View/Open

FACULDADE IBMEC SÃO PAULO
Programa de Mestrado Profissional em Economia
Danilo Perretti Trofimoff
EXPOSIÇÃO CAMBIAL ASSIMÉTRICA: EVIDÊNCIA SOBRE
O BRASIL
São Paulo
2008
1
Danilo Perretti Trofimoff
Exposição Cambial Assimétrica: Evidência sobre o Brasil
Dissertação apresentada ao Programa de Mestrado
Profissional em Economia da Faculdade Ibmec São Paulo,
como parte dos requisitos para a obtenção do título de
Mestre em Economia.
Área de concentração: Finanças e Macroeconomia
Aplicadas
Orientador: Prof. Dr. Jose Luiz Rossi Junior – Ibmec São
Paulo
São Paulo
2008
2
Trofimoff, Danilo Perretti
Exposição Cambial Assimétrica: Evidência sobre o Brasil /
Danilo Perretti Trofimoff; orientador José Luiz Rossi Junior – São
Paulo: Ibmec São Paulo, 2008.
46f.
Dissertação (Mestrado – Programa de Mestrado Profissional
em Economia. Área de concentração: Finanças e Macroeconomia
Aplicadas) – Faculdade Ibmec São Paulo.
1. Exposição cambial 2. Assimetria
3
FOLHA DE APROVAÇÃO
Danilo Perretti Trofimoff
Exposição Cambial Assimétrica: Evidência Sobre o Brasil
Dissertação apresentada ao Programa de Mestrado
Profissional em Economia do Ibmec São Paulo, como
requisito parcial para obtenção do título de Mestre em
Economia.
Área de concentração: Finanças e Macroeconomia
Aplicadas
Aprovado em: Julho de 2008
Banca Examinadora
Prof. Dr. Jose Luiz Rossi Junior
Orientador
Instituição: Ibmec São Paulo
Assinatura: _________________________
Prof. Dr. Marcelo Moura
Instituição: Ibmec São Paulo
Assinatura: _________________________
Prof. Dr. Ricardo Rochman
Instituição: EAESP FGV-SP
Assinatura: _________________________
4
DEDICATÓRIA
Dedico este estudo a minha futura esposa que me apoiou em todos os momentos durante o
período das aulas e elaboração deste tema, principalmente nos momentos em que estive
ausente para que pudesse me desenvolver. A meus pais sempre me apoiaram e me
incentivaram não somente neste momento, mas em toda minha vida tanto pessoal quanto
profissional.
5
AGRADECIMENTOS
Agradeço à paciência da minha futura esposa que me apoiou em todos os momentos. Não
posso deixar de agradecer ao meu primo Leandro Perretti Mingrone que forneceu sua casa
para que eu pudesse me concentrar para desenvolver e escrever esta dissertação. Ao Marcio
Poletti Laurini pelo auxilio na elaboração da programação nos modelos utilizados aqui e ao
meu orientador, Jose Luiz Rossi Junior que me apoiou e auxiliou nas discussões e
aprimoramento do tema. Aos meus pais que em todos os momentos me apoiaram.
6
RESUMO
TROFIMOFF, Danilo Perretti. Exposição Cambial Assimétrica: Evidência para o Brasil.
2008. 42 f. Dissertação (Mestrado) – Faculdade Ibmec São Paulo, São Paulo, 2008.
O escopo deste estudo é analisar o comportamento das empresas brasileiras frente a
variações cambiais, incorporando a presença de assimetria através de um modelo não
linear. Observou-se que diversas empresas brasileiras possuem exposição cambial e
assimetria. A quantificação destes efeitos, porém, diverge entre a utilização de modelos
lineares e não lineares. De um total de 153 empresas, durante o período de 1999 a 2007,
obtém-se que, na análise linear, a exposição cambial afeta 50% da amostra. Com a
elaboração de um modelo não linear, entretanto, tem-se que 30% da amostra é afetada
significativamente por uma exposição cambial e presença de assimetria. Além disso, neste
caso, 47% possui ou a presença de exposição ou assimetria. Desta forma, a análise da não
linearidade na exposição do risco de câmbio aumenta consideravelmente a precisão e o
significado de estimativas da exposição cambial.
Palavras-chave: Exposição Cambial; Assimetria; Taxa de câmbio
7
ABSTRACT
TROFIMOFF, Danilo Perretti. Asymmetric Exchange Risk Exposure: Evidence from
Brazil 2008. 42 f.. Dissertation (Mastership) – Faculdade de Economia e Administração.
Imbed Sao Paulo, São Paulo, 2008.
The aim of this project is to analyze Brazilian’s companies’ behavior under currency
movements by adding asymmetry through a non-linear model. It has been shown that several
Brazilian companies possess exchange risk and asymmetry. There is a divergence between
results when data are analyzed using a non-linear model instead for a linear model. Results
show that 50% of a sample of 153 companies, analyzed between 1999 and 2007, are affected
by exchange exposure when the linear model is used. When a non-linear model is used, 30%
of the sample present an asymmetry and exchange exposure. In addition, 47% have either
asymmetry or exposure. Therefore, by introducing non-linearity in currency risk exposure, the
accuracy and the significance of exposure estimates are noticeably improved.
Keywords: Exchange risk; Asymmetry; Exchange Rate
8
SUMÁRIO
1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .12
2 Revisão da Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3 Assimetria do Risco Cambial. . . . . . .. . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . .15
3.1 Assimetria devido à existência de Hedge. . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2 Assimetria devido a precificação incorreta dos ativos . . . . . . . . . . . . . . . . . . . . . 17
3.3 Assimetria devido a investimentos de alto risco. . . . . . . . . . . . . . . . . . . . . . . . . .17
3.4 Assimetria devido à interferência governamental. . . . . . . . . . . . . . . . . . . . . . . . .18
4 Metodologia. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .19
5 Dados Utilizados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .24
6 Resultados. . . . .. . . . . . .. . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.1 Modelo Linear. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.1.1 Modelo Relativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
6.1.2 Modelo Absoluto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
6.2 Modelo Não Linear. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
6.2.1 Modelo GARCH. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
6.2.2 Modelo Assimétrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
7 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .41
Referências. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Apêndice. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
9
LISTA DE TABELAS
Tabela 1 – Número de Observações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .25
Tabela 2 – Setor Econômico das empresas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .26
Tabela 3 – Correlação das observações explicativas. . . . . . . . . . . . . . . . . . . . . . . . . . . .27
Tabela 4 – Sumário estatístico das variáveis de análise . . . . . . . . . . . . . . . . . . . . . . . . .28
Tabela 5 – Modelo Linear Relativo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .29
Tabela 6 – Modelo Linear Absoluto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .31
Tabela 7 – Modelo GARCH. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .34
Tabela 8 – Sinal da exposição cambial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .36
Tabela 9 – Relação de empresas expostas e assimétricas. . . . . . . .. . . . . . . . . . . . . . . . .37
Tabela 10 – Modelo Assimétrico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .38
Tabela 11 – Sinal de impacto cambial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .39
Tabela 12 – Sinal conjunto de impacto cambial do modelo assimétrico. . . . . . . . . . . . .40
Tabela 13 – Relação de empresas expostas e assimétricas. . . . . . . . . . . . . . . . . . . . . . .41
Tabela 14 – Séries estatisticamente significantes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .42
Tabela 15 – Efeito do Impacto Cambial sobre o retorno dos ativos. . . . . . . . . . . . . . . .42
10
LISTA DE FIGURAS
Figura1 – Evolução da taxa de câmbio e taxa de juros . . . . . . . . . . . . . . . . . . . . . . . . . 25
Figura 2 – Evolução da variação da taxa de cambio e índice Bovespa . . . . . . . . . . . . . 27
11
1. Introdução
Um dos maiores interesses e discussões da literatura de finanças internacionais é
verificar qual é a real exposição cambial existente para empresas ou setores da economia.
Estas discussões se fortificaram durante a década de 1990 quando ocorreram seqüências de
crises financeiras no mundo, como a crise da Rússia e a crise Asiática. Estas crises fizerem
com que as políticas cambias existentes fossem sendo alteradas, gerando assim diversos
debates sobre a vulnerabilidade econômica de países emergentes e sobre como as empresas
destes países se comportariam e reagiriam a uma determinada crise.
Esta questão não ficou inicialmente focada em análises de países emergentes, mas sim
em estudos para países norte americano e europeu. Desta forma, grande número de estudos
analisou o ponto sobre o impacto da taxa de câmbio sobre as empresas e os riscos cambiais
existentes (Pantzalis, Simkins e Lauz, 2001; Rossi, 2008; Miller e Reuer, 1998 através de uma
análise linear; e Koutmos e Martin, 2005; Muller e Verschoor, 2006 através do uso de
modelos não lineares).
Estas crises financeiras mostraram que nos chamados países emergentes a
vulnerabilidade sobre o fluxo internacional de capitais é maior, ou seja, em períodos de
relativa tranqüilidade e otimismo há um grande fluxo de entrada de capitais estrangeiros, mas
em períodos de incertezas ou crises, há uma rápida fuga de capitais. “Mesmo havendo um
consenso sobre a necessidade (...) de adoção de medidas para reduzir esta possível
vulnerabilidade” (Rossi 2008) não há um consenso sobre qual a forma de política cambial
ótima.
Com a existência de assimetria no mercado e a sensibilidade do mercado brasileiro às
políticas internas e/ou externas e crises econômicas internas e/ou externas, é possível analisar
quais os impactos existentes pelas variações cambiais através de um modelo não linear
assimétrico. Esta assimetria pode ser caracterizada como a existência de fatores antes não
mensurados em análise de exposição cambial, por isso modelos lineares de exposição
simétrica não são capazes de detectar o impacto de movimentos da moeda sobre o valor das
empresas.
O presente trabalho visa encontrar o impacto da exposição cambial sobre os retornos
das empresas de capital aberto no Brasil, não apenas estabelecendo uma relação linear como
apresentado na maioria dos estudos, mas também analisar uma possível existência de uma
relação não linear devido à presença de assimetria, as quais podem ser caracterizadas pela
12
presença de hedge das empresas, intervenções governamentais, precificações indevidas, entre
outras.
A realização deste trabalho é baseada na idéia de Muller e Verschoor (2006) que
argumentam que a realização de um modelo não linear não foi muito explorada e não obteve
muita atenção, mas que devido a alguns fatores este modelo se torna relevante para se
concluir os reais efeitos existentes nos impactos cambiais sobre o preço dos ativos.
O escopo deste trabalho é verificar o comportamento da exposição cambial sobre o
efeito dos retornos dos ativos das empresas brasileiras durante o período de câmbio flexível
para 153 empresas com negociação na Bolsa de Valores de São Paulo, pertencentes ao índice
Bovespa durante o período de 1999 a 2007 para dados mensais.
Inicialmente, o modelo linear seguirá por duas metodologias apresentadas através do
uso de um modelo baseline e um baseline ajustado, onde foi encontrado que no modelo
baseline no caso de uma valorização de 1% cambial o retorno dos ativos na média elavam-se
em 0,023%. Já no modelo baseline ajustado esta valorização gera uma queda de 0,58% no
retorno dos ativos.
Depois será apresentado o uso do modelo GARCH, este último devido à existência de
em séries financeiras existirem grandes valores em um determinado instante do tempo
seguidos por valores elevados em períodos subseqüentes, não necessariamente na mesma
direção, mas um ponto fundamental para a utilização desta metodologia deve-se ao fato da
possibilidade de haver uma persistência da volatilidade das séries dos retornos, mostrando que
uma valorização cambial de 1% gera um incremento no retorno dos ativos de 0,05%.
Já o modelo referente à assimetria, segue uma metodologia apresentada por Muller e
Verschoor (2006), o qual analisa dois efeitos, sendo o primeiro referente à visão de efeito
linear, muito similar ao modelo baseline ajustado, e o segundo verificando a possibilidade da
existência de assimetria, mostrando que para os dados analisados a presença de assimetria é
significante e que em caso de uma valorização de 1% do câmbio há o efeito da exposição
cambial em 0,009% e a assimetria colabora com um efeito negativo aproximado de 0,008%.
A presença de assimetria apresenta relevância quando analisado o efeito da exposição
cambial, mostrando assim que estes fatores não mensuráveis afetam a análise e o efeito do
impacto referente à exposição.
O trabalho foi ordenado da seguinte maneira: na seção 2, descreve-se o motivo do
modelo ser assimétrico. Na seção 3, são apresentados os dados utilizados; a metodologia é
descrita na seção 4; os resultados são relatados na seção 5; e a seção 6 apresenta as conclusões.
13
2. Revisão da Literatura
Durante os anos de 1990, a taxa de câmbio tornou-se foco de análise de muitos estudos,
isso devido ao fato de muitos países, principalmente em países chamados emergentes, terem
seus respectivos regimes cambiais alterados ao longo dos anos. Mudanças estas ocorridas
conforme a necessidade econômica de cada país em determinado cenário da economia
mundial.
Jorion (1990) apresenta uma análise de exposição cambial partindo de uma análise de
um modelo APT, mostrando que o retorno do ativo é impactado tanto pelo retorno de
mercado quanto pela variação da taxa de câmbio, esta ultima sendo o parâmetro de interesse,
mostrando em seu estudo que a exposição cambial para setores americanos diferencia entre
elas, sugerindo que a exposição cambial é pequena ou quase nula, apresentando um resultado
de que apenas 15 empresas possuem significância de uma amostra de 287 empresas
americanas analisadas durante o período de 1971 e 1987. Resultado este similar ao
apresentado por Bartov e Bodnar (1994) e Amihud (1994), em estudos realizados com
períodos distintos, mas com conclusões semelhantes. Os estudos realizados para empresas de
outros países, utilizando esta mesma metodologia, como Bodnar e Gentry (1993) para o Japão,
Estados Unidos e Canadá, apresentam poucas empresas significantes durante o período de
1979 a 1988, resultado similar foi obtido no estudo realizado para empresas alemãs elaborado
por Brunner e Himmel (2000) para o período de 1974 a 1997.
Bodnar e Wong (2003) observaram insignificância para os dados americanos para o
período de 1979 a 1988, e apresentam uma crítica ao modelo de Jorion (1990). Eles sugerem
uma estimação da exposição cambial através de pesos iguais para retornos portfólios para
controlar as condições de mercado, no qual o coeficiente das variações cambiais pode ser
interpretado como uma exposição do total da empresa, mas deve ser interpretada de forma
diferente entre a elasticidade da exposição e a exposição ao mercado ajustado pelo beta de
mercado. Isso se deve ao fato de caso um portfólio esteja exposto, a distribuição de exposição
da empresa se elevará.
O efeito do sinal da exposição cambial não significa efetivamente uma relação de
exposição e sim uma relação com o retorno de mercado, sendo na verdade uma exposição
relação com o mercado, aprimorando o modelo inicial através de uma construção de
portfólios com pesos iguais.
14
Outra forma de análise é através da elaboração de portfolios nos quais são dados pesos
às empresas conforme a magnitude dentro de seus países, como elaborado por Koutmod e
Martin (2006) em que para dados de empresas americanas é encontrado uma exposição
cambial ocorre uma interferência nos retornos dos ativos em torno de 1 a 2 dias.
Estudos teóricos documentados por Baldwin e Krugman (1989), Ohno (1989) Knetter
(1994), Kanas (1997), Pollard e Coughlin (2003), focados em temas como flutuação cambial,
formação de preços e finanças corporativas, mostram que a assimetria cambial era um fator
relevante para a análise, como (i) existência de hedge, (ii) precificações incorretas, (iii)
investimentos de altos riscos, (iv) interferência governamental, mostrando razões importantes
para uma análise de não linearidade sobre como a questão da exposição cambial interfere na
análise, porém estes estudos não receberam muita atenção sobre o ponto referente à exposição
cambial.
Desta forma, alguns estudos, como os de Miller e Reuer (1998), como Bartram (2004),
Tai (2005) e Koutmos e Martin (2003a), analisaram a possibilidade da utilização de não
linearidade para modelos com foco na análise da exposição cambial e na existência de
assimetrias durante períodos de valorização e desvalorização, mostrando que este efeito
ocorre principalmente em empresas financeiras e em setores não cíclicos. Muller e Verschoor
(2006) verificam a existência da exposição cambial para empresas e setores dos Estados
Unidos para o período de 1990 a 2001, mostrando que 29% das empresas de um total de 935
apresentam exposição cambial significante, além do fato de estas empresas reagirem à
assimetria ocorrida nas movimentações das taxas de câmbio utilizadas, mostrando que 37% da
amostra utilizada possuem exposição cambial linear e presença de assimetria.
3. Assimetria do risco cambial
Muitos estudos que se preocuparam em analisar os impactos da exposição cambial
sobre o preço dos ativos utilizaram uma metodologia linear, na qual se analisa o efeito da
variação do retorno de empresas ou setores econômicos com relação ao índice de retorno do
mercado da taxa de câmbio, no qual o parâmetro desta taxa de câmbio.
Muller e Verschoor (2006) mostram que a exposição cambial segue um impacto não
linear sobre o retorno dos ativos. Esta não linearidade se deve a determinados fatores
existentes na economia mundial, isso porque as sensibilidades das variações dos retornos
ativos em relação às mudanças cambiais dependem do comportamento dos sinais das
15
variações cambiais e das magnitudes existentes nestas oscilações, além de fatores de impacto
sobre os fluxos de caixa futuros das empresas.
A seguir são apresentadas algumas das razões pelas quais as análises referente ao
impacto cambial sobre o retorno dos ativos não pode seguir um modelo linear.
3.1 Assimetria devido à existência de Hedge
Segundo Muller e Verschoor (2006), um dos maiores argumentos para a existência da
hipótese de assimetria é a existência de atividade de hedge realizada pelas empresas com
relação à exposição cambial, podendo ser uma proteção financeira ou operacional.
A existência deste tipo de operação gera uma redução das incertezas futuras sobre o
impacto cambial sobre os resultados das empresas, reduzindo assim a insegurança dos
investidores e da própria empresa. Este efeito pode ser percebido em empresas exportadoras
que realizam hedges a fim de reduzir as incertezas sobre seus fluxos de caixa futuros e
impactos futuros que podem ser gerados, mesmo podendo ser positivo ou negativo, mas
mantendo um resultado esperado dentro do range, sem grandes variações, tanto na questão de
custos quanto nos lucros.
A questão referente à existência de hedge difere de opinião entre alguns estudos, como
Jorion (1991) apresenta a teoria moderna de portfolio diz que os investidores não estão
dispostos a pagar um prêmio extra às firmas que realizam hedge em suas operações se os
riscos cambiais podem ser dispersos de outras maneiras, porém o estudo de Ross (1976)
sugere que uma pequena parte dos investidores está disposta a pagar um prêmio para as firmas
que evitam riscos cambiais, uma vez que este tipo de proteção cambial gera reduções sobre o
custo de capital das firmas, já Pantazalis, Simkins e Laux (2001), utilizam dados dos Estados
Unidos e mostram que firmas das quais utilizam operações de hedge para redução de risco
cambial possuem exposições cambias inferiores e conseqüentemente estas apresentam pouco
impacto da variação cambial sobre o preço da firma, sendo um fator importante para
determinar seu respectivo valor.
Não há um consenso sobre a veracidade da interferência do hedge sobre o preço dos
ativos, logo há uma possibilidade de existência de assimetria com relação a tais itens.
16
3.2 Assimetrias devido a Precificação incorreta dos ativos
Outro argumento é a má precificação de ativos pelos analistas financeiros
caracterizada por um erro entre movimentos cambiais e o real valor das empresas. Erros estes
causados pela assimetria de impacto de valorização ou de desvalorização cambial sobre o
fluxo de caixa das empresas, desconhecimento da real magnitude sobre as crises cambiais, por
não se saber se estes movimentos cambiais possuem efeitos temporários ou permanentes,
além do fato de não se saber quantificar ao certo quanto do fluxo de caixa das empresas está
sobre hedge. Enfim, tudo isso determinando que a assimetria de informação existente o
mercado possa gerar erros de estimativas.
Muller e Verschoor (2006) argumentam que este erro de precificação está relacionado
principalmente ao fato dos analistas financeiros ignorarem pequenas oscilações cambiais por
considerarem-nas “passeios aleatórios” do câmbio, desconsiderando desta forma, pequenos
impactos sobre o valor das empresas. Isso se deve ao fato dos investidores serem mais avessos
ao risco em períodos em que existam grandes variações cambiais, reagindo principalmente em
momentos de crises, através de noticias internas e/ou externas negativas, com isso
amplificando os efeitos negativos existentes em momentos de atenção. Em casos de
favorecimento cambial, os investidores e/ou analistas financeiros tornam-se mais otimistas,
aumentando assim seus investimentos nas firmas, podendo, em contrapartida, aumentar a
volatilidade do mercado no futuro.
3.3 Assimetrias devido a investimentos de alto risco
O valor das firmas pode ser afetado devido a esta incerteza de mercado em um
contexto de exposição cambial, isso ocorre quando firmas exportadoras são atraídas a
investirem em novos mercados devido à depreciação das moedas locais, gerando ganhos
competitivos, em mercados com alto custo de investimento.
Este conceito aqui descrito refere-se à entrada em novos mercados onde há altos
custos de investimento para se iniciar uma nova comercialização, não necessariamente um
novo segmento de mercado, e sim uma posição estratégica para a empresa, nos quais estes
investimentos são altos e de difícil reversão, em que com uma taxa de câmbio elevada seriam
inviáveis estes investimentos.
17
Como conseqüência, mesmo com a entrada em um novo segmento de mercado, o
impacto sobre o valor da firma pode ser pequeno devido ao alto sunk-cost existente nos
investimentos realizados, porém deve-se ressaltar que o impacto no valor da firma deve variar
conforme as oscilações existentes na taxa de câmbio em cada país, conforme dito por Baldwin
e Krugman (1989).
Devido a este risco de investimento, mesmo com uma grande oportunidade existente,
alguns investidores, por serem mais avessos ao risco que as firmas, podem não estar dispostos
em incorrer neste tipo de risco existente, pois caso haja depreciação da moeda doméstica, este
investimento inicialmente positivo pode tornar-se negativo, e como este é caracterizado por
um alto valor inicial, há um probabilidade de perdas futuras, dependendo da magnitude da
variação cambial, além da possibilidade do produto a ser comercializado se tornar não
competitivo com a concorrência internacional. Mesmo com a utilização de hedges existentes
no mercado, o custo pode ser demasiadamente elevado, impactando assim nos fluxos de caixa
futuro da empresa, principalmente conforme dito anteriormente, poucos investidores pagam
um prêmio por firmas que possuem hedge cambais.
3.4 Assimetrias devido à interferência governamental
Uma razão para a existência de assimetria é a possibilidade de interferências
governamentais, em grande parte ocorrida através dos respectivos Bancos Centrais, sobre a
variação da taxa de câmbio.
Estas interferências podem ocorrer em momentos em que a taxa de câmbio estiver
muito apreciada ou depreciada, impactando nos resultados de conta corrente do país ou em
determinados momentos criando oportunidades para especulações sobre a credibilidade da
economia do país.
A interferência governamental consta em forma indireta de auxílio às empresas
exportadoras ou importadoras. As medidas adotadas dependem da variação cambial: altas
apreciações favorecem as importações e altas depreciações favorecem as exportações. Este
movimento ocorre em períodos de crise eminente e riscos financeiros ao país.
O governo age sobre as movimentações cambiais somente em situações em que a taxa
de câmbio ultrapassa um determinado ponto crítico, ponto este classificado e pré-definido
pelo próprio governo do país.
18
Quando ocorridas, normalmente estão focados em momentos em que há uma
depreciação cambial e como isso acaba impactando de certa forma no pagamento das dívidas
externas, o governo pode interferir para controlar o câmbio com a intenção de reduzir os
riscos de não pagamento das dívidas. No caso de uma depreciação, a interferência do governo
ocorre para reduzir este efeito com a compra da moeda estrangeira aproveitando a
oportunidade para aumentar as reservas internacionais.
Estas ações governamentais estão concentradas principalmente nos chamados países
emergentes, uma vez que estes possuem dívidas externas e históricas de crises cambiais,
crises estas não necessariamente ocorridas nos próprios países, como no caso dos anos
noventa quando houve a crise da Rússia e a crise Asiática que impactaram a economia destes
países emergentes.
4. Metodologia
Adler e Dumas (1984) mostram que uma aproximação para a análise de exposição
cambial pode ser estimada pela regressão do retorno dos ativos pelo retorno de mercado e da
variação da taxa de câmbio, no qual o parâmetro encontrado da taxa de câmbio corresponde à
exposição existente, metodologia esta chamada de Efeito Relativo, conforme equação (1).
ri ,t = α + β1 * rm ,t + γ * ∆et + ε i ,t (1)
Onde ri ,t refere-s ao retorno dos ativos da empresa i no período t, rm ,t representa o
retorno do mercado no período t, β1 corresponde à sensibilidade de retorno das variações
ocorridas ao longo do período de análise e γ representa a exposição cambial da empresa i
independentemente do efeito do cambo sobre o mercado e a sensibilidade de retorno não
esperados das variações cambiais, e ε i ,t representa o erro do modelo apresentado acima.
Este modelo é estimado através de uma regressão linear via Ordinare Least Square
(OLS). Assim como na utilização do CAPM, espera-se que o sinal do parâmetro α seja igual
a zero e que o parâmetro β1 esteja entre -1 e 1, já o sinal esperado do parâmetro γ deve
variar conforme a estrutura da empresa analisada, isso porque uma depreciação cambial para
uma empresa exportadora deve gerar um resultado positivo de gama, pois melhorariam seus
fluxos de caixa futuro, diferente de uma empresa importadora, onde uma depreciação deteria
19
efeito contrário, sendo uma forma simplória de analisar, pois se devem considerar outros
efeitos internos da empresa, como a dívida existente em moeda local ou externa.
Este modelo, apresentado pela equação (1) tem como hipótese a existência de uma
variância constante, a qual é rejeita quando se utiliza séries temporais financeiras1, gerando a
presença de heterocedasticidade, o que invalida o teste do modelo de efeito relativo.
Estes problemas estatísticos apresentados devem-se ao fato do efeito da exposição
cambial não ser efetivamente uma exposição, mas na verdade uma relação entre a taxa de
câmbio e o retorno de mercado, sendo considerado desta forma um pareamento entre o
câmbio e o mercado, devido à interação existente entre estas variáveis2, assim o sinal a ser
encontrado com este modelo apresentará qual é a relação entre estas duas variáveis, não
obtendo efetivamente o resultado de exposição cambial.
As correções destes problemas estatísticos podem ser realizadas através de um ajuste
na equação (1), onde será realizada primeiramente uma regressão linear entre o retorno do
mercado e a taxa de câmbio, conforme a equação (2), realizando assim a ortogonalização
entre a taxa de cambio e o retorno de mercado.
O resíduo gerado pela equação (2), chamado de Ft representa o excesso de retorno de
mercado que ortogonaliza o efeito entre a taxa de câmbio e o retorno de mercado, podendo
assim verificar o quanto à variação do câmbio afeta exclusivamente o retorno dos ativos.
Ft = ε 3 = rm,t − α − β * ei ,t
(2)
Com isso, o modelo a ser estimado, também via Ordinare Least Square, é dada pela
equação (3), no qual o retorno de mercado é substituído pela série Ft .
ri ,t = α + β * Ft + γ * ∆et + ε i ,t
(3)
Este modelo ajustado é chamado de Efeito Absoluto, pois mostra o efeito direto do
câmbio sobre o retorno dos ativos, uma vez que a variável Ft não é afetado pelo efeito do
câmbio sobre o retorno do mercado, possibilitado assim verificar o real efeito do câmbio
sobre o retorno dos ativos.
1
2
Afirmação apresentada por Muller e Verschoor (2006)
Afirmação apresentada por Glaum, Brunner e Himmel (2000)
20
Os sinais esperados do parâmetro do câmbio podem ser alterados, pois agora é
possível com este modelo verificar o quanto o câmbio afeta exclusivamente o ativo sem que
haja interferência no retorno de mercado simultaneamente.
Este método é utilizado como uma saída às críticas realizadas por Bodnar e Wong
(2003), os quais mostram que existe um ponto inconveniente no modelo apresentado
inicialmente pela equação (1). Eles explicam que o sinal apresentado referente à exposição
não significa efetivamente uma exposição, mas sim uma relação com o retorno de mercado.
Este argumento elaborado pelos autores foi devido ao fato de grandes empresas possuírem
grande peso na variação do retorno de mercado e estas podem estar influenciando o resultado
de estimação para outras empresas. Segundo Rossi (2008), no caso brasileiro, se as grandes
empresas possuem grandes níveis de dívida em moeda estrangeira e de acordo com seu
respectivo peso sobre o retorno de mercado, este efeito estará viesando o resultado de
exposição à taxa de câmbio para as demais empresas de tamanho menor, desta forma a
realização da ortogonalização retira este problema de viés.
Em comparação ao modelo descrito equação (3), será realizado um modelo no qual se
adiciona um GARCH (1,1) 3, pois os erros obtidos equação (1) possuem heterocedasticidade,
o que invalida a utilização de uma modelo linear de Ordinare Least Square (OLS), além do
fato do modelo de efeito relativo e do modelo absoluto terem como hipótese uma variância
constante, desta forma, a utilização do modelo GARCH incorpora a variância condicional no
sistema, sendo assim uma crítica ao modelo descrito anteriormente.
Esta nova metodologia utilizou as seguintes equações:
ri ,t = α + β * rm ,t + γ * ∆et + ε i ,t
ε i ,t = µ i ,t * (hi ,t )2
1
(4)
hi ,t = δ + τε i2,t −1 + vi hi ,t −1
Onde hi ,t representa a variação residual, δ i , τ i e ν i são parâmetros desconhecidos e
µ i,t representa o termo de erro.
3
A escolha da utilização da especificação de um GARCH (1,1) é suportada por diversos estudos empíricos que
demonstram que esta é a melhor forma para a utilização com dados financeiros de séries temporais
21
Conforme apresentado na seção 3, existem algumas razões para que o modelo de
análise de exposição cambial responda à assimetria devido a fatores não mensuráveis, assim
será utilizada a metodologia apresentado por Muller e Verschoor (2006).
Para isso, este modelo adaptado, chamado de firm specific currency risk factor (risco
cambial especifico de uma firma) consiste na taxa da variação cambial sobre as variações dos
retornos dos respectivos ativos, e a metodologia utilizada para a realização deste modelo
adaptado é conhecida como STAR (Smooth Transition AR), a qual será detalhada a seguir
através das seguintes equações (5) e (6).
Este modelo STAR assume a existência de dois regimes dado pela especificação da
variável dependente, neste caso o retorno do ativo, através de uma variação gradual entre os
diferentes regimes existentes, os quais são representados por valorização ou desvalorização
cambial.
O modelo base desta metodologia assume a presença de uma função logística e a
necessidade de um ponto inicial já conhecido o qual representa a suavização entre os regimes
o qual é suavizado através de um parâmetro desconhecido.
ri ,t = α + β i * rm ,t + Γi Θ t + ε i ,t
ε i ,t = µ i ,t (hi ,t )
1
2
(5)
hi ,t = δ i + τε i2,t −1 + υ i hi ,t −1
Γi Θ t = γ * θ t
O parâmetro θ t representa as flutuações cambiais utilizadas no estudo, já γ mensura a
exposição cambial da firma sobre o câmbio.
Para que o modelo incorpore a assimetria existente, descrito na seção 3, primeiramente
será realizado um teste da hipótese para a que a assimetria seja verificada com a incorporação
de uma dummy, denominada S t , conforme apresentado abaixo:
ri ,t = α + β i * rm ,t + (Γi + Γi' * S i )* Θ t + ε i ,t
ε i ,t = µ i ,t (hi ,t )
1
2
(6)
hi ,t = δ i + τε i2,t −1 + υ i hi ,t −1
22
Onde S t será igual a 0 quando a variação da taxa de câmbio movimenta-se
negativamente e será 1 quando o movimento for positivo. Já o parâmetro Γi' mensura a
resposta da assimetria sobre a variação do retorno do ativo da firma i a mudanças da variação
cambial.
Para elaboração desta metodologia, é necessário encontrar um ponto inicial entre os
regimes existentes, o qual será suavizado ao longo do período de análise, e como esta
assimetria pode variar entre oscilações cambiais, podendo ser relativamente grandes ou
pequenas. Para isso Muller e Verschoor (2006), propõem que o modelo descrito na equação
(6) seja adaptado para o modelo conforme a equação (7).
Esta adaptação é utilizada para verificar se o fato de uma exposição cambial segue
mudanças bruscas ou se as movimentações cambiais quando suavizadas geram uma melhor
forma de análise do impacto da assimetria cambial.
ri ,t = α + β i * rm ,t + (Γi + Γi' * M i (u t ; k i , λi ))* Θ t + ε i ,t
ε i ,t = µ i ,t (hi ,t )
1
(7)
2
hi ,t = δ i + τε i2,t −1 + υ i hi ,t −1
Onde esta função de transação assumirá valores entre 0 e 1, dependendo
principalmente da magnitude dos movimentos cambiais entre valorizações e desvalorizações,
desta forma suavizando as movimentações cambiais ao longo do tempo, não havendo
mudanças bruscas entre os regimes existentes.
( (
) )
M i (ut ; k i , λi ) = 1 + exp(− )µ t − k i u t λi
−1
(8)
Onde u t representa a média das variações cambiais, k i representa a transição entre os
regimes de oscilações cambiais e λi indica a velocidade de transição entre as variações
cambiais.
Este modelo no qual apresenta a existência de assimetria pode ser dividido em dois
regimes, sendo a primeira correspondente ao efeito linear, no qual é possível verificar se há a
presença de exposição cambial e sua respectiva magnitude e um segundo regime que verifica
se há a presença de assimetria conforme as oscilações cambiais. (Apêndice A)
23
A estimação do modelo assimétrico é realização através da máxima verossimilhança,
já o parâmetro de início entre os regimes foi estimado através da análise do critério de menor
valor de SSR (Sum of Square Residual) 4.
5. Dados Utilizados
A economia brasileira pode ser tratada como um exemplo da análise do impacto
cambial sobre os retornos dos ativos. Desta forma, este trabalho possui como fonte de dados
principal o sistema Economática de análise, de onde foi extraída grande parte das informações.
Este sistema fornece dados sobre o mercado acionário e dados contábeis para todas as
empresas com capital aberto no Brasil e de dados de diversos ativos da América Latina.
São utilizados ao todo 153 ações de empresas listadas no Bovespa, do inicio de março
de 1999 a dezembro de 2007, de um total de ações extraídas de 227, com negociação existente
dentro deste período de análise.
Para as empresas que possuem ações do tipo PN e ON durante o período de analise no
mercado acionário, foi selecionado o ativo de maior liquidez entre elas, desta forma mantendo
na amostra apenas um ativo por empresa, para que desta forma não se obtenha uma conclusão
indevida sobre a quantidade de empresas afetadas.
Os dados foram extraídos com os preços de fechamento diário, para os dias em que
não houve negociação foi utilizado o valor da ultima negociação ocorrida na bolsa de valores.
Uma vez selecionados os ativos e completados os dados dos preços foi calculado o
percentual de dias em que não houve negociação dentro do período de análise, assim as
empresas com mais de 80% dos dias sem negociação foram excluídas da análise.
Com a série diária preparada, foi realizado a “mensalização” dos dados diários,
utilizando-se como preço mensal o último preço de negociação do mês.
A utilização de dados mensais foi definida através de uma hipótese na qual o mercado
demora em alguns momentos para entender e perceber os efeitos do câmbio sobre os preços
de diversos ativos, assim no curto prazo é mais difícil verificar a sensibilidade da exposição
cambial.
Para os dados referentes à taxa de câmbio foram usados os preços de fechamento de
venda diário de Reais por Dólar. Da mesma forma que realizado com o preço das ações, o
preço de fechamento do câmbio do mês corresponde ao valor a ser estudado.
4
Muller e Verschoor (2006) utilizam como critério de informação o Akaike (AIC) para definição do ponto
inicial entre os regimes.
24
Para o estudo complementar, para os dados da taxa de juros foi utilizado o taxa
percentual da poupança do mês de análise, a fim de refletir um ativo de baixo risco financeiro
para o caso brasileiro.
Abaixo segue o gráfico da evolução da taxa de câmbio e da taxa de juros utilizada no
estudo:
Figura1 – Evolução da taxa de câmbio e taxa de juros
0,80%
0,70%
0,60%
0,50%
0,40%
0,30%
Taxa de Câmbio
30/7/07
26/2/07
25/9/06
24/4/06
27/6/05
28/11/05
31/1/05
30/8/04
29/3/04
27/10/03
26/5/03
30/12/02
29/7/02
25/2/02
24/9/01
30/4/01
27/11/00
26/6/00
31/1/00
30/8/99
0,20%
0,10%
0,00%
Taxa de Juros (%)
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
29/3/99
Taxa de Câmbio
(R$/dólar)
Evolução da Taxa de Câmbio e de Juros
Taxa de Juros
Com estes dados, são analisadas ao todo 110 observações para as ações com
negociação em todo o período de análise. A Tabela 1 nos mostra o número de empresas
utilizadas para os períodos de análise e o número de observações por ano.
Estas ações utilizadas neste estudo estão distribuídas em diversos setores da economia,
não havendo assim uma análise setorial e nem específica por empresa, conforme Tabela 2. A
intenção de analisar diversos setores da economia é verificar o comportamento das empresas
brasileiras e não apenas uma análise setorial.
25
Tabela 2 - Setor Econõmico das ermpresas
1999
Agro e Pesca
Alimentos e Beb
Comércio
Construção
Eletroeletrônicos
Energia Elétrica
Máquinas Indust
Mineração
Minerais não Met
Outros
Papel e Celulose
Petróleo e Gas
Química
Siderur & Metalur
Textil
Transporte Serviç
Veiculos e peças
Total
2000
2001
2002
2003
2004
2005
2006
2007
1
10
5
6
5
19
4
3
2
14
6
8
17
24
11
2
11
1
10
5
6
5
19
4
3
2
16
6
8
17
24
11
2
11
1
10
5
6
5
19
4
3
2
16
6
8
17
25
11
2
11
1
10
5
6
5
19
4
3
2
16
6
8
17
25
11
2
11
1
10
5
6
5
19
4
3
2
16
6
8
17
25
11
2
11
1
10
5
6
5
20
4
3
2
16
6
8
17
26
11
2
11
1
10
5
6
5
20
4
3
2
16
6
8
17
26
11
2
11
1
10
5
6
5
20
4
3
2
16
6
8
17
26
11
2
11
0
10
5
6
5
19
4
3
2
14
6
8
16
24
11
2
11
148
150
151
151
151
153
153
153
146
Uma vez definido os dados mensais e as empresas a serem utilizadas, foi calculado o
retorno dos ativos utilizados através de uma variação logarítmica.
retorno i ,t = log (ativoi ,t ) − log(ativoi ,t −1 )
Para os dados de câmbio, foi utilizada a mesma premissa para o cálculo da variação.
∆câmbioi ,t = log(câmbioi ,t ) − log(câmbioi ,t −1 )
Abaixo segue um gráfico com a variação dos dados do índice Bovespa e da taxa de
câmbio, mostrando a relação existente entre os dados:
26
Figura 2 – Evolução da variação da taxa de cambio e índice Bovespa
Variação da taxa de Câmbio e Ibovespa
30%
20%
10%
0%
-10%
-20%
-30%
IBOVESPA
Câmbio
As correlações entre as variáveis explicativas nos mostram que os dados de retorno de
mercado são negativamente correlacionados com as demais variáveis, porém a matriz de
correlação nos mostra que há uma grande relação entre as variáveis, mas o que chama atenção
é a correlação negativa entre a taxa de câmbio e o retorno de mercado.
Tabela 3 - Correlação das observações explicativas
Retorno de Mercado Câmbio
Retorno de Mercado
Câmbio
Juros
1,00000
-0,29260
-0,60004
1,00000
0,20805
Juros
1,00000
Quando analisados os dados estatísticos das variáveis de análise, percebemos que
todas as variáveis possuem Kurtosis altas (maiores que 3), indicando uma não distribuição
normal dos dados, mas como um desvio-padrão relativamente baixo.
27
Tabela 4 -Sumario Estaístico das variáveis de análise
Média
Mediana
Maximo
Mínimo
Desvio-Padrão
Skewness
Kurtosis
Observações
Retorno de Mercado
0,0161
0,0147
0,1993
-0,2476
0,0840
-0,4310
3,4677
100
Câmbio
0,0006
-0,0115
0,2352
-0,1141
0,0468
1,3357
8,3080
100
Juros
-0,0118
0,0000
0,1452
-0,3365
0,0529
-2,3693
17,4658
100
6. Resultados
Seguindo Muller e Verschoor (2006), nesta seção serão apresentadas separadamente as
análises dos modelos lineares e não-lineares, conforme apresentado na seção 5.
Inicialmente, serão analisados os resultados dos modelos lineares juntamente com uma
crítica entre os modelos utilizados. Em seguida serão apresentados os modelos não lineares,
mostrando-se o fator do risco cambial entre dois modelos.
Em todos os resultados obtidos, serão apresentadas as quantidades totais de empresas
analisadas, descritas por N, as quantidades de empresas significantes, N*, e o percentual de
empresas estatisticamente significantes testados ao nível de significância de 5%, descrito por
N**. Este detalhamento será relevante para a realização da comparação entre os modelos
analisados e resultados de estudos realizados anteriormente.
Abaixo de cada parâmetro encontrado é mostrado abaixo um teste de validação,
verificando através de um teste se o parâmetro é igual à zero.
Em todos os modelos realizados, será apresentada em conjunto uma análise adicional
no qual será incorporada a série de taxa de juros. O intuito desta análise com a presença de
taxa de juros é verificar se esta série ajuda a explicar o comportamento da exposição cambial
das empresas brasileiras.
6.1 Modelo Linear
Seguindo a metodologia utilizada por muitos autores para explicar a exposição
cambial serão apresentados os resultados da equação (1), chamado de Modelo Relativo,
depois será analisado o Modelo Absoluto, conforme equação (3).
Estes dois modelos são caracterizados como lineares, porém com particularidades
individuais, sendo o segundo modelo conseqüência do primeiro.
28
6.1.1 Modelo Relativo
O primeiro ponto de verificação dos resultados é a verificação do parâmetro do retorno
de mercado, β1 , o qual deve estar entre 0 e 1, já o sinal do parâmetro do câmbio, γ dependerá
da forma que as empresas brasileiras estão expostas com relação à exposição cambial,
parâmetros estes correspondem à média dos parâmetros para todas as empresas analisada.
Tabela 5 - Modelo Linear Relativo
Tabela 5.1
Constante
α
Média
Mediana
0,01484
0,01660
0,00000
0,00000
Retorno de Mercado β
0,55043
0,55398
0,00000
0,00000
γ
0,02329
0,04326
0,53650
0,19580
Câmbio
Exposiçã Positiva
Exposiçã Negativa
Tabela 5.2 - incorporando taxa de juros
Média
Mediana
Constante
α
0,01372
0,0000
Retorno de Mercado β
0,54632
0,55636
0,0000
0,0000
γ
0,01695
0,04441
0,6562
0,3320
-0,10470
-0,06682
0,0011
0,0150
Juros
Exposiçã Positiva
Exposiçã Negativa
φ
N**
N
8,5%
13
153
11,8%
10
85
4,4%
3
68
N*
N**
N
9,2%
14
153
12,0%
10
83
5,7%
4
70
0,01564
0,0000
Câmbio
N*
O valor médio de retorno de mercado está dentro do esperado, obtendo um valor
médio de 0,55043 e uma mediana de 0,55398, conforme apresentado pela tabela 5.1. Já o
parâmetro da taxa de câmbio possui uma média 0,02329 e uma mediana de 0,04326, porém
estatisticamente estes parâmetros são na média iguais a zero, mesmo quando incorporando a
série de taxa de juros, a significância dos parâmetros não é alterada.
Esta não significância do parâmetro médio de exposição cambial deve-se ao fato de
apenas 8,5% das empresas possuem uma exposição cambial estatisticamente significante, e
29
quando incluída a taxa de juros (tabela 5.2), o efeito do câmbio eleva-se para 9,2%. Este
percentual é calculado através de um teste F-statistic.
Outro ponto que pode explicar esta não significância, não ocorrendo em apenas 13
empresas, deve-se pela falta de ortogonalidade dos erros, pois conforme descrito na seção 4,
esta metodologia apresenta heterocedasticidade e multicolinearidade, assim esta parâmetro
pode estar sendo impactado pela relação entre as variáveis de retorno de mercado e variação
cambial.
Mas se analisarmos o sinal dos parâmetros, percebe-se que, na média, há um impacto
positivo da taxa de câmbio sobre o retorno dos ativos, efeito este reduzido quando a
incorporado a taxa de juros, assim uma desvalorização de 1% da taxa de câmbio o retorno das
empresas brasileiras diminui na média 4%, independentemente da incorporação da taxa de
juros.
Quando analisado a tabela 5.1, grande parte das empresas possui impacto positivo,
porém apenas 11,8% destas possuem significância. No modelo com a taxa de juros,
demonstrado pela tabela 5.2, das 83 empresas com impacto positivo, somente 12,05% são
significantes. Em relação às empresas com impacto negativo, o número é inferior, tanto no
absoluto quanto percentualmente, mas um detalhe é que no modelo com taxa de juros, há uma
empresa a mais que no modelo inicial.
Rossi (2008) encontrou um resultado similar para os dados de empresas brasileiras,
com análise durante o período de 1996 a 2002, sendo que no período de câmbio flexível
verificou que 16,3% das 165 empresas analisadas possuem exposição cambial e para o
período de câmbio fixo há 62,5% das empresas impactadas pelo câmbio, dado o mesmo
número de empresas analisadas. Para dados americanos no período de 1971 a 1987, Jorion
(1990) encontrou que apenas 15 das 287 empresas analisadas possuem uma exposição
cambial significativa, resultado consistente com Amihud (1994) que encontrou apenas 11%
de empresas estatisticamente significante para o período de 1979 a 1988.
Como este modelo de análise de exposição cambial leva em consideração as variáveis
explicativas de retorno de mercado e da taxa de câmbio pode-se gerar heterocedasticidade
devido ao fato desta variável explicar tanto os movimentos da taxa de retorno dos ativos
quanto à taxa de retorno do mercado, neste caso o índice Bovespa, assim os efeitos podem ser
encobertos pelo efeito da taxa de câmbio afetar tanto a variável explicativa como a variável
explicada. Isso explica porque este modelo é chamado de Modelo Relativo, uma vez que os
resultados obtidos são relativos aos impactos cambiais sobre o retorno de mercado.
30
Como dito na seção 4, esta metodologia apresenta a heterocedasticidade e
multicolinearidade, invalidando assim o resultado obtido e uma solução é realizar o modelo
apresentado pela equação (4).
6.1.2 Modelo Absoluto
Neste Modelo Absoluto, muito similar ao modelo apresentado anteriormente, é
realizado o ajuste sobre o retorno de mercado, extraindo-se o efeito da taxa de câmbio sobre o
retorno de mercado, e mantendo assim exclusivamente este efeito sobre a taxa de retorno dos
ativos.
Assim como no modelo de efeito relativo, os sinais dos parâmetros permanecem os
mesmo, sendo o retorno de mercado, β1 ,entre 0 e 1, e o sinal do parâmetro do câmbio, γ ,
dependerá da forma que as empresas brasileiras estão dispostas com relação à exposição
cambial.
Tabela 6 - Modelo Linear Absoluto
Tabela 6.1
Média
Mediana
α
0,02411
0,02496
0,00000
0,00000
Retorno de Mercado β
0,55043
0,55398
0,00000
0,00000
γ
-0,58710
-0,55098
0,00000
0,00000
Constante
Câmbio
Exposiçã Positiva
Exposiçã Negativa
Tabela 6.2 - incorporando taxa de juros
Média
Mediana
Constante
α
0,02291
0,00000
Retorno de Mercado β
0,54632
0,55636
0,00000
0,00000
γ
-0,58889
-0,55358
0,00000
0,00000
-0,10470
-0,06682
0,00110
0,01500
Juros
Exposiçã Positiva
Exposiçã Negativa
φ
N**
N
51,0%
78
153
0,0%
0
11
54,9%
78
142
N*
N**
N
51,0%
78
153
0,02302
0,00000
Câmbio
N*
0,0%
0
11
54,9%
78
142
31
Analisando os resultados obtidos, devemos mais uma vez, perceber que o parâmetro
do retorno de mercado está dentro do range de valor esperado, com um valor de na média de
0,55043 e uma mediana de 0,55398 (tabela 6.1), e quando incorporado a taxa de juros no
modelo (tabela 6.2), o parâmetro médio é de 0,54632 e uma mediana de 0,55636. Tanto no
modelo de Efeito Relativo quanto no modelo de Efeito Absoluto, o impacto no mercado sobre
o retorno dos ativos é positivo.
Diferente do modelo de efeito relativo, o sinal da exposição cambial se altera com a
ortogonalização dos erros, passando de um efeito positivo para um negativo, mostrando assim
que as empresas brasileiras possuem uma exposição cambial negativo em relação aos retornos
dos ativos.
Analisando os dados de exposição cambial, percebe-se que ao verificar a composição
das empresas que possuem sinal negativo, 142 empresas possuem impacto negativo, sendo
54,9% significativos, conforme a tabela 6.1, mesmo quando analisado a tabela 6.2, não há
uma grande variação de empresas que possuem um impacto negativo em relação à exposição
cambial.
Outro fator relevante neste modelo é o número superior de empresas significativas,
sendo de 51% com e sem taxa de juros, mostrando desta forma que este modelo é mais
eficiente que o anterior demonstrado também pela significância dos parâmetros médios, os
quais todos são estatisticamente significativos e todos os parâmetros diferentes de zero.
Um ponto muito interessante neste modelo em relação ao modelo anterior é o fato do
número de empresas com exposição negativa aumentar substancialmente, passando de 68 para
141 empresas e uma queda no efeito positivo de 85 empresas para apenas 11 empresas, sendo
no modelo de efeito relativo, pouquíssimas empresas possuem significância e quando
incorporada a taxa de juros, apenas 4 empresas são significativas, não alterando a conclusão
encontrada. Esta variação deve-se ao fato de que no Brasil as grandes empresas dominam o
portfólio de mercado e estas possuem uma maior quantidade de dividas em moeda estrangeira.
Desta forma, este modelo nos mostra que na média as empresas brasileiras não são
beneficiadas em casos de depreciação da moeda doméstica, hipótese esta consistente de que
depreciações cambiais causam queda nos preços dos ativos, conforme Rossi (2003), no qual o
modelo utilizado mostra uma análise dos efeitos da exposição cambial de acordo com a
estrutura financeira das empresas brasileiras, focando na exposição cambial de seus
respectivos balanços.
32
Neste mesmo estudo, o resultado encontrado para o período de 1996 a 2002 foi de que
38 empresas brasileiras possuem uma exposição cambial de uma amostra de 165 durante o
período de câmbio flexível e de 101 empresas para o período de câmbio fixo. Rossi (2008) ao
ampliar a amostra (1996 a 2006), encontrou 25% das empresas não financeiras de um total de
177 possuem exposição cambial significativa, mostrando também que o número de empresas
expostas é maior em períodos de crises financeiras e maiores do que durante o período de
câmbio flexível do que durante o câmbio fixo no Brasil. Em ambos os estudos de Rossi, o
sinal encontrado da exposição está de acordo com o encontrado neste estudo.
6.2 Modelos Não Lineares
6.2.1 Modelo GARCH
Uma terceira forma de análise do impacto do câmbio sobre o retorno dos ativos sobre
uma visão agora não linear é a utilização da metodologia GARCH (modelo proposto por
Bollerslev em 1986).
A utilização do modelo GARCH deve-se ao fato de que em séries financeiras é
comum haver o fato de que grandes valores num determinado instante do tempo que sejam
seguidos por valores também elevados nos períodos subseqüentes, não necessariamente na
mesma direção, além da possibilidade de existir uma alta persistência na volatilidade das
séries de retorno, desta forma, este modelo expressa a variância condicional como uma
defasagem distribuída do quadrado dos retornos passados com uma tentativa de expressar de
uma forma mais parcimoniosa a dependência temporal da variância condicional.
A utilização deste modelo deve-se para tentar corrigir o problema da presença de
heterocedasticidade existente no Modelo Relativo, equação (1). Desta forma, foi utilizado um
GACH (1,1), sendo a melhor estimativa encontrada, assim como no modelo base de Muller e
Verschoor (2006), no qual há uma variância condicionada a todas as empresas brasileiras
analisadas.
Mesmo utilizando esta outra metodologia, o valor esperado do parâmetro do retorno
de mercado, β1 , permanecer entre 0 e 1 assim como nos modelos anteriores.
33
Tabela 7 - Modelo GARCH
Tabela 7.1
Constante
α
Média
Mediana
0,00990
0,01049
0,0000
0,0000
Retorno de Mercado β
0,53513
0,56775
0,0000
0,0000
γ
0,05348
0,05463
0,0000
0,0000
0,00650
0,00204
Câmbio
Constante
δ
0,00000
0,00000
-0,00918
ARCH
τ
0,14779
0,01490
0,74640
GARCH
υ
0,59815
0,73256
0,00000
0,00000
Exposiçã Positiva
Exposiçã Negativa
Tabela 7.2 - incorporando taxa de juros
Média
Mediana
Constante
α
0,00932
0,0000
Retorno de Mercado β
0,54486
0,55929
0,0000
0,0000
γ
0,05876
0,04442
0,13260
0,10560
-0,09041
-0,08718
Juros
φ
0,00160
0,00210
0,00189
Constante
δ
0,00642
0,0000
0,0000
ARCH
τ
0,22816
0,01076
0,07680
1,00000
GARCH
υ
0,62121
0,73440
0,0000
0,0000
Exposiçã Positiva
Exposiçã Negativa
N**
N
19,6%
30
153
22,4%
19
85
16,2%
11
68
N*
N**
N
18,3%
28
153
23,0%
20
87
12,1%
8
66
0,00928
0,0000
Câmbio
N*
A variável de interesse nos mostra que, na média, a exposição cambial segue um efeito
positivo, tanto no parâmetro médio quanto em sua mediana, sinal este diferente do valor
encontrado durante a elaboração do Modelo de Efeito Absoluto, onde na verdade o sinal
esperado seria negativo, conforme apresentado por Rossi (2008). A incorporação da taxa de
juros neste modelo promove a não significância da série de taxa de câmbio.
Um ponto relevante é verificar que o ARCH possui uma não significância nos dois
modelos apresentada pela tabela 7.1 e 7.2. Esta não significância pode estar ocorrendo devido
à periodicidade dos dados utilizados, isso porque como estão sendo utilizados dados mensais,
34
pode-se perder algumas informações relevantes ocorridas ao longo dos dias incorridos em um
determinado mês e como a variável ARCH considera o resíduo da equação no período
anterior, fatos não explicados em um mês não necessariamente irão explicar oscilações no
mês subseqüente.
Quando analisado o número de empresas que possuem exposição cambial positiva,
tem-se que 85 das empresas, sendo apenas 22,4% delas significantes (tabela 7.1) e com a
incorporação da taxa de juros, 87 empresas são afetadas, porém apenas 23% significantes
(tabela 7.2). Já as empresas negativamente impactadas pela taxa de câmbio, 87 das empresas
analisadas são positivamente afetadas, mas com um percentual de significância de 16,2% e
quando incluída a taxa de juros, o numero de empresas é de 66, porém apenas 12,1% delas
são significativas.
Muller e Verschoor (2006) encontraram para dados americanos que apenas 7,27% de
uma amostra de 935 empresas possuem significância quando utilizado este modelo.
6.2.2 Modelo Assimétrico
O modelo não linear proposto por Muller e Verschoor (2006), chamado de Modelo
Assimétrico ou Firm Specific Currency Factor foi originado devido aos pontos descritos na
seção 3.
Para saber o comportamento da exposição cambial em momentos de valorização ou de
desvalorização, será utilizado o modelo escrito pela equação (6), no qual será incorporada ao
modelo uma dummy correspondente de valor igual a 1 para valorização cambial e 0 para
momentos de desvalorização cambial. Através do coeficiente desta dummy é possível
verificar o quanto as empresas estão expostas e quantas empresas são afetadas em caso de
valorização e desvalorização.
Na tabela 8, os dados nos mostram, assim como no modelo de efeito absoluto e do
modelo GARCH, o sinal da exposição cambial da exposição cambial na média não é alterado,
mas a quantidade de empresas que se tornam significativas a 5% é menor, sendo inferior ao
modelo de efeito absoluto, resultado este similar ao estudo de Muller e Verschoor (2006) em
que a quantidade percentual estatisticamente significante está em torno de 8% para empresas
americanas.
35
Tabela 8 - Sinal da Exposição Cambial
Tabela 8.1
Constante
α
Média
Mediana
0,02602
0,02795
0,0000
0,00000
Retorno de Mercad β
0,54851
0,56060
0,0001
0,00010
γ
-0,51809
-0,44779
0,0001
0,00010
-0,12276
-0,10140
0,1036
0,08910
Câmbio
Dummy Câmbio
γ'
Tabela 8.2 - incorporando taxa de juros
Média
Mediana
Constante
α
0,02412
0,00000
Retorno de Mercad β
0,54560
0,55806
0,0000
0,00000
γ
-0,54791
-0,47814
0,0000
0,00000
-0,07971
-0,03292
0,0387
0,74640
-0,10100
-0,07769
0,0022
0,01530
Dummy Câmbio
Juros
γ'
φ
N**
N
19,0%
29
153
3,3%
5
153
N*
N**
N
21,6%
33
153
3,9%
6
153
0,02363
0,0000
Câmbio
N*
Quando analisado os sinais encontrados o sinal dos parâmetros γ e γ ' possuem sinais
semelhantes, diferente do resultado encontrado por Koutmos e Martin (2003a) para análise de
portfólios de indústrias norte americana, que apresenta sinais positivos na média.
Este resultado encontrado nos mostra que a existência de assimetria não apresenta
muita relevância para as empresas brasileiras, uma vez que apenas 2% delas apresentam
significância em relação à assimetria e à exposição cambial, já a quantidade de empresas que
possuem um dos dois efeitos de análise é de 20%, conforme tabela 9, mas com uma
quantidade de empresas expostas ao cambio superior em relação aos modelos de efeito
relativo e GARCH.
Este estudo nos mostra que em caso de uma valorização cambial em 1%, o retorno
médio das empresas brasileiras é afetado negativamente em 0,64% e em momento de
desvalorização, o efeito é de 0,54%.
36
Tabela 9 - Relação de empresas expostas e de assimetria
N*
N**
N
Número de empresas - exposição e assimétrica - significantes
2%
3
153
Número de empresas - exposição ou assimétrica - significantes
20%
31
153
Esta baixa quantidade de empresas que possuem a presença de assimetria pode estar
ocorrendo pela forma de como o modelo foi utilizada, pois não necessariamente há mudanças
bruscas entre os regimes de valorização e desvalorização pode não ser representada apenas
por uma dummy de 0 e 1, mas sim um a utilização de uma função que suavize esta transição a
ser realizada conforme descrito pelas equações (7) e (8).
Esta suavização entre os regimes, descritos pelas equações (7) e (8), por se tratar de
um modelo não linear, a possibilidade de existência de outliers pode ocorrer, e para corrigir
este problema, foram excluídas das análises as séries que estavam interferindo no resultado
quando necessário. Desta forma, na análise inicial, o número de ativos analisados passa de
153 empresas para 152 e quando incorporado à taxa de juros, o número de empresas reduz-se
para 133.
Na tabela 10, são apresentados os dados obtidos, no qual o modelo com a presença da
taxa de juros, Tabela 10.2, não há significância desta variável.
Assim como ocorrido em todas as análises realizadas neste estudo, o resultado do
parâmetro médio de retorno de mercado está de acordo com o range esperado, apresentado
pelos parâmetros β e β1 .
Na Tabela 10.1, o modelo apresenta uma taxa de significância da exposição cambial é
de 30,9% das empresas para o primeiro efeito de exposição cambial e de 46,7% para o
segundo efeito, ou seja, o modelo de exposição cambial para empresas brasileiras mostra que
existe a presença de assimetria quando há suavização entre os regimes existentes. O mesmo
ocorrendo quando incorporado a taxa de juros, tabela 10.2, percebe-se que tato a assimetria
quanto a exposição cambial são estatisticamente e em torno de 42% da amostra.
37
Tabela 10 - Modelo Assimétrico
Tabela 10.1
Média
Mediana
6,45204
5,14945
0,0000
0,00000
N*
N**
N
30,9%
47
152
46,7%
71
152
N*
N**
N
42,1%
56
133
42,9%
57
133
Efeito Linear
Constante
α
Retorno de Mercado β
Câmbio
γ
-0.008209 -0.004078
0,0467
0,00270
0,00924
0,00977
0,0438
0,00010
-6,29750
-6,29750
Efeito Assimétrico
Constante
α1
0,0000
0,00000
Retorno de Mercado β1
0,00743
0,00743
0,0571
0,00270
γ1
-0,00846
-0,00846
0,0646
0,00020
Câmbio
Tabela 10.2 - incorporando taxa de juros
Média
Mediana
Efeito Linear
Constante
α
6,09044
4,90286
0,0000
0,00000
Retorno de Mercado β
-0,00443
-0,00347
0,0269
0,00930
γ
0,01292
0,00783
0,0002
0,00000
0,00038
0,00026
0,8983
1,00000
-5,94228
-4,71544
Câmbio
Juros
φ
Efeito Assimétrico
Constante
α1
0,0000
0,00000
Retorno de Mercado β1
0,00408
0,00346
0,0385
0,01520
γ1
-0,01210
-0,00801
0,0003
0,00010
-0,00019
-0,00015
0,9475
0,86230
Câmbio
Juros
φ1
Mesmo analisando apenas o efeito da taxa de câmbio, γ e γ 1 , a qual nos mostra a
presença de exposição cambial e assimetria, respectivamente, à composição da exposição
cambial possui efeito positivo através do parâmetro γ e efeito negativo através do parâmetro
γ 1 , porém o resultado da exposição cambial ocorrerá conforme as magnitudes das variações
cambiais, mas na média pode-se dizer que o efeito é ligeiramente positivo.
Antes de analisar o efeito combinado da exposição cambial, é interessante verificar
estes efeitos em separado, desta forma, podemos perceber que tanto no modelo com juros ou
38
sem juros (Tabela 10.1 e Tabela 10.2, respectivamente), o primeiro efeito, com relação ao
modelo linear, a exposição cambial apresenta um sinal positivo, diferente do sinal encontrado
no modelo linear absoluto (Tabela 8), mostrando assim que quando incorporado a assimetria e
suavizando a variação cambial, a exposição cambial deixa de ser negativo para 42,1% da
amostra.
Outro fator relevante é a magnitude da exposição cambial encontrada, isso porque no
primeiro modelo analisado, o efeito foi na média de 0,023, no modelo de efeito absoluto foi
de 0,58 e no modelo GARCH foi de 0,053.
Já o efeito referente à existência de assimetria, pode-se perceber que esta variável é
significativa assumindo um valor negativo na média para 46,7% da amostra utilizada.
Um ponto relevante é perceber que a quantidade de parâmetros significantes é superior
para o segundo efeito que em relação ao primeiro, conforme apresentado na tabela 10.
Tabela 11 - Sinal de Impacto Cambial
N
Efeito Linear
N*
N**
N
Efeito Assimétrico
N*
N**
Modelo sem juros
Positivo
103
34,0%
35
50
36,0%
18
Negativo
49
24,5%
12
102
52,0%
53
152
30,9%
47
152
46,7%
71
Positivo
91
48,4%
44
44
29,5%
13
Negativo
42
28,6%
12
89
49,4%
44
133
42,1%
56
133
42,9%
57
Total sem juros
Modelo com juros
Total com juros
Quando analisado a quantidade de empresas com efeitos positivos e negativos,
percebe-se que a grande maioria das empresas possui o efeito linear positivo, sendo que
apenas 35 possuem significância e o segundo efeito, assimétrico, negativo, com 102 empresas
ocorrendo, com 52% deles são significantes.
Esta abertura entre os sinais da exposição cambial e presença da assimetria se torna
relevante por permitir perceber que realmente a presença da assimetria interfere na análise de
exposição e sobre o preço dos ativos das respectivas empresas.
Quando os sinais são analisados em conjunto, pode-se perceber que do total da
amostra utilizada, 102 possuem características semelhantes à média, correspondendo a 33,3%
39
das empresas estatisticamente significantes e quando incorporado a taxa de juros, este
percentual se eleva para 48,3% das 133 empresas analisadas.
Tabela 12 - Sinal conjunto de Impacto Cambial do modelo Assimétrico
γ /γ1
Modelo sem juros
N
N*
Positivo/Positivo
1
N**
0,00%
-
0,00%
-
Negativo/Negativo
-
Positivo/Negativo
102
33,33%
34
Negativo/Positivo
49
24,49%
12
152
30,26%
46
2
0,00%
-
0,00%
-
Total sem juros
Modelo com juros
Positivo/Positivo
Negativo/Negativo
-
Positivo/Negativo
89
48,31%
43
Negativo/Positivo
42
28,57%
12
133
41,35%
55
Total sem juros
Desta forma, pode-se dizer que através deste modelo a exposição cambial para grande
parte das empresas apresenta um efeito positivo, assim uma valorização cambial afeta
positivamente os retornos dos ativos brasileiros na média em 1%.
Com os dados descritos na tabela acima, pode-se perceber que como existem dois
efeitos, sendo o primeiro referente à exposição cambial na relação linear, é na média positiva
para as empresas brasileiras, diferente do resultado obtido com o modelo de Efeito Absoluto,
mostrando assim que o efeito de assimetria realmente impacta tanto na quantidade de
empresas que possuem exposição cambial como no sinal de impacto.
Muller e Verschoor (2006) mostram que a inclusão no modelo linear a análise de
assimetria, a quantidade de empresas que apresentam uma determinada exposição cambial,
sendo linear ou assimétrica, aumenta em 30% em relação ao modelo linear, ocorrendo
principalmente com a incorporação da análise cambial de moedas asiática de latinas. O
resultado encontrado mostra que 23,1% das empresas americanas apresentam exposição linear
e assimetria e 56,04% possuem exposição linear ou assimetria.
Neste estudo, as empresas que possuem exposição cambial e assimetria são de 30% e
as empresas que possuem apenas um efeito são de 47% para o caso da não inclusão da taxa de
40
juros no modelo, conforme Tabela 13, mas é relevante comentar que neste estudo das 47
empresas que possuem exposição cambial significante, apenas uma não possui assimetria
significante.
Tabela 13 - Relação de empresas expostas e de assimetria
N*
N**
N
Número de empresas - exposição e assimétrica - significantes
30%
46
152
Número de empresas - exposição ou assimétrica - significantes
47%
72
152
Além destes pontos, o fator de maior relevância é o fato da significância da presença
de assimetria na análise da variação dos retornos dos ativos com relação à exposição cambial,
desta forma, uma análise de exposição cambial deve-se levar em consideração a existência de
assimetria no processo de análise.
Este ponto prova que muitas vezes análises existentes sobre os preços dos ativos
brasileiros ou sobre comportamentos futuros podem levar a decisões equivocadas, uma vez
que muitos não incorporam a existência desta assimetria no mercado.
7. Conclusão
Este estudo analisa a exposição cambial de empresas brasileiras durante o período de
câmbio flexível entre 1999 e 2007. Observou-se que diversas empresas brasileiras possuem
uma exposição cambial, impacto este que diverge entre a utilização de modelos lineares e não
lineares.
A quantidade de empresas com exposição cambial no Brasil no caso de modelo linear
é relativamente alta, segundo Rossi (2008), sendo em torno de 50% das empresas brasileiras,
dado que na média esta exposição possui um efeito negativo conforme há uma desvalorização
cambial da moeda doméstica. No caso da utilização de um modelo não linear, esta exposição
cambial possui um efeito positivo, contrariando os resultados obtidos com o modelo linear,
corroborando assim, os resultados obtidos por Bleakley e Cowan (2002) para uma amostra de
empresas da América Latina.
Independentemente do modelo analisado, podemos perceber que no Brasil existe uma
grande parcela de empresas que possuem exposição cambial. Na tabela 14 é apresentado um
resumo da quantidade de empresas estatisticamente significante que possuem exposição
cambial, tanto um efeito positivo quanto um negativo. Pode-se perceber que, no modelo linear,
41
o impacto desta exposição é superior em relação aos modelos não lineares, principalmente
quando o problema de ortogonalidade é resolvido, a quantidade de empresas se eleva.
Tabela 14 - Séries Estatiscamente Significativas
N**
N*
N
Modelo Relativo
14
9,2%
153
Modelo Relativo com juros
13
8,5%
153
Modelo Absoluto
78
50,98%
153
Modelo Absoluto com juros
78
50,98%
153
Modelo GARCH
30
19,61%
153
Modelo GARCH com juros
28
18,30%
153
Modelo Assimetrico (efeito linear)
Modelo Assimetrico (efeito não linear)
47
71
30,92%
152
152
Modelo Assimetrico com juros (efeito linear)
Modelo Assimetrico com juros (efeito não linear)
56
57
42,11%
46,71%
42,86%
133
133
Com relação aos impactos existentes, no modelo de Efeito Absoluto, a grande maioria
das empresas brasileiras apresenta uma exposição cambial negativa, sendo que
aproximadamente de 93% apresentam esta característica, mas em modelos não lineares, esta
exposição se altera, passando para um efeito positivo na sua maioria, conforme tabela 15.
Tabela 15 - Efeito do Impacto Cambial sobre o Retorno dos Ativos
Modelo Relativo
Modelo Relativo sem juros
Positivo % Positivo
83
54%
Negativo
70
% Negativo
46%
Total
153
85
56%
68
44%
153
Modelo Absoluto
11
7%
142
93%
153
Modelo Absoluto sem juros
11
7%
142
93%
153
Modelo GARCH
87
57%
66
43%
153
Modelo GARCH sem juros
85
56%
68
44%
153
Modelo Assimetrico (efeito linear)
91
68%
42
32%
133
Modelo Assimetrico (efeito não linear)
Modelo Assimetrico com juros (efeito linear)
Modelo Assimetrico com juros (efeito não linear)
44
33%
89
67%
133
103
68%
49
32%
152
50
33%
102
67%
152
Os resultados nos mostram que na presença da assimetria no modelo não-linear tanto
com a utilização da séria de taxa de juros quanto sem nos dá indício que em modelos antes
realizados, informações não eram incorporadas devido à presença de fatores não mensurados,
os quais afetam o resultado da exposição cambial das empresas brasileiras.
42
O modelo assimétrico se destaca entre os demais analisados, principalmente quando
utilizada a metodologia STAR através de uma suavização da série dummy para momentos
entre valorização e desvalorização cambial, o grau de informação perdida se reduz, mesmo
com uma quantidade de empresas estatisticamente significantes menor em relação ao Modelo
Absoluto e superior ao Modelo GARCH, confirmando desta forma que há informações não
detectadas pelos demais modelos.
Desta forma, o modelo com a presença de assimetria, com utilização de suavização da
dummy, apresenta análises mais coerentes, uma vez que incluem fatores não mensuráveis e
reduz as variações brutas entre momentos de valorização e desvalorização cambial.
Quando comparado aos demais modelos, este nos mostra que a quantidade de
empresas com exposição cambial positivo é superior em relação aos demais, podendo assim
nos dar indícios de que este modelo incorpora informações não presentes nos demais.
Este estudo deve ser continuado através de análises mais específicas, como uma
análise diferenciando o comportamento da exposição cambial entre empresas exportadoras e
importadoras ou uma análise setorial, outra análise seria levar em consideração a estrutura
financeira das empresas através de seus respectivos balanços.
43
REFERÊNCIA BIBLIOGRÁFICA
ADLER, M. E DUMAS, B. (1984). .Exposure to currency risk: Definition and Measurement.
Financial Management, vol.13, pp.41-50.
BALDWIN, R., KRUGMAN, P., 1989. Persistent trade effects of large exchange rate shocks.
The Quarterly Journal of Economics 54, 635–654.
FRANSES, PHILIP HANS; VAN DIJK, DICK. Non-linear time series models in empirical
finance. Cambrige University Press. Fourth edition. p. 90-93
GLAUM, MARTIN; BRUNNER, MARKO; HIMMEL HOLGER. The DAX and the dollar:
The economic exchange rate exposure of German corporations. Journal of International
Business Studies, Vol. 31, Nº 4. p. 715-724, 2000.
HAU, H.. Real Exchange real volatility and economic Openness: Theory end Evidence.
Journal of Money, Credit and Banking, Vol. 34 Nº. 3, Pat 1, p 611-630, 2002
JORION, PHILIPPE. The price of exchange rate risk in stock market. The Journal of
Financial and Quantitative Analysis, Vol. 26. Nº. 3, p. 363-376, 1991
JORION, PHILIPPE., ‘The exchange rate exposure of US multinationals’, Journal of
Business, Vol. 63,1990, pp. 331–45.
KANAS, A., 1997. Is economic exposure asymmetric between long-run depreciations and
appreciations? Testing using cointegration analysis. Journal of Multinational Financial
Management 7, 27–42.
KENT, D. MILLER e JEFFREY, J. REUER. Asymmetric Corporate Exposures to Foreign
Exchange Rate Changes. Strategic Management Journal, Vol. 19, No. 12 (Dec., 1998), pp.
1183-1191
KNETTER, M.M., 1994. Is export price adjustment asymmetric? Evaluating the market share
and marketing bottlenecks hypotheses. Journal of International Money and Finance 13, 55–70.
KOUTMOS, GREGORY; MARTIN, ANNA D.. Modeling time variation and asymmetry in
foreign exchange exposure. Journal of Multinational Financial Management
KOUTMOS, GREGORY; MARTIN,ANNA., 2003a. Asymmetric exchange rate exposure:
theory and evidence. Journal of International Money and Finance 22, 365–383.
KOUTMOS, GREGORY; MARTIN, ANNA., 2003b. First and second moment exchange rate
exposure: evidence from U.S. stock returns.Financial Review 38, 455–471.
MULLER, KENT D.; REUER, JEFFREY J.. Asymmetric corporate exposures to foreign
exchange rate changes. Strategic Management Journal, Vol. 19, N]. 12 p. 1183-1191, 1998
44
MULLER, ALENI; VERSCHOOR, WILLEM F.C.. Asymmetric foreign exchange risk
exposure: Evidence from U.S. multinational firms. Journal of Empirical Finance, 2006
MULLER, ALENI; VERSCHOOR, WILLEM F.C. European foreign exchange risk exposure.
European Financial Management, Vol. 12, Nº. 2, p. 195-220, 2006
OHNO, K., 1989. Export pricing behavior of manufacturing: a U.S.–Japan comparison. IMF
Staff Papers 36, 550–579.
PANTZLIS, CHRISTOS; SIMKINS, BETTY J.;LAUX, PAUL A., Operational hedge and
foreign exchange exposure of U.S. Multinational Corporations. Journal of International
Business Studies, Vol. 32, Nº 4, p. 793-812, 2001
POLLARD, P.S., COUGHLIN, C.C., 2003. Size matters: asymmetric exchange rate passthrough at the industry level. Working Paper. The Federal Reserve Bank of St. Louis.
ROSSI JUNIOR, JOSÉ LUIZ. Corporate Foreign Vulnerability, Financial Policies and the
Exchange Rate Regime: Evidence from Brazil. Ibmec São Paulo, 2003
ROSSI JUNIOR, JOSÉ LUIZ. Corporate Foreign Vulnerability, Financial Policies and the
Exchange Rate Regime: Evidence from Brazil. Ibmec São Paulo, 2008
SARNO, L; TAYLOR,MARK O.. The economics of exchange rates. Cambridge University
Press, 2002
Tai, C., 2005. Asymmetric currency exposure of U.S. bank stock returns. Journal of
Multinational Financial Management 15, 455–472.
TERASVIRTA, T. ANDERSON, H. M.. Characterizing Nonlinearities in Business Cycles
Using Smooth Transition Autoregressive Models. Journal of Applied Econometrics, Vol. 7,
Supplement: Special Issue on Nonlinear Dynamics and Econometrics, (Dec., 1992), pp. S119S136
45
APÊNDICE A
O modelo Star assume a existência de dois regimes dado pela especificação da variável dependente, através de
uma variação gradual entre os diferentes regimes existentes. A equação deste modelo é dada por
y t = φ 0,1 + φ1,1 y t −1 (1 − G ( y t −1 : γ , c )) + φ 0, 2 + φ1, 2 y t −1 G ( y t −1 : γ , c ) + ε t onde a função G é calculada
(
)
(
)
por uma função logística., já o ponto c é conhecido como o ponto inicial entre os regimes, o parâmetro
representa a suavização da transição entre os regimes. A estimação dos parâmetros
realizada através do NLS (Nonlinear least square), sendo
n
^
θ = arg min Qn (θ ) = arg min ∑
t =1
γ
θ = (φ1 , φ 2 , γ , c ) é
[yt − F (xt :θ )] , onde
2
F ( xt : θ ) ≡ φ1' xt (1 − G ( y t − 1 : γ , c )) + φ 2' xt G ( y t − 1 : γ , c ) , sendo interpretado como uma quase estimação
por máxima verossimilhança. Outra forma de estimação dos parâmetros é a utilização da soma dos quadrados
dos resíduos, reduzindo desta forma consideravelmente o problema de dimensionamento do NLS, pois este
método minimiza com relação os parâmetros γ e c, conforme a seguinte função:
n
Qn (γ , c ) = ∑
t =1
(y −φ (γ ,c) x (γ ,c))
2
'
t
t
46