Insper Instituto de Ensino e Pesquisa Henrique de Mello Chaves

Insper Instituto de Ensino e Pesquisa
Faculdade de Economia e Administração
Henrique de Mello Chaves
IMPACTO DA ESTRUTURA DE CAPITAL NA
RENTABILIDADE DE EMPRESAS BRASILEIRAS NÃO
FINANCEIRAS: UMA ANÁLISE DE DADOS EM PAINÉIS
São Paulo
2014
Henrique de Mello Chaves
Impacto da estrutura de capital na rentabilidade de
empresas brasileiras não financeiras: Uma análise de
dados em painéis
Monografia apresentada ao curso de Ciências
Econômicas, como requisito parcial para obtenção do
Grau de Bacharel do Insper Instituto de Ensino e
Pesquisa.
Orientador: Prof. M.e. Sérgio Ricardo Martins - Insper
São Paulo
2014
Chaves, Henrique de Mello
Impacto da Estrutura de Capital na Rentabilidade de Empresas Brasileiras
Não Financeiras: Uma Análise de Dados em Painéis / Henrique de Mello Chaves –
São Paulo: Insper, 2014.
Monografia: Faculdade de Economia e Administração. Insper Instituto de
Ensino e Pesquisa.
Orientador: Prof. M.e. Sérgio Ricardo Martins
1. Estrutura de capita 2. Alavancagem financeira 3. Rentabilidade 4.
Modelo para dados em painel
Henrique de Mello Chaves
Impacto da Estrutura de Capital na Rentabilidade de Empresas
Brasileiras Não Financeiras: Uma Análise de Dados em Painéis
Monografia apresentada ao curso de Ciências Econômicas, como
requisito parcial para obtenção do grau de Bacharel em Economia do Insper
Instituto de Ensino e Pesquisa.
Aprovado em Dezembro de 2014
EXAMINADORES
Prof. M.e. Sérgio Ricardo Martins
Prof. Dra. Camila Pereira Boscov
Prof. Dr. José Carlos Tiomatsu Oyadomari
Resumo
CHAVES, Henrique. Impacto da estrutura de capital na rentabilidade de
empresas brasileiras não financeiras – Uma análise de dados em painéis
econométricos. São Paulo, 2014 13p. Monografia – Faculdade de
Economia e Administração. Insper Instituto de Ensino e Pesquisa
O presente trabalho busca entender qual o impacto da estrutura de capital no
retorno observado pelos acionistas de empresas não-financeiras brasileiras. Os
dados para a análise serão referentes a 45 empresas listadas na
BMF&Bovespa e componentes do índice Ibovespa. O período de análise é de
2006 a 2013 e o método econométrico utilizado será um modelo para dados
em painéis.
Palavras-chaves:
Estrutura de capital, Alavancagem financeira,
Rentabilidade, Modelo para dados em painel
Abstract
CHAVES, Henrique. Impact of capital structure on profitability of Brazilian
non-financials companies - An econometric analysis of econometric panel
data. São Paulo, 2014 13p. Monograph – Faculdade de Economia e
Administração. Insper Instituto de Ensino e Pesquisa
This paper seeks to understand the impact of capital structure on the return
observed by the shareholders of Brazilian non-financial companies. Data for the
analysis are related to 45 companies listed on Bovespa and BM&FBovespa
index components. The period of analysis is 2006-2013 and the econometric
method used will be a model for panel data.
Keywords: Capital Structure, Financial leverage, Profitability, Model for panel
data
Índice
1. Introdução ............................................................................................................................ 7 2. Revisão Bibliográfica .......................................................................................................... 9 3. Metodologia ....................................................................................................................... 13 4. Coleta e análise descritiva dos dados ........................................................................... 23 5. Estimação .......................................................................................................................... 33 6. Resultados ......................................................................................................................... 40 7. Conclusão .......................................................................................................................... 42 8. Bibliografia ......................................................................................................................... 44 7 1. Introdução
A estrutura de capital é um tema muito estudado na área de finanças
acadêmicas e no mercado de capitais, pois a escolha da estrutura de capital
é parte fundamental da administração de uma empresa, onde busca-se
sempre a maximização do retorno para o acionista. Seu debate tem início
com o paper seminal de Modigliani e Miller (1958), onde dissertou-se pela
primeira vez sobre os impactos da estrutura de capital sobre o valor de
mercado de empresas.
A definição de estrutura de capital, fornecida pelos autores supracitados,
nada mais é do que a forma que uma companhia se financia para por em
prática suas operações e projetos. Por exemplo, quando uma empresa se
depara com um projeto que acredita ser lucrativo, a mesma possui diversas
maneiras de compor o capital necessário para a empreitada. Entre as fontes
de capital existem três grandes grupos: (i) capital próprio gerado por suas
atividades, por exemplo, reservas de lucro, (ii) capital próprio dos acionistas,
por exemplo, o capital social e (iii) capital de terceiros, ou seja, dívida (ex.
empréstimos com bancos e debêntures).
A alavancagem financeira tratada neste presente trabalho não refletirá
somente uma métrica de avaliação, e sim, três distintas métricas que
buscam retratar a alavancagem como efeito do dívida sobre a operação,
sobre o capital investido por sócios e, por último mas não menos importante,
o nível de endividamento e a forma de financiamento de todo o ativo da
companhia.
A forma com que uma empresa decide se capitalizar define muito sobre
a sua rentabilidade e lucratividade. Isso se deve ao fato de que os custos
associados aos três grandes tipos de capital acima mencionados podem
diferir. Tomemos como exemplo, a dívida ou capital de terceiros, este é o
capital que possui seu custo mais evidente, no caso, os serviços de dívida
8 (juros), já o custo do capital próprio não é tão direto. Tal custo é derivado da
rentabilidade mínima associada ao risco da empresa em questão, ou seja, o
custo de oportunidade atrelado aquele nível de risco. Segundo McNulty et al
(2002), uma empresa sempre deve buscar projetos cuja rentabilidade seja
superior ao custo de capital associado a tal projeto, de tal forma a possuir
um retorno acima do custo de oportunidade para os acionistas. Portanto, a
escolha de estrutura de capital é de extrema relevância para administradores
e para o empresariado como um todo.
O presente trabalho parte da necessidade de empresas não-financeira
entenderem suas estruturas de capital e escolherem a que mais se adequa a
suas operações, sempre visando gerar maior valor para os acionistas. Tal
necessidade citada é de extrema importância para o empresariado, pois a
definição da estrutura de capital influencia tanto a necessidade de capital
dos acionistas, bem como a rentabilidade sobre esse capital aplicado.
Assim, busca-se estudar os impactos de escolha de distintas estruturas de
capital no retorno sobre o capital próprio (ROE), no presente trabalho
calculado como lucro líquido sobre patrimônio líquido. Para tanto, serão
utilizados dados anuais de empresas não-financeiras do mercado brasileiro
componentes do índice Ibovespa para os anos de 2006 a 2013.
Tal objetivo será alcançado através de uma modelagem em painéis, que
será composta de variáveis que capturam dinâmicas da estrutura de capital,
além disso, serão incluídas na análise variáveis de controle, como por
exemplo, valor de mercado da companhia, margem EBITDA e custo da
dívida, de forma a reduzir possíveis ruídos nos dados.
Espera-se responder a questão sobre qual o verdadeiro impacto da
alavancagem e endividamento neste corte geográfico e temporal na
rentabilidade dessas empresas não-financeiras.
9 2. Revisão Bibliográfica
Segundo Ross, Westerfield e Jaffe (2002), o processo de escolha do
grau de alavancagem não é simples, pois diversos parâmetros relevantes
para o processo de escolha não são observáveis. Porém, os administradores
devem buscar a estrutura de capital que maximize o retorno para os
acionistas.
A discussão sobre estrutura de capital foi iniciada pelo paper seminal de
1958, The Cost of Capital, Corporation Finance and the Theory of
Investment, por Modigliani e Miller. Nesse trabalho, os autores afirmam que
o valor de uma empresa não depende da estrutura de capital escolhida pelos
administradores, pois pode-se sempre replicar a estrutura de capital fora da
empresa de modo a atingir o nível de endividamento que o investidor deseja.
Em outras palavras, os autores concluem que para uma mesma empresa,
deve-se resultar o mesmo valor, independente da proporção entre capital
próprio e dívida que compõem as fontes de financiamento.
Essa conclusão, segundo os próprios autores se baseia em premissas
fortes e irreais para a realidade. Entre as premissas estão: (i) a inexistência
de impostos sobre a renda, (ii) perfeita simetria de informações entre a
administração da empresa, credores e investidores, (iii) a possibilidade de
tanto a empresa como os investidores de tomarem emprestado e
emprestarem recursos a uma taxa condizente com o nível de risco
inexistente, levando a outra premissa, (iv) risco de inadimplência de tanto
empresas, como de investidores é negligenciável.
Com o intuito, de aproximar a teoria da realidade, Modigliani e Miller
(1963) propuseram incorporar o imposto de renda, bem como inserir na
análise o efeito positivo gerado pelo benefício fiscal da dívida. Desde aqui,
buscava-se entender o impacto de um aumento de dívida sobre o valor de
uma empresa. Quanto maior o grau de endividamento, menor necessidade
10 de capital próprio e menor o imposto de renda devido. Ou seja, para um
mesmo projeto espera-se maior valor para o com maior grau de dívida vis-àvis capital próprio. Adicionalmente, a diferença dos valores, segundo os
autores, será definida pelo valor atribuído ao benéfico fiscal (tax shield) da
dívida calculado como valor direcionado ao serviço da dívida que pode ser
abatido da base tributária multiplicado pela alíquota de imposto de renda
efeitava. De tal, se extrai a conclusão que quanto maior a dívida maior o
valor do empreendimento, por tanto o nível ótimo será então o maior nível
possível de endividamento.
Warner e Chairperson (1977) da continuidade a discussão iniciada por
Modigliani e Miller (1958, 1963) adicionando custos associados ao processo
de falência de uma companhia. O autor apresenta que existem custos e
dificuldades associados ao processo de falência de uma companhia, dentre
eles custos legais e processuais. Além do mais, toda empresa possui um
risco de falência inerente ao seu negócio e, tal risco, é crescente para o grau
de endividamento da operação.
Com isso, existe, segundo o autor supracitado, uma componente
redutora do valor das empresas para um aumento do grau de
endividamento1. Para o autor o valor da empresa deve ser uma função
parabólica com concavidade para baixo do grau de endividamento e o nível
de
alavancagem
perseguido
pelos
administradores
deve
ser
o
correspondente ao ápice de tal curva.
Já Breadley e Myers (1992) dissertam sobre a necessidade da empresa
entender sua estrutura de capital e os custos associados. De tal forma que
possa comparar retornos de possíveis projetos ao custo médio ponderado
do capital (WACC). Formula-se então a regra básica, uma empresa não
deve realizar projetos que possuam retorno esperado menor do que o custo
de capital envolvido.
1
Vale a pena ressaltar que Warner (1977) não descarta o impacto positivo da divida apresentado pro Modigliani & Miller (1963). 11 Dando continuidade a discussão, McNutlty et al. (2002), reitera a
importância do calculo do WACC de uma empresa para que a mesma
obtenha uma balizador eficaz para aceitar ou não projetos. Além disso, a
estrutura de capital é uma das decisões que devem ser tomadas pelos
administradores de empresas. A proporção de dívida em relação ao capital
próprio deve ser de tal grandeza que permita que o retorno para o acionista
seja maximizado.
Em seu trabalho Booth et al (2001) explicam que tal escolha de fontes
de financiamento deve se embasar em três teorias: (i) Teoria do Trade-off
estático, onde a escolha da estrutura de capital ótima se embasará em
parâmetros
estáticos
como:
tipo
de
investimento,
risco
associado,
rentabilidade, alíquotas tributarias e custos de falência. (ii) Conceito de
custos de agência, onde potenciais conflitos de interesse entre investidores
e credores devem balizar a estrutura de capital ótima e (iii) a hipótese de
Pecking order, aonde a companhia irá sempre buscar a melhor forma de
financiamento. Ou seja, a companhia deve emitir dívida quando acreditar
que suas ações estiverem subavaliadas e simetricamente emitir ações
quando acreditar que as mesmas estão sobre avaliadas. Segundo essa
teoria, a estrutura de capital ótima não deve ser buscada como um todo,
mas sim através de uma escolha de financiamento de projeto a projeto.
Com o intuito de entender a veracidade da hipótese de Pecking Order no
mercado de capitais, Hadlock e James (2002) estudam a escolha de
financiamento de 500 empresas listadas não financeiras. Em seu estudo, os
autores apontam que o mercado comumente reage positivamente a escolha
de dívida à emissão de capital próprio, pois, segundo a hipótese acima
citada, esse escolha é uma sinalização da administração da empresa que
retornos maiores que o custo do capital emprestado são esperados.
Já Fama e French (1998) abordam o tema com outro direcionamento.
Buscam o valor da companhia e retornos e sua relação com taxas e
decisões de financiamento. Concluem que firmas mais alavancadas
12 apresentam menor rentabilidade, tais conclusões corroboram com as
conclusões de Modligiani & Miller (1963). Tal efeito, segundo os autores se
deve ao fato de o aumento da dívida gera custos de agência entre os
credores e investidores.
Booth et al (2001) também estudam as variáveis que balizam a escolha
de estrutura de capital dos administradores de empresas em diversos países
e mercados de capitais distintos. Em seu estudo, concluem que apesar das
diferenças entre os ambientes de negócios, as empresas utilizam em média
as mesmas variáveis para escolher sua estrutura de capital. Adicionalmente,
os
autores
concluem
também
que
a
rentabilidade
é
impactada
negativamente pela dívida, tamanho da firma e alíquotas tributarias.
Além disso, com uma estrutura de capital mal planejada, companhias
podem perder a eficiência dos usos de suas próprias fontes de
financiamento, como por exemplo os recursos gerados por sua atividade
operacional. Portanto é de extrema importância para as empresas
planejarem suas estruturas de capital de modo a aproveitar melhor seus
fluxo operacionais de caixa.
13 3. Metodologia
Variáveis e período analisado
O método econométrico escolhido para estudar o impacto da estrutura
de capital na rentabilidade de companhias não-financeiras brasileiras no
período de 2006 a 2013 foi o de dados em painéis.
No período analisado na presente monografia, o método contábil vigente
para empresas brasileiras de capital aberto mudou. De 2006 a 2010 o
método de contabilidade utilizado era o BRGAAP, o qual é baseado em
regras diferentes e se afasta dos padrões internacional, e após esse período
empresas abertas passaram a adotar o método IFRS, o qual é um método
padronizado mundialmente de contabilidade, de modo a se aproximar de
políticas internacionais de contabilidade, pois se baseia na essência da
transação. Tal mudança foi muito bem vinda no mercado de capitais devido
a maior transparência e comparabilidade dos balanços. A equidade
estabelecida
pelo
novo
código
contábil
tem
contribuído
para
o
desenvolvimento de uma contabilidade mais transparente no Brasil.
Para o presente trabalho, tal mudança de contabilidade gera falta de
comparabilidade entre os períodos. Porém de modo a solucionar tais
inconsistências foram utilizados dados de balanços do Economática já
ajustados ao padrão internacional para manter a comparabilidade funcional.
Além disso, é de senso comum que ao se analisar balanço de uma
empresa deve atentar também para o balanço de suas subsidiarias de modo
a capturar todas as peculiaridades contábeis de conglomerados de
empresas sob mesmo controle. Para absorver esse tipo de informação,
neste trabalho foram utilizados dados de demonstrativos financeiros
consolidados, pois representam o grupo econômico como um todo.
14 Adicionalmente é válido ressaltar que no presente trabalho partirá da análise
de dados anuais.
A variável resposta da modelagem será o ROE (return on equity, retorno
sobre o patrimônio líquido) anual de 45 empresas não-financeiras
componente do Ibovespa no período de 2006 a 2013.
Para realizar a modelagem, serão levantados dados anuais que
capturem a estrutura de capital de uma empresa:
(i)
relação entre a dívida líquida (dívida total menos montante de caixa e
equivalentes de caixa mantidos em balanço) e patrimônio líquido, de
modo a capturar o grau de alavancagem em relação ao capital próprio
da companhia (“DlPl”).
(ii)
relação entre dívida líquida e EBITDA (resultado antes do resultado
financeiro, impostos e depreciação) de modo a capturar a relação da
alavancagem
com
a
situação
operacional
da
companhia
(“DlEBITDA”).
(iii)
dívida com percentual do capital investido (total do ativo menos
montante de caixa e equivalentes de caixa mantidos em balanço), de
modo a capturar o percentual de capital de terceiros na estrutura de
capital da empresa (“GAF”).
Além disso, serão incluídos na análise variáveis de controle de forma
que se obtenha uma redução nas disparidades entre as empresas:
(i)
valor de mercado médio das empresas no ano em questão, calculado
como valor médio do valor de mercado diário das companhias durante
todos os dias úteis do ano, de modo a capturar efeitos na
rentabilidade associados ao tamanho da companhia em questão
(“MktCap”). A escolha desta variável se deve a expectativa de que
empresas maiores tendem a ter maior dificuldade em alocar capital
em investimentos rentáveis.
(ii)
15 margem EBITDA média no ano em questão, capturando assim as
diferenças de margens operacionais associadas as companhias em
questão (“Mg”). A escolha desta variável se deve ao simples fato que
empresas rentáveis em EBITDA tendem a ter um ROE elevado.
(iii)
custo de dívida médio no ano em questão, capturando assim a o
custo associado ao carregamento da dívida (manutenção de nível
mais alto de alavancagem) (“Kd”). A escolha desta variável se deve a
(i) empresas com um alto custo de dívida tem seu lucro líquido
reduzido, portanto ROE reduzido, e/ou (ii) bancos cobram mais caro
de empresas custa operação tende a ser menos rentável, portanto
com menor ROE.
Tratamento dos dados
Devido ao grande leque de variáveis em empresas analisadas no
presente estudo é natural esperar que ao coletar os dados distorções
ocorram na distribuição de algumas das variáveis selecionadas. Por
exemplo: (i) Espera-se uma grande variação no ROE (variável resposta)
casa a empresa em questão passe em algum dos anos da amostra por uma
alteração patrimonial com resultado positivo ou negativo e (ii) grande
variação na dívida liquida sobre patrimônio liquido caso a empresa realize
em algum dos anos da amostra uma aquisição de outra empresa financiada
por capital de terceiros.
Com o intuito de minimizar tais variações incomuns optou-se nesse
trabalho por utilizar a padronização dos dados pelo método de caudas
aparadas. Neste método, os dados serão ajustados de modo a todos os
dados do grupo de empresas selecionadas se ajustem da seguinte forma: (i)
dados entre o 0% e o 10% quartil assumam o valor do 10% e (ii) dados entre
16 100% e 90% quartil assumam o valor do 90%. Ou seja, as caudas dos dados
serão aparadas e assumiram o último valor da amostra ajustado.
Os benefícios de tal metodologia de ajuste são: (i) a padronização dos
dados mais próxima a média da amostra, (ii) manutenção da escala dos
dados, pois este método mantem as proporções da média e não realiza a
indexação dos dados e (iii) eliminação de outliers da amostra mantem a
análise e resultados da estimação mais próximos de resultados condizentes
com a média das observações.
Os malefícios da metodologia de ajuste em questão são: (i) possível
eliminação de observações importantes para a estimação, de modo que o
dado aparado contenha informação importante para a análise e (ii)
discricionariedade dos níveis máximos e mínimos selecionados para a
metodologia de aparagem de dados. Para tentar controlar o malefício de (i)
os dados descartados serão analisados de modo a inferir caso dados
relevantes estejam sendo descartados.
Após ponderação de prós e contras conclui-se que a metodologia deve
agregar mais para a estimação, pois retirará da amostra variâncias nos
dados que não são normais e prejudicariam os resultados da estimação
caso fossem levadas em conta.
As variáveis que passaram por esse ajuste serão: (i) ROE, (ii) dívida
liquida sobre patrimônio liquido, (iii) dívida liquida sobre EBITDA, (iv) grau de
alavancagem financeiro, porém nesta variável o ajuste só será realizado
para o extremo superior da amostra, (v) margem EBITDA e (vi) custo de
dívida.
17 Modelagem
A modelagem escolhida para realizar a análise da estrutura de capital na
rentabilidade da empresas brasileiras no período recente (2006-2013) foi a
de dados em painel, uma vez que, além dos efeitos das variáveis levantadas
previamente, o modelo pode capturar as dinâmicas de tempo, como
alavancagem e desalavancagem das empresas da amostra, bem como
efeitos específicos de cada companhia, como nível de governança
corporativa e posicionamento na indústria.
Componentes de erro de via única e via dupla
Dentro do universo de modelagem de dados em painéis existem dois
grandes métodos de modelagem. (i) Modelos com componentes de erro de
via única, onde além de um termo aleatório para cada individuo em cada
painel, existe um efeito, chamado de efeito não observado que mensura o
efeito individual e invariante no tempo. (ii) Modelos com componentes de
erro de via dupla, onde além do termo aleatório para cada individuo em cada
painel, existem efeitos invariantes no tempo para cada individuo, como na
modelagem anterior, mas também existem efeitos invariantes entre os
indivíduos porém variantes ao longo dos painéis.
O
presente
trabalho
utilizará
do
método
de
modelagem
com
componentes de erro de via dupla e com efeito fixo. Tal escolha se da ao
fato de existirem efeitos específicos das companhias, como por exemplo, o
nível de governança corporativa, posicionamento competitivo, qualidade dos
administradores, cultura interna, etc. Bem como existem efeitos específicos
dos painéis (anos) que afetam todas as firmas, como por exemplo, a crise
internacional de 2008, ano de eleição 2009 e 2013, etc
18 Efeito fixo e efeito aleatório
Além disso, dentro de ambos tipos de modelagem existem duas
alternativas a serem estudas, a modelagem com efeito fixo ou a modelagem
com efeito aleatório. Wooldridge (1960) disserta que a modelagem com
efeito fixo deve ser utilizada quando acredita-se que o efeito não observado
é de alguma forma correlacionado com a matriz de variáveis resposta. Já o
efeito aleatório deve ser utilizado quando acredita-se que os efeitos não
observados não são correlacionados com a matriz de variáveis resposta.
Conforme dissertado, a escolha pela modelagem de efeito fixo parece
simples de se fazer, uma vez que pode-se relaxar a hipótese de
independência dos efeitos não observados com a matriz de variáveis
resposta. Porém tal escolha não é tão simples. Dada escolha pela
modelagem de efeitos fixos, os efeitos não observados terão de ser
estimados, o que resulta em perda de graus de liberdade.
O presente trabalho utilizará, a princípio, o modelo com efeito fixo, pois
acredita-se que os efeitos não observados acima exemplificados possuem
correlação com ao menos algumas variáveis respostas a serem estudadas
19 O Modelo
As variáveis são:
Tabela 1: Variáveis incluídas na modelagem e suas respectivas descrições
Sigla
Variável
ROE
Return on Equity
Lucro líquido do período sobre o patrimônio líquido
médio do período
DlPl
Dívida líquida sobre
patrimônio líquido
Dívida bruta menos caixa médio do período sobre
patrimônio líquido médio do período
DlEBITDA
Dívida líquida sobre
EBITDA
Dívida bruta menos caixa médio do período sobre
resultado antes de depreciação, amortização, juros e
impostos
Grau de
alavancagem
financeira
Ativo total médio do período sobre patrimônio líquido
médio do período
MktCap
Valor de mercado
Valor de mercado médio do ano
Mg
Margem EBITDA
Resultado antes de depreciação, amortização, juros e
impostos sobre receita líquida do período
Kd
Custo da Dívida
Custo de dívida médio do período
GAF
Descrição
20 O modelo de interesse é dado por:
𝑅𝑂𝐸!,! = 𝑓(𝐷𝑙𝑃𝑙!,! , 𝐷𝑙𝐸𝐵𝐼𝑇𝐷𝐴!,! , 𝐺𝐴𝐹!,! , 𝑀𝑘𝑡𝐶𝑎𝑝!,! , 𝑀𝑔!,! , 𝐾𝑑!,!, , 𝜇! , 𝜆! , 𝜀!,! )
em que,
𝑅𝑂𝐸!,! – return on equity da empresa i no ano t em %.
𝐷𝑙𝑃𝑙!,! – dívida líquida sobre o patrimônio liquido da empresa i no ano t em
vezes.
𝐷𝑙𝐸𝐵𝐼𝑇𝐷𝐴!,! –dívida líquida média sobre o EBITDA da empresa i no ano t em
vezes.
𝐺𝐴𝐹!,! – grau de alavancagem financeira da empresa i no ano t em %.
𝑀𝑘𝑡𝐶𝑎𝑝!,! –valor de mercado da empresa i no ano t em milhões de reais.
𝑀𝑔!,! – margem EBITDA da empresa i no ano t em %.
𝐾𝑑!,! – Custo de dívida da empresa i no ano t em %.
𝜇! – variável não observada invariante em t para o indivíduo i.
𝜆! – variável não observada invariante em i para o período t.
𝜀!,! – é um termo de erro aleatório da empresa i no ano t.
i=1, 2, 3, . . . , 45
t=2006, 2007, . . . , 2013
Resultados esperados
Os sinais esperados para os coeficientes das variáveis acima são:
(i)
Ambíguo para 𝐷𝑙𝑃𝑙!,! , pois com um endividamento maior pode-se
girar mais ativos para um mesmo patrimônio líquido gerando
(1) 21 resultados maiores (impacto positivo) e um maior endividamento pode
gerar um maior serviço de dívida de forma a reduzir o lucro líquido.
(ii)
Ambíguo para 𝐷𝑙𝐸𝐵𝐼𝑇𝐷𝐴!,! , pois com uma alavancagem sobre o
EBITDA maior permite com que os resultados sejam aumentados
devido ao capital de terceiros incluídos na operação (impacto positivo)
e um maior endividamento pode gerar um maior serviço de dívida de
forma a reduzir o lucro líquido.
(iii)
Ambíguo para 𝐺𝐴𝐹!,! , pois com uma maior alavancagem na estrutura
de capital pode levar a um maior retorno para o capital próprio
(impacto positivo) e um maior endividamento pode gerar um maior
serviço de dívida de forma a reduzir o lucro líquido.
(iv)
Negativo para 𝑀𝑘𝑡𝐶𝑎𝑝!,! , pois uma empresa maior tende a não
conseguir um número de projetos com o mesmo nível de rentabilidade
alcançada nos primeiros projetos (mais rentáveis).
(v)
Positivo para 𝑀𝑔!,! , pois empresas com uma margem EBITDA maior
tende a alcançar níveis mais elevados de ROE.
(vi)
Negativo para 𝐾𝑑!,! , pois empesa com maior custo de dívida tendem a
possuir pois resultados devido ao pagamento da dívida.
Possíveis limitações
Devido ao grande leque de variáveis em empresas analisadas no
presente estudo é natural esperar que ao coletar os dados distorções
ocorram na distribuição de algumas das variáveis selecionadas. Por
exemplo: (i) Espera-se uma grande variação no ROE (variável resposta)
caso a empresa em questão passe em algum dos anos da amostra por um
alteração patrimonial com resultado positivo ou negativo e (ii) grande
variação na dívida liquida sobre patrimônio liquido caso a empresa realize
22 em algum dos anos da amostra uma aquisição de outra empresa financiada
por capital de terceiros.
Com o intuito de minimizar tais variações incomuns optou-se nesse
trabalho por utilizar a padronização dos dados pelo método de caudas
aparadas. Neste método, os dados serão ajustados de modo a todos os
dados do grupo de empresas selecionadas se ajustem da seguinte forma: (i)
dados entre o 0% e o 10% quartil assumam o valor do 10% e (ii) dados entre
100% e 90% quartil assumam o valor do 90%. Ou seja, as caudas dos dados
serão aparadas e assumiram o último valor da amostra ajustado.
Os benefícios de tal metodologia de ajuste são: (i) a padronização dos
dados mais próxima a média da amostra, (ii) manutenção da escala dos
dados, pois este método mantem as proporções da média e não realiza a
indexação dos dados e (iii) eliminação de outliers da amostra mantem a
análise e resultados da estimação mais próximos de resultados condizentes
com a média das observações.
Os malefícios da metodologia de ajuste em questão são: (i) possível
eliminação de observações importantes para a estimação, de modo que o
dado aparado contenha informação importante para a análise e (ii)
discricionariedade dos níveis máximos e mínimos selecionados para a
metodologia de aparagem de dados.
Após ponderação de prós e contras conclui-se que a metodologia deve
agregar mais para a estimação pois retirará da amostra variâncias nos
dados que não são normais e prejudicariam os resultados da estimação
caso fossem levadas em conta.
As variáveis que passaram por esse ajuste serão: (i) ROE, (ii) dívida
liquida sobre patrimônio liquido, (iii) dívida liquida sobre EBITDA, (iv) grau de
alavancagem financeiro, porém nesta variável o ajuste só será realizado
para o extremo superior da amostra, (v) margem EBITDA e (vi) custo de
dívida.
23 4. Coleta e análise descritiva dos dados
A coleta dos dados foi realizada utilizando-se das bases de dados
Economática e Bloomberg. A princípio foi feito o ajuste aos dados com o
método das caudas aparadas devido a discrepância no dados e efeitos
específicos da companhia em determinado ano. Foram obtidos dados de 66
empresas listadas na BM&F Bovespa em diferentes níveis de listagem, onde
nenhuma é relacionada ao segmento financeiro, e o período de dados obtidos
foi de 2000 a 2013, porém posteriormente foram descartados os dados de 2000
a 2005 por falta de informação para todas empresas avaliadas.
Empresas escolhidas para a análise
As empresas escolhidas para a análise foram determinadas através da
análise das empresas componentes do índice Bovespa (“Ibovespa”), principal
indicador do mercado acionário brasileiro, vigente no dia 01 de setembro de
2014. Tal índice é construído analisando o grau de negociabilidade de cada
companhia e são incluídas as companhias com maior negociabilidade, até
atingir 90% de todo o somatório de negociabilidade da BM&FBovespa,
excluindo-se ações que não negociaram em pelo menos 95% dos dias no
último período e ações que negociam abaixo de R$1,00. Porém para o
presente trabalho é interessante notar que tal índice acaba por ter uma grade
correlação com as maiores empresas com informação pública do mercado
brasileiro.
O índice analisado é composto de 69 ativos e 66 empresas
representadas (Vale, Petrobrás e Bradesco possuem mais de um ativo, ações
ordinárias e preferenciais no índice). Das 66 empresas foram selecionadas 45
empresas não financeiras para a presente análise. Outro critério de exclusão
foi a disponibilidade de dados, para algumas empresas foi-se determinada a
24 exclusão pois as informações publicas eram muito recentes devido a serem
empresas novas na bolsa de valores ou empresas em fase pré-operacional.
Tabela 2: Empresas não financeiras do Ibovespa selecionadas para a análise
Valor de Mercado1 Empresa
Empresa
All Amer Lat
4.483
Valor de Mercado1
Hypermarcas
11.149
JBS
25.156
Ambev S/A
270.935
Anhanguera
6.512
Klabin S/A
10.875
BRF SA
42.881
Localiza
6.923
CCR SA
31.374
Lojas Renner
7.680
Cemig
17.868
Marfrig
2.081
Cesp
6.517
MRV
5.720
Cia Hering
4.922
Natura
17.749
Copel
6.103
Oi
5.921
CPFL Energia
18.370
P.Acucar-Cbd
27.719
Cyrela Realt
5.865
PDG Realt
2.395
Dasa
4.523
Petrobras
222.800
Duratex
7.938
Sabesp
19.792
Ecorodovias
8.261
Sid Nacional
20.966
Eletrobras
7.940
Souza Cruz
36.851
Eletropaulo
1.566
Suzano Papel
10.024
Embraer
13.808
Telef Brasil
50.356
Energias BR
5.398
Tim Part S/A
29.800
Even
1.901
Tractebel
23.460
Fibria
15.297
Ultrapar
30.012
Gafisa
1.470
Usiminas
12.245
Gerdau
31.255
Vale
184.027
Gerdau Met
9.510
Total
1.288.399
1
Valor de mercado em 31 de dezembro de 2013 em milhões de reais
25 Período analisado
Foram obtidos dados de 2000 a 2013, ou seja 14 dados anuais. Dos
dados obtidos, foi observado uma grande piora na qualidade e disponibilidade
dos dados no período anterior a 2006. Além disso, diversas empresas
analisadas não eram abertas, portanto não temos dados públicos. Foi definido
com o período a ser analisado 2006 a 2013, ou seja 8 dados anuais, devido a
maior disponibilidade de dados nesse período. Segue abaixo tabela indicativa
da disponibilidade de dados das empresas selecionadas.
Tabela 3: Disponibilidade de dados de cada empresa
Nome
2000
All Amer Lat
x
Ambev S/A
x
Anhanguera
BRF SA
x
CCR SA
Cemig
Cesp
x
Cia Hering
x
Copel
x
CPFL Energia
Cyrela Realt
x
Dasa
Duratex
Ecorodovias
Eletrobras
x
Eletropaulo
x
Embraer
x
Energias BR
Even
Fibria
x
Gafisa
x
Gerdau
x
Gerdau Met
x
Hypermarcas
JBS
Klabin S/A
x
Localiza
Lojas Renner
x
Marfrig
MRV
2001
x
x
x
2002
x
x
x
x
x
x
x
x
x
x
x
x
x
2003
x
x
x
x
x
x
x
x
x
x
x
2004 2005
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
X
x
X
x
X
x
x
x
x
x
x
x
x
x
x
x
X
X
X
X
X
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
X
2006 2007
X
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
X
x
x
2008
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
2009 2010-13
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
Natura
Oi
P.Acucar-Cbd
PDG Realt
Petrobras
Sabesp
Sid Nacional
Souza Cruz
Suzano Papel
Telef Brasil
Tim Part S/A
Tractebel
Ultrapar
Usiminas
Vale
26 x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
Análise descritiva dos dados
(i)
ROE: Ao analisarmos a variável resposta observamos que a média
dos ROEs para as empresas selecionadas para a análise flutuou no
período entre 20,2% e 12,7% em 2010 e 2012 respectivamente. A
média das médias do período analisado é de 16,9% demostrando
uma relativa estabilidade nos retornos sobre patrimônio liquido no
período analisado para as empresas selecionadas. Além disso
podemos observar no gráfico a seguir que o desvio-padrão dos
retornos variou de 19,0% e 15,1% em 2011 e 2007 respectivamente.
A média dos desvios-padrão do período analisado é 17,5%,
demonstrando uma grande variabilidade dentro da amostra, porém
relativamente constante ao longo do tempo. Tais fatores auxiliam a
uma boa estimação de modelos econométrico em painéis.
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
27 Quadro 1: Médias e Desvios-padrão da variável ROE
40% 35% 30% 25% 20% 15% 10% 5% 0% -­‐5% 2006 2007 2008 2009 2010 2011 2012 2013 -­‐10% ROE (ii)
DlPl: Ao analisarmos a variável explicativa divida liquida sobre
patrimônio liquido notamos que a média dos DlPls para as empresas
selecionadas para a análise flutuou no período entre 64,6% e 38,3%
em 2006 e 2007 respectivamente. A média das médias do período
analisado é de 54,1% demostrando uma relativa variação nos níveis
de alavancagem sobre patrimônio liquido no período analisado para
as empresas selecionadas. Se desconsiderarmos 2006 e 2007, a
mínima das médias atinge 43,3%, a máxima atinge 63,0% e a média
atinge 55,0%, demonstrando uma estabilidade maior. O período de
2006 e 2007 demonstrou uma maior variabilidade nas médias devido
a crise financeira de 2007/2008 e o grande crescimento econômico
que a precedeu. Além disso podemos observar no gráfico a seguir
que o desvio-padrão dos retornos variou de 66,0% e 15,1% em 2013
e 2010 respectivamente. A média dos desvios-padrão do período
analisado excluindo 2006 e 2007 é de 56,4%, demonstrando uma
grande variabilidade dentro da amostra, porém relativamente
constante ao longo do tempo. Mais uma vez o período de 2006 e
2007 mostram um comportamento diferente, com o desvio-padrão do
DlPl indo de 94,2% para 40,9%.
28 Quadro 2: Médias e Desvios-padrão da variável DlPl
200% 150% 100% 50% 0% 2006 2007 2008 2009 2010 2011 2012 2013 -­‐50% DLPL (iii)
DlEBITDA: Ao analisarmos a variável explicativa divida liquida sobre
Ebitda (geração de caixa operacional) observamos que a média dos
DlEBITDAs para as empresas selecionadas para a análise flutuou no
período entre 2,0x e 1,2x em 2012 e 2007 respectivamente. A média
das médias do período analisado é de 1,7x demostrando relativa
estabilidade no grau de alavancagem no período analisado para as
empresas selecionadas. Além disso podemos observar no gráfico a
seguir que o desvio-padrão do grau de alavancagem em termos de
geração de caixa operacional variou de 2,4x e 1,4x em 2013 e 2007
respectivamente. A média dos desvios-padrão do período analisado é
1,7x, demonstrando uma grande variabilidade dentro da amostra. Tais
fatores auxiliam a uma boa estimação de modelos econométrico em
painéis. É valido ressaltar que essa variável deve ter um grande peso
no modelo econométrico a ser construído devido a sua grande
variabilidade e sua também grande capacidade explicativa do ROE.
29 Quadro 3: Médias e Desvios-padrão da variável DlEBITDA
5,0x 4,0x 3,0x 2,0x 1,0x 0,0x 2006 2007 2008 2009 2010 2011 2012 2013 -­‐1,0x DLEBITDA (iv)
GAF: Ao analisarmos o grau de alavancagem financeira notamos logo
no primeiro momento a discrepância do ano de 2006 para a análise
descritiva da variável em questão. A média dos GAFs para as
empresas selecionadas para a análise flutuou no período de 2007 e
2013 entre 2,9x e 2,5x em 2013 e 2007 respectivamente. A média das
médias do período analisado é de 2,7x demostrando relativa
estabilidade no grau de alavancagem financeira no período analisado
para as empresas da amostra. Além disso podemos observar no
gráfico a seguir que o desvio-padrão do grau de alavancagem
financeira variou de 1,3x e 0,9x em 2013 e 2007 respectivamente. A
média
dos
desvios-padrão
do
período
analisado
é
1,1x,
demonstrando uma grande variabilidade dentro da amostra e relativa
estabilidade nos desvios-padrão. Tais fatores auxiliam a uma boa
estimação de modelos econométrico em painéis.
30 Quadro 4: Médias e Desvios-padrão da variável GAF
7,0x 6,0x 5,0x 4,0x 3,0x 2,0x 1,0x 0,0x 2006 2007 2008 2009 2010 2011 2012 2013 GAF (v)
MktCap: Ao analisarmos a variável resposta MktCap, notamos uma
grande variabilidade nos números devido aos diferentes tamanhos
das
empresas
analisadas
bem
como
diferentes
momentos
econômicos, como podemos notar no gráfico a seguir, o desviopadrão da variável é grande quando comparado ao das demais
variáveis do modelo a ser estudado.
Quadro 5: Médias e Desvios-padrão da variável MktCap
120.000 100.000 80.000 60.000 40.000 20.000 0 -­‐20.000 2006 2007 2008 2009 2010 -­‐40.000 -­‐60.000 MKTCAP 2011 2012 2013 (i)
31 Mg: Ao analisarmos a variável explicativa margem Ebitda observamos
que a média das margens para as empresas selecionadas para a
análise flutuou no período entre 29,0% e 22,8% em 2010 e 2012
respectivamente. A média das médias do período analisado é de
26,7% demostrando uma relativa estabilidade nas margens Ebitda no
período analisado para as empresas selecionadas. Além disso
podemos observar no gráfico a seguir que o desvio-padrão dos
retornos variou de 19,5% e 15,0% em 2008 e 2006 respectivamente.
A média dos desvios-padrão do período analisado é 16,5%,
demonstrando uma grande variabilidade dentro da amostra, porém
relativamente constante ao longo do tempo. Tais fatores auxiliam a
uma boa estimação de modelos econométrico em painéis.
Quadro 6: Médias e Desvios-padrão da variável Mg
50% 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% 2006 2007 2008 2009 2010 2011 2012 2013 MGEBITDA (i)
Kd: Ao analisarmos a variável explicativa custo da divida notamos que
a média dos Kds para as empresas selecionadas para a análise
flutuou no período entre 37,0% e 15,7% em 2008 e 2009
respectivamente. A média das médias do período analisado é de
21,7% demostrando uma relativa variação nos níveis de custo da
divida no período analisado para as empresas selecionadas. Para
32 controlar os efeitos da crise nesta variável será necessária a inclusão
de uma variável dummy para controlar os períodos de crise. Além
disso podemos observar no gráfico a seguir que o desvio-padrão dos
custos variou de tinha outra dinâmica no período anterior a crise de
2008, mais uma vez o uso de uma variável dummy se faz necessário.
Quadro 7: Médias e Desvios-padrão da variável Kd
80% 70% 60% 50% 40% 30% 20% 10% 0% -­‐10% 2006 2007 2008 2009 2010 -­‐20% KD 2011 2012 2013 33 5. Estimação
Para estimar o impacto da estrutura de capital na rentabilidade das
empresas selecionadas iremos utilizar o software Stata 11, o qual apresenta
diversas ferramentas econométricas necessárias para estimar e inferir sobre o
resultados e se adequa bem ao escopo do presente trabalho. Utilizaremos este
software para estimar um modelo para dados em painéis bem como realizar
diversos testes econométricos.
Inicialmente estimaremos um modelo contemplando todas as variáveis
apresentadas a priori de modo a identificar se as mesmas são relevantes para
estimação do ROE. Como identificado previamente iniciaremos nossa análise
estimando um modelo de efeito fixo.
Quadro 8: Resultado da Estimação do Modelo com Efeito Fixo
Como podemos observar no quadro acima todas as variáveis incluídas
na análise se demonstraram relevantes para estimação do ROE a um nível de
confiança de 95%. Os resultados obtidos podem ser interpretados da seguinte
forma:
(i)
Para cada 1.0 vez a mais de dívida liquida sobre patrimônio líquido, o
ROE deverá ser, na média, impactado negativamente em 3,98 p.p.,
tal resultado pode ser explicado pois, um maior endividamento
34 implica em um maior serviço da dívida, o que por sua vez reduz o
lucro líquido e consequentemente a rentabilidade.
(ii)
Para cada 1.0 vez a mais de dívida liquida sobre EBITDA, o ROE
deverá ser, na média, impactado negativamente em 1,25 p.p. Tal
resultado pode ser explicado pelo mesmo motivo apresentado na
variável anterior.
(iii)
Para cada 1 p.p. a mais no grau de alavancagem financeira, o ROE
deverá ser, na média, impactado positivamente em 0,03 p.p.. Este
resultado pode ser interpretado a princípio com um contrassenso
porém podemos entende-lo como o impacto positivo de se ter um
maior ativo rentabilizando o patrimônio líquido. Adicionalmente o
impacto dessa variável acaba sendo muito inferior as demais
variáveis aqui analisadas, pois o método de calculo desta é menos
sensível a um aumento do endividamento do que as variáveis
expostas acima.
(iv)
Para cada 1 p.p. de aumento da margem EBITDA, o impacto no ROE
deverá ser, na média, 0,64 p.p., esse aumento da rentabilidade vai
de encontro com os resultados esperados pois um aumento na
margem EBITDA tem impacto direto no lucro líquido de uma
empresa. Vale também ressaltar que o impacto estimado pode ser
facilmente explicado pelo fato que um aumento de rentabilidade do
EBITDA gera por sequencia lógica um aumento do lucro liquido e
consequentemente, margem liquida e ROE, porém com um desconto
que provém dos tributos de 34%.
(v)
Para cada aumento de 100 milhões de reais no valor de mercado de
uma companhia, o impacto médio em sua rentabilidade é de 0,00042
p.p. o que é um impacto muito irrelevante quando comparado aos
demais aqui analisados. Vale ainda ressaltar que o impacto diverge
do esperado, porém por ser tão pequeno em comparação aos
demais podemos concluir que tal impacto pode se dar por
especificidades da amostra analisada ou por real irrelevância para
estimação do ROE de fato.
(vi)
Também indo de encontro com os resultados esperados, o impacto
de um aumento de 1 p.p. no custo da dívida se traduz em uma
redução de 0,05 p.p. na rentabilidade, em média.
(vii)
35 Se demonstrou também significante a inclusão de uma constante que
não possui nenhuma interpretação clara e é somente um ajuste
estatístico para melhor adequação do modelo aos dados.
A equação com um todo se mostrou significante a 95% de confiança ao
realizarmos o teste F, o qual pode ser observado também no quadro acima. O
R² da estimação é de 25,7%.
Com o objetivo de realizar uma comparação e posteriormente um teste
de Hausman realizamos a estimação do mesmo modelo estimado
anteriormente agora utilizando a metodologia que inclui efeito aleatório na
regressão.
Quadro 9: Resultado da Estimação do Modelo com Efeito Aleatório
Com o intuito de confirmar a utilização de efeito fixo na estimação se
realizado um teste de Hausman. Neste teste a hipótese nula é que o modelo
correto a ser utilizado é o modelo de efeito aleatório. Esse teste infere,
basicamente, se os erros são ou não correlacionados com os regressores,
onde na hipótese nula eles não são.
36 Quadro 10: Resultado do teste de Hausman
Como podemos observar no quadro acima o teste mostra que devemos
utilizar o modelo de efeitos fixos, pois com 95% de confiança e com um chiquadrado de 18,02 chegamos a uma probabilidade de 0,29% de probabilidade
de rejeitar a hipótese nula portanto podemos afirmar que não existe uma
correlação sistêmica entre os erros e os regressores, ou seja o modelo com
efeito aleatório é inconsistente e o modelo com efeito fixo e consistente.
Adicionalmente foram realizados testes para identificar possíveis raízes
nulas nas variáveis. Como as series analisadas são muito curtas (8 períodos)
os resultados muito provavelmente serão não identificação de raiz unitária.
Como esperado, todos os teste negaram a existência de raiz unitária com 95%
de confiança.
37 Quadro 11: Resultados dos testes de Raiz Unitária
Também foi realizado o teste de Wald Modificado para inferir sobre
heteroscedasticidade sobre os erros do modelo de regressão com efeito fixo, o
qual resultou heteroscedasticidade presente no modelo com um chi-quadrado
de 7272,64 e um p-valor de 0,0000.
De modo a lidar como a heteroscedasticidade no modelo foi necessário
realizar a estimação do modelo de efeito fixo pelo método robusto, o qual
provém erros padrões robustos heteroscedasticamente.
Tal estimação retornou coeficiente insignificante para a variável
MKTCAP, portanto o modelo foi re-estimado excluindo-se tal variável da
modelagem.
38 Quadro 12: Resultado da Estimação do Modelo Robusto com Efeito Fixo1
Ao compararmos os resultados dispostos no quadro acima com os
resultados da primeira estimação realizada por este trabalho notamos um
aumento no R² de 1,1%. Adicionalmente a nova interpretação dos resultado
fica como segue:
(i)
Para cada 1.0 vez a mais de dívida liquida sobre patrimônio líquido, o
ROE deverá ser, na média, impactado negativamente em 4,12 p.p..
Tal resultado pode ser explicado pois, um maior endividamento
implica em um maior serviço da dívida, o que por sua vez reduz o
lucro líquido e consequentemente a rentabilidade. Com ligeira
alteração no tamanho, porém com mesma direção do impacto
(ii)
Para cada 1.0 vez a mais de dívida liquida sobre EBITDA, o ROE
deverá ser, na média, impactado negativamente em 1,25 p.p. Tal
resultado pode ser explicado pelo mesmo motivo apresentado na
variável anterior. Inalterado quando comparado ao modelo anterior.
(iii)
Para cada 1p.p. a mais no grau de alavancagem financeira, o ROE
deverá ser, na média, impactado positivamente em 0,03 p.p.. Este
resultado pode ser interpretado a princípio com um contrassenso
porém podemos entende-lo como o impacto positivo de se ter um
maior ativo rentabilizando o patrimônio líquido. Adicionalmente o
impacto dessa variável acaba sendo muito inferior as demais
1
Vale ressaltar que nesta modelagem foi excluído a variável MKTCAP, pois a mesma demonstrou um p-­‐
valor maior que 5% no modelo estimado com todas as variáveis. 39 variáveis aqui analisadas, pois pelo seu método de calculo o impacto
pelo aumento do endividamento é menor que o impacto de ambas as
variáveis apresentadas anteriormente. Inalterado quando comparado
ao modelo anterior.
(iv)
Para cada 1 p.p. de aumento da margem EBITDA, o impacto no ROE
deverá ser, na média, 0,65 p.p., esse aumento da rentabilidade vai
de encontro com os resultados esperados pois um aumento na
margem EBITDA tem impacto direto no lucro líquido de uma
empresa. Vale ressaltar que o valor se aproxima com o valor
esperado que é o impacto direito no ROE excluindo-se o impacto
negativo da tributação de 34%, ou seja 0,66.
(v)
Também indo de encontro com os resultados esperados, o impacto
de um aumento de 1 p.p. no custo da dívida se traduz em uma
redução de 0,05 p.p. na rentabilidade, em média. Com ligeira
alteração no tamanho do impacto somente.
40 6. Resultados
Ao analisar os resultados obtidos pela estimação identificamos que o
modelo robusto de efeito fixo é o modelo adequado para os dados
selecionados. Quando voltada a atenção para os resultados das estimação
logo notamos que os coeficientes estimados são significantes para estimação.
Como o intuito da presente monografia é identificar o impacto da
estrutura de capital na rentabilidade das empresas brasileiras não-financeiras
temos principal interesse em analisar com cuidado os coeficientes estimados
para as variáveis que indicam o grau de alavancagem, ou estrutura de capital.
Voltando a equação estimada no quadro 12, logo notamos que as
variáveis e respectivos coeficientes que indicam a estrutura de capital são:
(i)
Dívida líquida sobre patrimônio liquido
Coeficiente estimado: -0,041
Desvio-padrão: 0,02
Teste t: -2,17
p-valor: 0,036
(ii)
Dívida líquida sobre EBITDA
Coeficiente estimado: -0,012
Desvio-padrão: 0,005
Teste t: -2,11
p-valor: 0,041
(iii)
Grau de alavancagem financeira
Coeficiente estimado: 0,030
Desvio-padrão: 0,004
Teste t: 8,39
p-valor: 0,000
41 Os coeficientes estimados não indicam somente um direção para o
impacto da estrutura de capital na rentabilidade pois, para as duas primeiras
variáveis o impacto estimado foi negativo e para a terceira variável o impacto
foi negativo. Este impacto divergente pode ser explicado, como já foi dissertado
anteriormente, pelo fato de ter um maior ativo rentabilizando o patrimônio
líquido. O que a princípio pode parecer um contrassenso porém o impacto
estimado para a terceira variável é muito menor quando comparado com o
impacto das duas primeiras variáveis combinadas, pelo motivo explicado
anteriormente.
Portanto podemos concluir que, em média, para o grupo amostral
selecionado um aumento na alavancagem tende a diminuir a rentabilidade da
empresa. Tal impacto já foi debatido por Modigliani e Miller (1958) e por
Modigliani e Miller (1963) e pode ser explicado pelo fato que um aumento do
grau de endividamento gera um maior serviço da dívida via aumento da dívida
em si e também via um aumento do custo associado a esta dívida devido a um
maior risco associado a mesma.
42 7. Conclusão
O presente trabalho partiu com o objetivo de entender o mercado
empresarial brasileiro no que se refere a dinâmicas de estrutura de capital, sua
importância para empresas e principalmente seu impacto na rentabilidade
apurada.
Definiu-se como indivíduos a ser estudados as principais companhia
brasileiras abertas não-financeiras, pois segundo Breadley e Myers (1992)
empresas financeiras possuem uma dinâmica de estrutura de capital e
rentabilidade diferentes por se utilizarem do capital (caixa) como produto de
seus negócios diários. O período analisado foi o de 2006-2013 de modo a
abranger o maior período possível sem perda relevante de dados que poderiam
desbalancear significantemente os painéis econométricos.
As conclusões, como observamos anteriormente nos resultados,
apontam para uma correlação negativa entre estrutura de capital, aqui definida
como grau de alavancagem, e rentabilidade de uma empresa. Porém tal
resultado não é homogêneo, para todas as variáveis relacionadas a estrutura
de capital. Como observamos anteriormente, o impacto do grau de
alavancagem financeiro se demostra em média, para o grupo de indivíduos e
período selecionados, positivamente correlacionado com o nível de
rentabilidade de uma companhia. Tal impacto não foi observado por nenhuma
dissertação consultada, o que fortalece a análise que tal impacto especifico
pode ocorrer devido a um efeito inerente do grupo amostral selecionado e pode
não refletir um fato do universo de empresas brasileiras não-financeiras.
A alavancagem com um redutor da rentabilidade já é um tema bastante
dissertado e os resultados e conclusões obtidos com o presente trabalho se
aproxima dos resultados postulados por Modigliani e Miller (1963) e
posteriormente, Warner e Chairperson (1977) e Fama e French (1998).
Porém a conclusão que a rentabilidade é negativamente afetada pela
alavancagem, não deve gerar a sensação que a mesma é maléfica para os
negócios, pois sem endividamento empresas ficariam estagnadas em
tendências de crescimento inferiores e não alcançariam níveis superiores de
atividade e crescimento devido a restrições impostas pelo uso somente de
capital próprio, como por exemplo a limitação de recursos.
Com isso, podemos concluir que embora a alavancagem possa reduzir a
rentabilidade de uma empresa, a permite alcançar novos níveis de atividade,
43 pois possibilita o acesso mais abundante ao capital permitindo uma expansão
mais agressiva dos negócios. Contudo, um vértice deve ser encontrado de
modo a maximizar o retorno para o acionista no longo prazo, como discutido
por Warner e Chairperson (1977) ao adicionar ao debate os custos associados
a falência e alto endividamento. Finalmente inferimos que não há
desenvolvimento relevante sem endividamento e o empresário, para crescer,
deve sempre buscar um nível ótimo de alavancagem, mesmo que as custas de
sua rentabilidade.
44 8. Bibliografia
BATALGI, B. H. Econometric Analysis of Panel Data 3 ed. Wiley, 2005.
BOOTH, L.; AIVAZIAN, V.; DEMIRGUC-KUNT, V.; MAKSIMOVIC, V. Capital
Structure in Developing Countries Journal of Finance, 2001. 87-130 pag.
BREADLEY, R. A.; MYERS, S. C. Princípios de Finanças Empresariais
Mcgraw-Hill Irvin, 1992.
FAMA, E. F.; FRENCH, K. R. Taxes, Financial Decisions, and Firm Value
Journal of Finance, 1998. 819-843 pag.
HADLOCK, C. J.; JAMES, C. M. Do Banks Provide Financial Slack? Journal
of Finance, 2002. 1383-1419 pag.
MESQUITA, J. M.; LARA, J. E. Capital Structure and Profitability: The
Brazilian Case. 2003.
MODIGLIANI, F.; MILLER, M. The Cost of Capital, Corporation Finance and
the Theory of Investment American Economic Review, 1958. 261-297 pag.
______. Corporate income taxes and the cost of capital: a correction
American Economic Review, 1963. 433-443pag.
MCNULTY, J. J.; YEH, T. D.; SCHULZE, W. S.; LUBATIKIN, M. H. What’s Its
Real Cost of Capital? Harvard Business Review, 2002. 114-121 pag.
MYERS, S. C. Capital structure. Journal of Economic perspectives, 2001.
81-102 pag.
ROSS, S. A.; WESTERFIELD, R. W.; JAFFE, J. Corporate Finance 6 ed.
McGrall-Hill Irvin, 2002.
WARNER, J. B.; CHAIRPERSON, M. Bankruptcy cost: Some evidence
Journal of Finance, 1977. 337-347 pag.
WOOLDRIDGE, J. M. Econometric Analysis of Cross Section and Panel
Data MIT, 1960.