A INFLUÊNCIA DO SPREAD CDI-SELIC NO RETORNO DAS AÇÕES DOS BANCOS BRASILEIROS

Transcrição

1 FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO E ECONOMIA DISSERTAÇÃO DE MESTRADO PROFISSIONAL EM ECONOMIA A INFLUÊNCIA DO SPREAD CDI-SELIC NO RETORNO DAS AÇÕES DOS BANCOS BRASILEIROS MARCIO KENDI INAFUKU ORIENTADOR: PROF. DR. JOSÉ VALENTIM MACHADO VICENTE Rio de Janeiro, 17 de setembro de 2014.

2 A INFLUÊNCIA DO SPREAD CDI-SELIC NO RETRORNO DAS AÇÕES DOS BANCOS BRASILEIROS MARCIO KENDI INAFUKU Dissertação apresentada ao curso de Mestrado Profissional em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Área de Concentração: Finanças ORIENTADOR: PROF. DR. JOSÉ VALENTIM MACHADO VICENTE Rio de Janeiro, 17 de setembro de

3 A INFLUÊNCIA DO SPREAD CDI-SELIC NO RETRORNO DAS AÇÕES DOS BANCOS BRASILEIROS MARCIO KENDI INAFUKU Dissertação apresentada ao curso de Mestrado Profissional em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Avaliação: BANCA EXAMINADORA: Professor Dr. José Valentim Machado Vicente (Orientador) Instituição: Faculdade Ibmec - RJ Professor Dr. Osmani Teixeira de Carvalho Guillén Instituição: Faculdade Ibmec - RJ Dr. Rafael Chaves Santos Instituição: Banco Central do Brasil Rio de Janeiro, 17 de setembro de

4 4

5 DEDICATÓRIA Dedico este trabalho à minha esposa Fernanda e a meus pais Kazuo e Sadako. 5

6 AGRADECIMENTOS A minha esposa Fernanda, pelo apoio e compreensão nas longas horas dedicadas aos estudos ao longo deste mestrado, e a meus pais Kazuo e Sadako, que sempre me ofereceram a melhor educação possível sem medir esforços. Ao BNDES por me conceder esta oportunidade, e aos meus amigos colegas que sempre se disponibilizaram a me ajudar ao longo do curso das matérias e da execução da dissertação. A todos os colaboradores do Ibmec-RJ, por compartilhar seu conhecimento e experiência, e especialmente ao professor José Valentim pelas ricas aulas e pela valiosa orientação. 6

7 RESUMO Este trabalho tem como objetivo testar a influência do spread CDI-Selic no retorno das ações dos bancos brasileiros. Para isto, foi utilizado como base o modelo de três fatores de Fama & French adicionado do spread CDI-Selic e seus três primeiros lags diários. Foram testados dados diários e mensais para o período entre 01/08/2000 e 29/06/2012, além de três segmentos identificados neste período (apenas para dados diários), para sete bancos cujas ações são negociadas na BM&FBovespa. As regressões apresentaram raros resultados com significância estatística para o spread CDI-Selic, distribuídos dispersamente entre as diversas ações de bancos e lags, o que rejeitou a hipótese de que o spread CDI-Selic influencia o retorno das ações dos bancos de forma consistente. Palavras Chave: spread CDI-Selic / retornos de ações de bancos / modelo de Fama & French 7

8 ABSTRACT This work aims to test the influence of the CDI-Selic spread on Brazilian banks stock returns. In order to perform it we used the Fama & French three factor model added of the CDI-Selic spread and its first three daily lags. We tested daily and monthly data for the 08/01/2000 to 06/29/2012 period, in addition to three segments identified in this period (only for daily data) and for seven banks whose stocks are negotiated in the BM&FBovespa stock market. The regressions presented sporadic results with statistical relevance for the CDI-Selic spread, sparsely distributed among de different bank stocks and lags. This rejected the hypothesis that the CDI-Selic spread consistently influences the stock returns of Brazilian banks. Key Words: CDI-Selic spread / banks stock returns / Fama & French model 8

9 LISTA DE TABELAS Tabela 1 Maiores bancos do Brasil com ações listadas na BM&FBovespa Tabela 2 Seleção de bancos dos estudo Tabela 3 - BBAS3: dados diários, 3 lags, não segmentado Tabela 4 - BBAS3: dados diários, 3 lags, segmento Tabela 5 - BBAS3: dados diários, 3 lags, segmento Tabela 6 - BBAS3: dados diários, 3 lags, segmento Tabela 7 - BBAS3: dados mensais, 3 lags, não segmentado Tabela 8 - ITUB4: dados diários, 3 lags, não segmentado Tabela 9 - ITUB4: dados diários, 3 lags, segmento Tabela 10 - ITUB4: dados diários, 3 lags, segmento Tabela 11 - ITUB4: dados diários, 3 lags, segmento Tabela 12 ITUB4: dados mensais, 3 lags, não segmentado Tabela 13 BBDC4: dados diários, 3 lags, não segmentado Tabela 14 - BBDC4: dados diários, 3 lags, segmento

10 Tabela 15 - BBDC4: dados diários, 3 lags, segmento Tabela 16 - BBDC4: dados diários, 3 lags, segmento Tabela 17 - BBDC4: dados mensais, 3 lags, não segmentado Tabela 18 BRSR6: dados diários, 3 lags, não segmentado Tabela 19 - BRSR6: dados diários, 3 lags, segmento Tabela 20 - BRSR6: dados diários, 3 lags, segmento Tabela 21 - BRSR6: dados diários, 3 lags, segmento Tabela 22 - BRSR6: dados mensais, 3 lags, não segmentado Tabela 23 BPBM4: dados diários, 3 lags, não segmentado Tabela 24 - BPBM4: dados diários, 3 lags, segmento Tabela 25 - BPBM4: dados diários, 3 lags, segmento Tabela 26 - BPBM4: dados diários, 3 lags, segmento Tabela 27 - BPBM4: dados mensais, 3 lags, não segmentado Tabela 28 ABCB4: dados diários, 3 lags, não segmentado Tabela 29 - ABCB4: dados diários, 3 lags, segmento Tabela 30 - ABCB4: dados diários, 3 lags, segmento Tabela 31 - ABCB4: dados diários, 3 lags, segmento Tabela 32 - ABCB4: dados mensais, 3 lags, não segmentado Tabela 33 BICB4: dados diários, 3 lags, não segmentado Tabela 34 - BICB4: dados diários, 3 lags, segmento Tabela 35 - BICB4: dados diários, 3 lags, segmento Tabela 36 - BICB4: dados diários, 3 lags, segmento

11 Tabela 37 - BICB4: dados mensais, 3 lags, não segmentado Tabela 38 Resumo por dados diários e série não segmentada Tabela 39 Resumo por dados diários e segmento Tabela 40 Resumo por dados diários e segmento Tabela 41 Resumo por dados diários e segmento Tabela 42 Resumo por dados mensais e série não segmentada

12 LISTA DE SIGLAS E ACRÔNIMOS ARCH, modelo BMF&Bovespa Modelo Autorregressivo de Heterocedasticidade Condicional Bolsa de Valores, Mercadorias e Futuros de São Paulo CAPM CDI Cetip FIPE FINBRAX Capital Asset Pricing Model Certificado de Depóstio Interbancário, ou a Taxa over a ele associada Central de Custódia e Liquidação Financeira de Títulos Fundação Instituto de Pesquisas Econômicas Centro Brasileiro para Pesquisa em Economia Financeira GARCH, modelo Modelo Autorregressivo de Heterocedasticidade Condicional Generalizado HML LCA LCI LFT High-Minus-Low (terceiro fator de Fama & French) Letra de Crédito do Agronegócio Letra de Crédito Imobiliário Letra Financeira do Tesouro Excesso de retorno do mercado (primeiro fator de Fama & French) 12

13 Selic Sistema Especial de Liquidação e Custódia, ou as taxas Meta ou over a ele associada SMB Small-Minus-Big (segundo fator de Fama & French) 13

14 LISTA DE CÓDIGOS BM&FBOVESPA DAS AÇÕES DE BANCOS ABCB4 BBAS3 BBDC4 BPNM4 BRSR6 ITUB4 PINE4 Código das ações preferenciais do Banco ABC - Brasil na BMF&Bovespa Código das ações ordinárias do Banco do Brasil na BMF&Bovespa Código das ações preferenciais do Bradesco na BMF&Bovespa Código das ações preferenciais do Banco Panamericano na BMF&Bovespa Código das ações preferenciais do Banrisul na BMF&Bovespa Código das ações preferenciais do Itaú Unibanco na BMF&Bovespa Código das ações preferenciais do Banco Pine na BMF&Bovespa 14

15 SUMÁRIO 1 INTRODUÇÃO METODOLOGIA O MODELO DE três fatores de FAMA & FRENCH (1993) O MODELO PROPOSTO PERIODICIDADE DE DADOS, LAGS e SEGMENTAÇÃO DADOS Fatores Bancos ANÁLISE DOS RESULTADOS BANCO DO BRASIL BBAS ITAÚ ITUB BRADESCO BBDC BANRISUL BRSR PANAMERICANO BPBM BANCO ABC ABCB BIC BANCO BICB ANÁLISE GERAL CONCLUSÃO REFERÊNCIAS BIBLIOGRÁFICAS APÊNDICE A TAXAS SELIC META, SELIC REAL E CDI

16 1 INTRODUÇÃO No Brasil coexistem duas taxas diárias, a Selic over e a CDI over, que concorrem no papel de referência dos juros da economia. Ambas são formadas a partir de empréstimos entre os bancos no mercado interbancário pelo prazo de um dia, ou seja, tratam-se basicamente o mesmo tipo operação. As operações que formam a Taxa Selic contam com lastro em (garantia de) títulos públicos federais, ao passo que as operações que formam a Taxa CDI consistem apenas em empréstimos mediante títulos privados. É compreensível que, a partir de suas semelhanças, as duas taxas apresentem valor numérico próximo, mas não iguais, devido às suas diferenças. Como as operações que formam a Taxa Selic contam com risco de crédito menor devido à garantia associada, esta taxa deveria ter cotação mais baixa do que a da Taxa CDI. O que se observa na prática é exatamente o inverso: a cotação da Taxa Selic registra-se historicamente acima daquela da Taxa CDI. Assim, a diferença positiva da Selic pela CDI, chamada de spread CDI-Selic, é um paradoxo do ponto de vista do risco. Apesar de esta diferença ser relativamente pequena, dificilmente superando 0,15% anualizados, o fato da Taxa Selic ser superior à taxa CDI cria uma situação desconfortável. 16

17 Se, por um lado, a Taxa CDI tem sido formada por aproximadamente dez operações que tem somado em torno de R$ 2 bilhões diariamente, por outro, a remuneração paga pelos bancos nas principais alternativas de aplicação em títulos privados (como os CDBs, LCAs e LCIs), cujo valor financeiro em estoque ficou em R$ 716 bilhões em 18/08/2014, é comumente atrelada à própria Taxa CDI. No cenário resultante tem-se que poucas operações feitas entre os bancos são a referência para balizar a remuneração que estes mesmos bancos pagam a seus investidores em seus títulos, mas em volumes muito maiores. Considerando ainda que os bancos tem acesso ao mercado de títulos do Tesouro Nacional, cuja remuneração pode ser atrelada diretamente à Selic (como as LFTs), e que a remuneração dos títulos bancários é comumente atrelada à Taxa CDI, o spread CDI-Selic pode ainda criar uma oportunidade de arbitragem financeira. Isto porque, desconsiderando pequenos custos envolvidos, a captação à Taxa CDI e aplicação à Taxa Selic garantiria lucro sem a assunção de riscos. Desta forma, o objetivo desta dissertação é testar a influência do spread CDI-Selic no retorno das ações dos bancos brasileiros. A ideia é analisar se o spread é percebido pelo mercado como um fator que influencia o lucro dos bancos. A importância deste estudo está na geração de informações que auxiliem o entendimento do paradoxo do spread CDI-Selic. Para realizar esta análise, o retorno diário da cotação das ações de bancos brasileiros foi utilizado como uma proxy para medir a expectativa de lucros destes bancos. O excesso de retorno das ações foi admitido como a variável dependente no modelo de três fatores de Fama & French (1993), e foi adicionado um quarto fator: o spread CDI-Selic (e três lags). Buscouse verificar se o spread se mostrava significativo de forma consistente, ou seja, caso este fator 17

18 fosse relevante, o mercado teria expectativa de maiores lucros dos bancos com o aumento do spread CDI-Selic, precificados nos retornos de suas ações. As regressões, entretanto, apresentaram raros resultados com significância estatística, distribuídos dispersamente entre as diversas ações de bancos e lags, o que rejeitou a hipótese sugerida de que o spread CDI-Selic influencia o retorno das ações dos bancos de forma consistente. Este estudo está dividido em quatro capítulos. O primeiro consiste nesta introdução que busca explicar brevemente a motivação para o estudo, assim como seus objetivos, e apresentar brevemente os resultados. O segundo capítulo estabelece os critérios utilizados para a seleção de dados e a metodologia de análise a eles aplicada. O terceiro capítulo apresenta os resultados obtidos individualmente para os bancos, assim como uma análise geral. Por fim, o quarto capítulo apresenta a conclusão do trabalho. 18

19 2 METODOLOGIA Apesar das vantagens do tradicional e difundido Modelo de Precificação de Ativos Financeiros CAPM, de Sharpe (1964) / Lintner (1965) / Mossin (1966) / Treynor (1961), como a facilidade de implementação e uma base teórica simples e clara, este modelo tem sido considerado demasiado simplista por considerar apenas um único fator a correlação do ativo/carteira analisado com o mercado para explicar o retorno dos ativos. Atualmente, há modelos mais avançados que podem incorporar variâncias e covariâncias que se alteram ao longo do tempo, além de poder contar com outros fatores além do beta do CAPM. O modelo escolhido para o desenvolvimento deste trabalho foi o modelo de três fatores de Fama & French (1993), que adiciona outros dois fatores que potencializam sua capacidade explicativa em relação ao CAPM de único fator. Málaga & Securato (2004) testaram este modelo para a previsão de retornos no Brasil e o resultado confirma a superioridade e a significância dos três fatores. Mussa, Santos & Famá (2007) testam o modelo de 4 fatores de Carhart 1 (1997) e verificam que os três fatores de 1 O quarto fator é o momento, definido pelos autores como o desempenho acumulado dos retornos das ações. 19

20 Fama & French são significativos para a maioria das carteiras. Por fim, Lucena & Pinto (2005) confirmaram a significância dos fatores de Fama & French e adaptam este modelo com a incorporação de parâmetros dos modelos ARCH e GARCH. 2.1 O MODELO DE TRÊS FATORES DE FAMA & FRENCH (1993) Fama & French propõem um modelo alternativo ao CAPM que explica melhor o retorno dos ativos (além de ações, também títulos de renda fixa). Para o retorno de ações apenas, o modelo proposto pelos autores abrange três fatores:, SMB e HML. Os outros fatores se mostraram relevantes apenas para o modelo que contempla títulos de renda fixa, sendo desconsiderados para fins desta dissertação. Desta forma, o modelo proposto por Fama & French e adotado como base deste estudo é o seguinte: Onde: : taxa de retorno esperado da carteira. : taxa de retorno do ativo sem risco, admitida pelos autores do modelo como a taxa do treasury bill de um mês. : taxa de retorno da carteira de mercado. (Small market capitalization Minus Big): diferença do retorno de uma carteira com as menores empresas e o retorno de uma carteira com as maiores empresas do estudo. HML (High book-to-market ratio Minus Low): diferença do retorno de uma carteira com as empresas de alto VPA/P e o retorno de uma carteira com as empresas de baixo VPA/P do estudo. 20

21 O coeficiente corresponde ao mesmo conceito do do CAPM, ou seja, é o coeficiente atrelado ao excesso de retorno do ativo, adicionado do índice 3 apenas para relacioná-lo ao modelo de três fatores de Fama & French. 2.2 O MODELO PROPOSTO O modelo proposto consiste na adição do spread CDI-Selic como um quarto fator ao modelo de três fatores. Desta forma, temos: Para as análises apresentadas na dissertação, os termos considerados foram os seguintes: r : taxa de retorno da ação. R # : Taxa Selic over. R $ : taxa de retorno da carteira de mercado definida de acordo com os critérios da FIPE/FINBRAX e por ela calculado e publicado. SMB e HML: de acordo com os critérios da FIPE/FINBRAX e por ela calculados e publicados. Selic e CDI: são taxas diárias (over) disponibilizadas pela Economática. O coeficiente corresponde ao mesmo conceito do do CAPM, ou seja, é o coeficiente atrelado ao excesso de retorno do ativo, adicionado do índice 4 apenas para relacioná-lo ao modelo de quatro fatores proposto. Já o coeficiente é o coeficiente atrelado ao spread CDI-Selic, cuja significância estatística será avaliada neste estudo. 21

22 2.3 PERIODICIDADE DE DADOS, LAGS E SEGMENTAÇÃO As regressões foram feitas para dados diários das séries disponíveis, contando também com três termos de defasagem (lags) do spread CDI-Selic. Os lags consistem simplesmente do próprios registros do spread de um, dois e três dias anteriores à data de referência das Taxas CDI e Selic e da cotação da ação analisada. A adoção dos lags é uma tentativa de identificar se há um prazo para que o efeito do spread seja repassado à cotação das ações. Com os lags adicionados ao modelo proposto, as regressões contam a rigor com ao menos sete fatores, sendo os três de Fama & French, o spread CDI-Selic proposto e os seus três lags. Também foram feitas as mesmas regressões acima sobre três períodos segmentados a partir da série completa, os quais foram identificados com base na análise de padrões de acordo com o gráfico do spread CDI-Selic em termos anualizados. 0,30 0,20 0,10 0,00 01/08/ /08/ /08/ /08/2009-0,10 Segmento 1 Segmento 2 Segmento 3-0,20-0,30 Figura 1 - Spread CDI-Selic anualizado, Segmentação 22

23 Segmento 1: de 17/10/2003 a 17/09/2008, sem tendência. Segmento 2: de 29/07/2009 a 18/10/2011, sem tendência. Segmento 3: de 08/11/2011 a 14/05/2012, tendência ascendente. Destaca-se que no segmento 3 foi identificada uma tendência ascendente no tempo. Desta forma, para as regressões deste segmento, foi adicionado ainda um oitavo termo associado a uma variável tempo com primeiro registro igual a 1 e incrementos unitários. Por fim, foram feitas ainda regressões para séries compostas apenas pelos primeiros registros de cada mês, como uma aproximação do impacto em termos mensais do spread CDI-Selic no retorno das ações. Estas regressões também são acompanhadas dos três lags propostos e foram feitas apenas nas séries completas, ou seja, não foram adotados os segmentos utilizados para as regressões diárias. 2.4 DADOS Fatores O cálculo dos três fatores originais de Fama & French não pertence ao escopo desta dissertação. Desta forma, foram utilizadas as séries de retornos diários disponibilizadas pelo FINBRAX no site 2 da FIPE. Quando da coleta de dados para análise, realizada em novembro de 2013, as séries dos fatores disponíveis iniciavam em 01/08/2000 e terminavam em 29/06/2012. Foi possível utilizar diretamente as séries dos retornos diários dos fatores SMB e HML. Por outro lado, a série de retornos correspondente ao ativo livre de risco (risk free) somente é

24 disponibilizada em bases mensais. Desta forma, alternativamente foi utilizada a série de retornos diários calculada com base na variação do índice Selic acumulado disponibilizado para a LFT, de acordo com dados da Economática. Com o cálculo desta série foi possível fazer a subtração do retorno da carteira de mercado ( ) calculado pelo FINBRAX, formando a série do excesso de retorno do mercado ( com dados diários. A série do retorno do ativo livre de risco também foi utilizada para fazer a subtração do retorno do CDI, este também obtido a partir de dados da Economática, e formar a série do spread CDI-Selic utilizado como quarto fator no modelo proposto Bancos O objetivo desta dissertação é analisar a influência do spread CDI-Selic no retorno das ações de bancos comerciais, pois estes poderiam obter ganhos a partir desta diferença, os quais seriam percebidos pelo mercado e expressados por meio da valorização das ações. Desta forma, a partir de informações disponibilizadas pelo Banco Central no mês de setembro de 2013, foram pré-selecionados os 41 maiores bancos que atuam no Sistema Financeiro Nacional, de acordo com seus ativos totais. Destes, apenas 18 possuíam ações negociadas na BM&FBovespa, conforme a tabela abaixo. Instituição Financeira Código BM&F Ativo Total [R$] Banco do Brasil BBAS Itaú ITUB Bradesco BBDC Santander Brasil SANB BTG Pactual BBTG Banrisul BRSR Panamericano BPNM ABC Brasil ABCB BIC BICB

25 Daycoval DAYC Banestes BEES Mercantil do Brasil BMEB Alfa BRIV Da Amazônia BAZA Pine PINE Sofisa SFSA Indusval IDVL Tabela 1 Maiores bancos do Brasil com ações listadas na BM&FBovespa. A quantidade de registros disponíveis para cada banco apresentou grande variação, seja porque as séries históricas se iniciam em datas distintas, seja porque ações menos líquidas apresentaram dias em que não houve registros de negociação (não foram negociadas). De qualquer forma, apenas foram aproveitáveis os registros para as datas nas quais há a disponibilidade de dados das séries dos fatores de Fama & French pela FIPE/FINBRAX, ou seja, entre 01/08/2000 e 29/06/2012. Para garantir a maior de robustez estatística dos dados, apenas os bancos cujas ações apresentavam cotações disponíveis para ao menos dias no período acima estabelecido foram considerados. Como a expectativa de lucros dos bancos foi medida pelo mercado acionário, foi considerado interessante também que as ações deveriam ter uma liquidez mínima para que sua cotação refletisse de forma eficiente a influência do spread CDI-Selic. A liquidez foi medida com base em dois indicadores, o índice de disponibilidade e a média de negociações diárias. O índice de disponibilidade foi definido como a relação percentual entre o número de registros válidos de cotações de ações e o número de dias úteis totais de acordo com o divulgado nas séries disponibilizadas pela Economática. Apenas os bancos cujo índice de disponibilidade foi maior ou igual a 90% foram considerados. 25

26 A média de negociações diárias indica o número médio de negociações realizadas por dia em que a cotação esteve disponível, ou seja, este indicador não considera os dias em que não houve registro de negociação (foi admitido que os dias sem registros já estavam sendo penalizados pelo indicador índice de disponibilidade). Apenas os bancos cuja média de negociações por dia foi maior ou igual a 100 foram considerados. Após a aplicação dos três critérios acima descritos, apenas sete bancos atenderam aos requisitos mínimos do estudo, conforme a Tabela 2. Instituição Financeira Código BM&F N de Dados disponíveis Índice de Disponibilidade Média de Neg/Dia Banco do Brasil* BBAS % 3159 Itaú* ITUB ,0% 4233 Bradesco* BBDC ,0% 3794 Santander Brasil SANB ,5% 32 BTG Pactual BBTG ,8% 1727 Banrisul BRSR ,7% 990 Panamericano BPNM ,8% 378 ABC Brasil ABCB ,4% 254 BIC BICB ,8% 199 Daycoval DAYC ,4% 66 Banestes BEES ,3% 7 Mercantil do Brasil BMEB ,8% 9 Alfa BRIV ,8% 7 Da Amazônia BAZA ,6% 54 Pine PINE ,8% 98 Sofisa SFSA ,0% 48 Indusval IDVL ,3% 24 * dealers do Tesouro Nacional Tabela 2 Seleção de bancos dos estudo Todos os sete bancos selecionados disponibilizam a seus clientes opções de investimentos referenciadas à Taxa CDI, seja por meio de CDBs, LCIs, LCAs ou mesmo Fundos-DI. Destes, 26

27 três são dealers 3 credenciados pelo Tesouro Nacional com acesso ao mercado primário de títulos públicos, de acordo com consulta 4 em setembro de Por fim, as séries dos retornos ( das ações destes bancos foram criadas a partir da cotação de fechamento de cada ativo, disponibilizada nas bases de dados da Economática: ( ( ()* Em que: ( : retorno da ação em t ( : cotação da ação em t 3 Os dealers são instituições financeiras credenciadas pelo Tesouro Nacional e pelo Banco Central do Brasil com o objetivo de promover o desenvolvimento dos mercados primário e secundário de títulos públicos

28 3 ANÁLISE DOS RESULTADOS O modelo proposto foi testado no software Eviews por meio de regressões pelo método de mínimos quadrados ordinários para cada um dos sete bancos selecionados, e de acordo com a periodicidade, lags e segmentação descritos no item 2.3. Reorganizando os termos do modelo proposto no item 2.2, temos que a regressão foi feita sobre: Para cada regressão, a influência do spread CDI-Selic (e seus lags) no retorno das ações foi avaliada por meio da significância estatística do fator proposto. Caso o Valor-p fosse igual ou menor que 5%, rejeitamos a hipótese nula de que o respectivo regressor fosse nulo. Caso o Valor-p fosse maior do que 5%, não rejeitamos (aceitamos) a hipótese nula de que o respectivo regressor fosse nulo. Também foi feita a análise dos resíduos de cada regressão nos aspectos de autocorrelação e de heterocedasticidade. Para a identificação de autocorrelação foi utilizado o teste de multiplicador de Lagrange de Breusch-Godfrey, incluindo-se dois lags de resíduo. Caso o Valor-p fosse menor que 5%, rejeitamos a hipótese nula de que não há autocorrelação. Caso o 28

29 Valor-p fosse maior que 5%, não rejeitamos (aceitamos) a hipótese nula de que não há autocorrelação. Para a identificação de heterocedasticidade foi utilizado o teste de White. Caso o Valor-p fosse menor que 5%, rejeitamos a hipótese nula de que não há heterocedasticidade. Caso o Valor-P fosse maior que 5%, não rejeitamos (aceitamos) a hipótese nula de que não há heterocedasticidade. No caso de identificação de autocorrelação ou de heterocedasticidade, alternativamente foi feita a regressão utilizando-se o estimador de Newey-West, consistente para os casos de heterocedasticidade e autocorrelação. No caso de identificação de heterocedasticidade, foi feita também a regressão seguindo o método GARCH generalized autoregressive conditional heteroskedasticity, de Tim Bollerslev (1986). O modelo utilizado foi o GARCH (1,1), ou seja, admitindo-se o termo ARCH de primeira ordem e o termo GARCH também de primeira ordem na equação da variância. Assim, a variância foi modelada como dependendo do quadrado do erro no período anterior e também do quadrado de seu próprio valor no período anterior. Destaca-se que os valores dos coeficientes apresentaram, independente de sua significância estatística, elevada ordem de grandeza. Isto se deve ao fato de que o spread CDI-Selic e, consequentemente, seus lags, foi utilizado em bases diárias. Por outro lado, o retorno diário das ações dos bancos, medido pela sua variação percentual, corresponde a valores de ordem de grandeza significativamente superior. 29

30 Assim, o excesso de retorno das ações dos bancos, variável dependente das regressões, apresenta a mesma ordem de grandeza do próprio retorno dos bancos muito maior do que a ordem de grandeza das variáveis independentes propostas. De qualquer forma, a importância das regressões apresentadas está concentrada mais na análise da significância estatística do fator proposto (e seus lags) do que no valor dos coeficientes encontrados. 3.1 BANCO DO BRASIL BBAS3 Seguem abaixo as tabelas com os resultados das regressões para as ações do Banco do Brasil. BBAS3 LS LS (Newey-West) GARCH Variável Coeficiente Valor-P Coeficiente Valor-P Coeficiente Valor-P SPREAD -0,99 0,793-0,99 0,803-0,40 0,913 SPREAD(-1) ,00 0, ,00 0, ,00 0,545 SPREAD(-2) -0,41 0,926-0,41 0, ,00 0,581 SPREAD(-3) ,00 0, ,00 0, ,00 0,169 Autocorrelação não rejeitada Breusch-Godfrey 0,000 Heterocedasticidade não rejeitada White 0,000 Tabela 3 - BBAS3: dados diários, 3 lags, não segmentado Na regressão com dados diários e três lags, para a série não segmentada, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (79,3%; 18,7%; 92,6% e 20,7%) maiores que o valor de referência de 5%. Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) não rejeitaram a presença destas características nos resíduos, ambos com valores-p nulos. A utilização do estimador de Newey-West não tornou significante o fator proposto nem seus lags (valores-p: 80,3%; 25,1%; 92,9% e 20,1%). 30

31 Admitida a possibilidade de existência de heterocedasticidade nos resíduos, foi feita a regressão pelo método GARCH(1,1). Entretanto, nenhum dos regressores analisados apresentou significância estatística (valores-p: 91,3%; 54,5%; 58,1% e 16,9%) com a utilização deste modelo. BBAS3 LS LS (Newey-West) Variável Coeficiente Valor-P Coeficiente Valor-P SPREAD ,00 0, ,00 0,869 SPREAD(-1) ,00 0, ,00 0,566 SPREAD(-2) ,00 0, ,00 0,012 SPREAD(-3) ,00 0, ,00 0,033 Autocorrelação não rejeitada Breusch-Godfrey 0,000 Heterocedasticidade rejeitada White 0,051 Tabela 4 - BBAS3: dados diários, 3 lags, segmento 1 Na regressão com dados diários e três lags, para o segmento 1, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o segundo e terceiro lags do spread CDI-Selic apresentaram significância estatística com valor-p de 1,3% e 2,8% - probabilidades inferiores ao valor de referência de 5%. O spread CDI-Selic e o primeiro lag não obtiveram significância estatística (valores-p: 86,8% e 52,0%). O teste de Breusch-Godfrey não rejeitou a presença de autocorrelação nos resíduos com valor-p nulo. A utilização do estimador de Newey-West manteve significantes o segundo e terceiro lags do spread CDI-Selic (valores-p: 1,2% e 3,3%). O teste de White rejeitou a presença de heterocedasticidade nos resíduos com valor-p de 5,1%. 31

32 BBAS3 LS LS (Newey-West) GARCH Variável Coeficiente Valor-P Coeficiente Valor-P Coeficiente Valor-P SPREAD ,00 0, ,00 0, ,00 0,729 SPREAD(-1) ,00 0, ,00 0, ,00 0,282 SPREAD(-2) ,00 0, ,00 0, ,00 0,589 SPREAD(-3) ,00 0, ,00 0, ,00 0,829 Autocorrelação não rejeitada Breusch-Godfrey 0,044 Heterocedasticidade não rejeitada White 0,029 Tabela 5 - BBAS3: dados diários, 3 lags, segmento 2 Na regressão com dados diários e três lags, para o segmento 2, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (82,3%; 24,2%; 37,0 e 81,8%) maiores que o valor de referência de 5%. Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) não rejeitaram a presença destas características nos resíduos, com valores-p de 4,4% e 2,9% respectivamente. A utilização do estimador de Newey-West não tornou significante o fator proposto nem seus lags (valores-p: 81,6%; 14,2%; 39,5% e 79,7%). Admitida a possibilidade de existência de heterocedasticidade, foi feita a regressão pelo método GARCH(1,1). Novamente, nenhum dos regressores analisados apresentou significância estatística (valores-p: 72,9%; 28,2%; 58,9% e 82,9%) com a utilização deste modelo. 32

33 BBAS3 LS LS (Newey-West) Variável Coeficiente Valor-P Coeficiente Valor-P SPREAD 0,01 0,438 0,01 0,473 SPREAD(-1) 0,00 0,993 0,00 0,990 SPREAD(-2) -0,01 0,409-0,01 0,207 SPREAD(-3) -0,02 0,260-0,02 0,180 Autocorrelação não rejeitada Breusch-Godfrey 0,000 Heterocedasticidade rejeitada White 0,336 Tabela 6 - BBAS3: dados diários, 3 lags, segmento 3 Na regressão com dados diários e três lags, para o segmento 3, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (43,8%; 99,3%; 40,9% e 26,0%) maiores que o valor de referência de 5%. O teste de Breusch-Godfrey não rejeitou a presença de autocorrelação nos resíduos com valor-p nulo. A utilização do estimador de Newey-West manteve a não significância dos regressores propostos (valores-p: 47,3%; 99,0%; 20,7% e 18,0%). O teste de White rejeitou a presença de heterocedasticidade nos resíduos com valor-p de 33,6%. BBAS3 LS Variável Coeficiente Valor-P SPREAD ,00 0,352 SPREAD(-1) ,00 0,735 SPREAD(-2) ,00 0,702 SPREAD(-3) ,00 0,710 Autocorrelação rejeitada Breusch-Godfrey 0,379 Heterocedasticidade rejeitada White 0,099 Tabela 7 - BBAS3: dados mensais, 3 lags, não segmentado 33

34 Na regressão com dados mensais e três lags, para a série não segmentada, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (35,2%; 73,5%; 70,2% e 71,0%) maiores que o valor de referência de 5%. Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) rejeitaram a presença destas características nos resíduos, com valores-p de 37,9% e 9,9% respectivamente. 3.2 ITAÚ ITUB4 Seguem abaixo as tabelas com os resultados das regressões para as ações do Banco Itaú. ITUB4 LS LS (Newey-West) GARCH Variável Coeficiente Valor-P Coeficiente Valor-P Coeficiente Valor-P SPREAD ,00 0, ,00 0, ,00 0,084 SPREAD(-1) 0,45 0,892 0,45 0, ,00 0,240 SPREAD(-2) ,00 0, ,00 0, ,00 0,026 SPREAD(-3) ,00 0, ,00 0, ,00 0,012 Autocorrelação rejeitada Breusch-Godfrey 0,066 Heterocedasticidade não rejeitada White 0,000 Tabela 8 - ITUB4: dados diários, 3 lags, não segmentado Na regressão com dados diários e três lags, para a série não segmentada, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o segundo lag do spread CDI-Selic apresentou significância estatística com valor-p de 1,2% - probabilidade inferior ao valor de referência de 5%. O spread CDI-Selic e os outros lags não obtiveram significância estatística (valores-p: 32,4%; 89,2% e 26,1%). O teste de Breusch-Godfrey rejeitou a presença de autocorrelação nos resíduos com valor-p de 6,6%. Já o teste de White não rejeitou a presença de heterocedasticidade nos resíduos com 34

35 valor-p nulo. A utilização do estimador de Newey-West manteve a significância apenas do segundo lag, com valor-p de 3,1%, enquanto os outros regressores apresentaram valores-p de 50,0%; 91,6% e 32,5%. Admitida a possibilidade de existência de heterocedasticidade, foi feita a regressão pelo método GARCH(1,1). Neste modelo, além do segundo lag (valor-p de 2,6%), o terceiro lag passou a ter significância estatística com valor-p de 1,2%. Os outros regressores apresentaram valores-p de 8,4% e 24,0%. ITUB4 LS Variável Coeficiente Valor-P SPREAD ,00 0,167 SPREAD(-1) ,00 0,721 SPREAD(-2) ,00 0,045 SPREAD(-3) ,00 0,757 Autocorrelação rejeitada Breusch-Godfrey 0,432 Heterocedasticidade rejeitada White 0,070 Tabela 9 - ITUB4: dados diários, 3 lags, segmento 1 Na regressão com dados diários e três lags, para a segmento 1, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o segundo lag do spread CDI-Selic apresentou significância estatística com valor-p de 4,5% - probabilidade inferior ao valor de referência de 5%. O spread CDI-Selic e os outros lags não obtiveram significância estatística (valores-p: 16,7%; 72,1% e 75,7%). Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) rejeitaram a presença destas características nos resíduos, com valores-p de 43,2% e 7,0% respectivamente. 35

36 ITUB4 LS Variável Coeficiente Valor-P SPREAD ,00 0,729 SPREAD(-1) ,00 0,154 SPREAD(-2) ,00 0,930 SPREAD(-3) ,00 0,411 Autocorrelação rejeitada Breusch-Godfrey 0,476 Heterocedasticidade rejeitada White 0,226 Tabela 10 - ITUB4: dados diários, 3 lags, segmento 2 Na regressão com dados diários e três lags, para o segmento 2, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (72,9%; 15,4%; 93,0% e 41,1%) maiores que o valor de referência de 5%. Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) rejeitaram a presença destas características nos resíduos, com valores-p de 47,6% e 22,6% respectivamente. ITUB4 LS LS (Newey-West) GARCH Variável Coeficiente Valor-P Coeficiente Valor-P Coeficiente Valor-P SPREAD ,00 0, ,00 0, ,00 0,818 SPREAD(-1) ,00 0, ,00 0, ,00 0,962 SPREAD(-2) ,00 0, ,00 0, ,00 0,013 SPREAD(-3) ,00 0, ,00 0, ,00 0,025 Autocorrelação rejeitada Breusch-Godfrey 0,586 Heterocedasticidade não rejeitada White 0,024 Tabela 11 - ITUB4: dados diários, 3 lags, segmento 3 Na regressão com dados diários e três lags, para o segmento 3, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o segundo e terceiro lags do spread CDI-Selic apresentaram significância estatística com valor-p de 0,9% e 2,6% - probabilidades inferiores 36

37 ao valor de referência de 5%. O spread CDI-Selic e o primeiro lag não obtiveram significância estatística (valores-p: 80,5 e 96,0%). O teste de Breusch-Godfrey rejeitou a presença de autocorrelação nos resíduos com valor-p de 58,6%. Já o teste de White não rejeitou a presença de heterocedasticidade nos resíduos com valor-p de 2,4%. A utilização do estimador de Newey-West tornou estatisticamente insignificantes todos os regressores (valores-p: 78,3%; 95,2%; 12,9% e 6,7%). Admitida a possibilidade de existência de heterocedasticidade, foi feita a regressão pelo método GARCH(1,1). Neste modelo foram mantidos estatisticamente significantes o segundo e terceiro lags da regressão original, com valores-p de 1,3% e 2,5%. Os outros regressores apresentaram valores-p de 81,8% e 96,2%. ITUB4 LS Variável Coeficiente Valor-P SPREAD ,00 0,055 SPREAD(-1) ,00 0,702 SPREAD(-2) ,00 0,804 SPREAD(-3) ,00 0,304 Autocorrelação rejeitada Breusch-Godfrey 0,168 Heterocedasticidade rejeitada White 0,078 Tabela 12 ITUB4: dados mensais, 3 lags, não segmentado Na regressão com dados mensais e três lags, para a série não segmentada, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (5,5%; 70,2%; 80,4% e 30,4%) maiores que o valor de referência de 5%. 37

38 Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) rejeitaram a presença destas características nos resíduos, com valores-p de 16,8% e 7,8% respectivamente. 3.3 BRADESCO BBDC4 Seguem abaixo as tabelas com os resultados das regressões para as ações do Banco Bradesco. BBDC4 LS LS (Newey-West) GARCH Variável Coeficiente Valor-P Coeficiente Valor-P Coeficiente Valor-P SPREAD ,00 0, ,00 0, ,00 0,574 SPREAD(-1) ,00 0, ,00 0, ,00 0,485 SPREAD(-2) ,00 0, ,00 0, ,00 0,384 SPREAD(-3) ,00 0, ,00 0, ,00 0,230 Autocorrelação não rejeitada Breusch-Godfrey 0,010 Heterocedasticidade não rejeitada White 0,000 Tabela 13 BBDC4: dados diários, 3 lags, não segmentado Na regressão com dados diários e três lags, para a série não segmentada, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (63,9%; 14,1%; 9,8% e 46,4%) maiores que o valor de referência de 5%. Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) não rejeitaram a presença destas características nos resíduos, com valores-p de 1,0% e 0,0% respectivamente. A utilização do estimador de Newey-West tornou significante o segundo lag, o qual obteve valor-p de 5,0%. Os outros regressores obtiveram valores-p de 66,5%; 12,8% e 50,2%. Admitida a possibilidade de existência de heterocedasticidade, foi feita a regressão pelo método GARCH(1,1). Entretanto, nenhum dos regressores analisados apresentou significância estatística (valores-p: 57,4%; 48,5%; 38,4% e 23,0%) com a utilização deste modelo. 38

39 BBDC4 LS LS (Newey-West) GARCH Variável Coeficiente Valor-P Coeficiente Valor-P Coeficiente Valor-P SPREAD ,00 0, ,00 0, ,00 0,229 SPREAD(-1) ,00 0, ,00 0,738-0,02 0,998 SPREAD(-2) ,00 0, ,00 0, ,00 0,465 SPREAD(-3) ,00 0, ,00 0,797-0,07 0,993 Autocorrelação rejeitada Breusch-Godfrey 0,203 Heterocedasticidade não rejeitada White 0,006 Tabela 14 - BBDC4: dados diários, 3 lags, segmento 1 Na regressão com dados diários e três lags, para o segmento 1, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (24,1%; 69,7%; 30,5% e 81,3%) maiores que o valor de referência de 5%. O teste de Breusch-Godfrey rejeitou a presença de autocorrelação nos resíduos com valor-p de 20,3%. Já o teste de White não rejeitou a presença de heterocedasticidade nos resíduos com valor-p de 0,6%. A utilização do estimador de Newey-West manteve estatisticamente insignificantes todos os regressores (valores-p: 26,4%; 73,8%; 25,7% e 79,7%). Admitida a possibilidade de existência de heterocedasticidade, foi feita a regressão pelo método GARCH(1,1). Neste modelo foram mantidos estatisticamente insignificantes todos os regressores (valores-p: 22,9%; 99,8%; 46,5% e 99,3%). BBDC4 LS Variável Coeficiente Valor-P SPREAD ,00 0,171 SPREAD(-1) ,00 0,655 SPREAD(-2) ,00 0,717 SPREAD(-3) ,00 0,297 Autocorrelação rejeitada Breusch-Godfrey 0,273 Heterocedasticidade rejeitada White 0,984 Tabela 15 - BBDC4: dados diários, 3 lags, segmento 2 39

40 Na regressão com dados diários e três lags, para o segmento 2, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (17,1%; 65,5%; 71,7% e 29,7%) maiores que o valor de referência de 5%. Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) rejeitaram a presença destas características nos resíduos, com valores-p de 27,3% e 98,4% respectivamente. BBDC4 LS LS (Newey-West) Variável Coeficiente Valor-P Coeficiente Valor-P SPREAD ,00 0, ,00 0,640 SPREAD(-1) ,00 0, ,00 0,541 SPREAD(-2) ,00 0, ,00 0,225 SPREAD(-3) ,00 0, ,00 0,060 Autocorrelação não rejeitada Breusch-Godfrey 0,007 Heterocedasticidade rejeitada White 0,876 Tabela 16 - BBDC4: dados diários, 3 lags, segmento 3 Na regressão com dados diários e três lags, para o segmento 3, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (70,4%; 54,7%; 16,1% e 16,5%) maiores que o valor de referência de 5%. O teste de Breusch-Godfrey não rejeitou a presença de autocorrelação nos resíduos com valor-p de 0,7%. A utilização do estimador de Newey-West manteve a não significância dos regressores propostos (valores-p: 64,0%; 54,1%; 22,5% e 6,0%). O teste de White rejeitou a presença de heterocedasticidade nos resíduos com valor-p de 87,6%. 40

41 BBDC4 LS Variável Coeficiente Valor-P SPREAD ,00 0,238 SPREAD(-1) ,00 0,923 SPREAD(-2) 0,79 0,941 SPREAD(-3) ,00 0,628 Autocorrelação rejeitada Breusch-Godfrey 0,210 Heterocedasticidade rejeitada White 0,689 Tabela 17 - BBDC4: dados mensais, 3 lags, não segmentado Na regressão com dados mensais e três lags, para a série não segmentada, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (23,8%; 92,3%; 94,1% e 62,8%) maiores que o valor de referência de 5%. Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) rejeitaram a presença destas características nos resíduos, com valores-p de 21,0% e 68,9% respectivamente. 3.4 BANRISUL BRSR6 Seguem abaixo as tabelas com os resultados das regressões para as ações do Banrisul. BRSR6 LS LS (Newey-West) GARCH Variável Coeficiente Valor-P Coeficiente Valor-P Coeficiente Valor-P SPREAD ,00 0, ,00 0, ,00 0,878 SPREAD(-1) ,00 0, ,00 0, ,00 0,156 SPREAD(-2) -0,93 0,937-0,93 0, ,00 0,377 SPREAD(-3) ,00 0, ,00 0, ,00 0,167 Autocorrelação não rejeitada Breusch-Godfrey 0,001 Heterocedasticidade não rejeitada White 0,046 Tabela 18 BRSR6: dados diários, 3 lags, não segmentado 41

42 Na regressão com dados diários e três lags, para a série não segmentada, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o terceiro lag do spread CDI-Selic apresentou significância estatística com valor-p de 2,1% - probabilidade inferior ao valor de referência de 5%. O spread CDI-Selic e os outros lags não obtiveram significância estatística (valores-p: 67,7%; 13,1% e 93,7%). Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) não rejeitaram a presença destas características nos resíduos, com valores-p de 0,1% e 4,6% respectivamente. A utilização do estimador de Newey-West apresentou insignificantes todos os regressores, com valores-p de 66,1%; 17,8%; 95,0 e 5,3%. Admitida a possibilidade de existência de heterocedasticidade, foi feita a regressão pelo método GARCH(1,1). Entretanto, nenhum dos regressores analisados apresentou significância estatística (valores-p: 87,8%; 15,6%; 37,7% e 16,7%) com a utilização deste modelo. BRSR6 LS Variável Coeficiente Valor-P SPREAD ,00 0,850 SPREAD(-1) ,00 0,209 SPREAD(-2) ,00 0,845 SPREAD(-3) ,00 0,433 Autocorrelação rejeitada Breusch-Godfrey 0,463 Heterocedasticidade rejeitada White 0,682 Tabela 19 - BRSR6: dados diários, 3 lags, segmento 1 Na regressão com dados diários e três lags, para o segmento 1, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (85,0%; 20,9%; 84,5% e 43,3%) maiores que o valor de referência de 5%. 42

43 Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) rejeitaram a presença destas características nos resíduos, com valores-p de 46,3% e 68,2% respectivamente. BRSR6 LS LS (Newey-West) Variável Coeficiente Valor-P Coeficiente Valor-P SPREAD ,00 0, ,00 0,728 SPREAD(-1) ,00 0, ,00 0,404 SPREAD(-2) ,00 0, ,00 0,464 SPREAD(-3) ,00 0, ,00 0,962 Autocorrelação não rejeitada Breusch-Godfrey 0,000 Heterocedasticidade rejeitada White 0,851 Tabela 20 - BRSR6: dados diários, 3 lags, segmento 2 Na regressão com dados diários e três lags, para o segmento 2, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (77,0%; 40,0%; 50,3% e 95,6%) maiores que o valor de referência de 5%. O teste de Breusch-Godfrey não rejeitou a presença de autocorrelação nos resíduos com valor-p nulo. A utilização do estimador de Newey-West manteve a não significância dos regressores propostos (valores-p: 72,8%; 40,4%; 46,4% e 96,2). O teste de White rejeitou a presença de heterocedasticidade nos resíduos com valor-p de 85,1%. 43

44 BRSR6 LS LS (Newey-West) GARCH Variável Coeficiente Valor-P Coeficiente Valor-P Coeficiente Valor-P SPREAD ,00 0, ,00 0, ,00 0,808 SPREAD(-1) ,00 0, ,00 0, ,00 0,873 SPREAD(-2) ,00 0, ,00 0, ,00 0,253 SPREAD(-3) ,00 0, ,00 0, ,00 0,477 Autocorrelação rejeitada Breusch-Godfrey 0,517 Heterocedasticidade não rejeitada White 0,041 Tabela 21 - BRSR6: dados diários, 3 lags, segmento 3 Na regressão com dados diários e três lags, para o segmento 3, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (78,9%; 83,2%; 21,4% e 41,2%) maiores que o valor de referência de 5%. O teste de Breusch-Godfrey rejeitou a presença de autocorrelação nos resíduos com valor-p de 51,7%. Já o teste de White não rejeitou a presença de heterocedasticidade nos resíduos com valor-p de 4,1%. A utilização do estimador de Newey-West manteve estatisticamente insignificantes todos os regressores (valores-p: 75,7%; 80,9%; 28,7% e 46,0%). Admitida a possibilidade de existência de heterocedasticidade, foi feita a regressão pelo método GARCH(1,1). Neste modelo foram mantidos estatisticamente insignificantes todos os regressores (valores-p: 80,8%; 87,3%; 25,3% e 47,7%). BRSR6 LS Variável Coeficiente Valor-P SPREAD ,00 0,545 SPREAD(-1) ,00 0,191 SPREAD(-2) ,00 0,125 SPREAD(-3) ,00 0,290 Autocorrelação rejeitada Breusch-Godfrey 0,783 Heterocedasticidade rejeitada White 0,082 Tabela 22 - BRSR6: dados mensais, 3 lags, não segmentado 44

45 Na regressão com dados mensais e três lags, para a série não segmentada, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (54,5%; 19,1%; 12,5% e 29,0%) maiores que o valor de referência de 5%. Os testes de autocorrelação (Breusch-Godfrey) e heterocedasticidade (White) rejeitaram a presença destas características nos resíduos, com valores-p de 78,3% e 8,2% respectivamente. 3.5 PANAMERICANO BPBM4 Seguem abaixo as tabelas com os resultados das regressões para as ações do Banco Panamericano. BPBM4 LS LS (Newey-West) GARCH Variável Coeficiente Valor-P Coeficiente Valor-P Coeficiente Valor-P SPREAD ,00 0, ,00 0,073 0,00 1,000 SPREAD(-1) ,00 0, ,00 0, ,00 0,327 SPREAD(-2) ,00 0, ,00 0, ,00 0,349 SPREAD(-3) 0,36 0,973 0,36 0, ,00 0,533 Autocorrelação rejeitada Breusch-Godfrey 0,177 Heterocedasticidade não rejeitada White 0,003 Tabela 23 BPBM4: dados diários, 3 lags, não segmentado Na regressão com dados diários e três lags, para a série não segmentada, observa-se que, pelo método dos mínimos quadrados (LS Least Squares), o spread CDI-Selic e seus lags não obtiveram significância estatística pois apresentaram valores-p (9,1%; 19,3%; 67,3% e 97,3%) maiores que o valor de referência de 5%. O teste de Breusch-Godfrey rejeitou a presença de autocorrelação nos resíduos com valor-p de 17,7%. Já o teste de White não rejeitou a presença de heterocedasticidade nos resíduos com 45