exposiÇÃo cambial: o caso da petrobras - cloud...
TRANSCRIPT
FACULDADE DE ECONOMIA E FINANÇAS IBMEC
PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM
ADMINISTRAÇÃO E ECONOMIA
DDIISSSSEERRTTAAÇÇÃÃOO DDEE MMEESSTTRRAADDOO PPRROOFFIISSSSIIOONNAALLIIZZAANNTTEE EEMM EECCOONNOOMMIIAA
EXPOSIÇÃO CAMBIAL: O CASO DA PETROBRAS
GGUUSSTTAAVVOO LLUUCCHHEESSEE UUNNFFEERR
ORIENTADOR: PROF. DR. ALEXANDRE BARROS DA CUNHA
Rio de Janeiro, 30 de setembro de 2010.
EXPOSIÇÃO CAMBIAL: O CASO DA PETROBRAS
GUSTAVO LUCHESE UNFER
Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Áreas de Concentração: Finanças Internacionais e Finanças Empíricas.
ORIENTADOR: ALEXANDRE BARROS DA CUNHA
Rio de Janeiro, 30 de setembro de 2010.
EXPOSIÇÃO CAMBIAL: O CASO DA PETROBRAS
GUSTAVO LUCHESE UNFER
Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Áreas de Concentração: Finanças Internacionais e Finanças Empíricas
Avaliação:
BANCA EXAMINADORA:
_____________________________________________________
Professor Dr. ALEXANDRE BARROS DA CUNHA (Orientador) Instituição: IBMEC _____________________________________________________
Professor Dr. JOSÉ VALENTIM MACHADO VICENTE Instituição: IBMEC _____________________________________________________
Professor Dr. ARILTON TEIXEIRA Instituição: FUCAPE
Rio de Janeiro, 30 de setembro de 2010.
FICHA CATALOGRÁFICA
M 336.042
U20e
Unfer, Gustavo Luchese.
Exposição cambial: O caso Petrobrás / Gustavo Luchese Unfer - Rio de Janeiro : Faculdade IBMEC,2010. 49 Páginas.
Dissertação apresentada ao curso de Mestrado Profissional em Economia como requisito parcial para obtenção do Grau de Mestre em Economia.
Área de Concentração: Finanças Internacionais e Finanças Empíricas.
ORIENTADOR: Prof. Dr. Alexandre Barros da Cunha
1. Exposição Cambial – Brasil 2. Assimetria – Exposição Cambial. I. Unfer,Gustavo luchese. II. Cunha, Alexandre Barros da (Orientador). III. Título.
v
DEDICATÓRIA
À minha mãe, Maria de Fátima, pelo apoio incondicional
em todas as situações.
À memoria de meu pai, Gilson, cuja determinação e
sabedoria sempre guiaram meus passos.
vi
AGRADECIMENTOS
Agradeço ao Professor Alexandre B. Cunha por ter me orientado com muita dedicação e
compromisso com a qualidade e conteúdo deste trabalho.
Agradeço ao Professor José Valentim pelas suas sugestões, as quais foram essenciais para o
enriquecimento desta dissertação.
Agradeço às minhas irmãs Sabrina e Gabriele pela amizade, companhia e bons momentos
passados juntos.
Agradeço à Anna Rosa Simão pelo amor e carinho sempre motivadores.
vii
RESUMO
Analisamos a relação entre variações cambiais e o retorno das ações da Petrobras durante o
período compreendido entre os anos de 1995 e 2009. Encontramos evidências de exposição
cambial significativa para a Petrobras. Esta exposição foi maior durante o período de câmbio
fixo no Brasil, que durou até o início de 1999, e reduziu-se no período de câmbio flutuante.
Foi analisado também se existiria assimetria na exposição cambial desta empresa de acordo
com o sinal da variação cambial e de acordo com um momento de maior volatilidade, mas
não foram encontradas evidências de tais efeitos assimétricos.
Palavras Chave: Exposição Cambial, Volatilidade, Assimetria.
viii
ABSTRACT We examine the relationship between exchange rate devaluations and the return of Petrobras’
shares during the period between the years 1995 and 2009. We found significant evidence of
foreign exchange rate exposure for Petrobras. This exposure was higher during the fixed
exchange rate period in Brazil, that lasted until early 1999, and declined during the floating
exchange rate period. It was also analyzed whether there was asymmetry in foreign currency
exposure of the company according to the sign of the exchange rate and in accordance with a
period of increased volatility, but there was no evidence of such asymmetric effects.
Key Words: Exchange Rate Exposure, Volatility, Asymmetry.
ix
SUMÁRIO
CAPÍTULO 1 – INTRODUÇÃO ........................... ....................................................... 1
CAPÍTULO 2 – FUNDAMENTAÇÃO TEÓRICA E RESULTADOS EMP ÍRICOS ANTERIORES ............................................................................................................ 4
2.1 - Capital Asset Pricing Model (CAPM) ................................................................................................. 4
2.2 - Arbitrage Pricing Theory (APT) .......................................................................................................... 5
2.3 - Resultados empíricos anteriores ....................................................................................................... 6
CAPÍTULO 3 – BASE DE DADOS ........................ .................................................... 9
CAPÍTULO 4 – EXPOSIÇÃO CAMBIAL: IBOVESPA COMO ÍNDIC E DE MERCADO ................................................................................................................12
CAPÍTULO 5 – EXPOSIÇÃO CAMBIAL: FGV-100 COMO ÍNDIC E DE MERCADO…………………………………..................................................................26
CAPÍTULO 6 – CONSIDERAÇÕES FINAIS ................. ............................................37
CAPÍTULO 7 – REFERÊNCIAS BIBLIOGRÁFICAS ........... .....................................39
1
Capítulo 1 – Introdução
Variações cambiais são uma importante fonte de incerteza macroeconômica. Em uma
perspectiva teórica, as taxas de câmbio podem afetar a demanda agregada doméstica, os níveis
de emprego e de produção e, consequentemente, impactar as empresas dos mais diversos
setores de atuação, até mesmo aquelas que não tenham atividades com o exterior, afetando
inclusive, as taxas de desconto utilizadas para valorar as firmas.
Os resultados empíricos encontrados na literatura mostram que nem sempre há
evidências estatísticas de um impacto direto de variações da taxa de câmbio sobre as firmas
conforme sugerido pela teoria. Em Prasad e Choi (1995), por exemplo, é feita uma análise da
exposição cambial em uma amostra de 409 empresas norte-americanas, sendo esta exposição
significativa para apenas 61 destas empresas. Quando o período de análise é dividido em dois,
de acordo com a tendência da taxa de câmbio, é encontrada exposição cambial significativa
para 89 firmas.
Em Mueler e Verschoor (2008), é feita uma análise de exposição cambial de empresas
norte-americanas com atividades na América Latina às moedas latinas. No caso de empresas
muito dependentes de suas atividades na América Latina, em 60% dos casos encontrou-se
exposição cambial significativa. Já para multinacionais americanas mais diversificadas, em
menos de 10% delas encontrou-se exposição cambial à moedas latinas.
Outro estudo de Muller e Vershoor (2006) também é focado na análise da exposição
cambial de empresas americanas, mas busca verificar se esta exposição acontece de forma
assimétrica. Os resultados encontrados apontam que, quando se inclui assimetria por sinal e
por magnitude da variação cambial, os resultados são mais robustos e uma exposição cambial
significativa é encontrada para um maior número de firmas.
Existem ainda estudos que buscam analisar a exposição cambial de empresas de outros
países além dos Estados Unidos. No caso de De Jong et all (2006), a análise é focada em
2
empresas holandesas, e observou-se que mais de 50% delas são significativamente expostas à
variação cambial.
Em Doidge et all (2006), a análise é focada em uma amostra de empresas de 18 países.
É utilizada uma nova abordagem para estudo da exposição cambial, formando portfólios
comprados em ações de empresas exportadoras e vendidos em ações de empresas sem
atividades internacionais. Assim, seria possível aumentar a capacidade de visualização da
exposição cambial. Como resultado, nota-se que em 16 dos 18 países, em momentos de
apreciação cambial, as ações de firmas exportadoras tem um desempenho inferior em cerca de
1,10% ao mês em relação às ações das firmas que não exportam.
O objetivo central deste trabalho é quantificar a exposição cambial da Petrobras. Para
isso, partiremos da fundamentação teórica de apreçamento de ativos, que permite visualizar,
através do modelo APT (Arbitrage Pricing Theory), como o retorno de um ativo é afetado
pela sua sensibilidade em relação à variação cambial.
O período utilizado para análise é composto por valores diários dos anos de 1995 a
2009, o que resultou em 1679 observações. Os valores apresentados no estudo, referentes ao
preço da ação da Petrobras e aos índices representativos de mercado Ibovespa e FGV-100,
foram deflacionados pelo IPCA – Índice de Preços ao Consumidor Amplo divulgado pelo
IBGE. Já os valores referentes à variação cambial foram utilizados em termos nominais.
Para realizar as regressões utilizamos o método GARCH (Generalized Autoregressive
Conditional Heterocedasticity), que mostra-se mais consistente quando estamos trabalhando
com séries financeiras. Além disso, por meio do teste do multiplicador de Lagrange foram
encontradas evidências de heterocedasticidade condicional nos modelos. Utilizamos ainda a
matriz de variância-covariância robusta de Bollerslev & Wooldridge, que garante a
consistência dos modelos independentemente da forma de distribuição dos erros. Além disso,
criamos três dummies para verificar se haveria exposição cambial diferenciada de acordo com
3
três casos distintos: o regime cambial em vigor no Brasil, a crise global de 2008 e o sinal da
variação cambial.
Com as estimações realizadas, foi possível evidenciar exposição cambial significativa
para a Petrobras. Verificou-se ainda que esta exposição se deu de forma diversa entre o
período de câmbio fixo, que durou até o início de 1999, e entre o período de câmbio flutuante,
que deu-se desta data até o final do período da amostra, sendo esta exposição de maior
magnitude no primeiro período e menor no segundo.
Buscamos também verificar a existência de exposição cambial assimétrica no período
da crise global de 2008 e de acordo com o sinal da variação cambial, mas nestes casos não
encontramos evidências de exposição cambial diferenciada para a Petrobras.
O restante deste trabalho está organizado da seguinte maneira: no capítulo 2 são
apresentadas a fundamentação teórica da exposição cambial e resultados empíricos apurados
por outros autores. No Capítulo 3 é apresentada a base de dados utilizada e o tratamento
aplicado a esses dados. No capítulo 4, são realizadas estimativas para a exposição cambial da
Petrobras em várias situações diferentes. No Capítulo 5 é realizado um exercício de robustez
para a exposição cambial da Petrobras, substituindo o índice de mercado Ibovespa, utilizado
como variável independente no capítulo anterior, pelo índice FGV-100. Finalmente, no
Capítulo 6 são apresentadas as considerações finais.
4
Capítulo 2 – Fundamentação teórica e resultados empíricos
anteriores
Neste capítulo serão descritos os fundamentos teóricos responsáveis pela intuição
econômica que permea o conceito de exposição cambial. Além disso, serão vistos também
alguns resultados empíricos encontrados na literatura sobre este tema.
2.1 – Capital Asset Pricing Model (CAPM)
O modelo CAPM foi o primeiro modelo desenvolvido para apreçamento de ativos,
sendo também o mais famoso e mais usado até então.
Para definirmos o modelo CAPM para uma firma individual, precisamos partir da
definição de retorno de mercado, que é dado por Rm = Rf + Prêmio de Risco. Ou seja, o
retorno de mercado é formado pelo retorno dado pelo ativo livre de risco Rf somado a uma
compensação pelo risco relacionado à carteira de mercado.
No caso de um ativo, o retorno esperado dependerá do seu beta, que é a sensibilidade
deste ativo em relação a variações de retorno da carteira de mercado. Matematicamente,
temos que:
� =���(��,�)
� (�)
Onde ���(��,�) é a covariância entre os retornos do ativo i e o retorno de mercado e
� (�) é a variância do retorno de mercado. O beta de um título é a medida apropriada de
risco deste título em relação ao risco de uma carteira representativa do mercado.
Assim, chega-se ao modelo CAPM, que relaciona o retorno esperado de um ativo e
seu beta:
�� = �� + �(� − ��)
Em que � é o retorno esperado de um ativo e �é o retorno esperado de mercado.
Notamos portanto que o retorno de um ativo está linearmente relacionado ao seu beta. Como
5
temos ainda que geralmente o retorno de mercado é maior que a taxa livre de risco, então o
retorno esperado de um título deve ser positivamente relacionado ao seu beta.
2.2 - Arbitrage Pricing Theory (APT)
O modelo APT parte do princípio de que o retorno dos ativos depende de vários
fatores, tanto específicos quanto gerais de mercado. O retorno de um ativo é formado por
duas partes, uma delas é o retorno esperado, o qual é previsível de acordo com as informações
presentes e a outra parte do retorno de um ativo vem da incerteza, que são os fatos que ainda
vão acontecer e afetarão o retorno do ativo. A parcela inesperada do retorno, resultante de
fatos desconhecidos, é a responsável pelo risco do investimento.
O risco pode ser dividido entre sistemático e não-sistemático. O risco sistemático é
aquele que pode afetar, em maior ou menor grau, vários ativos independentemente da relação
entre eles. Já o risco não-sistemático é aquele que afeta especificamente um único ativo ou um
grupo reduzido de ativos.
Assim, temos que
� = � + �
Onde R é o retorno do ativo, � é a parte esperada do retorno e U é a parte inesperada
do retorno. Quando decompomos o risco sistemático e o risco não sistemático da parte
inesperada do retorno, chegamos à seguinte equação:
� = � + � + �
Em que m é o risco sistemático e � é o risco não sistemático. Se, por exemplo,
identificamos três riscos sistemáticos de um ativo, chegamos à seguinte equação:
� = �� + ���� + � � + ���� + �
6
Logo, o retorno do ativo, além de ser formado pela parte esperada do retorno, seria
formado também pelo impacto causado por cada um dos fatores de risco sistemático Fi, sendo
que a intensidade dos impactos é descrita pela magnitude de cada beta associado aos fatores.
Podemos considerar que o modelo APT é uma generalização do modelo CAPM, pois
enquanto o segundo permite quantificar a sensibilidade do retorno de um ativo em relação a
um único risco sistemático, que é a taxa de retorno da carteira de mercado, no modelo APT
podem ser considerados vários tipos de riscos sistemáticos, como por exemplo, além do
retorno de mercado, taxa de câmbio, variação do PIB, inflação, entre outros.
Em Adler e Dumas (1984), é argumentado que as variações cambiais geralmente
afetam, além das empresas exportadoras, importadoras e com produção no exterior, as
empresas que não tem operações estrangeiras nem mesmo ativos em outros países, haja vista
que as taxas de câmbio podem causar ou concidir com flutuações na demanda agregada
doméstica, emprego, produção, etc.
Portanto, em Adler e Dumas (1984) temos a caracterização do risco cambial como
sendo um risco sistemático. Com isso, este risco pode ser quantificado como o coeficiente de
uma regressão em um modelo APT. O mercado já está acostumado com o apreçamento pelo
modelo CAPM, em que o risco de um título é quantificado por meio de seu beta em uma
regressão do retorno deste título em relação ao índice de mercado. Vendo de outra forma, no
modelo CAPM o beta representa a exposição do título em relação ao mercado. Assim, a idéia
de exposição cambial não é intrinsicamente diferente da exposição ao risco de mercado,
podendo inclusive ser estimada similarmente.
2.3 - Resultados empíricos anteriores
Choi e Prasad (1995) focaram seu estudo no exame da exposição cambial de
multinacionais americanas e também de setores industriais agregados em uma amostra de 409
firmas. Para 61 delas o resultado da exposição cambial foi relevante, sendo que destas, 64%
7
se beneficiavam de uma depreciação do dólar. Para justificar o baixo número de empresas
multinacionais que apresentaram exposição cambial estatisticamente significativa, é
argumentado que a exposição resulta de variáveis econômicas, operacionais e estratégicas da
empresa. Assim, seria necessário analisar a exposição líquida de uma empresa. Além disso,
estratégias de hedge poderiam reduzir a exposição cambial potencial da firma.
Posteriormente, é feita uma divisão no período da amostra, sendo um período de dólar
valorizado, entre 01/1978 e 03/1985, e outro período de dólar desvalorizado, entre 04/1985 e
12/1989. Com esta divisão, o número de firmas que mostraram exposição cambial é maior,
sendo 34 empresas expostas no primeiro período e 55 empresas expostas no segundo período.
Para as empresas que mostraram exposição cambial significante, verificou-se que tal
exposição estava correlacionada positivamente com as operações estrangeiras da firma,
medidas pelas vendas e pelos ativos no exterior.
Em Muller e Verschoor (2006) é analisado se os retornos das ações reagem
assimetricamente a movimentos cambiais, de acordo com o sinal e a magnitude destes
movimentos. Ainda, é feito um modelo específico para cada firma levando em conta a real
exposição de suas vendas e ativos às moedas de seis regiões, pois os autores notaram que
estudos que utilizam cestas de moedas agregadas, conhecidas como trade-weighted, para
mensurar a exposição cambial não obtém bons resultados.
Considerando a estimativa que usa o índice trade-weighted para determinar a variação
cambial, os resultados alcançados no modelo apontam que apenas 7,24% das empresas
apontaram exposição cambial significativa. Utilizando o modelo com taxas de câmbio
específicas por regiões, o número de empresas afetadas pela variação cambial sobe para
29,09%.
Ao fazer uma análise levando-se em conta o sinal da variação cambial, os autores
notam que, das empresas que apresentaram exposição cambial, em 41,67% delas é
8
evidenciada assimetria tanto na depreciação quanto na apreciação cambial. Ainda, há
evidências de haver reação mais forte quando há apreciação cambial do que no caso contrário.
Os autores também realizam outra estimação por meio de um modelo não-linear, a
qual verifica se há assimetria na exposição cambial devido à magnitude da variação cambial.
Os resultados apontam que 56,04% das firmas mostraram resultados significativos de
exposição. É comentado enfim, que estudos que evidenciaram fraca exposição, podem ter
negligenciado o efeito assimétrico da exposição e usado índices de variação cambial muito
agregados.
Em outro artigo de Muller e Verschoor (2006), é relatado o histórico e os
desenvolvimentos recentes acerca da exposição cambial. Entre as principais constatações,
vale ressaltar que a exposição cambial só pode ser definida em um período de tempo
específico, já que tanto o ambiente e a natureza operacional da firma, bem como o ambiente
macroenomômico regional e global são mutantes, fazendo com que também a exposição
cambial de uma empresa se altere significativamente ao longo do tempo. Além disso, as
pesquisas empíricas sobre o tema tem encontrado suporte limitado em uma relação
significante entre o valor da firma e a variação cambial. Outra questão importante verificada
neste tema é que a especificação do índice de mercado tem implicações no sinal, magnitude e
significância dos coeficientes de exposição cambial.
9
Capítulo 3 – Base de Dados
As séries financeiras utilizadas neste trabalho foram coletadas da base de dados da
Bloomberg. Para deflacionar o retorno nominal das ações Petr4, do índice Ibovespa e do
índice FGV-100 foi utilizado o IPCA – Índice de Preços ao Consumidor Amplo divulgado
pelo IBGE. Trabalhamos com valores diários em que as quatro variáveis (Petr4, Ibovespa,
FGV-100 e R$/US$) foram negociadas, resultando em 3679 observações entre os anos de
1995 e 2009.
Para obter o retorno real da ação, foi utilizada a equação a seguir:
Rt = ln (Pt/It) – ln (Pt-1/It-1)
Em que Pt corresponde ao preço da ação na data t e It refere-se ao IPCA.
Para o cálculo da variável retorno real de mercado Rm,t quando utilizamos o índice
Ibovespa como índice de mercado, foi utilizada a seguinte fórmula:
Rm,t = ln (Ibovespat/It) – ln (Ibovespat-1/It-1)
Para o cálculo da variável retorno real de mercado Rm,t , quando utilizamos o índice
FGV-100 como índice de mercado, foi utilizada a seguinte fórmula:
Rm,t = ln (FGV-100t/It) – ln (FGV-100t-1/It-1)
A variável referente à variação cambial nominal ∆St foi calculada em função da 1ª
diferença do logaritmo natural.
A seguir são apresentadas as tabelas das estatísticas descritivas das variáveis:
10
Tabela 1: Estatísticas Descritivas do Retorno Real de Petr4 mensal
Período Média Mediana Desvio Padrão
Máximo Mínimo
1995 -3,80% -2,68% 16,16% 28,43% -34,04%
1996 4,99% 6,14% 7,85% 19,33% -9,55%
1997 3,37% 8,03% 18,01% 18,27% -42,21%
1998 -5,51% 3,62% 26,27% 20,64% -74,88%
1999 9,38% 9,74% 12,85% 37,92% -7,82%
2000 -0,52% -4,32% 12,43% 25,79% -17,69%
2001 0,31% 0,13% 9,50% 16,50% -15,27%
2002 -1,80% -1,80% 11,47% 16,97% -19,43%
2003 3,41% 5,34% 6,75% 12,79% -12,26%
2004 1,39% 2,65% 6,56% 13,16% -13,87%
2005 3,09% 5,65% 9,46% 17,46% -10,89%
2006 2,17% 1,02% 8,40% 22,77% -5,98%
2007 4,42% 1,58% 9,58% 19,92% -9,34%
2008 -5,98% -4,85% 16,41% 14,15% -41,38%
2009 3,60% 3,86% 6,93% 14,91% -6,34%
Amostra completa 1,24% 2,05% 13,13% 37,92% -74,88% Fonte: Elaboração do autor
Tabela 2: Estatísticas Descritivas do Retorno Real do Ibovespa mensal
Período Média Mediana Desvio Padrão
Máximo Mínimo
1995 -1,79% -4,24% 11,76% 22,30% -18,22%
1996 3,35% 2,28% 5,39% 16,76% -4,86%
1997 2,52% 8,38% 12,66% 12,38% -27,45%
1998 -3,50% 0,17% 19,19% 20,39% -49,83%
1999 6,99% 5,03% 9,53% 20,95% -11,83%
2000 -1,43% -3,53% 8,79% 13,25% -14,13%
2001 -1,59% -1,68% 9,90% 14,12% -19,12%
2002 -2,54% -2,01% 10,41% 15,18% -19,29%
2003 4,92% 7,03% 6,73% 11,32% -7,78%
2004 0,76% 1,34% 5,33% 7,94% -12,53%
2005 1,58% 2,30% 7,35% 13,87% -7,88%
2006 2,11% 0,75% 5,93% 13,15% -10,08%
2007 2,75% 2,18% 4,36% 9,96% -3,98%
2008 -4,91% -5,73% 10,57% 10,17% -28,95%
2009 4,66% 5,03% 5,50% 13,97% -3,67%
Amostra completa 0,93% 1,99% 9,84% 22,30% -49,83% Fonte: Elaboração do autor
11
Tabela 3: Estatísticas Descritivas da Variação Nominal da Taxa de Câmbio mensal
Período Média Mediana Desvio Padrão
Máximo Mínimo
1995 1,09% 0,97% 1,47% 5,16% -0,59%
1996 0,55% 0,55% 0,11% 0,82% 0,41%
1997 0,60% 0,60% 0,12% 0,81% 0,38%
1998 0,67% 0,62% 0,17% 1,15% 0,51%
1999 3,32% 0,78% 16,71% 52,86% -16,96%
2000 0,67% 0,05% 2,21% 4,07% -1,74%
2001 1,41% 2,93% 5,12% 7,95% -7,82%
2002 3,56% 1,08% 10,28% 21,83% -14,07%
2003 -1,69% -1,17% 4,94% 4,20% -14,14%
2004 -0,71% -1,28% 3,45% 8,37% -4,91%
2005 -1,04% -1,31% 3,65% 5,82% -5,80%
2006 -0,74% -1,30% 4,32% 10,02% -6,35%
2007 -1,52% -0,96% 3,34% 4,13% -6,76%
2008 2,19% -0,41% 6,53% 15,48% -5,21%
2009 -2,36% -0,79% 3,77% 2,70% -10,59% Amostra completa 0,40% 0,51% 6,08% 52,86% -16,96% Fonte: Elaboração do autor
Tabela 4: Estatísticas Descritivas do Retorno Real do FGV-100 mensal
Período Média Mediana Desvio Padrão
Máximo Mínimo
1995 -4,13% -5,05% 4,76% 6,02% -9,48%
1996 0,32% -0,63% 3,89% 9,45% -6,14%
1997 -0,41% 0,95% 8,58% 11,36% -19,98%
1998 -2,40% -2,64% 12,93% 17,80% -30,12%
1999 9,00% 6,48% 8,90% 24,11% -6,66%
2000 0,03% 0,74% 6,73% 11,82% -10,34%
2001 0,04% 0,07% 9,86% 15,56% -15,75%
2002 0,22% 0,16% 6,48% 12,62% -9,09%
2003 5,05% 4,87% 5,55% 12,69% -4,50%
2004 1,78% 1,71% 5,31% 9,39% -10,60%
2005 0,73% 0,60% 6,56% 10,62% -8,53%
2006 1,98% 1,65% 4,60% 7,94% -9,34%
2007 2,41% 2,86% 3,75% 8,91% -4,63%
2008 -4,05% -2,87% 8,49% 7,20% -20,97%
2009 4,99% 4,04% 5,75% 17,02% -3,92%
Amostra completa 1,04% 1,29% 7,71% 24,11% -30,12% Fonte: Elaboração do autor
12
Capítulo 4 – Exposição Cambial: Ibovespa como índice de mercado
O objetivo deste capítulo é obter estimativas sobre o impacto da variação cambial no
retorno real das ações da Petrobras, representadas pelas suas ações de maior liquidez
negociadas na Bolsa de Valores de São Paulo por meio do código Petr4.
A maioria dos estudos sobre a exposição cambial parte do princípio de que esta pode
ser determinada por meio do valor do coeficiente de uma regressão que quantifica o efeito da
taxa de câmbio no valor das ações de uma empresa em excesso ao efeito da variação cambial
verificado sobre o mercado. Baseado nisto, podemos estimar a exposição cambial da
Petrobras através do modelo abaixo:
(1) Rt = α0 + β0Rm,t +γ0∆St + εt
Em que Rt é o retorno real da ação da Petrobras (Petr4), Rm,t é o retorno real de mercado
(Ibovespa), β0 é a sensibilidade do retorno da ação a flutuações no retorno real de mercado,
∆St é a variação cambial nominal (R$/US$), γ0 é a sensibilidade do retorno real da ação à
variação na taxa de câmbio e εt é o termo de erro não observável.
Uma variação positiva na taxa de câmbio implica em depreciação do Real. Portanto,
um valor positivo e significante para o parâmetro γ0 indica que depreciações cambiais têm
impacto positivo no retorno real da ação da Petrobras.
As séries financeiras geralmente não seguem uma distribuição normal padrão, dada a
elevada probabilidade de eventos extremos, portanto geralmente não apresentam uma
variância constante. Além disso, nota-se que em séries financeiras a magnitude dos resíduos
parece estar relacionada com a magnitude dos resíduos recentes.
Por isso, este comportamento peculiar das séries financeiras faz com que o método dos
mínimos quadrados ordinários não seja tão eficaz por não captar adequadamente tais efeitos
13
diferenciados nos resíduos. Uma opção para lidar com esta situação é realizar as estimações
através de modelos do tipo ARCH.
Modelos do tipo ARCH (Autoregressive Conditional Heterocedasticity) levam em
conta que um período de volatilidade persiste por algum tempo até que o mercado retorne à
normalidade. Assim, estes modelos não se utilizam pura e simplesmente da variância histórica
para realizar a estimação, e sim é calculada uma variância condicional com base no processo
de máxima verossimilhança, a qual dará mais peso aos desvios padrão recentes e menos pesos
na medida em que a defasagem temporal aumenta.
Para comprovar se a equação que busca explicar os retornos da ação da Petrobras
obedece a um processo ARCH, realizamos o teste do multiplicador de Lagrange, o qual
verifica se os resíduos do modelo apresentam heterocedasticidade condicional. Pelo valor do
teste obtido (valor-p da estatística χ2=0.000), rejeitamos a hipótese nula (variância dos
resíduos constantes). Assim, nosso modelo inicial é estimado a seguir (Equação 2) por meio
de uma generalização do modelo ARCH, chamada de GARCH (General Autoregressive
Conditional Heterocedasticity), a qual leva em conta a volatilidade em vários períodos
passados.
(2) Rt = α0 + β0Rm,t +γ0∆St + εt com εt = µt(ht)1/2 ht = δ0 + τ0ε
2t-1 + ν0ht-1
Em que ht é a variância condicional dos resíduos, dada por uma constante δ0, pelo efeito τ0
nos resíduos defasados (ε2t-1), pelo efeito ν0 nas variâncias condicionais defasadas (ht-1) e µt é
o termo de ruído branco. Os parâmetros δ0, τ0 e ν0 são desconhecidos e estimados pelo
processo de máxima verossimilhança.
É importante para nossa estimação termos um modelo estacionário, pois isto permite
que se confie nas estatísticas dos coeficientes e da regressão. Para termos um processo
fracamente estacionário e com variância positiva, precisamos que δ, τ0>0; ν0>0 e τ0 + ν0 <1.
14
Um processo fracamente estacionário é caracterizado pela independência da esperança
e da autocovariância em relação ao tempo. A persistência de choques na volatilidade da série
é dada pela soma τ0 + ν0. Quanto mais próxima de 1 essa soma, mais persistente será a série e
uma alteração na volatilidade levará mais tempo para dissipar-se. Na estimação da equação
(2), supõe-se que os erros seguem uma distribuição normal. Contudo, como não sabemos a
real distribuição dos erros, utilizaremos a matriz de variância-covariância robusta de
Bollerslev & Wooldrigde, a qual garante a consistência do modelo mesmo que a verdadeira
distribuição dos erros não siga uma distribuição normal.
Os resultados da estimação da equação (2) podem ser conferidos na Tabela a seguir:
Tabela 5 – Resultados da estimação da Equação (2), utilizando matriz de variância-covariância robusta de Bollerslev & Wooldrigde
Coeficiente Erro-Padrão p-valor Constante 0,000 0,000 0,427 Rm,t 0,941 0,020 0,000 ∆St 0,104 0,033 0,001 Constante –Garch(1,1) 0,000 0,000 0,000 ε
2t-1 0,072 0,016 0,000
ht-1 0,920 0,014 0,000 Observações 3679 R2 0,627 R2 Ajustado 0,627 p-valor (Estatística F) 0,000
O coeficiente de exposição cambial, dado por γ0, foi significativo a um nível de confiança de
99% (valor-p = 0,001), e apontou para um valor de 0,104. Este valor indica que a ação da
Petrobras sofreria uma variação positiva de 0,104% no seu retorno real dada uma depreciação
cambial de 1%, sendo, portanto, positivamente afetada por uma valorização da moeda
estrangeira. Também podemos notar por meio desta estimação que a ação da Petrobras tem
um desempenho próximo ao do índice de mercado: para um retorno de 1% neste índice, a
ação da empresa teria um retorno esperado de 0,941%.
A persistência da volatilidade obtida pelos resultados apresentados na tabela 5 foi de τ0
+ ν0 = 0,992, o que é um valor elevado, mas justificável pela utilização de dados diários,
mostrando que um choque na volatilidade leva vários dias para dissipar-se. O R2 obtido foi
15
elevado, pois com apenas duas variáveis independentes seu valor foi de 0,627, evidenciando a
importância das variáveis retorno de mercado e variação cambial para explicar o retorno na
ação da Petrobras.
Sabemos que no período em análise houve algumas mudanças estruturais na economia
brasileira, as quais podem ter afetado de forma distinta a relação entre a variação cambial e o
retorno da ação da Petrobras. Em uma análise nas séries de dados, podemos notar, com ajuda
do gráfico 1 a seguir, que após a instituição do regime de câmbio flutuante, a variação
cambial nominal passou a sofrer oscilações diárias de maior magnitude, o que pode ter
afetado a relação de exposição cambial das empresas.
O regime de câmbio flutuante foi instituído pelo Comunicado número 6.565 de
18/01/1999 do Banco Central do Brasil (BCB), no qual se explicitava que o BCB “deixaria
que o mercado definisse a taxa de câmbio, nos segmentos livre e flutuante, vindo a intervir,
ocasionalmente, com o objetivo de conter movimentos desordenados da taxa de câmbio”.
Gráfico 1 – Variação cambial nominal - ∆St
Assim, criamos uma dummie para considerar tal mudança, a qual assume valor 0 do
período inicial da base de dados até o dia 17/01/1999 inclusive, correspondente ao período em
Fonte: Elaboração do autor
16
análise em que o câmbio era controlado, e valor 1 para o dia 18/01/1999 em diante, quando a
taxa de câmbio passou a ser determinada pelo regime flutuante. A utilização desta dummie no
modelo deve mostrar se houve uma exposição cambial diferenciada para o período de câmbio
fixo e para o período de câmbio flutuante. A equação a ser estimada é a seguinte:
(3) Rt = α0 + α1D1t + β0Rm,t + β1D1tRm,t + γ0∆St + γ1D1t∆St + εt
com εt = µt(ht)1/2 ht = δ1 + τ1ε
2t-1 + ν1ht-1
Nesta equação, podemos perceber que a dummie pode impactar tanto o intercepto como
também o coeficiente de todas as variáveis independentes. Os resultados desta estimação são
mostrados na Tabela 6 a seguir:
Tabela 6 – Resultados da estimação da Equação (3), utilizando matriz de variância-covariância robusta de Bollerslev & Wooldrigde
Coeficiente Erro-Padrão p-valor Constante 0,000 0,000 0,403 D1t 0,000 0,000 0,766 Rm,t 1,006 0,031 0,000 D1tRm,t -0,103 0,036 0,004 ∆St -1,495 0,711 0,035 D1t∆St 1,574 0,712 0,027 Constante – Garch (1,1) 0,000 0,000 0,000 ε
2t-1 0,066 0,012 0,000
ht-1 0,923 0,012 0,000 Observações 3679 R2 0,644 R2 Ajustado 0,643 p-valor (Estatística F) 0,000
Pelos resultados obtidos na Tabela 6, podemos notar que a separação entre os períodos
de câmbio administrado e de câmbio flutuante causou um efeito diferenciado no retorno real
da ação, corroborado pelos níveis de significância individuais dados por γ0 (valor-p = 0,035) e
por γ1 (valor-p = 0,027), ambos significantes a um nível de confiança de 95%. No caso do
período de câmbio administrado, o coeficiente de sensibilidade γ0 encontrado foi de -1,495. Já
para o caso do câmbio flutuante, o coeficiente de sensibilidade do retorno real da ação à
variação cambial é dado por γ0 +γ1, e o valor encontrado foi de 0,079. Dado o sinal contrário
17
de γ0 e γ1, realizamos um teste de significância conjunta cuja H0: γ0 + γ1 = 0, para testar se
estes coeficientes se anulariam. O valor encontrado para este teste foi um valor-p da estatística
F = 0,031, nos levando a rejeitar a hipótese nula a um nível de confiança de 95%, o que
indica robustez nos efeitos diferenciados da exposição cambial durante o regime de câmbio
flutuante.
Em comparação com os resultados da equação (2), nota-se que a exposição cambial
durante o período de cambio flutuante foi similar (0,079 contra 0,104), mas para o período de
câmbio fixo a mudança foi bem mais relevante (-1,495 contra 0,104), mostrando que a
separação nestes dois subperíodos ajudou a explicitar alterações na exposição cambial durante
o intervalo de tempo estudado. Através deste valores, podemos supor ainda que no modelo da
equação (2), a exposição cambial durante o período de câmbio fixo não estava sendo
devidamente captada, e somente com a separação em dois períodos foi possível verificar este
efeito. Além disso, o R2 da equação mostrou elevação de 0,627 para 0,644 também captando
maior aderência do modelo nesta estimação.
Exemplificando a exposição cambial encontrada, percebemos que durante o período
de câmbio fixo, uma variação cambial de, por exemplo, 1%, provocaria uma variação no
retorno real da ação estimada em -1,495%. Já para o período de câmbio flutuante, a mesma
variação cambial provocaria uma variação no retorno real da ação da ordem de 0,079 %.
A persistência, dada por τ0 + ν0, resultou em 0,989, valor próximo ao obtido na
equação (2), confirmando a alta persistência da volatilidade no retorno real das ações da
Petrobras.
Outra alteração ocorrida no modelo com a inserção desta dummie trata da
sensibilidade da ação ao retorno de mercado. Na equação (2), em que não há a separação entre
regimes cambiais, este efeito foi estimado em 0,941. Enquanto isso, de acordo com os
resultados da equação (3), durante o período de câmbio fixo este efeito é dado por β0 e
18
apresentou valor de 1,006, e durante o período de câmbio flutuante, tal efeito é dado por β0 +
β1 e apresentou valor de 0,906. Ambos os coeficientes são significativos individualmente a
um nível de confiança de 99%. Portanto, além de causar um efeito diferenciado na exposição
cambial da Petrobras, em diferentes regimes cambiais a sensibilidade da ação em relação ao
retorno de mercado também mudou.
Outra situação em que o retorno das ações de uma empresa pode ser afetado
distintamente por variações cambiais é durante períodos de crise, em que a volatilidade é mais
elevada. Logo, percebe-se pelo Gráfico 2 que durante o período compreendido entre
novembro de 2007 e janeiro de 2009 (área circulada do gráfico), a volatilidade do retorno real
da ação passou por choques e permaneceu constantemente em níveis elevados.
Gráfico 2 – Retorno e Variância condicional* de Petr4
Essa ocorrência está ligada à crise do subprime, também chamada de crise global, a qual
se costuma dizer que foi a maior crise econômica já verificada desde a Grande Depressão. O
epicentro da crise do subprime ocorreu durante este intervalo de tempo, com ocorrência de
diversos eventos, tais como o anúncio de perdas bilionárias, em novembro de 2007 de bancos
de escala global como o Citigroup, Morgan Stanley, Credit Suisse, BNP Paribas, Wachovia,
* utilizando persistência resultante na tabela 2 = 0,989 Fonte: Elaboração própria.
19
entre outros; a liquidação do Banco Bear Stearns, em março de 2008, que na época era o 5º
maior banco de investimentos dos Estados Unidos, além da falência do Banco Lehman
Brothers em setembro de 2008, culminando no momento mais drástico desta crise, com
redução da liquidez e crise sistêmica por todo o mundo.
Todos estes fatos, dentre outros, foram os responsáveis por manter o mercado volátil por
um período de tempo extenso e é relevante realizar uma estimação considerando esta situação
em particular, dada sua especificidade e o modo com que afetou os mercados financeiros.
Assim, criamos uma dummie D2t, a qual assume valor 1 para o período crítico da crise, do
início de novembro de 2007 ao fim do mês de janeiro de 2009 e valor 0 para demais datas. A
equação a ser estimada para se verificar o impacto da crise do subprime sobre o retorno real
da ação, por meio da interação da dummie D2t com as variáveis independentes é a seguinte:
(4) Rt = α0 + α2D2t + β0Rm,t + β2D2tRm,t + γ0∆St + γ2D2t∆St + εt
com εt = µt(ht)1/2 ht = δ2 + τ2ε
2t-1 + ν2ht-1
Seus resultados são apresentados na tabela 7 a seguir: Tabela 7 – Resultados da estimação da Equação (4), utilizando matriz de
variância-covariância robusta de Bollerslev & Wooldrigde Coeficiente Erro-Padrão p-valor Constante 0,000 0,000 0,437 D2t 0,000 0,001 0,477 Rm,t 0,925 0,022 0,000 D2tRm,t 0,193 0,065 0,002 ∆St 0,117 0,034 0,000 ∆StD2t -0,029 0,113 0,791 Constante – Garch (1,1) 0,000 0,000 0,001 ε
2t-1 0,071 0,016 0,000
ht-1 0,921 0,014 0,000 Observações 3679 R2 0,630 R2 Ajustado 0,630 p-valor (Estatística F) 0,000
O coeficiente de exposição cambial neste modelo é dado por γ0 para todo o período em
análise, exceto durante a crise, e o valor encontrado foi de 0,117, significante a um nível de
confiança de 99%. Este valor foi próximo ao obtido na equação (2), que foi de 0,104. Já
durante a crise do subprime, o valor da exposição cambial é dado por γ0 + γ2, e resultou um
20
valor de 0,088, também em linha com resultados de exposição cambial obtidos na equação
(2). Contudo, nota-se que o coeficiente γ2 mostrou-se pouco significante individualmente,
sinalizando que durante a crise do subprime a exposição cambial não foi estatisticamente
significativa para explicar o retorno real da ação da Petrobras.
Dado o sinal contrário apresentado pelos coeficientes γ0 e γ2, realizamos um teste de
significância conjunta, cuja H0: γ0 + γ2 = 0, para analisar se estes dois coeficientes se
anulariam. Como resultado deste teste, obtivemos um valor-p da estatística F igual a 0,251, e
portanto não rejeitamos a hipótese nula. Com os valores de significância individual e conjunta
dos coeficientes de exposição cambial, não encontramos evidências estatísticas de que a ação
da Petrobras foi particularmente afetada durante a crise pela variação cambial e, por enquanto,
a inserção da dummie referente à crise do subprime parece não ser interessante para explicar a
exposição cambial da Petrobras. A persistência do modelo foi de 0,992, em linha com as
estimações anteriores, enquanto o R2 foi de 0,63, apenas um pouco mais elevado que o valor
obtido na equação (2), sugerindo que a crise do subprime não agregou muito poder
explicativo ao modelo.
Outra característica explicitada neste modelo é a sensibilidade diferenciada da ação da
Petrobras em relação ao retorno de mercado durante a crise. Neste período, esta sensibilidade
é dada por β0 + β1 e o valor encontrado foi de 1,118, enquanto que para o período total da
amostra, exclusive a crise, a sensibilidade, dada pelo coeficiente β0, resultou em um valor de
0,925, enquanto na equação (2) este mesmo coeficiente apresentou valor de 0,941. Assim
sendo, durante a crise a ação da Petrobras mostrou sensibilidade em relação ao retorno de
mercado mais elevada que em situações normais.
Um fato em particular que pode gerar um comportamento diferenciado no retorno real da
ação é o sinal da variação na taxa de câmbio, já que valorizações ou desvalorizações cambiais
podem causar efeito diferenciado na empresa, dependendo de sua atividade, setor em que
21
atua, políticas de hedge, suporte governamental, entre outros. Assim, vamos analisar a
existência do efeito assimetria por sinal para o caso da Petrobras. Para isso, criaremos uma
dummie D3t, a qual assume valor 1 para depreciação cambial (∆St>0) e valor 0 para os demais
casos. O modelo a ser estimado é o seguinte:
(5) Rt = α0 + α3D3t + β0Rm,t + β3D3tRm,t + γ0∆St + γ3D3t∆St + εt
com εt = µt(ht)1/2 ht = δ3 + τ3ε
2t-1 + ν3ht-1
Os resultados da estimação encontram-se na Tabela 4 abaixo:
Tabela 8 – Resultados da estimação da Equação (5), utilizando matriz de variância-covariância robusta de Bollerslev & Wooldrigde
Coeficiente Erro-Padrão p-valor Constante 0,000 0,000 0,644 D3t 0,000 0,000 0,256 Rm,t 0,941 0,023 0,000 D3tRm,t 0,001 0,050 0,981 ∆St 0,070 0,061 0,251 D3t∆St 0,016 0,083 0,843 Constante – Garch (1,1) 0,000 0,000 0,001 ε
2t-1 0,072 0,016 0,000
ht-1 0,920 0,013 0,000 Observações 3679 R2 0,628 R2 0,627 p-valor (Estatística F) 0,000
Durante períodos de apreciação da taxa de câmbio, o coeficiente de exposição cambial é dado
por γ0 e seu valor foi positivo em 0,07, inferior ao valor de exposição cambial obtido na
estimação da equação (2), que foi de 0,104. Para os períodos de depreciação cambial, o
coeficiente de exposição cambial é dado por γ0 + γ3, e o valor obtido foi de 0,086. No entanto,
nota-se que os níveis de significância dados pelos valores-p de ambos os coeficientes não
fornecem evidência estatística de exposição cambial diferenciada para a Petrobras de acordo
com o sinal da variação cambial. Além disso, realizamos um teste de Wald cuja H0: γ0 + γ3 =
0 para verificar se estes coeficientes seriam significantes conjuntamente. Como resultado,
obtivemos valor-p da estatística F = 0,690, o que nos leva a não rejeitar a hipótese nula e
confirmar a falta de evidência estatística de exposição cambial diferenciada de acordo com o
22
sinal da variação cambial. Portanto, neste momento a inserção desta dummie parece não
melhorar o poder explicativo do modelo.
No modelo a seguir, consideramos todas as variáveis explicativas e todas as dummies
utilizadas até agora:
(6) Rt = α0 + α1D1t + α2D2t + α3D3t + β0Rm,t + β1D1tRm,t + β2D2tRm,t+ β3D3tRm,t + γ0∆St +
γ1D1t∆St + γ2D2t∆St + γ3D3t∆St + εt
com εt = µt(ht)1/2 ht = δ4 + τ4ε
2t-1 + ν4ht-1
Tabela 9 – Resultados da estimação da Equação (6), utilizando matriz de variância-covariância robusta de Bollerslev & Wooldrigde
Coeficiente Erro-Padrão p-valor Constante 0,000 0,000 0,738 D1t 0,000 0,000 0,968 D2t 0,000 0,001 0,561 D3t 0,001 0,000 0,114 Rm,t 1,001 0,031 0,000 D1tRm,t -0,132 0,036 0,000 D2tRm,t 0,243 0,063 0,000 D3tRm,t 0,010 0,033 0,756 ∆St -1,537 0,716 0,031 D1t∆St 1,575 0,710 0,026 D2t∆St 0,018 0,113 0,873 D3t∆St 0,007 0,087 0,929 Constante – Garch (1,1) 0,000 0,000 0,001 ε
2t-1 0,066 0,012 0,000
ht-1 0,922 0,013 0,000 Observações 3679 R2 0,650 R2 0,648 p-valor (Estatística F) 0,000
Pelos valores estimados, notamos que os coeficientes γ2 e γ3, associados à variação
cambial durante a crise do subprime e de acordo como sinal da variação cambial,
respectivamente, que já haviam se mostrado com pouca significância em equações anteriores,
voltaram a apresentar o mesmo comportamento. Além deles, alguns outras variáveis também
se mostraram pouco significativas. Assim, resolvemos excluir as variáveis menos
significantes, (valor-p>0,20), de modo a evitar que estes termos com baixo poder de
explicação enviesem o modelo e gerem uma falsa sensação de maior poder explicativo.
23
Dado isso, criamos outra equação a seguir que exclui essas variáveis, mantendo apenas as
variáveis mais significativas da equação (6), ficando o modelo assim especificado:
(7) Rt = α0 + β0Rm,t + β1D1tRm,t + β2D2tRm,t + γ0∆St + γ1D1t∆St + εt
com εt = µt(ht)1/2 ht = δ5 + τ5ε
2t-1 + ν5ht-1
Tabela 10 – Resultados da estimação da Equação (7), utilizando matriz de variância-covariância robusta de Bollerslev & Wooldrigde
Coeficiente Erro-Padrão p-valor Constante 0,000 0,000 0,656 D3t 0,001 0,000 0,112 Rm,t 1,008 0,031 0,000 D1tRm,t -0,134 0,037 0,000 D2tRm,t 0,237 0,046 0,000 ∆St -1,528 0,718 0,033 D1t∆St 1,572 0,707 0,026 Constante – Garch (1,1) 0,000 0,000 0,001 ε
2t-1 0,066 0,012 0,000
ht-1 0,922 0,013 0,000 Observações 3679 R2 0,650 R2 0,649 p-valor (Estatística F) 0,000
Neste modelo, a exposição cambial se dá de forma diferenciada de acordo com o regime
cambial. Durante o regime de câmbio fixo, a exposição é dada unicamente pelo coeficiente γ0,
cujo valor encontrado, de -1,528, é significante a um nível de significância de 5%. Já para o
período de depreciação cambial, a exposição cambial é dada por γ0 + γ1 e o valor encontrado
foi de 0,044.
Dado os sinais dos valores embutidos na exposição cambial anterior, vamos realizar
um teste de Wald com H0: γ0 + γ1 = 0 para verificar se a soma destes coeficientes seria
estatisticamente nula. O valor-p da estatística F obtido neste teste foi igual a 0,029 o que nos
leva a rejeitar a hipótese nula a um nível de confiança de pelo menos 95%. Portanto, isso
demonstra evidências de exposição cambial diferenciada durante o período de câmbio
flutuante em relação à exposição cambial do mercado.
24
Ao verificarmos os impactos das dummies na sensibilidade da ação em relação ao
retorno de mercado, podemos observar que durante a crise do subprime esta sensibilidade foi
maior, enquanto no período de câmbio flutuante esta sensibilidade diminui. O R2 do modelo
indica que as variáveis independentes utilizadas no modelo explicam 65% das variações no
retorno real da ação da Petrobras, enquanto a persistência neste modelo veio em linha com a
persistência apresentada nos demais modelos, e seu valor foi de 0,988.
O resultado deste estudo evidencia que a ação da Petrobras é afetada
significativamente a variações cambiais. Dentro dos resultados alcançados, podemos destacar
que a divisão da amostra em períodos, de acordo com mudanças macroeconômicas estruturais
verificadas ao longo do tempo, melhorou o poder explicativo do modelo e alcançou resultados
distintos para a exposição de acordo com a política cambial. Esta constatação vai de encontro
a resultados conquistados em outros estudos, tais como em Choi e Prasad (1995) e
Dominguez e Tesar (2005), que mostraram que a exposição cambial varia ao longo do tempo,
de acordo com mudanças que ocorrem na macroeconomia e nas empresas.
Estudo de Muller e Verschoor (2006), realizado para empresas norte-americanas,
verificou que quase a metade delas sofria da assimetria por sinal, ou seja, havia um impacto
diferenciado no retorno das ações de acordo com o sinal da variação cambial. Além disso, os
resultados obtidos apontam para a existência de uma exposição cambial mais forte nas
empresas em momentos de apreciação cambial. Nota também que durante períodos em que há
elevada magnitude de variação cambial, a exposição cambial mostra-se significativa para um
percentual maior de empresas. Indo de encontro a estes resultados, vemos no estudo de Pontes
(2010), que a exposição cambial durante período de crise também se revelou de forma mais
intensa para a empresa Aracruz.
Em nosso modelo final, não conseguimos encontrar evidências de assimetria na
exposição cambial da Petrobras, tanto por sinal quanto por magnitude, parecendo não haver
25
diferença na exposição cambial desta empresa em momentos de apreciação ou depreciação
cambial, bem como em momentos de maior magnitude das variações cambiais, como o que
ocorreu durante a crise do subprime.
26
Capítulo 5 – Exposição Cambial: FGV-100 como índice de mercado
O objetivo deste capítulo é replicar as estimações do capítulo anterior utilizando outro
índice de mercado, o FGV-100, ao invés do Ibovespa, como um exercício de robustez. A
escolha do índice FGV-100 como índice de mercado deve-se à sua composição, pois este é
formado pelas ações das 100 maiores empresas privadas e não-financeiras do Brasil, e deste
modo as ações da Petrobras, uma empresa estatal, não fazem parte de sua carteira teórica.
A utilização de um índice como o Ibovespa, que é a principal referência para o
mercado brasileiro e no qual as ações da Petrobras estão entre as de maior peso, pode causar
algum problema de endogeneidade nas estimações, na medida em que as variações no preço
das ações da Petrobras são responsáveis por uma parcela considerável das oscilações do
índice Ibovespa. Portanto, um exercício de robustez utilizando um índice como o FGV-100
mostra-se pertinente pela sua representatividade e por não conter as ações da Petrobras em sua
composição, permitindo comparar os resultados entre os dois modelos.
Em todas as estimações deste capítulo, substituiremos o retorno real do Ibovespa como
índice de mercado Rm,t pelo retorno real do índice FGV-100. A primeira equação a ser
estimada é a seguinte:
(8) Rt = α0 + β0Rm,t +γ0∆St + εt com εt = µt(ht)1/2 ht = δ0 + τ0ε
2t-1 + ν0ht-1
Os resultados da estimação da equação (8) podem ser conferidos na tabela 11 a seguir:
Tabela 11 – Resultados da estimação da Equação (8), utilizando matriz de variância-covariância robusta de Bollerslev & Wooldrigde
Coeficiente Erro-Padrão p-valor Constante 0,000 0,000 0,164 Rm,t 0,912 0,034 0,000 ∆St -0,066 0,040 0,102 Constante –Garch(1,1) 0,000 0,000 0,000 ε
2t-1 0,092 0,018 0,000
ht-1 0,889 0,016 0,000 Observações 3679 R2 0,412 R2 Ajustado 0,411 p-valor (Estatística F) 0,000
27
O coeficiente de exposição cambial, dado por γ0, apontou para um valor de -0,066,
mas o nível de significância aponta para fraca evidência estatística deste parâmetro, dado o
valor-p = 0,102. O valor encontrado indica no modelo que a ação da Petrobras sofreria uma
variação negativa de 0,066% no seu retorno real dada uma depreciação cambial de 1%, sendo,
portanto, negativamente afetada por uma desvalorização da moeda local quando usamos o
índice FGV-100 como índice representativo de mercado. Na tabela 12 a seguir, comparamos
os coeficientes obtidos na equação (8) aos obtidos quando utilizamos o Ibovespa como índice
de mercado:
Tabela 12 – Comparação dos resultados da Tabela 5 e da Tabela 11 Coef. Tab. 2 p-valor Coef. Tab. 7 p-valor Constante 0,000 0,427 0,000 0,164 Rm,t 0,941 0,000 0,912 0,000 ∆St 0,104 0,001 -0,066 0,102 Constante –Garch(1,1) 0,000 0,000 0,000 0,000 ε
2t-1 0,072 0,000 0,092 0,000
ht-1 0,920 0,000 0,889 0,000 Comparando os coeficentes na tabela 12, podemos notar pouca variação na
sensibilidade do retorno da ação ao retorno de mercado de acordo com o índice de mercado
utilizado. Contudo, a exposição cambial apresentou variações mais significativas neste
momento. Quando utilizamos o índice FGV-100, a significância da exposição cambial
mostrou-se mais fraca, além do sinal desta exposição ter se invertido.
Em seguida, realizaremos a estimação da equação que inclui a dummie D1t
relacionada ao regime cambial, a qual assume valor 0 do período inicial da base de dados até
o dia 17/01/1999 inclusive, correspondente ao período em análise em que o câmbio era
controlado, e valor 1 para o dia 18/01/1999 em diante, quando a taxa de câmbio passou a ser
determinada pelo regime flutuante.
A equação a ser estimada é a seguinte:
(9) Rt = α0 + α1D1t + β0Rm,t + β1D1tRm,t + γ0∆St + γ1D1t∆St + εt
com εt = µt(ht)1/2 ht = δ1 + τ1ε
2t-1 + ν1ht-1
28
Os resultados desta estimação são mostrados na tabela 13 a seguir: Tabela 13 – Resultados da estimação da Equação (9), utilizando matriz de
variância-covariância robusta de Bollerslev & Wooldrigde Coeficiente Erro-Padrão p-valor Constante 0,001 0,000 0,012 D1t -0,001 0,000 0,069 Rm,t 1,485 0,063 0,000 D1tRm,t -0,652 0,072 0,000 ∆St -1,739 0,587 0,003 D1t∆St 1,628 0,588 0,005 Constante – Garch (1,1) 0,000 0,000 0,000 ε
2t-1 0,082 0,015 0,000
ht-1 0,899 0,014 0,000 Observações 3679 R2 0,468 R2 Ajustado 0,467 p-valor (Estatística F) 0,000
Nos resultados obtidos na tabela 13, podemos notar que a separação entre os períodos
de câmbio administrado e de câmbio flutuante causou um efeito diferenciado da exposição
cambial no retorno real da ação. Ainda, os níveis de significância individuais encontrados
para γ0 (valor-p = 0,002) e para γ1 (valor-p = 0,000) foram bastante robustos, sendo ambos
significantes a um nível de confiança de 99%. No caso do período de câmbio administrado, o
coeficiente de sensibilidade à variação cambial encontrado, γ0, foi de -1,289. Já para o caso do
câmbio flutuante, o coeficiente de sensibilidade do retorno real da ação à variação cambial é
dado por γ0 +γ1, e o valor encontrado foi de -0,l29. Dado o sinal contrário de γ0 e γ1,
realizamos um teste de significância conjunta cuja H0: γ0 + γ1 = 0, para testar se estes
coeficientes se anulariam. O valor encontrado para este teste foi um valor-p da estatística F =
0,004, nos levando a rejeitar a hipótese nula e confirmar a exposição cambial diferenciada
nesta situação.
Em relação à sensibilidade da ação ao retorno de mercado, na equação (8), em que não
há a separação entre regimes cambiais, este efeito foi estimado em 0,912. Enquanto isso, de
acordo com os resultados da equação (9), durante o período de câmbio fixo este efeito é dado
por β0 e apresentou valor de 1,534, e durante o período de câmbio flutuante, tal efeito é dado
por β0 + β1 e apresentou valor de 0,8191. Ambos coeficientes são significativos
29
individualmente a um nível de confiança de 99%. Na tabela 14 a seguir, comparamos os
coeficientes obtidos na equação (9) aos obtidos quando utilizamos o Ibovespa como índice de
mercado:
Tabela 14 – Comparação dos resultados da Tabela 7 e da Tabela 13 Coef. Tab. 7 p-valor Coef. Tab. 13 p-valor Constante 0,000 0,403 0,001 0,012 D1t 0,000 0,766 -0,001 0,069 Rm,t 1,006 0,000 1,485 0,000 D1tRm,t -0,103 0,004 -0,652 0,000 ∆St -1,495 0,035 -1,739 0,003 D1t∆St 1,574 0,027 1,628 0,005 Constante – Garch (1,1) 0,000 0,000 0,000 0,000 ε
2t-1 0,066 0,000 0,082 0,000
ht-1 0,923 0,000 0,899 0,000 Ao compararmos os resultados de acordo com o índice de mercado utilizado, podemos
notar que em ambos os casos os coeficientes de exposição cambial foram significativos a um
nível de confiança de pelo menos 95%. Além disso, a magnitude e o sinal dos coeficientes
separadamente foram similares. Já no caso da sensibilidade em relação ao retorno de mercado,
podemos notar que principalmente durante o período de câmbio fixo os valores são mais
discrepantes, indo de 1,006 quando utilizamos o Ibovespa para 1,485 com o FGV-100 como
índice de mercado.
Na equação a seguir, realizaremos a estimação com a inserção da dummie D2t referente
à cirse do subprime, a qual assume valor 1 para o período crítico da crise, do início de
novembro de 2007 ao fim do mês de janeiro de 2009 e valor 0 para demais datas.
(10) Rt = α0 + α2D2t + β0Rm,t + β2D2tRm,t + γ0∆St + γ2D2t∆St + εt
com εt = µt(ht)1/2 ht = δ2 + τ2ε
2t-1 + ν2ht-1
Seus resultados são apresentados na tabela 15 a seguir:
30
Tabela 15 – Resultados da estimação da Equação (10), utilizando matriz de variância-covariância robusta de Bollerslev & Wooldrigde
Coeficiente Erro-Padrão p-valor Constante 0,000 0,000 0,184 D2t 0,000 0,001 0,575 Rm,t 0,907 0,036 0,000 D2tRm,t 0,043 0,106 0,680 ∆St -0,044 0,040 0,278 ∆StD2t -0,212 0,161 0,188 Constante – Garch (1,1) 0,000 0,000 0,000 ε
2t-1 0,092 0,018 0,000
ht-1 0,889 0,016 0,000 Observações 3679 R2 0,412 R2 Ajustado 0,411 p-valor (Estatística F) 0,000
O coeficiente de exposição cambial nesta equação é dado por γ0 para todo o período
em análise, exceto durante a crise, e o valor encontrado foi de -0,044. Contudo, este valor é
pouco significante estatisticamente, dado o valor-p = 0,278 encontrado. Já durante a crise do
subprime, o valor da exposição cambial é dado por γ0 + γ2, e resultou em um valor de -0,256,
o qual também mostra pouca significância estatística, dado o valor-p = 0,188 do termo γ2
encontrado. Ao realizarmos um teste de Wald, cuja H0: γ0 + γ2 = 0, para analisar se estes dois
coeficientes são significantes em conjunto, obtivemos um valor-p da estatística F = 0,341 e
portanto não rejeitamos a hipótese nula. Assim, tanto individualmente quanto em conjunto os
coeficientes de exposição cambial, nesta equação, parecem não serem interessantes para
explicar o retorno real da ação da Petrobras.
O coeficiente β2, relacionado à sensibilidade da ação em relação ao retorno de
mercado durante a crise, não alcançou valores significativos estatisticamente, dado o valor-p
= 0,68. Portanto, neste modelo não encontramos evidências de uma sensibilidade diferenciada
do retorno da ação em relação ao retorno de mercado durante a crise.
Na tabela 16 a seguir, comparamos os coeficientes obtidos na equação (10) aos obtidos
quando utilizamos o Ibovespa como índice de mercado:
31
Tabela 16 – Comparação dos resultados da Tabela 08 com a Tabela 15 Coef. Tab. 08 p-valor Coef. Tab. 15 p-valor Constante 0,000 0,437 0,000 0,184 D2t 0,000 0,477 0,000 0,575 Rm,t 0,925 0,000 0,907 0,000 D2tRm,t 0,193 0,002 0,043 0,680 ∆St 0,117 0,000 -0,044 0,278 D2t∆St -0,029 0,791 -0,212 0,188 Constante – Garch (1,1) 0,000 0,001 0,000 0,000 ε
2t-1 0,071 0,000 0,092 0,000
ht-1 0,921 0,000 0,889 0,000
Ao compararmos os resultados na tabela 16, notamos que com a utilização do índice
FGV-100 como índice mercado, a exposição cambial não se mostrou significante para
explicar o retorno da ação da Petrobras. Quando foi utilizado o Ibovespa como índice de
mercado, a exposição cambial não mostrou-se significativa apenas durante o período de crise,
sendo útil para explicar o retorno da ação nos demais períodos. Quanto à sensibilidade em
relação ao índice de mercado, podemos notar que esta é diferenciada durante a crise quando
utilizamos o Ibovespa, já quando utilizamos o FGV-100, parece não haver sensibilidade
diferenciada.
Em seguida, realizamos a estimação que inclui a dummie relacionada ao sinal da variação
cambial, D3t, sendo que esta dummie assume valor 1 quando ∆St>0 e 0 nas demais situações.
A equação a ser estimada é a seguinte:
(11) Rt = α0 + α3D3t + β0Rm,t + β3D3tRm,t + γ0∆St + γ3D3t∆St + εt
com εt = µt(ht)1/2 ht = δ3 + τ3ε
2t-1 + ν3ht-1
Os resultados da estimação encontram-se na tabela 17 a seguir:
32
Tabela 17 – Resultados da estimação da Equação (5), utilizando matriz de variância-covariância robusta de Bollerslev & Wooldrigde
Coeficiente Erro-Padrão p-valor Constante 0,000 0,000 0,371 D3t 0,000 0,000 0,673 Rm,t 0,915 0,034 0,000 D3tRm,t -0,003 0,081 0,964 ∆St -0,034 0,070 0,621 D3t∆St -0,083 0,106 0,432 Constante – Garch (1,1) 0,000 0,000 0,000 ε
2t-1 0,091 0,018 0,000
ht-1 0,890 0,016 0,000 Observações 3679 R2 0,412 R2 0,411 p-valor (Estatística F) 0,000
Durante períodos de apreciação da taxa de câmbio, o coeficiente de exposição cambial é
dado por γ0 e seu valor foi -0,034. Para os períodos de depreciação cambial, o coeficiente de
exposição cambial é dado por γ0 + γ3, e o valor obtido foi de -0,117. Contudo, nota-se que os
coeficientes relacionados à variação cambial nesta equação não se mostraram individualmente
significantes estatisticamente, dado os valores-p encontrados. Além disso, realizamos um
teste de Wald cuja H0: γ0 + γ3 = 0 para verificar se estes coeficientes seriam estatisticamente
significantes conjuntamente. Como resultado, obtivemos valor-p da estatística F = 0,431, o
que nos leva a não rejeitar a hipótese nula.
Portanto, notamos que tanto individualmente quanto em conjunto, os coeficientes
relacionados à variação cambial não se mostraram significantes estatisticamente nesta
equação.
Tabela 18 - Comparação dos resultados da tabela 09 e da tabela 17. Coef. Tab. 09 p-valor Coef. Tab. 17 p-valor Constante 0,000 0,6446 0,000 0,371 D3t 0,000 0,256 0,000 0,673 Rm,t 0,941 0,000 0,915 0,000 D3tRm,t 0,001 0,981 -0,003 0,964 ∆St 0,070 0,251 -0,034 0,621 D3t∆St 0,016 0,843 -0,083 0,432 Constante – Garch (1,1) 0,000 0,001 0,000 0,000 ε
2t-1 0,072 0,000 0,082 0,000
ht-1 0,920 0,000 0,899 0,000 Podemos notar que, quando diferenciamos o modelo de acordo com o sinal da variação
cambial, a sensibilidade da ação ao retorno de mercado é similar nas duas situações: com o
33
Ibovespa e com o FGV-100 como índice de mercado. Em ambos os casos não há uma
diferenciação desta sensibilidade de acordo com o sinal da variação cambial.
No caso da variação cambial, em ambos resultados esta não mostrou-se significante para
explicar o retorno das ações da Petrobras. No modelo a seguir, consideramos todas as
variáveis explicativas e todas as dummies utilizadas nas equações anteriores:
(12) Rt = α0 + α1D1t + α2D2t + α3D3t + β0Rm,t + β1D1tRm,t + β2D2tRm,t+ β3D3tRm,t + γ0∆St +
γ1D1t∆St + γ2D2t∆St + γ3D3t∆St + εt
com εt = µt(ht)1/2 ht = δ4 + τ4ε
2t-1 + ν4ht-1
Os resultados desta estimação podem ser vistos na tabela a seguir:
Tabela 19 – Resultados da estimação da Equação (12), utilizando matriz de variância-covariância robusta de Bollerslev & Wooldrigde
Coeficiente Erro-Padrão p-valor Constante 0,001 0,000 0,077 D1t -0,001 0,000 0,117 D2t 0,000 0,001 0,577 D3t 0,000 0,000 0,633 Rm,t 1,517 0,079 0,000 D1tRm,t -0,676 0,078 0,000 D2tRm,t 0,134 0,110 0,223 D3tRm,t -0,041 0,077 0,592 ∆St -1,695 0,586 0,003 D1t∆St 1,613 0,578 0,005 D2t∆St -0,162 0,162 0,318 D3t∆St -0,043 0,107 0,682 Constante – Garch (1,1) 0,000 0,000 0,000 ε
2t-1 0,083 0,015 0,000
ht-1 0,897 0,014 0,000 Observações 3679 R2 0,471 R2 0,469 p-valor (Estatística F) 0,000
Pelos valores estimados, notamos que os coeficientes associados às dummies
referentes ao sinal da variação cambial e à crise do subprime não mostraram valores
estatisticamente significantes. Além destes, há alguns outros coeficientes que também se
mostraram pouco significativos.
Na tabela 20 a seguir, comparamos os coeficientes obtidos na equação (12) aos obtidos
quando utilizamos o Ibovespa como índice de mercado:
34
Tabela 20 – Comparação dos resultados da Tabela 10 e da Tabela 19 Coef. Tab. 10 p-valor Coef. Tab. 19 p-valor Constante 0,000 0,738 0,001 0,077 D1t 0,000 0,968 -0,001 0,117 D2t 0,000 0,561 0,000 0,577 D3t 0,001 0,114 0,000 0,633 Rm,t 1,001 0,000 1,517 0,000 D1tRm,t -0,132 0,000 -0,676 0,000 D2tRm,t 0,243 0,000 0,134 0,223 D3tRm,t 0,010 0,756 -0,041 0,592 ∆St -1,537 0,031 -1,695 0,003 D1t∆St 1,575 0,026 1,613 0,005 D2t∆St 0,018 0,873 -0,162 0,318 D3t∆St 0,007 0,929 -0,043 0,682 Constante – Garch (1,1) 0,000 0,001 0,000 0,000 ε
2t-1 0,066 0,000 0,083 0,000
ht-1 0,922 0,000 0,897 0,000
Em ambos os modelos, notamos que a exposição cambial não parece significante
quando analisamos a exposição diferenciada pelo sinal da variação cambial e também durante
o período da crise. Assim, parece haver certa similaridade entre os resultados no tocante à
exposição cambial.
Quanto à sensibilidade da ação em relação ao índice de mercado, quando utilizamos o
Ibovespa parece ser possível captar uma sensibilidade diferenciada durante o período da crise,
algo não evidenciado quando utilizamos o FGV-100.
Em seguida, realizamos uma nova regressão excluindo as variáveis menos
significantes (valor-p>0,20) do modelo anterior, ficando o modelo assim especificado:
(13) Rt = α0 + α1D1t + β0Rm,t + β1D1tRm,t + γ0∆St + γ1D1t∆St + εt
com εt = µt(ht)1/2 ht = δ5 + τ5ε
2t-1 + ν5ht-1
35
Tabela 21 – Resultados da estimação da Equação (7), utilizando matriz de variância-covariância robusta de Bollerslev & Wooldrigde
Coeficiente Erro-Padrão p-valor Constante 0,001 0,000 0,012 D1t -0,001 0,000 0,077 Rm,t 1,486 0,063 0,000 D1tRm,t -0,673 0,074 0,000 ∆St -1,738 0,587 0,003 D1t∆St 1,630 0,058 0,005 Constante – Garch (1,1) 0,000 0,000 0,001 ε
2t-1 0,082 0,015 0,000
ht-1 0,898 0,014 0,000 Observações 3679 R2 0,471 R2 0,469 p-valor (Estatística F) 0,000
Ao verificarmos os impactos das dummies na sensibilidade da ação em relação ao
retorno de mercado, notamos que há um impacto bastante diferenciado para o período de
câmbio fixo em relação ao período de câmbio flutuante. Esta mudança de regime cambial é a
única situação em que foi evidenciada alterações na sensibilidade do retorno da ação em
relação ao retorno de mercado.
Novamente neste modelo, a exposição cambial se dá de forma diferenciada de acordo
com o regime cambial. No período de câmbio fixo, a exposição é dada unicamente pelo
coeficiente γ0, cujo valor encontrado é de -1,299, sendo significante a um nível de
significância de 1%. Já para o período de câmbio flutuante, exceto durante a crise, a
exposição cambial é dada por γ0 + γ1 e o valor encontrado foi de -0,101. Resolvemos realizar
um teste de significância conjunta cuja H0: γ0 + γ1 = 0, para verificar se estes coeficientes se
anulariam, dado os valores de sinais opostos encontrados. Como resultado deste teste,
obtivemos valor-p da estatística F = 0,000. Logo, confirmando a significância da exposição
cambial durante o período de câmbio flutuante.
36
Tabela 22 – Comparação dos resultados da Tabela 11 e da Tabela 21 Coef. Tab. 11 p-valor Coef. Tab. 21 p-valor Constante 0,000 0,738 0,001 0,012 D1t - - -0,001 0,077 D3t 0,001 0,114 - - Rm,t 1,008 0,000 1,486 0,000 D1tRm,t -0,134 0,000 -0,673 0,000 D2tRm,t 0,237 0,000 - - ∆St -1,528 0,033 -1,738 0,003 D1t∆St 1,572 0,026 1,630 0,005 Constante – Garch (1,1) 0,000 0,001 0,000 0,001 ε
2t-1 0,066 0,000 0,082 0,000
ht-1 0,922 0,000 0,898 0,000
Ao compararmos os resultados dos modelos finais do capítulo anterior e deste
capítulo, percebemos que nos dois casos a exposição cambial mostrou-se significativa para a
Petrobras com um nível de confiança de pelo menos 95%, no primeiro caso, e de pelo menos
99% no segundo caso. Além diso, a exposição mostrou-se diferenciada de acordo com o
regime cambial em ambos os casos. Quando estamos no período de câmbio fixo, a magnitude
da exposição cambial foi mais ampla e similar nas duas situações. No caso do período de
câmbio flutuante, a exposição cambial mostrou-se de menor magnitude em ambos os casos.
Contudo, quando utilizamos o Ibovespa como índice de mercado, o resultado desta exposição
foi positivo, enquanto quando utilizamos o FGV-100 como índice de mercado, esta exposição
foi negativa. Além disso, em ambos os casos não encontramos evidências de assimetria na
exposição cambial para a Petrobras.
As maiores diferenças entre os dois modelos deram-se nos coeficientes de
sensibilidade do retorno da ação em relação ao índice de mercado. Quando utilizamos o
Ibovespa, foi possível captar uma exposição diferenciada durante o período da crise, algo não
verificado quando utilizamos o índice FGV-100. Ainda, durante o período de câmbio fixo, a
sensibilidade ao índice de mercado mostrou-se muito mais elevada quando utilizamos o índice
FGV-100 como índice de mercado.
37
Capítulo 6 – Considerações Finais
O objetivo deste trabalho foi verificar se a Petrobras é impactada por variações
cambiais e de que forma e magnitude se daria tal impacto. A exposição cambial de uma
empresa pode afetar seu fluxo de caixa e sua valoração. Além disso, sua mensuração pode ser
útil para determinar as políticas de hedge e gerenciamento de risco da empresa.
Os resultados encontrados apontam para evidências de exposição cambial na
Petrobras. Verificou-se ainda que esta exposição deu-se de forma diferenciada de acordo
como o regime cambial, sendo que, após o período de câmbio fixo, o impacto da variação
cambial sobre o retorno das ações reduziu-se.
Analisamos também se haveria assimetria na exposição cambial que afeta a empresa.
Primeiramente, verificamos se houve um efeito diferenciado na exposição cambial da
empresa durante a crise global de 2008. Os resultado apontaram para a inexistência de efeitos
diferenciados durante tal período.
Em seguida, verificamos se existiria assimetria de acordo com o sinal da variação
cambial. Em Muller e Verschoor (2006), é explicitado que existem vários fundamentos
econômicos que poderiam levar a esta assimetria na exposição cambial de uma empresa.
Contudo, não encontramos evidências significativas desta exposição assimétrica de acordo
com o sinal da variação cambial no caso da Petrobras.
Sabemos que o índice Ibovespa tem em sua composição a ação da Petrobras, sendo
esta responsável por um peso considerável neste índice. Assim, resolvemos realizar um
exercício de robustez utilizando outro índice representativo do mercado, o FGV-100, que não
tem as ações da Petrobras em sua carteira teórica, para comparar os resultados. Os resultados
obtidos com este outro índice também apontaram para uma exposição cambial significativa
para a Petrobras, e assim como visto quando utilizamos o Ibovespa, esta exposição se deu de
38
forma diferenciada de acordo com o regime cambial, sendo de maior magnitude durante o
período de câmbio fixo e de menor magnitude durante o período de câmbio flutuante.
39
Capítulo 7 – Referências Bibliográficas
ADLER, M. e DUMAS, B. Exposure to currency risk: definition and measurement. Financial Management, v. 13, n.2, p. 41-50, 1984. BUENO, R. L. S. Econometria de Séries Temporais, 1ª edição. São Paulo: Cengage Learning, 2008. CASTRO JÚNIOR, L. G., SÁFADI, T. e SILVA, W. S. Uma análise empírica da volatilidade do retorno de commodities agrícolas utilizando modelos ARCH: os casos do café e da soja. Revista de Economia e Sociologia Rural, v. 43, 2005. DE JONG, A.; LIGTERINK, J. e MACRAE, V. A firm specific analysis of the Exchange-rate exposure of Dutch firms. Journal of International Financial Management and Accounting, v. 17, p. 1-28, 2006. DOIDGE, C., GRIFFIN, J e WILLIAMSON, R. Measurin the economic importance of exchange rate exposure. Journal of Empirical Finance, v. 13, n. 4/5/, p. 550-576, 2006. DOMINGUES, K. M. E. e TESAR, L. L. Exchange rate exposure. Journal of International Economics, v. 68, n. 1, p. 188-218, 2005. EUN, C. S. e RESNICK, B. G. International Financial Management. 4ª edição. Boston: Irwin/McGraw Hill, 2005. JORION, Phillipe. The Exchange-rate exposure of U.S. multinationals. Journal of Business, v.63, p. 331-345, 1990. MARSHALL, A. P. Foreign exchange risk management in UK, USA and Asia Pacific multinacional companies. Journal of Multinational Financial Management, v. 10, n. 2, p. 185-211, 2000. MULLER, A. e VERSCHOOR, W. Asymmetric foreign exchange risk exposure: Evidence from U.S. multinational firms. Journal of Empirical Finance, v. 13, p. 495-518, 2006. MULLER, A. e VERSCHOOR, W. Foreign exchange risk exposure: survey and suggestions. Journal of Multinational Financial Management, v.16, n.4, p.385-410, 2006. MULLER, A. e VERSCHOOR, W. The Latin American exchange exposure of U.S. multinationals. Journal of Multinational Financial Management, v.18, n.2, p.112-130, 2008. PONTES, M. A. A. O Impacto da Variação da Taxa de Câmbio sobre o Preço das Ações da Aracruz Celulose S.A. 2010. 44 f. Tese (Mestrado em Economia) – Ibmec, Rio de Janeiro. 2010. POON, S. H. A Practical Guide to Forecasting Financial Market Volatility, 5a edição. Southern Gate: John Wiley & Sons, 2005.