36 – A Competição por Informações é Capaz de Reduzir o Custo do Capital Próprio das

Empresas Brasileiras?

LUIZ FELIPE DE ARAÚJO PONTES GIRÃOUFPB

EDILSON PAULO PPGCC/UFPB

XVI USP CONFERENCE

1

2

Introdução

Analisar o efeito da competição por melhores informações no custo do capital próprio das empresas brasileiras que negociam seus títulos na

BM&FBovespa.Pressuposto: a competição por (e o uso de) “melhores informações”

funcionará como um disclosure (voluntário?) de informações que ainda não são “conhecidas” de forma generalizada pelos interessados.

3

HIPÓTESE

Os mercados não são perfeitos e os agentes precisam pagar por informações “adicionais”, isso reduz a probabilidade de expectativas homogêneas (GROSSMAN; STIGLITZ, 1980):

• Todos os investidores são “informacionalmente” idênticos até que, em certo ponto do tempo, alguns investidores adquirem informações sobre e negociam com ela.

• O retorno de um ativo (u) é dado por:.

• Quando falar em “aquisição de informação” estarei falando de .

4

HIPÓTESETraders informados negociam (c)

é transferida para os “preços”

Como os “preços” se tornam mais informativos, outros “insiders” passam a ter menos vantagens em relação

aos “outsiders”

Quanto mais agentes informados, mais informativo será o sistema de preços

(menos assimetria informacional)Grossman and Stiglitz

(1980)

5

HIPÓTESE• Conjecturas de GS usadas neste artigo:

quanto mais agentes informados…1. … mais informativo será o sistema de

preços; 2. … menor será a utilidade esperada do

agente informado comparado a um não informado; e

3. O mercado estará em equilíbrio informacional se todos os investidores forem informados ou se todos forem desinformados.

• Teorema 1 de Hughes, Liu e Liu (2007).Hipótese: a competição por melhores informações reduz o custo

do capital das companhias

6

Autores Destaques Achado

EHO (2002) Regressão Fama-French

IA é precificada //

sinal +Mohanram e

Rajgopal (2009)

Metodologia de EHO e testes adicionais

IA não é precificada

Duarte e Young (2009)

Fama-McBeth // AdjPIN

AdjPIN não é precificada

Martins et al (2013) Metodologia de EHO

IA é precificada//

sinal +

Revisão da literatura

7

Autores Destaques Achado

Armstrong et al (2011) Fama-French

IA é precificada, porém a

competição reduz seu efeito

Akins, Ng e Verdi (2012) Fama-McBeth Idem

Botosan e Plumlee (2013)

Retornos em t+1 e ICOEC

Depende da metodologia

Hwang et al (2013) Bias-free AdjPIN

Bias-free AdjPIN é precificada, porém a PIN

nãoEsse é o puzzle!

Revisão da literatura

8

Metodologia

Amostra e dados:• Período: 2008 a 2014.• Dados: Thomson Reuters Eikon®. • Excluídas as empresas do setor

financeiro.• N = 394 observações.

9

Metodologia• Características de um “investidor

melhor informado” (Easley & O’Hara, 2004):– Acesso privilegiado às informações; ou – Capacidade de processar as informações já

divulgadas de forma mais eficiente que os demais investidores.

• Exemplos: acionistas majoritários, controlador “da família”, investidores institucionais, analistasetc.

10

MetodologiaCompetição por informações:• Cobertura de analistas (HEALY; PALEPU, 2001,

JAE; FRANKEL; LI, 2004, JAE, ARMSTRONG et al, 2011, JAR).

Como análise de sensibilidade:• Quantidade de investidores institucionais

(DIAMOND; VERRECCHIA, 1991, JoF; SIAS; STARKS, 1997, JFE; AKINS; NG; VERDI, 2012, TAR).

• Quantidade de investidores (ARMSTRONG et al, 2011).

• PIN (AKINS, NG, VERDI, 2012).

11

MetodologiaCusto do capital implícito (COC):• Foi utilizado o COC em excesso à Rf

(NTN-B principal) (EASTON, 2004, TAR; BOTOSAN; PLUMLEE, 2002, JAR, 2013, JBFA), com base nas eq. 1 e 2.

Excluído da análise principal, por levar a perda de muitas observações.

Correlação entre as duas proxies = 0,9377***

12

Metodologia Teste básico da Hipótese (eq. 2):

Variável Sinal esperado Significado

+ Exposição ao risco sistemático

- Menos assimetria

- Reconhecimento de oportunidades de crescimento

- Monitoramento e busca por informações

13

ResultadosDestaques descritivos: • O valor médio(mediano) do COCpeg_prem foi de 12,50%

(9,37%). Botosan e Plumlee (2013), no período de 1993 a 2004, encontraram 6,6%(5,8%).

• COCpeg_prem: alta heterogeneidade entre as empresas-ano [desvio padrão de 11,77% e alta diferença entre o 1º quartil (5,90%) e o 3º quartil (15,11%)].

• COB: média de 8,45, enquanto que Almeida e Dalmácio (2015, TIJA) encontraram uma média de 6 analistas por empresa.

14

Variável Sinal esperadoCOCpeg_prem

(1)a

COCpeg_prem

(2)a

COCpeg_prem

(3)a

COCpeg_prem

(4)a, d

COCpeg_prem

(5)c

COCpeg_prem

(6)c

COCpeg_prem

(7)c

beta + 0,0122 (0,0185) 

– 0,0119 (0,0201) 

0,0223 (0,0177)

0,0525**

(0,0176) [7/7]

– 0,0563**

(0,0191) [7/7]

Size - -0,0294***

(0,0084) 

– -0,0296***

(0,0110) 

EXCLUÍDA -0,0168***

(0,0044) [6/7]

– EXCLUÍDA

ln(mtb) - -0.0313***

(0,0065) 

– -0,0314***

(0,0064) 

-0,0463***

(0,0071) -0,0306***

(0,0028) [7/7]

– -0,0361***

(0,0047) [7/7]

ln(COBEPS) - – -0,0479***

(0,0127) 

0,0006 (0,0136) 

-0,0262***

(0,0105) -0,0119 (0,0110) [5/7]

-0,0435**

(0,0144)[7/7]

-0,0288**

(0,0106) [5/7]

Constante ? 0,8306***

(0,1966) 0,2721***

(0,0342) 0,8335***

(0,2293) 0,2223***

(0,0285) 0,4951***

(0,1010) 0,2089***

(0,0355) 0,1538***

(0,0283)

R² ajustado 0,4235 0,2463 0,4486 0,3679 0,3564 0,1018 0,3234

Teste F 11,14*** 8,06*** 10,59*** 10,81*** 47,34*** 9,21** 21,51***

Teste de White 5,064** 182,84*** 335,02*** 250,160*** NA NA NA

Teste de Wooldridge 323,10*** 8,567*** 5,308** 7,447*** NA NA NA

Dummy do ano Sim Sim Sim Sim NA NA NA

Dummy do setor Sim Sim Sim Sim NA NA NA

ResultadosTabela 2 – Análise do efeito da competição por informações sob o custo do capital

OLS não é a análise principalMantido por comparabilidade

15

Variável Sinal esperadoCOCpeg_prem

(12)e q.5COCpeg_prem

(13)e q.5COCpeg_prem

(16)e q.5COCpeg_prem

(17)e q.5

beta + 0,0490***

(0,0103) 0,0548***

(0,0102) 0,0536***

(0,0087) 0,0519***

(0,0069)size - 0,0000

(0,0000)-0,0000(0,0000)

0,0000(0,0000)

-0,0000(0,0000)

mtb - -0,0020*

(0,0012)-0,0001(0,0008)

-0,0019*

(0,0010)-0,0001(0,0001)

COBEPS e - -0,0041***

(0,0010)-0,0036***

(0,0008) 0,0018(0,0024)

0,0003(0,0014)

COB<P25% ? – – 0,1192***

(0,0299) 0,0927***

(0,0174)COB>P75% ? – – 0,1340

(0,4254) 0,1550(0,2381)

COB<P25%* COBEPS e - – – -0,0433***

(0,0143)-0,0350***

(0,0083)COB>P75%* COBEPS

e - – – -0,0513(0,1544)

-0,0581(0,0865)

Constante ? 0,1046***

(0,0139) 0,1618***

(0,0129) 0,0291(0,0254)

0,1219***

(0,0160)Pseudo R²   0,0679 0,1636 0,0964 0,1883

Dummy do ano   Não Sim Não Sim

Dummy do setor   Não Sim Não Sim

Resultados (NÃO INSERIDA NO ARTIGO) Tabela 5 – Análise do efeito da competição por informações em diversos ambientes informacionais (unscaled)

Qreg para explorar a heterogeneidade“Comparação” com OLS, mas robusta aos outliers (q.50)

16

-0.0

6-0

.04

-0.0

20.

000.

02ln

(CO

Bep

s)

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

ResultadosFigura 3 – Comportamento da competição sem tratamento em ln ao longo dos quantis

Pressupondo que o ambiente informacional ruim leva a um maior COC (EASLEY; O’HARA, 2004), principalmente em economias pequenas (HUGHES; LIU; LIU, 2007).

Possibilidade de explorar o ambiente informacional, como determinante do custo do capital, e não perder informação com scale (OHLSON, KIM, 2015, RAS).

Rejeita-se a H0 de q.05 = q.50 = q.95F = 57,18***

Não se rejeita a H0 de q.05 = 0 (t = 1,14)Rejeita-se a H0 de que q.95 = 0 (t = -10,38***)Resultados semelhantes usando q.10 e q.90

Resultados diferentes da OLS**

CO

BE

PS

COB é mais importante

COB é menos importante

COCpeg_prem

17

Resultados-0.5

00.

000.

501.

001.

50C

OB

<P25

%

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

-10.

00-5.

000.

005.

0010

.0015

.00

CO

B>P

75%

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

-0.8

0-0.6

0-0.4

0-0.2

00.0

00.2

0C

OB

<P25

%*

ln(C

OB

eps)

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

-4.0

0-2.

000.

002.

004.

00C

OB

>P75

%*

ln(C

OB

eps)

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

Efeito da COB em torno de -0,02 (slide anterior).Efeito da COB<25%*COB em torno de -0,20.A variável COB>75%*COB não foi significante, indicando que os analistas só têm efeito até um “determinado” ponto (muita informação já foi disseminada).

CO

B<2

5%*C

OB

EP

S

COCpeg_prem

18

CONSIDERAÇÕES FINAIS• Contribuições esperadas do artigo:

1. Evidências de que a cobertura de analistas auxilia na redução do COC;

2. O efeito da COB, como proxy para competição, é significante em empresas que têm um COC mais alto (e.g. mais risco e pior ambiente informacional); e

3. O efeito da competição por informações é mais forte para empresas com mais informações (“privadas” ou não) a serem descobertas (COB<25%*COB).

19

CONSIDERAÇÕES FINAIS

• Principais limitações:1. Dados sobre investidores institucionais são

divulgados apenas a partir de 2010;2. Os dados dos investidores institucionais foram

divulgados nos Formulários de Referência com muitas inconsistências; e

3. Poucas empresas têm cobertura de analistas, gerando redução da amostra.

• É possível utilizar modelos de previsão dos EPS (e.g. HOU et al., 2012), contudo seria uma proxy de uma proxy.

20

Luiz Felipe de A. Pontes GirãoLFAPG@HOTMAIL.COM

contabilidademq.blogspot.com

Edilson Pauloe.paulo@uol.com.br