
-.4
-.2
0
.2
retorno_real_ipca
.4
CCR |Co5
Density
Density
Co3
-.6
-.4
-.2
0
retorno_real_ipca
.2
-.2
-.1
.2
Co6
6
0
Density
2
1
0
Density
10
Co5
0
.1
retorno_real_ipca
-1
-.5
0
retorno_real_ipca
.5
-.05
.05
.1
retorno_real_ipca
.15
.2
Co7 CEMAR |
Co8 CEMAT |
Co9 CEMIG |
3
0
Density
Density
Co8
Co7
Co10 CESP |
-.4
-.2
0
.2
retorno_real_ipca
.4
-.2
0
.2
retorno_real_ipca
Density
Density
Co10
Co9
.4
-.3
-.2
-.1
0
retorno_real_ipca
.1
.2
-.6
-.4
-.2
0
retorno_real_ipca
.2
.4
4
0
Density
Density
Co12
Co11
-.4
-.2
0
.2
retorno_real_ipca
.4
-.4
.2
Co14
Density
Density
Co13
-.2
0
retorno_real_ipca
-.1
10
0
.1
retorno_real_ipca
.2
-.2
-.1
0
.1
retorno_real_ipca
.2
3
0
Density
2
0
Density
Co16
Co15
Co18 LIGHT SA |
-1
-.5
0
retorno_real_ipca
.5
-.4
-.2
.4
Co18
Density
Density
Co17
0
.2
retorno_real_ipca
-.4
-.2
0
.2
retorno_real_ipca
.4
-.2
-.1
0
.1
retorno_real_ipca
.2
4
3
0
Density
3
2
0
Density
Co20
Co19
-.4
-.2
0
.2
retorno_real_ipca
.4
-.4
-.2
0
retorno_real_ipca
Co22
Density
1
0
Density
Co21
.2
-.2
-.1
0
.1
retorno_real_ipca
.2
.3
-.6
-.4
-.2
0
.2
retorno_real_ipca
.4
11
Density
Density
Co23
-.4
-.2
0
.2
retorno_real_ipca
.4
-.4
-.2
.4
Co26
1.5
0
.5
Density
Density
2.5
Co25
0
.2
retorno_real_ipca
-.2
-.1
0
.1
retorno_real_ipca
.2
-.6
-.4
-.2
0
retorno_real_ipca
.2
.4
Para que o CAPM clssico seja vlido, torna-se necessrio que ocorram, na prtica, ambas
a log-normalidade dos retornos compostos (portanto normalidade dos retornos simples) e a
estacionariedade das sries. 10 Sabemos que estas condies podem ser violadas, num
perodo de 5 anos, com episdios de crises e boom.
Os testes estatsticos de normalidade dos retornos compostos so apresentados abaixo.
Podemos notar na Tabela 2 abaixo que os retornos reais no painel no so normais. Ocorre
excesso de kurtosis e skewness (caudas gordas) com relao a uma distribuio normal.
10
12
Na condio acima descrita, se algum investidor do mercado usar de fato o modelo CAPM,
permite-se a arbitragem, pois o investidor comete vieses nos retornos estimados. O CAPM
desconsidera os baixos retornos na crise (ignora a cauda gorda do lado esquerdo da
distribuio) e os altos retornos no boom (ignora a cauda gorda do lado direito da
distribuio). Em outras palavras, na crise, o investidor que usar o CAPM exige um retorno
maior do que o mercado (avalia a ao como valendo menos que o preo de mercado na
crise). O oposto vale na fase de boom. Neste caso, como se arbitra? Comprar dele suas
aes na crise (subvaloriza preos das aes na crise) e vende as aes no boom
(superestima preos das aes no boom). Este eventual problema de precificao com o uso
do modelo inadequado poderia acabar contaminando o custo de capital, que aumentaria a
tarifa na crise (anti-cclico quando o usurio teria menor capacidade financeira) e a
diminuiria no boom (pr-cclico).
Na tabela A1 no apndice, de acordo com testes realizados, podemos verificar que algumas
empresas tm retornos no perodo amostral que se desviam da distribuio normal. Por
outro lado, as companhias ALL, CCR, CEMAR, CPFL, ELETROBRAS, GOL, LIGHT,
TAM, TIM e TRACTEBEL podem ter retornos com distribuio normal. Somente neste
caso, seria vlido o uso do CAPM. Em tais condies, o uso do estimador de mnimos
quadrados ordinrios no CAPM poderia ser problemtico, porm tal estimador pode ser
usado como uma primeira tentativa que vai nos direcionar para um mtodo mais
sofisticado. Para tanto, usamos dois estgios. Primeiro, usamos o estimador economtrico
mnimos quadrados. Depois, recorremos ao GMM para compensarmos a falta de
normalidade no painel de dados. Desta forma, a diferena entre estimativas acaba medindo
o prmio adicional advindo da no normalidade dos dados.
13
Procedemos abaixo com as estimativas dos Betas (risco de mercado) das companhias.
II.2) MODELOS DE ESTIMAO DO BETA EM PAINEL (CROSS-SECTION E SRIE DE TEMPO)
Consideramos uma amostra de 22 companhias excluindo as seguintes firmas: BR-Telecom,
CEB, Eletrobrs, e Gol. Estas holdings tm outras firmas sobrepostas na amostra; nosso
ponto de vista era ter apenas alguns representantes de certos setores, como a aviao, por
exemplo, com pouca sobreposio.
Nesta nova amostra os testes de normalidade na tabela A2 mostram que 8 companhias no
rejeitam estatisticamente a hipteses de normalidade dos seus retornos e outras 14 empresas
a rejeitam.
II.2.i. Modelos iniciais para estimao do beta
Mesmo sabendo do problema da no-normalidade dos retornos para metade das empresas
da amostra, usamos o painel de empresas para se estimar primeiro o modelo CAPM
clssico. Estas estimativas sero reavaliadas mais tarde com estimativas mais pertinentes.
14
SECUNDRIO,
DE
TTULOS
PBLICOS
PREFIXADOS
COM
VENCIMENTO DE 5 ANOS.
I = ALPHA DO ATIVO (I)
I = BETA DO ATIVO (I)
RM(T) = RETORNO NO MERCADO BOVESPA NO PERODO T
(I,T) = ERRO NO MODELO DE ESTIMAO.
Depois, testamos diversos modelos multifatoriais, iniciando com o modelo Fama e
French. Estes autores comearam com a observao de que duas classes de aes tm
tendncia de melhor desempenho do que o mercado como um todo:
(i)
(ii)
15
(LOGARITMO)
VALOR
DE
MERCADO
-0.0169*
(0.00691)
lValor_de_~_
0.000473
(0.00319)
_cons
-0.00279
-0.000039
(0.00283)
(0.0725)
-------------------------------------------N
1496
1345
adj. R-sq
0.147
0.166
-------------------------------------------Standard errors in parentheses
* p<0.05, ** p<0.01, *** p<0.001
16
O Beta do modelo (1) CAPM clssico tem valor 0,662, abaixo da unidade, indicando que
estes ativos covariam menos que o mercado. O Modelo (2) o famoso Fama-French
(largamente utilizado nos melhores bancos de investimentos na rea de research em equity
no Brasil, em particular, nas carteiras proprietrias). Neste caso, o valor do Beta muda
pouco, aumentando para 0,695, abaixo da unidade, ademais melhora a adeso do modelo
aos dados. Permite obter menor erro e valores mais justos nas estimativas do custo de
capital.11
Um critrio de back-test propostos por Cochrane (2001), Fama e French (1993, 2004) pode
ser ilustrado pelo grfico dos retornos previstos versus realizados. Se os dados previstos
pelo modelo tiver uma aderncia perfeita aos dados observados, os pontos estariam ao
longo da linha de 45. Notamos que os retornos previstos so mais dispersos que os
realizados e no se alinha ao longo da linha de 45. Ambos os modelos CAPM e FamaFrench falham no back-test, conforme as figuras abaixo.
11
No apndice mostramos alguns testes (primeiro tipo de back-test ou aderncia dos modelos aos dados), com
base no critrio de previstos e realizados (erro de previso) em funo do uso dos modelos (1) e (2) acima
estimados (Tabelas A3-A7)
17
0
-.5
-1
-1
-.5
.5
Model 2
.5
Model 1
-1
-.5
.5
-1
-.5
.5
Em seguida, mostramos a linha do mercado (security Market line) baseada nos modelos
CAPM clssico e Fama-French de 3 fatores. Aqui, o Beta de uma ao representa medida
de sua exposio ao risco do mercado acionrio IBOVESPA.
Abaixo apresentamos tambm o grfico com a previso linear dos mnimos quadrados.
No teste de validao do CAPM, todos os pontos do grfico acima deveriam estar na linha
do mercado de capitais, esta linha tinha que ser linear, passar pela origem e ter uma
inclinao positiva dada pelo prmio de risco de mercado. No perodo anterior crise
financeira, a inclinao positiva (Figuras 5b, 6b), pois o prmio de risco do mercado
esperado positivo. No entanto, para o perodo total da amostra, que inclui a crise
financeira de 2008, o prmio de risco esperado de mercado negativo e a linha do mercado
de capital passa pela origem, mas tem inclinao negativa nos dois casos.
Temos uma nuvem de pontos. Primeiro, caso se use o modelo CAPM bsico, notamos
que Eletropaulo e Gol esto abaixo da linha de mercado, portanto seus prmios esperados
(ou retornos esperados) esto muito baixos e seus preos esto muito altos, seus preos
18
19
CELESC
.01
CEB
LIGHT
E[Prem]
AES
CCR
COMGAS
COPEL
SABESP
TAM
CPFL EMBRATEL
TRACTEBEL
OHL
-.01
TELEFONICA(VIVO)
CEMAR
CEMIG
TELEMAR
TIM
CESP
ALL
TRIUNFO
-.02
CEMAT
GOL
-.03
ELETROPAULO
.5
1.5
Beta_capm_basic
CELESC
.01
CEB
LIGHT
AES
CCR
COMGAS
COPEL
SABESP
TAM
CPFL EMBRATEL
TRACTEBEL
OHL
-.01
TELEFONICA(VIVO)
CEMIG
TELEMAR
TIM
CEMAR
CESP
ALL
TRIUNFO
-.02
CEMAT
-.03
ELETROPAULO
GOL
.5
1
Beta_capm_basic
E[Prem]
20
sml_PreCrisis
1.5
CELESC
.01
CEB
LIGHT
AES
CCR
COMGAS
COPEL
SABESP
EMBRATEL
TAM
CPFL
TRACTEBEL
OHL
-.01
TELEFONICA(VIVO)
CEMIG
TELEMAR
TIM
CEMAR
CESP
ALL
TRIUNFO
-.02
CEMAT
-.03
ELETROPAULO
GOL
.5
1.5
Beta_capm_basic
E[Prem]
Fitted values
21
CELESC
CCR
COMGAS
COPEL
SABESP
TAM
CPFL EMBRATEL
TRACTEBEL
OHL
TELEFONICA(VIVO)
-.01
E[Prem]
.01
CEB
LIGHT
AES
CEMAR
CEMIG
TELEMAR
TIM
CESP
ALL
TRIUNFO
-.02
CEMAT
ELETROPAULO
-.03
GOL
.5
1.5
Beta_capm_FF
CELESC
.01
CEB
LIGHT
AES
CCR
COMGAS
COPEL
SABESP
TAM
CPFL EMBRATEL
TRACTEBEL
OHL
-.01
TELEFONICA(VIVO)
CEMAR
CEMIG
TELEMAR
TIM
CESP
ALL
TRIUNFO
-.02
CEMAT
ELETROPAULO
-.03
GOL
.5
1
Beta_capm_FF
E[Prem]
22
sml_PreCrisis_ff
1.5
CELESC
.01
CEB
LIGHT
AES
CCR
COMGAS
COPEL
SABESP
TAM
CPFL EMBRATEL
TRACTEBEL
OHL
-.01
TELEFONICA(VIVO)
CEMAR
CEMIG
TELEMAR
TIM
CESP
ALL
TRIUNFO
-.02
CEMAT
ELETROPAULO
-.03
GOL
.5
1.5
Beta_capm_FF
E[Prem]
Fitted values
Os grficos acima mostram as falhas do CAPM clssico com uso do estimador de mnimos
quadrados (OLS). A linha do mercado de capitais deveria ser linear, passar no eixo vertical
na taxa real livre de risco e ter ngulo dado pelo prmio de risco de mercado. Este tipo de
problema j tinha sido reportado nos testes iniciais do CAPM feitos por Lintner (1965),
Black, Jensen e Scholes (1972) e Fama-MacBeth (1973). As causas das falhas do modelo
CAPM podem ser tanto de erro de medida do Beta como do modelo de precificao de
aes. Para se lidar com este problema, os artigos acima tentam compor carteiras de aes,
beta por indstria (em vez de individuais por firma) ou modelos multifatoriais, e.g., modelo
Fama-French de 3 fatores. No entanto, mesmo nos modelos de trs fatores, e.g., FamaFrench, constatamos que persiste o mesmo problema, mas em muito menor magnitude, na
amostra considerada neste trabalho.12
12
O sumrio estatstico dos Betas de cada companhia apresentado na Tabela A7 no apndice. A mdia do
Beta para o CAPM bsico de 0,68, enquanto que para o Fama-French de 0,66.
23
1*
[RM(T)
RF(T)]
*BOOK-TO-MARKET(I,T)
13
24
25
14
Na sequncia, de modo similar ao caso anterior, realizamos vrios de testes (primeiro tipo de back-test ou
aderncia dos modelos aos dados), com base no critrio de previstos e realizados (erro de previso) em funo
do uso dos modelos (3) e (4) acima estimados (ver Tabelas A9-A12 do apndice).
26
i)
ii)
iii)
iv)
v)
27
.5
-1
-.5
0
Modelo 3: Fitted values
.5
-1
-1
-.5
-.5
.5
-1
-.5
0
Modelo 4: Fitted Values
.5
29
.5
-1
-.5
0
Modelo 9: Fitted values
.5
-1
-1
-.5
-.5
.5
Figura 8: Back-test Modelos (9-10) Multifatorial estimado por OLS (9) e GMM (10)
- Retornos previstos e realizados, conforme Cochrane (2001)
-1
-.5
0
Modelo 10: Fitted Values
.5
CAPM-AllFactors_GMM_Instrum
CAPM-AllFactors_GMM
CAPM-AllFactors_OLS
CAPMMultiples_best_GMM_Instrum
CAPM-Multiples_best_GMM
CAPM-Multiples_best_OLS
CAPM-Classico-GMM_InstrumFixedEffects
CAPM-Classico-OLS-FixedEffects
CAPM-FF-OLS
CAPM-Classico-OLS
1,2
1,1
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
Beta
StDev Acima
StDev Abaixo
31
RSS
CAPM-Clssico-OLS
0,147
17,80
CAPM-FF-OLS
0,166
16,02
Beta
0,662
0,695
E[ret_anual]
(%)
3,392
3,957
CAPM-Clssico-OLS-Fixed Effects
0,139
17,67
0,66
3,407
CAPM-Clssico-GMM_Instrum-Fixed
Effects
--
17,68
0,571
4,965
CAPM-Multiples_OLS
0,157
8,41
CAPM-Multiples_GMM_Instrum
--
19,98
CAPM-Select_Multiples_OLS
0,173
8,26
--
22,50
0,689
11,364
0,173
8,25
0,640
10,318
--
20,59
0,704
11,526
0,173
8,24
0,643
10,282
--
20,44
0,707
11,563
0,175*
8,21*
0,646
10,293
--
19,64
0,708
11,572
CAPMSelect_Multiples_GMM_Instruments
CAPM-Select_Multiples_OLS
Ativo Fixo Alavancagem Controles
CAPMSelect_Multiples_GMM_Instruments
Ativo Fixo Alavancagem Controles
CAPM-Select_Multiples_OLS
Ativo Fixo Alavancagem-Liquidez
Controles
CAPMSelect_Multiples_GMM_Instruments
Ativo Fixo Alavancagem-Liquidez
Controles
CAPM-Select_Multiples_OLS
Ativo Fixo Alavancagem-Liquidez Debt-Equity (*)
CAPM-Select_Multiples_GMM_
Instruments
Ativo Fixo Alavancagem-Liquidez
Debt-Equity
0,662
0,700
0,636
Ponderao (%)
(*) Melhor modelo pelo critrio Soma dos Resduos Quadrados e R2 ajustado.
32
10,42
11,516
10,393
33
Tabela 6: WACC de concesses federais. Maior acesso ao custo da dvida mais barato
do BNDES. Fase final: Dvida de 20% no BNDES (longo prazo) e 80% no Mercado
(debentures).
incio
(A) Participao Capital Prprio
(B) Participao Capital Terceiros
Sada do Modelo Economtrico
Meio
Fim
25.00%
75%
35.00%
65%
10.293%
10.293%
10.293%
12.64%
12.64%
12.64%
15.14%
15.14%
15.14%
80%
50%
20%
20%
50%
80%
13.14%
13.89%
14.64%
4.47%
4.72%
4.98%
8.67%
9.17%
9.66%
4.96%
4.96%
4.96%
3.5%
2.57%
2.65%
4.0%
3.60%
2.60%
4.5%
4.63%
2.46%
5.223%
6.205%
7.093%
45.00%
55.00%
34
Meio
fim
25.00%
75%
35.00%
65%
78.00%
22.00%
10.293%
10.293%
10.293%
12.64%
12.64%
12.64%
15.14%
15.14%
15.14%
80%
50%
0%
20%
50%
100%
15.14%
15.14%
15.14%
5.15%
5.15%
5.15%
9.99%
9.99%
9.99%
4.96%
4.96%
4.96%
4.8%
4.8%
4.8%
2.57%
3.59%
3.60%
3.12%
8.03%
1.05%
5.223%
6.205%
9.1%
35
36
DO
BELLUZZO
Alguns aspectos da proposta da ABCR para a ARTESP (foi antes tambm apresentada na
ANTT) foram possveis de serem analisados no contexto deste estudo (Vide Proposta
Nobel-Belluzzo no Anexo VI). No entanto, existem algumas diferenas importantes que
devem ser destacadas:
1) Amostra de empresas. A amostra da ABCR difere basicamente da nossa na incluso
da Petrobrs na sua amostra.
Ns exclumos esta empresa da nossa amostra sob vrios argumentos. O primeiro
foi seu peso expressivo na amostra. A Petrobrs muito diferente das concesses de
rodovias.
A Petrobrs tem um dos mais altos betas do mercado brasileiro devido receita do
seu produto (petrleo-energia) ter volatilidade mais elevada do que as dos produtos
das empresas em geral. J a receita oriunda das empresas concessionrias de
rodovias (trfego de veculos) mais estvel, mesmo no perodo de crise recente.
Assim, ao retirarmos a Petrobrs da nossa amostra, evitamos o contgio dos
diversos prmios de risco do custo de capital desta empresa nos das concessionrias
de rodovias.
2) Na proposta da ABCR, os efeitos da alavancagem e da imobilizao do ativo so
incorporados no Beta num modelo CAPM bastante simples do ponto de vista de
estimao economtrica, no caso, sem o uso de painel. Assim, o Beta alavancado do
setor da ABCR/ Nobel acaba tendo um enorme valor de 1,57 (empresas
37
38
Para aquelas empresas que esto crescendo e esperam que continuem crescendo
no futuro a uma taxa prxima ou menor do que o crescimento da economia; e
ii.
15
39
iii.
iv.
40
Por conseguinte a ARTESP e a FIPE tiveram acesso a algumas propostas tcnicas ( crticas
e/ou sugestes) feitas por concessionrias e seus representantes tcnicos (reas internas e
consultorias) das quais podem ser destacadas:
Concessionrios de Rodovias)
41
Em relao a este ponto, algumas crticas foram feitas proposta da Nobel Consultoria e
Planejamento, visto que esta havia calculado os Betas de cada empresa individualmente,
em um painel desbalanceado e, posteriormente, calculado a mdia ponderada dos Betas
em relao ao Patrimnio Lquido de cada uma delas.
Assim, primeiramente cabe aqui ressaltar que ao calcular a mdia dos Betas em um
painel desbalanceado (entenda por desbalanceado um painel onde cada empresa tem um
corte no tempo prprio, no uniforme; ou seja, cada empresa pode ter um histrico maior
ou menor) se introduz um vis de no uniformidade, heterocedstico, que compromete os j
frgeis pressupostos assumidos pelo CAPM. Cabe lembrar que o beta uma medida
dependente do corte temporal no qual foi estimado e que, em funo da economia ter um
comportamento dinmico, estimar um beta em uma janela de tempo gera uma estimao do
risco do negcio completamente diferente se fosse estimado em outra janela de tempo.
Para melhor ilustrar esta afirmativa, basta lembrar-se da crise econmica de 2008 quando,
em alguns momentos, os setores de minerao e energia, aqui no Brasil, representados em
larga medida por Petrobrs e Vale, sofreram um grande choque, em funo de que estas so
produtoras de bens cujo consumo depende muito do nvel de atividade industrial. J setores
como bens de consumo e infraestrutura tiveram um menor choque, em funo de que sua
demanda tende a ser mais inelstica (as pessoas dependem mais desses bens para
sobreviver) do que de outros setores.
Logo, para utilizar uma tcnica de estimao baseada em mdia dos Betas, seria
necessria a composio de um painel balanceado, pois somente com base nesta condio,
a mdia dos betas das empresas se equivale matematicamente ao beta estimado pela tcnica
de cross-section.
A tcnica de cross-section basicamente consiste na soluo de uma equao matricial da
forma:
42
Onde
o vetor das
observaes da varivel independente (neste caso especial, os retornos dos ativos); o vetor
um vetor dos parmetros do modelo a ser estimado, no caso
], e o vetor
vetor de erros (a parte a qual a regresso no foi capaz de explicar), vetor este que
desejamos minimizar pela tcnica de mnimos quadrados.
Por conseguinte, se estima os parmetros resolvendo a equao matricial acima 16, onde os
parmetros que saem deste estimador melhor explica todo o conjunto de dados. Ou seja,
encontra-se o Beta que melhor explica o setor.
Em funo dos dados estarem dispostos sob a forma matricial, temos a condio necessria
que cada observao na matriz das variveis explicativas ( ) esteja na mesma linha que a
varivel independente esteja no vetor de observaes , sendo que os cortes temporais de
cada empresa podem ser diferentes, no acarretando em alguma distoro de cunho
matemtico-estatstico do parmetro obtido.
Outro ponto interessante para o devido funcionamento deste estimador que o vetor de
erros ( ) deve ser normalmente distribudo. Logo, caso haja a introduo de ponderaes,
ou pesos para cada observao, outro estimador economtrico deve ser utilizado, pois ao se
introduzir diretamente pesos em um estimador de Mnimos Quadrados Ordinrio (OLS),
haver distores no vetor de erros que podero implicar a no normalidade dos resduos.
No obstante, tambm vale ressaltar que o Mtodo dos Mnimos Quadrados restringe seu
uso para a extrapolao somente em funo das sries utilizadas, pois os parmetros que
dele saem, so nada mais nada menos que os efeitos que uma varivel tende a ter em
relao outra(s) varivel(is).
Estes primeiros pontos que foram levantados aqui nesta seo tambm servem de crtica
proposta apresentada pelo prof. Dr. Paulo Beltro Fralleti, consultor responsvel pelos
estudos apresentados pela EcoRodovias. Na proposta encaminhada, foi mensurado um beta,
16
43
44
Logo, uma relao linear s expressa os dois primeiros termos desta expanso. Se a
diferena for pequena, os demais termos (
linear factvel. Seno, essas diferenas podem se tornar significativas, gerando grandes
distores. Logo, sob o ponto de vista da economia-matemtica, torna-se bastante
questionvel a suposio de linearidade pura na relao risco/retorno para grandes
variaes na estrutura de alavancagem a partir de algo inferido sobre os dados.
Outro ponto no menos controverso apresentado pela Nobel, seria a distoro economtrica
que uma ponderao dos Betas e da estrutura de capital setorial pelo patrimnio lquido
causa.
Em uma amostra onde se tem a Petrobrs compondo o setor, com um Patrimnio Lquido
muitas vezes superior s demais empresas a Petrobrs tem um limite de endividamento
estabelecido para companhias com grau de investimento de 35% (e pelo seu conselho
administrativo) sobre o patrimnio lquido, ou seja, a proporo de capital prprio versus
capital de terceiros de no mximo 74% (Capital Prprio) / 26% (Capital de Terceiros)
naturalmente se atribui um peso muito grande Petrobrs.
Assim, ao desalavancar o Beta pela estrutura de capital vigente, que praticamente deixa o
Beta intacto, e depois, ao realavancar pela estrutura de capital proposta pela CCR, este
Beta quase que dobra de tamanho, em funo da distoro causada pela aproximao
45
linear da funo de relao risco retorno (dada a grande diferena entre as alavancagens)
mencionada anteriormente.
J na proposta da EcoRodovias, houve um erro de interpretao metodolgica, j que o beta
foi alavancado sem ter sido desalavancado previamente, tambm gerando um Beta
desproporcional.
Por fim, o ltimo ponto polmico em relao a proposta da Nobel Consultoria e
Planejamento, foi a adoo de um parmetro chamado delta beta. Esse delta beta teria
por objetivo agregar um custo de oportunidade referente iliquidez natural dos ativos que
so as concesses de rodovias e seus respectivos investimentos. Em primeiro lugar, vale
lembrar que por se tratar de uma empresa especializada em concesses pblicas, os ativos
so naturalmente ilquido e, claro, h um impacto no custo de oportunidade. Por outro lado,
tambm haveria de se medir que os benefcios gerados por ativos de infraestrutura, como
discutido nesta seo anteriormente, tm por caracterstica principal uma grande
estabilidade nos fluxos de caixa decorrentes da explorao dos mesmos. Logo, tambm h
um benefcio natural deste tipo de atividade. E como infraestrutura no pode ser
arrancada de um lugar para outro, um nus natural e inerente atividade exercida.
Em segundo lugar, mesmo havendo essa questo da iliquidez, ela deve ser mensurada
segundo metodologia estatstica para inferncia com base no mtodo cientfico. A
metodologia apresentada s contemplava que esse custo pela iliquidez era determinado
arbitrariamente por uma frao da composio do custo de oportunidade, sendo que esta
frao no fora medida segundo algum critrio estatstico, ou com base em alguma
metodologia cientfica.
Vale tambm lembrar que esta questo da iliquidez fora mensurada diretamente, segundo
metodologia estatstica, nos modelos multifatoriais propostos, tal que se atribui um
parmetro a fim de mensurar qual o impacto que o grau de imobilizao (um parmetro
para medir a iliquidez de uma empresa) tem nos retornos dos papis dos ativos.
46
No entanto no cabem aqui somente crticas. Um dos pontos interessantes levantados tanto
pela OHL Brasil, quanto pela prpria EcoRodovias, foi a adoo de parmetros sobre a
percepo de mercado sobre a alavancagem financeira na composio da estrutura que iria
ponderar o custo mdio de capital. Ao utilizar parmetros contbeis, e em funo do
sistema contbil vigente no Brasil, grande parte destes valores sofrem grandes distores,
que vo alm da valorao que o mercado faz a respeito da empresa.
Essas distores incluem, alm da questo da valorao real de um bem - ou seja, qual seria
o benefcio econmico ao realizar uma transao sobre o mesmo - a questo da inflao,
que, como sabemos, ao longo do tempo distorce o valor real de um ativo quando o mesmo
no corrigido de acordo com a taxa de inflao acumulada no perodo considerado.
A questo da ampliao da amostragem, rumo a um painel de dados do setor de
infraestrutura, ao invs de se ater a uma amostragem de pouqussimas empresas de
concesses de rodovias, tambm pode ser considerado um direcionamento mais adequado
ao longo destas discusses.
E por fim, tambm vale destacar a utilizao de dados brasileiros para a inferncia sobre o
custo de oportunidade, ao invs da construo de um painel internacional de dados, que
deveria sofrer a adio de alguns riscos idiossincrticos da economia brasileira, que foi um
dos pontos de convergncia ao longo destas reunies, visto que a diversidade de opes de
investimento completamente diferente em relao a um investidor externo do que em
relao a um investidor aqui no Brasil.
47
48
A equao observvel:
(
49
No caso, neste sistema de equaes, segue que a variao dos parmetros dada por uma
flutuao aleatria, normalmente distribuda, com mdia zero, e varincia determinada por
uma matriz de covarincias.
Por conseguinte, o passo seguinte desenvolver o algoritmo do Filtro de Kalman que
permite a estimao do sistema de equaes em diferenas ocultas.
Sabendo que a equao observvel escrita sob a seguinte forma:
(
Agora suponha que para fazer uma previso s dispomos dos parmetros ajustados no
perodo imediatamente anterior.
Consequentemente, segue que:
(
Tal que o retorno esperado dado somente em funo da informao que j temos no
passado.
Logo, o erro desta projeo versus o ocorrido ser dado por:
Assim, a fim de ajustar os parmetros para que na prxima previso eles corrijam este
desvio, segue que ajustamos o conjunto de parmetros por um fator , tal que:
{
(
(
)
)
Para tal, o Filtro de Kalman busca minimizar a varincia dos resduos (desvios do projetado
versus observado). Quanto menor a varincia dos resduos, instante a instante, menor os
desvios do sistema proposto.
50
51
52
Com base nos grficos acima, podemos perceber grandes semelhanas entre as estruturas
dos trs grficos, tal que, por exemplo, durante a crise de 2008, na semana do dia 15 de
outubro de 2008 (ponto agudo da crise), houve uma exploso do parmetro Beta tanto
para CCR quanto para OHL e Triunfo, mostrando a capacidade do modelo de identificar as
variaes no risco de negcio.
Assim, ao acompanhar o histrico das quatro companhias listadas de concesso de rodovias
com capital aberto listadas em bolsa, vemos que em raros momentos o Beta delas
ultrapassa a marca de um, ou seja, que elas representam um risco maior do que a mdia do
mercado como um todo (no caso somente o da CCR ultrapassa esta marca).
Consequentemente, evidenciamos mais um indicador que refuta a hiptese levantada pela
Nobel consultoria de que em algum determinado momento a mdia setorial dos Betas
ultrapassaria um, quanto menos chegaria a dois.
Tambm demonstramos de certa forma que em tempos de crise, como pode se ver na
evoluo dos quatro grficos expostos anteriormente, tanto em 2008 quanto em 2011, h
certo consenso por parte do mercado de que este setor mais seguro em termos de gerao
53
de dividendos, do que em relao mdia do mercado e, por isso, as medidas dos betas
tendem a cair significativamente logo aps os perodos agudos das crises.
Logo, tambm com esse argumento reiteramos nossa oposio ideia de um delta-beta,
pois, se por um lado existe o argumento da iliquidez, este capturado diretamente no modelo
multifatorial, tambm existem os benefcios de estabilidade do fluxo de caixa inerente
natureza operacional destas empresas, conforme exposto nas demais sees.
Outro ponto que corrobora com todos estes pontos levantados nesta seo em relao ao
desempenho das companhias comparadas ao desempenho do Ibovespa.
Figura 14: Desempenho Aes versus Ibovespa 1 Desempenho calculado sob preos
em base 100
A partir da anlise do grfico anterior possvel ver que, enquanto o ndice Ibovespa se
desvalorizou no perodo quase 27%, as aes das quatro holdings de concesses de
rodovias se valorizaram significativamente, destacando o baixo risco que elas apresentaram
durante o perodo de crise vivenciado em 2011, tambm corroborando as hipteses
levantadas nesta seo.
Com isso pretendemos evidenciar nesta seo que, em funo de todos estes argumentos
em conjunto com os j expostos nas demais sees deste trabalho, o custo de oportunidade
54
sobre o capital prprio (equity) deste setor tem de ser inferior a mdia do custo de capital
prprio da mdia do mercado.
55
VI. CONCLUSES
Apresentamos neste relatrio vrias estimativas de custo de capital com base em diversas
anlises do ponto de vista de robustez e consistncia. A estratgia usada na escolha do
melhor modelo do ponto de vista da Economia Financeira e da Econometria foi feita de
duas formas alternativas. Primeiro, o Beta foi estimado com o uso do estimador de mnimos
quadrados ordinrios (OLS). Depois, aplicamos o mtodo dos momentos generalizados
(GMM) nos melhores modelos obtidos de acordo com o critrio de mnimos quadrados e
no back-test. Finalmente, analisamos as diferenas entre estas estimativas. Com base em
critrios estatsticos, estimamos um Beta para o setor de utilidade pblica regulada da
ordem de 0,646, um valor bem inferior a unidade mostrando que o setor de utilidade
pblica regulada tem um risco de cerca de 35% menor do que o risco de mercado
(IBOVESPA). O rendimento real esperado no mercado de aes de 10,29% ao ano, de
acordo com o melhor modelo (sob critrio de best fit). .
Finalmente, usando uma calibrao do custo da dvida, nossa estimativa do custo mdio
ponderado entre os custos das aes e custos das dvidas resulta num valor de WACC
(weighted average cost of capital) de 9,1% real ao ano.
56
REFERNCIAS BIBLIOGRFICAS
Bianconi, M. and Joe A. Yoshino (2012a). Firm Market Performance and Volatility in a
National Real Estate Sector. International Review of Economics and Finance, 22,
230-253.
Bianconi, M. and Joe A. Yoshino (2012b). "Empirical Estimation of the Cost of Equity: An
Application to Selected Brazilian Utilities Companies," May 2012. Vide
HTTP://PAPERS.SSRN.COM/SOL3/PAPERS.CFM?ABSTRACT_ID=2049410
Black, Fischer, Michael C. Jensen, and Myron Scholes (1972). The Capital Asset Pricing
Model: Some Empirical Tests, pp. 79-121 in M. Jensen ed., Studies in the Theory of
Capital Markets. New York: Praeger Publishers.
CCR, ABCR e Nobel Consultoria Proposta a Artesp
Cochrane, John. (2005). Asset Pricing. Princeton University Press. Second edition.
Ecovias Proposta Artesp
Fama, E.F. e K.R. French (1993): Common Risk Factors in the Returns on Stocks and
Bonds, Journal of Financial Economics, Vol. 33, 3-56.
Fama, E.F. e K.R. French (2004), The Capital Asset Pricing Model: Theory and Evidence.
The Journal of Economic Perspectives, 18(3), 2546.
Fama, Eugene F. and James D. MacBeth. (1973). Risk, Return, and Equilibrium:
Empirical Tests. Journal of Political Economy. 81:3, pp. 607-636.
Greene, W. H. (2011). Econometric Analysis. 7th Edition. Prentice Hall.
Hamilton, J.D. (1994). Time Series Analysis. Princeton: Princeton University Press.
Lintner, John (1965). The valuation of risk assets and the selection of risky investments in
stock portfolios and capital budgets, Review of Economics and Statistics, 47 (1), 1337.
57
Wooldridge, J. M. (2002). Econometric Analysis of Cross Section and Panel Data. MIT
Press.
Yoshino, Joe A. (2003). Market Risk and Volatility in the Brazilian Stock Market, Journal
of Applied Economics, Elsevier, Journal of Applied Economics, Vol. VI, No. 2
(Nov. 2003), 385-403.
Yoshino, Joe A. e Edson Bastos e Santos. (2009). Is CAPM Dead or Alive in the Brazilian
Equity Market? Review of Applied Economics, Vol. 5, Nos. 1 & 2, p. 127.
58
ANEXOS
APNDICES-TABELAS
TABELA A1: TESTE DE NORMALIDADE POR COMPANHIA
-----------------------------------------------------------------------------co |
n
D-H P-value
asy. P-value
------------------+----------------------------------------------------------AES TIETE |
63 16.3290 0.0003 12.8177 0.0016
ALL |
63 3.9692 0.1374 4.4245 0.1095***
BR TELECOM |
63 20.8308 0.0000 104.6595 0.0000
CCR |
63
2.7783 0.2493 1.4719 0.4790***
CEB |
51 26.0832 0.0000 80.5380 0.0000
CELESC |
36 14.9025 0.0006 21.8354 0.0000
CEMAR |
63 4.2639 0.1186 1.8238 0.4018***
CEMAT |
62 7.5959 0.0224 11.1115 0.0039
CEMIG |
48 9.9441 0.0069 23.9741 0.0000
CESP |
63 19.4293 0.0001 109.8105 0.0000
COMGAS |
59 21.0093 0.0000 36.9083 0.0000
COPEL |
63 26.7109 0.0000 208.0512 0.0000
CPFL |
63 3.7145 0.1561 3.1951 0.2024***
ELETROBRAS |
42 3.0006 0.2231 1.6872 0.4302***
ELETROPAULO |
36 20.2015 0.0000 113.0147 0.0000
EMBRATEL |
63 10.2834
0.0058 6.8285 0.0329
GOL |
63 2.1532 0.3407 0.4728 0.7895***
LIGHT SA |
63 2.2437 0.3257 2.0389 0.3608***
OHL |
63 12.9354 0.0016 40.6868 0.0000
SABESP |
63 14.0014 0.0009 26.8852 0.0000
TAM |
44 3.7880 0.1505 4.0452 0.1323***
TELEFONICA (VIVO) |
63 22.1319 0.0000 34.0430
0.0000
TELEMAR N L |
63 39.3489 0.0000 50.0642 0.0000
TIM |
63 2.7410 0.2540 2.4402 0.2952***
TRACTEBEL |
63 5.4681 0.0650 4.4551 0.1078***
TRIUNFO |
47 8.6088 0.0135 14.2905 0.0008
-----------------------------------------------------------------------------*** No rejeita Normalidade.
59
TAM |
44 3.7880 0.1505 4.0452 0.1323***
TELEFONICA (VIVO) |
63 22.1319 0.0000 34.0430 0.0000
TELEMAR N L |
63 39.3489 0.0000 50.0642 0.0000
TIM |
63 2.7410 0.2540 2.4402 0.2952***
TRACTEBEL |
63 5.4681 0.0650 4.4551 0.1078***
TRIUNFO |
47 8.6088 0.0135 14.2905 0.0008
Concluso: Taxa de Retorno Real Mdia Annual Prevista no modelo CAPM: 3,39% real ao
ano. Mais tarde, constatamos que esta margem de erro (rss=17,8) acima maior no CAPM
do que com relao aos demais modelos.
TABELA A4: SUMRIO ESTATSTICO DO MODELO CAPM NA PREVISO:
RETORNOS MENSAIS
stats | retorn~a ret_ha~a(previsto)
---------+-------------------mean | .0035469 .0027839
median | .0042688 .0028087
sd | .1180743 .0449249
skewness | -.8128798 -.6745594
kurtosis | 9.005407 4.728639
N | 1496 1615
-----------------------------Retorno Mensal esperado: ret_hat_01_real_ipca
Wooldridge test for autocorrelation in panel data
H0: no first-order autocorrelation
F( 1, 25) = 41512.786
Prob > F = 0.0000
60
61
Taxa de retorno mdia anual prevista pelo modelo: 3,95% real ao ano
62
TELEMAR N L |
64 8.1859 0.0167 12.2457 0.0022
TIM |
64 8.4503 0.0146 13.7123 0.0011
TRACTEBEL |
64 8.6264
0.0134 13.6643 0.0011
TRIUNFO |
48 8.1345 0.0171 12.1888 0.0023
-----------------------------------------------------------------------------Apenas CELESC, SABESP e TAM podem ter distribuio normais.
63
co2
-0.0847
0.00842
(0.0507)
(0.305)
co4
-0.0283
0.0461
(0.0347)
(0.265)
co6
0.0400
0.0385
(0.0285)
(0.103)
co7
-0.0414
0.0454
(0.0281)
(0.270)
co9
0.0354
-0.0713
(0.0687)
(0.0968)
co10
0.0559
-0.0833
(0.0540)
(0.115)
co11
-0.0399
0.0235
(0.0344)
(0.241)
co12
0.00458
-0.0336
(0.0507)
(0.0965)
co13
0.00619
-0.0384
(0.0643)
(0.115)
co15
0.0186
-0.0373
(0.0499)
(0.0698)
co16
0.0151
-0.0571
(0.0608)
(0.0834)
co18
0.0321
-0.0205
(0.0446)
(0.0809)
co19
-0.00584
0.0279
(0.0340)
(0.199)
co20
0.0164
-0.0508
(0.0520)
(0.0717)
co21
-0.0207
0.0271
(0.0452)
(0.188)
co22
-0.0448
-0.0439
(0.0673)
(0.168)
co23
0.0164
-0.0541
(0.0668)
(0.0909)
co24
-0.0450
-0.00907
(0.0593)
(0.213)
co25
-0.0300
-0.0243
(0.0568)
(0.174)
co26
0.0727**
(0.0279)
L.premium_co
1.276
(2.077)
_cons
0.275
-1.258
(0.492)
(2.709)
-------------------------------------------N
885
841
adj. R-sq
0.173
--------------------------------------------Standard errors in parentheses
* p<0.05, ** p<0.01, *** p<0.001
64
65
-----------------------------------------------------------------------------co |
n
D-H P-value
asy. P-value
------------------+----------------------------------------------------------AES TIETE |
28 0.4741 0.7890 0.8594 0.6507***
ALL |
64 0.9530 0.6209 0.6161 0.7349***
CCR |
55 7.6084 0.0223 13.2558 0.0013
CELESC |
35 1.4487 0.4846 1.1219 0.5707***
CEMAR |
25 2.2572
0.3235 1.5510 0.4605***
CEMAT |
27 1.9006 0.3866 1.3864 0.5000***
CEMIG |
49 7.1920 0.0274 12.4659 0.0020
CESP |
40 24.9724 0.0000 114.6374 0.0000
COMGAS |
28 2.2441 0.3256 1.6232 0.4441***
COPEL |
64 14.6412 0.0007 41.3688 0.0000
CPFL |
55 2.2155 0.3303 1.9462 0.3779***
ELETROPAULO |
46 7.6461 0.0219 10.7467 0.0046
EMBRATEL |
28 2.2188 0.3298 0.1519 0.9269***
LIGHT SA |
49 5.6749 0.0586 7.4936 0.0236
OHL |
52 10.6469 0.0049 24.8102 0.0000
SABESP |
28 1.6296 0.4427 1.2584 0.5330***
TAM |
50 0.4922 0.7818 0.9003 0.6375***
TELEFONICA (VIVO) |
28 1.9423 0.3786 1.4989 0.4726***
TELEMAR N L |
16 1.2204 0.5432 0.6104 0.7370***
TIM |
64 6.9760 0.0306 11.3903 0.0034
TRACTEBEL |
52
7.6897 0.0214 14.0124 0.0009
TRIUNFO |
33 5.4315 0.0662 4.9986 0.0821
-----------------------------------------------------------------------------11 companhias podem ter distribuies de probabilidade log-normais
66
67
GMM/Instrumented
(5)
(6)
premium_co premium_co
-------------------------------------------premium_mkt
0.640***
0.704***
(0.0909)
(0.186)
book_to_mkt
-0.0438
0.0384
(0.0230)
(0.136)
lValor_de_~_
-0.0168
0.00774
(0.0248)
(0.0386)
Preo___Lu~x -0.00000409 0.000000216
(0.00000506) (0.00000706)
Preo___Va~x 0.00335
-0.00162
(0.00339)
(0.00925)
Price_Sale~x
0.0134** -0.0000702
(0.00420)
(0.0198)
EV___EBI~a_x -0.000470
-0.000373
(0.000288) (0.000509)
vix
-0.00164*
0.00359
(0.000758)
(0.00795)
Cambio
0.0473
-0.0964
(0.0527)
(0.243)
Cred_Pib
-0.00186
0.00324
(0.00540)
(0.0112)
CASE_SHILLER -0.000581
0.00134
(0.000624)
(0.00345)
Sharpe_Nas~q
-0.0107
-0.0146
(0.00600)
(0.0131)
crisis3
0.0467
0.00430
(0.0594)
(0.0920)
Ativo_Fixo~_ -0.0000420
-0.000169
(0.0000568) (0.000276)
Alavanc~nc_x -0.000000388 0.00000451
(0.00000141) (0.0000102)
co1
-0.0285
0.0607
(0.0517)
(0.311)
co2
-0.0652
0.0627
(0.0590)
(0.376)
co4
-0.0210
0.0562
(0.0367)
(0.269)
co6
0.0462
0.0522
(0.0301)
(0.118)
co7
-0.0389
0.0353
(0.0283)
(0.242)
co8
0.0180
(0.140)
co9
0.0590
0.0107
(0.0779)
(0.138)
co10
0.0765
-0.0101
(0.0618)
(0.0810)
co11
-0.0292
0.0457
(0.0378)
(0.264)
co12
0.0206
0.0147
(0.0563)
(0.158)
co13
0.0299
0.0408
(0.0740)
(0.215)
co15
0.0360
0.0211
(0.0531)
(0.113)
68
co16
0.0351
0.00928
(0.0682)
(0.149)
co18
0.0472
0.0269
(0.0503)
(0.141)
co19
0.00315
0.0473
(0.0367)
(0.219)
co20
0.0323
-0.00173
(0.0572)
(0.119)
co21
0.00547
0.111
(0.0575)
(0.310)
co22
-0.0238
0.0200
(0.0733)
(0.253)
co23
0.0413
0.0303
(0.0764)
(0.180)
co24
-0.0262
0.0445
(0.0666)
(0.285)
co25
-0.00659
0.0508
(0.0672)
(0.279)
co26
0.0749**
(0.0281)
L.premium_co
1.192
(1.855)
_cons
0.451
-0.466
(0.553)
(1.467)
-------------------------------------------N
885
841
adj. R-sq
0.173
--------------------------------------------Standard errors in parentheses
* p<0.05, ** p<0.01, *** p<0.001
Variable |
Obs
Mean Std. Dev.
Min
Max
-------------+-------------------------------------------------------ret_hat_01~a |
916 .0082166 .0487799 -.2465031 .1585987
Variable | Type
Obs
Mean
[95% Conf. Interval]
-------------+---------------------------------------------------------ret_hat_01~a | Arithmetic 916 .0082166
.0050535 .0113797
-----------------------------------------------------------------------Taxa de Retorno Real Mdia Anual Prevista:10,31% real ao ano
69
70
--------------------------------------------------------------------(n = 861) |
D-H P-value
asy. P-value
---------------------+----------------------------------------------ret_hat_01_real_ipca | 343.5197 0.0000 1571.5804 0.0000
-------------------------------------------------------------------------------------------------------------------------------------------------co |
n
D-H P-value
asy. P-value
------------------+----------------------------------------------------------AES TIETE |
28 7.1172 0.0285 11.0282 0.0040
ALL |
62 5.3819 0.0678 4.4991 0.1054
CCR |
55 4.9695 0.0833 2.8609 0.2392
CELESC |
15 6.4097 0.0406 6.9595 0.0308
CEMAR |
25 5.5065 0.0637 0.9485 0.6224
CEMAT |
27 0.1152 0.9440 0.4655 0.7924
CEMIG |
47 4.3274 0.1149 4.0549 0.1317
CESP |
40 15.2668 0.0005 50.6781 0.0000
COMGAS |
28 6.7211 0.0347 5.0756 0.0790
COPEL |
62 25.1516 0.0000 44.2129 0.0000
CPFL |
53 0.7004 0.7045 1.0855 0.5811
ELETROPAULO |
31 15.8123 0.0004 75.1472 0.0000
EMBRATEL |
28 10.3126 0.0058 4.2246 0.1210
LIGHT SA |
49 0.2287 0.8919 0.5522 0.7588
OHL |
52 14.0030 0.0009 39.5745 0.0000
SABESP |
28 2.4645 0.2916 1.7310 0.4209
TAM |
40 0.4289 0.8070 0.0232 0.9885
TELEFONICA (VIVO) |
28 18.8095 0.0001 28.9025 0.0000
TELEMAR N L |
16 3.1614 0.2058 1.8228 0.4020
TIM |
62 1.0901 0.5798 0.5821 0.7475
TRACTEBEL |
52 0.7007 0.7045 0.6109 0.7368
TRIUNFO |
33 1.2352 0.5392 0.2440 0.8852
------------------------------------------------------------------------------
71
72
GMM/Instrumented
(0.0530)
(0.112)
0.0286
0.00679
(0.0679)
(0.149)
co18
0.0544
0.0344
(0.0507)
(0.140)
co19
0.000454
0.0469
(0.0367)
(0.219)
co20
0.0249
-0.00477
(0.0571)
(0.119)
co21
0.0140
0.119
(0.0580)
(0.310)
co22
-0.0317
0.0165
(0.0731)
(0.253)
co23
0.0402
0.0320
(0.0762)
(0.179)
co24
-0.0303
0.0435
(0.0663)
(0.284)
co25
-0.0113
0.0494
(0.0669)
(0.278)
co26
0.0723**
(0.0280)
L.premium_co
1.185
(1.850)
_cons
0.401
-0.491
(0.548)
(1.460)
-------------------------------------------N
885
841
adj. R-sq
0.173
--------------------------------------------Standard errors in parentheses
* p<0.05, ** p<0.01, *** p<0.001
co16
Variable | Type
Obs
Mean
[95% Conf. Interval]
-------------+---------------------------------------------------------ret_hat_01~a | Arithmetic 916 .0081892
.005017 .0113614
-----------------------------------------------------------------------Taxa de Retorno Real Media Anual Prevista:10,28 % real ao ano
73
74
Obs
Mean
75
GMM/Instrumented
(9)
(10)
premium_co premium_co
-------------------------------------------premium_mkt
0.646***
0.708***
(0.0905)
(0.182)
book_to_mkt
-0.0503*
0.0269
(0.0234)
(0.130)
lValor_de_~_ 0.00665
0.0361
(0.0284)
(0.0444)
Preo___Lu~x -0.00000491 -0.000000917
(0.00000498) (0.00000681)
Preo___Va~x 0.00235
-0.00247
(0.00339)
(0.00918)
Price_Sale~x
0.0128** -0.000631
(0.00421)
(0.0195)
EV___EBI~a_x -0.000508
-0.000435
(0.000293) (0.000494)
vix
-0.00156*
0.00349
(0.000749)
(0.00776)
Cambio
0.0424
-0.0979
(0.0522)
(0.238)
Cred_Pib
-0.00300
0.00168
(0.00540)
(0.0109)
CASE_SHILLER -0.000667
0.00121
(0.000636)
(0.00336)
Sharpe_Nas~q
-0.0109
-0.0146
(0.00600)
(0.0129)
crisis3
0.0483
0.00886
(0.0585)
(0.0890)
Ativo_Fixo~_ -0.0000467
-0.000163
(0.0000590) (0.000267)
Alavanc~nc_x -0.00000101 0.00000352
(0.00000147) (0.00000977)
Liquidez_C~x -0.0105
-0.00529
(0.0137)
(0.0181)
Debt_to_Eq~y
0.0196
0.0249
(0.0116)
(0.0150)
co1
-0.125*
0.0170
(0.0578)
(0.297)
co2
-0.183**
-0.00596
(0.0681)
(0.359)
co4
-0.144**
-0.0145
(0.0527)
(0.254)
co6
-0.0236
0.0475
(0.0324)
(0.115)
co7
-0.113**
0.0225
(0.0364)
(0.233)
co8
-0.0801**
0.00647
(0.0283)
(0.136)
co9
-0.0750
-0.0706
(0.0861)
(0.138)
co10
-0.0366
-0.0575
(0.0632)
(0.0839)
co11
-0.129**
0.00761
(0.0423)
(0.254)
co12
-0.0808
-0.0295
(0.0608)
(0.152)
co13
-0.107
-0.0440
76
(0.0830)
(0.206)
-0.0673
-0.0206
(0.0543)
(0.109)
co16
-0.0840
-0.0512
(0.0717)
(0.144)
co18
-0.0535
-0.0164
(0.0558)
(0.134)
co19
-0.0945*
0.0128
(0.0415)
(0.210)
co20
-0.0884
-0.0623
(0.0623)
(0.118)
co21
-0.101
0.0555
(0.0677)
(0.296)
co22
-0.156
-0.0582
(0.0801)
(0.242)
co23
-0.110
-0.0750
(0.0912)
(0.176)
co24
-0.151*
-0.0271
(0.0745)
(0.272)
co25
-0.133
-0.0224
(0.0742)
(0.266)
L.premium_co
1.149
(1.808)
_cons
0.110
-0.962
(0.610)
(1.530)
-------------------------------------------N
885
841
adj. R-sq
0.175
-1.241
-------------------------------------------Standard errors in parentheses
* p<0.05, ** p<0.01, *** p<0.001
co15
77
78
Variable | Type
Obs
Mean
[95% Conf. Interval]
-------------+---------------------------------------------------------ret_hat_01~a | Arithmetic 861 .0091667
.0006544 .017679
-----------------------------------------------------------------------Taxa de Retorno Real Media Anual Prevista: 11,57% real ao ano
--------------------------------------------------------------------(n = 861) |
D-H P-value
asy. P-value
---------------------+----------------------------------------------ret_hat_01_real_ipca | 332.1367 0.0000 1493.6582 0.0000
---------------------------------------------------------------------
-----------------------------------------------------------------------------co |
n
D-H P-value
asy. P-value
------------------+----------------------------------------------------------AES TIETE |
28 5.9947 0.0499 8.1962 0.0166
ALL |
62 4.8584 0.0881 3.9936 0.1358***
CCR |
55 4.5015 0.1053 3.6544 0.1609***
CELESC |
15 5.9941 0.0499 6.1866 0.0454
CEMAR |
25 5.4157 0.0667 0.9154 0.6327***
CEMAT |
27 0.0705 0.9654 0.4630 0.7933***
CEMIG |
47 4.3407 0.1141 4.1580 0.1251
CESP |
40 15.2497 0.0005 51.5575 0.0000
COMGAS |
28 6.9731 0.0306 5.5719 0.0617
COPEL |
62 24.4751 0.0000 43.6926 0.0000
CPFL |
53 0.7254 0.6958 1.0441 0.5933***
ELETROPAULO |
31 15.5675 0.0004 71.9117 0.0000
EMBRATEL |
28 10.0437 0.0066 4.0906 0.1293***
LIGHT SA |
49 0.1691 0.9189 0.4815 0.7860***
OHL |
52 14.8313
0.0006 38.7418 0.0000
SABESP |
28 2.4665 0.2913 1.7402 0.4189***
TAM |
40 0.0978 0.9523 0.2582 0.8789***
TELEFONICA (VIVO) |
28 18.8223 0.0001 29.0220 0.0000
TELEMAR N L |
16 2.7005 0.2592 1.2475 0.5359***
TIM |
62 1.0376 0.5952 0.7194 0.6979***
TRACTEBEL |
52 0.5456 0.7612 0.5515
0.7590***
TRIUNFO |
33 0.9355 0.6264 0.5359 0.7649***
------------------------------------------------------------------------------
79
80
possui
um
servio
de
televiso
por
cabo,
internet
e
81
gerando e
at
que
foi
comprada
pela
empresa
americana
MCI
85
Telemar Internet Ltda. (Oi Internet) e Companhia AIX Vivo Participaes S.A.
sua subsidiria a Tele Norte Leste Holding Company.
86
ANEXO III
*************************************************************************
Previso do Analista de Mercado em 15 de Dezembro 2011:
Companhia: CCR:
Custo de capital: 11.1%
Beta 0.72
Risk-free 8.5% (previsao analista estrategico)
Companhia: ALL:
Custo de capital: 11.1%
Beta 0.90
Risk-free 7%
Companhia:
Custo de Capital
Beta
Risk-free
CCR
11.10%
0.72
8.50%
OHL
Brasil
14.20%
0.7
12%
ALL
11.10%
0.9
7%
87
ANEXO IV
***************************************************************************************
CAPM Basic Efeitos Fixos
e(rss)
17.677664
----------------------------------------------------------------------------Model | Obs ll(null) ll(model) df
AIC
BIC
-------------+--------------------------------------------------------------est1 | 1496 1072.358 1197.078 27 -2340.155 -2196.77
----------------------------------------------------------------------------Note: N=Obs used in calculating BIC; see [R] BIC note
88
Por companhia:
-----------------------------------------------------------------------------co |
n
D-H P-value
asy. P-value
------------------+----------------------------------------------------------AES TIETE |
64 8.4469 0.0146 13.3129 0.0013
ALL |
64 8.4469 0.0146 13.3129 0.0013
BR TELECOM |
64 8.4469 0.0146 13.3129 0.0013
CCR |
64 8.4469 0.0146 13.3129 0.0013
CEB |
67 9.1539 0.0103 14.1127 0.0009
CELESC |
64 8.4469 0.0146 13.3129 0.0013
CEMAR |
64 8.4469 0.0146 13.3129 0.0013
CEMAT |
64 8.4469 0.0146 13.3129 0.0013
CEMIG |
49 6.6539 0.0359 6.7994 0.0334
CESP |
64 8.4469 0.0146 13.3129 0.0013
COMGAS |
64 8.4469 0.0146 13.3129 0.0013
COPEL |
64 8.4469 0.0146 13.3129 0.0013
CPFL |
64 8.4469 0.0146 13.3129 0.0013
ELETROBRAS |
43 6.1293 0.0467 5.1136 0.0776
ELETROPAULO |
64 8.4469 0.0146 13.3129 0.0013
EMBRATEL |
64 8.4469 0.0146 13.3129 0.0013
GOL |
64 8.4469 0.0146 13.3129 0.0013
LIGHT SA |
64 8.4469 0.0146 13.3129 0.0013
OHL |
64 8.4469 0.0146 13.3129 0.0013
SABESP |
64 8.4469 0.0146 13.3129 0.0013
TAM |
64 8.4469 0.0146 13.3129
0.0013
TELEFONICA (VIVO) |
64 8.4469 0.0146 13.3129 0.0013
TELEMAR N L |
64 8.4469 0.0146 13.3129 0.0013
TIM |
64 8.4469 0.0146 13.3129 0.0013
TRACTEBEL |
64 8.4469 0.0146 13.3129 0.0013
TRIUNFO |
48 6.3833 0.0411 6.0121 0.0495
-----------------------------------------------------------------------------Ausencia de normalidade por empresa.
89
90
Por companhia:
-----------------------------------------------------------------------------co |
n
D-H P-value
asy. P-value
------------------+----------------------------------------------------------AES TIETE |
64 8.6701 0.0131 14.0236 0.0009
ALL |
64 8.0109 0.0182 11.9339 0.0026
CCR |
64 11.4120 0.0033 28.6832 0.0000
CEB |
52 15.3012 0.0005 56.3009 0.0000
CELESC |
38 0.9334 0.6271 1.0590 0.5889***
CEMAR |
64 7.0991 0.0287 11.9746 0.0025
CEMAT |
63 7.1309 0.0283 9.9543 0.0069
CEMIG |
49 8.7603 0.0125 13.6451 0.0011
CESP |
64 18.9733 0.0001 58.7471 0.0000
COMGAS |
60 11.1943 0.0037 20.2792 0.0000
COPEL |
64 14.0110 0.0009 38.0212 0.0000
CPFL |
64 8.9610 0.0113 12.7120 0.0017
ELETROPAULO |
46 7.5756 0.0226 12.7171 0.0017
EMBRATEL |
64 10.0556 0.0066 15.0693 0.0005
GOL |
64 10.6931 0.0048 26.3634 0.0000
LIGHT SA |
64 6.3931 0.0409 9.5214 0.0086
OHL |
64 15.1743 0.0005 58.4846 0.0000
SABESP |
30 1.0346 0.5961 1.0026 0.6058***
TAM |
50 2.1924 0.3341 1.9874 0.3702***
TELEFONICA (VIVO) |
64 13.7562 0.0010 43.9757 0.0000
TELEMAR N L |
64 8.1346 0.0171 11.6767 0.0029
TIM |
64
8.8802 0.0118 16.6087 0.0002
TRACTEBEL |
64 9.8089 0.0074 17.0859 0.0002
TRIUNFO |
48 9.6416 0.0081 11.6574 0.0029
-----------------------------------------------------------------------------SELESC, SABESP e TAM sao normais.
91
0.0265
(0.0307)
0.00983
(0.0346)
0.0103
(0.0332)
0.0265
(0.0305)
0.0271
(0.0380)
0.0340
(0.0308)
0.00975
(0.0333)
0.00489
(0.0326)
0.0162
(0.0313)
0.0128
(0.0333)
0.0248
(0.0315)
0.0243
(0.0307)
0.0225
(0.0302)
0.0216
(0.0319)
0.00328
(0.0229)
co2
-0.0116
(0.0252)
co3
-0.0110
(0.0249)
co4
0.00349
(0.0231)
co5
-0.0100
(0.0356)
co6
0.00871
(0.0242)
co7
-0.00797
(0.0233)
co8
-0.0118
(0.0258)
co9
-0.000932
(0.0217)
co10
-0.00460
(0.0251)
co11
0.00331
(0.0216)
co12
0.00212
(0.0221)
co13
-0.000106
(0.0216)
co14
0.00239
(0.0232)
co15
0.00753
(0.0270)
co16
0.0233
-0.00242
(0.0330)
(0.0234)
co17
-0.00692
-0.0202
(0.0330)
(0.0296)
co18
0.0290
0.00632
(0.0306)
(0.0227)
co19
0.0253
0.00243
(0.0317)
(0.0240)
co20
0.0236
-0.00104
(0.0308)
(0.0222)
co21
0.0135
0.00645
(0.0325)
(0.0266)
co22
0.0168
-0.000167
(0.0343)
(0.0254)
co23
0.0117
-0.00805
(0.0322)
(0.0229)
co24
0.0110
-0.00449
(0.0326)
(0.0237)
co25
0.0213
-0.000714
(0.0302)
(0.0211)
co26
0.0124
(0.0374)
L.premium_co
0.409
(0.628)
_cons
-0.0200
0.00178
(0.0292)
(0.0199)
-------------------------------------------N
1495
1405
adj. R-sq
0.139
0.001
-------------------------------------------Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001
Estimao de Betas tem sensibilidade ao GMM/instrumentos
92
Variable |
Obs
Mean Std. Dev.
Min
Max
-------------+-------------------------------------------------------ret_hat_01~a | 1473 .0040462 .0663515 -.3539566 .1986573
93
Por companhia:
-----------------------------------------------------------------------------co |
n
D-H P-value
asy. P-value
------------------+----------------------------------------------------------AES TIETE |
62 11.8809 0.0026 27.0851 0.0000
ALL |
62 6.0900 0.0476 3.1106 0.2111***
BR TELECOM |
62 6.1221 0.0468 9.2506 0.0098
CCR |
62 12.1221 0.0023 16.0985 0.0003
CEB |
50 12.7983 0.0017 42.1613 0.0000
CELESC |
36 8.3871 0.0151 16.8202 0.0002
CEMAR |
62 2.3652 0.3065
1.9751 0.3725***
CEMAT |
62 0.2449 0.8847 0.7138 0.6999***
CEMIG |
47 1.3232 0.5160 0.7401 0.6907***
CESP |
62 21.6222 0.0000 104.5991
0.0000
COMGAS |
58 4.8738 0.0874 6.0716 0.0480
COPEL |
62 7.2426 0.0267 11.5364 0.0031
CPFL |
62 0.6937 0.7069 0.5568 0.7570***
ELETROBRAS |
41 4.4465 0.1083 2.3101 0.3150***
ELETROPAULO |
36 7.3035 0.0259 12.6842 0.0018
EMBRATEL |
62 5.8718 0.0531 8.5971 0.0136
GOL |
62 4.5151 0.1046 3.8465 0.1461***
LIGHT SA |
62 0.9987 0.6069 0.8605 0.6504***
OHL |
62 18.7956 0.0001 98.0452 0.0000
SABESP |
62 25.2912 0.0000 161.8384 0.0000
TAM |
43 1.2647 0.5313 1.1916 0.5511***
TELEFONICA (VIVO) |
62 6.6657 0.0357 8.9497 0.0114
TELEMAR N L |
62 4.9204
0.0854 5.6870 0.0582
TIM |
62 3.1548 0.2065 2.2227 0.3291***
TRACTEBEL |
62 3.3566 0.1867 3.2817 0.1938***
TRIUNFO |
46 7.1442 0.0281 10.4348 0.0054
------------------------------------------------------------------------------
De todo grupo, 11 companhias (ALL CEMAR CEMAT CEMIG CPFL ELETROBRAS GOL LIGHT TAM TIM TRACTEBEL)
tem retornos previstos normais.
Todos os mltiplos:
Multiples - Efeitos Fixos:
Modelo 03: Modelo sob critrio de soma de erros de previso.
premium_co premium_mkt book_to_mkt lValor_de_Mercado_ vix Dividend_Yld__cot_fim_ EV___EBITDA_da_empresa_x
z_Capital_de_Giro_ Ativo_Fixo___Pat_Liq_ Exigivel_Tt___Ativo_Tt_ Cambio Cred_Pib CASE_SHILLER Alavancagem_Financ_x
Alavancagem_Operac_x Divida_Bruta___Atv_Tt_ Preo___Lucro_x Sharpe_Nasdaq crisis3 co5-co26
e(rss)
8.4050866
----------------------------------------------------------------------------Model | Obs ll(null) ll(model) df
AIC
BIC
-------------+--------------------------------------------------------------est4 | 885 710.5983 804.8515 38 -1533.703 -1351.851
----------------------------------------------------------------------------Note: N=Obs used in calculating BIC; see [R] BIC note
Taxa de Retorno Real Media Mensal Prevista:
ret_hat_01_real_ipca
Variable |
94
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------ret_hat_01~a |
916 .0082942 .0470795 -.2653562 .1550696
95
Por companhia:
-----------------------------------------------------------------------------co |
n
D-H P-value
asy. P-value
------------------+----------------------------------------------------------AES TIETE |
28 1.5676 0.4567 1.2717 0.5295***
ALL |
64 7.8667 0.0196 14.2278 0.0008
CCR |
55 7.1938 0.0274 12.4146 0.0020
CELESC |
35 0.8174 0.6645 0.5940 0.7430***
CEMAR |
25 2.3863 0.3033 1.4873 0.4754***
CEMAT |
27 1.0304 0.5974 1.0287 0.5979***
CEMIG |
49 8.1001 0.0174 15.6636 0.0004
CESP |
40 29.7828 0.0000 155.5278 0.0000
COMGAS |
28 3.8634 0.1449 2.2053 0.3320***
COPEL |
64 13.5254 0.0012 41.8583 0.0000
CPFL |
55 2.2075 0.3316 1.9629 0.3748***
ELETROPAULO |
46 8.5932 0.0136 13.7752 0.0010
EMBRATEL |
28 1.4475 0.4849 0.0238 0.9882***
LIGHT SA |
49 6.3957 0.0408 9.5291 0.0085
OHL |
52 13.0232 0.0015 33.1409 0.0000
SABESP |
28 2.5211 0.2835 1.6750 0.4328***
TAM |
50 2.5732 0.2762 1.8726 0.3921***
TELEFONICA (VIVO) |
28 3.9148 0.1412 2.1948 0.3337***
TELEMAR N L |
16 2.3701 0.3057 1.6006 0.4492***
TIM |
64 8.3455 0.0154 16.2543 0.0003
TRACTEBEL |
52 5.6749 0.0586 6.9778 0.0305
TRIUNFO |
33 10.2678 0.0059 8.5922 0.0136
-----------------------------------------------------------------------------AES-Tiete, Celesc, CEMAR, CEMAT, COMGAS, ELETROPAULO, EMBRATEL, SABESP, TAM, TELI-VIVO, TELEMAR tem
distribuio normal.
96
-0.00133
-0.00133
0.00348
(0.000759) (0.000720)
(0.00827)
Dividend_~m_ -0.0000596
-0.0000596
0.00140
(0.00144)
(0.00139)
(0.00449)
EV___EBI~a_x -0.000174
-0.000174
-0.000344
(0.000288) (0.000264) (0.000481)
z_Capital_~_ -0.00102
-0.00102
-0.000754
(0.0134)
(0.0136)
(0.0150)
Ativo_Fixo~_ -0.0000157
-0.0000157
-0.000153
(0.0000488) (0.0000476) (0.000300)
Exigivel_~t_ -0.000747
-0.000747
-0.000199
(0.00107)
(0.00108)
(0.00209)
Cambio
0.0417
0.0417
-0.0948
(0.0539)
(0.0485)
(0.259)
Cred_Pib
-0.00244
-0.00244
0.00315
(0.00537)
(0.00501)
(0.0123)
CASE_SHILLER -0.000360
-0.000360
0.00135
(0.000671) (0.000635)
(0.00349)
Alavanc~nc_x -0.00000157 -0.00000157 0.00000405
(0.00000140) (0.00000130) (0.0000118)
Alavanc~ac_x 0.0000312
0.0000312
0.0000923
(0.000603) (0.000557)
(0.00128)
Divida_Br~t_ 0.00102
0.00102 0.00000164
(0.000807) (0.000844)
(0.00212)
Preo___Lu~x -0.00000288 -0.00000288 0.000000512
(0.00000540) (0.00000588) (0.00000666)
Sharpe_Nas~q
-0.0105
-0.0105
-0.0143
(0.00608)
(0.00594)
(0.0134)
crisis3
0.0411
0.0411
0.00718
(0.0595)
(0.0544)
(0.0865)
co6
0.112**
0.112**
0.00260
(0.0379)
(0.0390)
(0.235)
co8
0.0695*
0.0695*
-0.0320
(0.0350)
(0.0351)
(0.206)
co10
0.102**
0.102**
-0.0729
(0.0343)
(0.0344)
(0.317)
co12
0.0615*
0.0615*
-0.0396
(0.0266)
(0.0271)
(0.180)
co18
0.0577*
0.0577*
-0.0390
(0.0272)
(0.0272)
(0.193)
co19
0.0351*
0.0351*
-0.00670
(0.0164)
(0.0169)
(0.0785)
co20
0.0590*
0.0590*
-0.0531
(0.0279)
(0.0268)
(0.209)
co26
0.152***
0.152***
-0.0507
(0.0363)
(0.0380)
(0.368)
L.premium_co
1.163
(2.032)
_cons
-0.120
-0.120
-0.395
(0.360)
(0.364)
(0.713)
------------------------------------------------------------
97
N
885
885
841
adj. R-sq
0.157
0.157
------------------------------------------------------------Standard errors in parentheses
* p<0.05, ** p<0.01, *** p<0.001
98
--------------------------------------------------------------------(n = 861) |
D-H P-value
asy. P-value
---------------------+----------------------------------------------ret_hat_01_real_ipca | 326.9783 0.0000 1499.7589 0.0000
--------------------------------------------------------------------Ausencia de Normalidade nos retornos esperados no painel todo.
99
Por Companhia:
-----------------------------------------------------------------------------co |
n
D-H P-value
asy. P-value
------------------+----------------------------------------------------------AES TIETE |
28 8.7637 0.0125 14.4058 0.0007
ALL |
62 5.0568 0.0798 4.2859 0.1173***
CCR |
55 4.9399 0.0846 2.7807 0.2490***
CELESC |
15 6.0293 0.0491 6.0132 0.0495
CEMAR |
25 4.7096 0.0949 0.6750 0.7136***
CEMAT |
27 0.1281 0.9379 0.4682 0.7913***
CEMIG |
47 4.2594 0.1189 4.1773 0.1239***
CESP |
40 14.9619 0.0006 45.5483 0.0000
COMGAS |
28 8.4073 0.0149 6.2589 0.0437
COPEL |
62 24.8410 0.0000 41.9501 0.0000
CPFL |
53 0.7321 0.6935 1.1019 0.5764***
ELETROPAULO |
31 15.9082 0.0004 73.7739 0.0000
EMBRATEL |
28 10.2011 0.0061 3.9873 0.1362***
LIGHT SA |
49 0.2700 0.8737 0.6372 0.7272***
OHL |
52 14.1071 0.0009 40.7410 0.0000
SABESP |
28 2.5362 0.2814 1.8290 0.4007***
TAM |
40 0.3102 0.8563 0.0593 0.9708***
TELEFONICA (VIVO) |
28 18.8585 0.0001 27.8897 0.0000
TELEMAR N L |
16 3.2036 0.2015 1.8640 0.3938***
TIM |
62 1.0972 0.5778 0.6615 0.7184***
TRACTEBEL |
52 0.4878 0.7836 0.4272 0.8077***
TRIUNFO |
33 1.3272 0.5150 0.2118 0.8995***
-----------------------------------------------------------------------------ALL CCR CELESC CEMAR CEMAT CEMIG CPFL EMBRATEL LIGHT SA SABESP TAM TELEMAR
TIM TRACTEBEL TRIUNFO
De todo grupo, 14 companhis tem retornos previstos normais.
100
ANEXO V
Matriz de Correlacoes:
Price_~x EV__~a_x
premium_mkt
1.0000
book_to_mkt -0.0451
1.0000
0.0846
lValor_de_~_
0.0138
0.5937
-0.3587
0.0000
1.0000
Preo___Lu~x
0.0674
0.0144
-0.0805
0.0041
0.1379
0.0000
1.0000
Preo___Va~x
0.0453
0.0918
-0.6026
0.0000
0.2101
0.0000
0.0641
0.0199
1.0000
Price_Sale~x 0.0548
-0.3813
0.0466
0.1484
0.0000
0.0641
0.0000
0.4751
0.0199
1.0000
0.0000
EV___EBI~a_x
-0.0167
0.5863
0.0178
0.5775
0.0143
0.6417
0.0104
0.7474
0.2179
0.0000
0.4034
0.0000
1.0000
vix
-0.2809
0.0000
0.1708
0.0000
-0.0928
0.0003
0.0146
0.5967
-0.1437
0.0000
-0.2200
0.0000
-0.0075
0.8063
Cambio
0.0739
0.0030
0.1606
0.0000
-0.1225
0.0000
0.0250
0.3640
0.0196
0.4649
0.0082
0.7648
0.0380
0.2143
Cred_Pib
-0.0381
0.1261
0.0382
0.1441
0.0331
0.1986
-0.0284
0.3031
-0.2095
0.0000
-0.2765
0.0000
0.0399
0.1929
CASE_SHILLER
0.0498
0.0456
-0.0757
0.0038
-0.0040
0.8778
0.0293
0.2878
0.2235
0.0000
0.3108
0.0000
-0.0110
0.7207
Sharpe_Nas~q
0.7083
0.0000
-0.0453
0.0832
0.0311
0.2271
0.0210
0.4450
0.0113
0.6730
0.0184
0.5035
-0.0231
0.4514
crisis3
0.0070
0.7800
0.1043
0.0001
-0.0114
0.6586
-0.0256
0.3527
-0.2231
0.0000
-0.3017
0.0000
0.0655
0.0323
Ativo_Fixo~_
0.0181
0.4750
-0.0551
0.0350
-0.0044
0.8661
-0.0056
0.8406
0.1916
0.0000
-0.0729
0.0082
0.0169
0.5815
Alavanc~nc_x
-0.0363
0.1523
-0.0351
0.1813
-0.0114
0.6592
-0.0071
0.7985
0.0294
0.2773
-0.0279
0.3124
0.0115
0.7081
Liquidez_C~x
-0.0096
0.7034
-0.2455
0.0000
0.2699
0.0000
0.0426
0.1223
0.1367
0.0000
0.1767
0.0000
0.0378
0.2174
Debt_to_Eq~y
-0.0349
0.1766
0.3301
0.0000
-0.2309
0.0000
0.0001
0.9982
-0.2458
0.0000
-0.3068
0.0000
0.0156
0.6108
101
1.0000
Cambio
0.2895
0.0000
1.0000
Cred_Pib
0.3205
0.0000
-0.4698
0.0000
1.0000
-0.4869
0.0000
0.3819
0.0000
-0.9548
0.0000
1.0000
-0.4156
0.0000
-0.1019
0.0000
0.1055
0.0000
-0.0631
0.0112
1.0000
0.4577
0.0000
-0.1373
0.0000
0.9227
0.0000
-0.9033
0.0000
0.0990
0.0001
1.0000
0.1718
0.0000
0.2022
0.0000
-0.0935
0.0002
0.0330
0.1920
-0.0411
0.1043
-0.0171
0.4984
1.0000
0.0246
0.3320
-0.0214
0.3981
0.0405
0.1104
-0.0331
0.1921
-0.0237
0.3513
0.0392
0.1224
0.3230
0.0000
-0.0792
0.0017
-0.0101
0.6889
-0.1053
0.0000
0.1129
0.0000
-0.0143
0.5716
-0.1237
0.0000
-0.1690
0.0000
0.2178
0.0000
0.1103
0.0000
0.1725
0.0000
-0.2072
0.0000
-0.0286
0.2691
0.2333
0.0000
0.1740
0.0000
CASE_
SHILLER
Sharpe_
Nas~q
crisis3
Ativo_
Fixo~_
Alavanc
~nc_x
Liquidez
_C~x
Debt_to
_Eq~y
Liquidez
_C~x
Debt_
to_Eq~y
1.0000
-0.0272
0.2835
1.0000
0.0891
0.0006
-0.2258
0.0000
102
1.0000
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130