( PDF ) Desempenho estratégico em ambiente de negócios: Uma ánálise de quatro organizações brasileiras no período pós-real

Download PDF

ads:

RICARDO MENEZES GONÇALVES

DESEMPENHO ESTRATÉGICO EM AMBIENTE DE NEGÓCIOS:

UMA ANÁLISE DE QUATRO ORGANIZAÇÕES BRASILEIRAS NO PERÍODO PÓS-REAL

Universidade FUMEC

Belo Horizonte, MG

2006

ads:

Livros Grátis

http://www.livrosgratis.com.br

Milhares de livros grátis para download.

RICARDO MENEZES GONÇALVES

DESEMPENHO ESTRATÉGICO EM AMBIENTE DE NEGÓCIOS:

UMA ANÁLISE DE QUATRO ORGANIZAÇÕES BRASILEIRAS NO PERÍODO PÓS-REAL

Dissertação apresentada a Faculdade de Administração,

Economia e Ciências Contábeis da Universidade

FUMEC, como requisito parcial à obtenção do título de

Mestre em Administração.

Área de Concentração: Estratégia Empresarial e

Finanças Corporativas.

Orientador: Prof. Dr. Carlos Alberto Gonçalves.

Universidade FUMEC

Belo Horizonte, MG

2006

ads:

Nome

- RICARDO MENEZES GONÇALVES

Título

- DESEMPENHO ESTRATÉGICO EM AMBIENTE DE NEGÓCIOS: UMA ANÁLISE

DE QUATRO ORGANIZAÇÕES BRASILEIRAS NO PERÍODO PÓS-REAL

- Dissertação apresentada a Faculdade de Administração, Economia e

Ciências Contábeis da Universidade FUMEC, como requisito parcial à

obtenção do título de Mestre em Administração.

Área de concentração: Estratégia Empresarial e Finanças Corporativas.

Banca examinadora

_________________________________________________

Prof. Dr. Carlos Alberto Gonçalves – Orientador

_________________________________________________

Prof. Dr. Luiz Antônio Antunes Teixeira – Fumec

_________________________________________________

Prof. Dr. Cândido Luiz de Lima Fernandes – UFMG

Aos meus pais, pela educação que me concederam;

a Luzia e a Dolores pelo apoio;

a minha esposa Ana Paula, pelo carinho,

pela paciência e pelo amor; e ao meu avô e grande incentivador – Raul da

Matta Machado Geraldo de Menezes (in memoriam).

AGRADECIMENTOS

Esta dissertação de mestrado constitui o principal produto de dois anos e meio de

estudos e dedicação intensivos e de grande crescimento pessoal. Não teria sido

possível vencer os desafios que se apresentaram sem a participação de muitas

pessoas que, com o seu conhecimento e generosidade, contribuíram de diferentes

formas para que o trabalho existisse.

Antes de tecer os merecidos agradecimentos a todos que me apoiaram para a

construção deste trabalho, gostaria de me desculpar com aqueles que não foram

citados, com certeza não por desconsideração, mas por falta de memória, e de

ressaltar que a ordem de citação não segue nenhum critério de importância

previamente estabelecido.

Inicialmente, gostaria de agradecer à minha família, pelo apoio nos momentos de

dificuldade e estresse quando da realização do trabalho, principalmente à minha

esposa, Ana Paula, pela tolerância nos meus muitos momentos de ausência, e ao

meu avô Raul da Matta Machado Geraldo de Menezes (in memoriam) meu grande

amigo e incentivador.

Agradeço a meu orientador, Prof. Dr. Carlos Alberto Gonçalves pelo apoio recebido,

pela confiança, pela visão crítica, pelo aprendizado, pelos requisitos de qualidade

impostos à pesquisa de dissertação, pela dedicação de valiosos momentos de seu

tempo e principalmente pela amizade edificada nesse período.

Ao Prof. Dr. Luiz Antônio Antunes Teixeira e ao Prof. Dr. Anthero de Moraes

Meirelles agradeço pelas enriquecedoras sugestões.

Agradeço aos demais professores do mestrado e a Universidade FUMEC pelos

preciosos ensinamentos que jamais serão esquecidos.

Agradeço ao Prof. Dr. Cândido Luiz de Lima Fernandes, da Universidade Federal de

Minas Gerais, pelo apoio ao meu ingresso no mestrado. Também sou grato ao Prof.

Dr. João Eustáquio de Lima, da Universidade Federal de Viçosa, ao Prof. Dionísio

Dias Carneiro Netto, da Pontifícia Universidade Católica do Rio de Janeiro, ao Prof.

Paulo André Camuri, do Unicentro Newton Paiva, ao economista Alex Agostini e ao

Prof. Agostinho Rocha Sant’Ana, da Fundação Dom Cabral, pelas considerações e

esclarecimentos sobre Macroeconomia, Finanças, Econometria e Estratégia

Empresarial.

Aos meus colegas do mestrado, que foram importantes para que o curso fosse muito

mais do que uma experiência intelectual. Desejo-lhes boa sorte em suas carreiras e,

principalmente, que sejam pessoas felizes e realizadas.

A toda equipe da FACE-FUMEC, pela disponibilidade e cortesia no atendimento e

pela cordialidade, principalmente a Roberta Salles e a Isabella.

Agradeço aos amigos Leila Veloso, Selma Martins Pedrosa, Leandro Cyrino Saliba e

Sérgio Leal Bagno pelo apoio e incentivo.

Por fim, mas sempre em primeiro lugar, agradeço a Deus, por tudo, principalmente

por me proporcionar a realização de um grande sonho.

RESUMO

Este trabalho de pesquisa busca identificar os elementos-chave que determinam as

estratégias empresariais em um ambiente econômico turbulento. Utiliza-se o método

econométrico dos mínimos quadrados ordinários para testar múltiplas teorias

relacionando variáveis representativas do risco da economia e seus possíveis

impactos no desenho de estratégias corporativas, em uma amostra de empresas

brasileiras. Analisamos uma amostra composta por quatro grandes empresas da

economia brasileira: Ambev, Sadia, Petrobrás e Embraer. Estas análises foram

conduzidas tendo como pano de fundo o referencial teórico proposto pelo Modelo

Diamante de Porter, e foram estimadas utilizando o modelo econométrico Mínimos

Quadrados Ordinários (MQO). Foram obtidas conclusões a respeito do alinhamento

entre a formulação de estratégias e as variáveis de risco.

Palavras chave: Estratégias Empresariais, Variáveis de Risco, Modelo Diamante

Porter. Método Econométrico.

ABSTRACT

This research work aims to identify the key elements that drive the business

strategies within turbulent economic landscape. The research uses the ordinary least

squares econometric method to test multiple theories relating representative

variables of economic risk and its possible impact on corporate. We analyse a

sample of four large Brazilian companies: Ambev, Sadia, Petrobrás and Embraer.

This analysis were conducted with the Porter Diamond Model as a background, and

were estimated using the Ordinary Least Squares (OLS) regression model. We

obtained conclusions about the alignment of strategy formulation and the risk

variables.

Key words: Business Strategies; Risk Variables; Porter Diamond Model;

Econometric Method.

LISTA FIGURAS

FIGURA 1 – Modelo de AHOLA – Processo estratégico contínuo............................39

FIGURA 2 – Modelo conceitual proposto ..................................................................50

FIGURA 3 – Modelo teórico proposto .......................................................................50

GRÁFICO 1 – Representação da regressão de OLS................................................95

QUADRO 1 – Empresas e setores............................................................................87

QUADRO 2 – Variáveis e métricas ...........................................................................89

LISTA DE TABELAS

TABELA 1 – Resultados da equação 1 ...................................................................113

TABELA 2 – Resultados da equação 2 ...................................................................113

TABELA 3 – Resultados da equação 3 ...................................................................

114

TABELA 4 – Resultados da equação 4 ...................................................................

114

TABELA 5 – Resultados da equação 5 ...................................................................115

TABELA 6 – Resultados da equação 6 ...................................................................115

TABELA 7 – Resultados da equação 7 ...................................................................116

TABELA 8 – Resultados da equação 8 ...................................................................116

TABELA 9 – Resultados da equação 9 ...................................................................117

TABELA 10 – Resultados da equação 10 ...............................................................117

TABELA 11 – Resultados da equação 11 ...............................................................118

TABELA 12 – Resultados da equação 12 ...............................................................118

TABELA 13 – Resultados da equação 13 ...............................................................119

TABELA 14 – Resultados da equação 14 ...............................................................120

TABELA 15 – Resultados da equação 15 ...............................................................120

TABELA 16 – Resultados da equação 16 ...............................................................

121

TABELA 17 – Resultados da equação 17 ...............................................................

121

TABELA 18 – Resultados AMBEV (equação 1) ......................................................152

TABELA 19 – Resultados AMBEV (equação 2) ......................................................152

TABELA 20 – Resultados AMBEV (equação 3) ......................................................153

TABELA 21 – Resultados AMBEV (equação 4) ......................................................153

TABELA 22 – Resultados AMBEV (equação 5) ......................................................154

TABELA 23 – Resultados AMBEV (equação 6) ......................................................154

TABELA 24 – Resultados AMBEV (equação 7) ......................................................155

TABELA 25 – Resultados AMBEV (equação 8) ......................................................155

TABELA 26 – Resultados AMBEV (equação 9) ......................................................156

TABELA 27 – Resultados AMBEV (equação 10) ....................................................156

TABELA 28 – Resultados AMBEV (equação 11) ....................................................157

TABELA 29 – Resultados AMBEV (equação 12) ....................................................157

TABELA 30 – Resultados AMBEV (equação 13) ....................................................158

TABELA 31 – Resultados AMBEV (equação 14) ....................................................158

TABELA 32 – Resultados AMBEV (equação 15) ....................................................159

TABELA 33 – Resultados AMBEV (equação 16) ....................................................159

TABELA 34 – Resultados AMBEV (equação 17) ....................................................160

TABELA 35 – Resultados PETROBRÁS (equação 1).............................................162

TABELA 36 – Resultados PETROBRÁS (equação 2).............................................162

TABELA 37 – Resultados PETROBRÁS (equação 3).............................................163

TABELA 38 – Resultados PETROBRÁS (equação 4).............................................163

TABELA 39 – Resultados PETROBRÁS (equação 5).............................................164

TABELA 40 – Resultados PETROBRÁS (equação 6).............................................

164

TABELA 41 – Resultados PETROBRÁS (equação 7).............................................

165

TABELA 42 – Resultados PETROBRÁS (equação 8).............................................165

TABELA 43 – Resultados PETROBRÁS (equação 9).............................................166

TABELA 44 – Resultados PETROBRÁS (equação 10)...........................................166

TABELA 45 – RESULTADOS PETROBRÁS (equação 11) ....................................167

TABELA 46 – Resultados PETROBRÁS (equação 12)...........................................

167

TABELA 47 – Resultados PETROBRÁS (equação 13)...........................................168

TABELA 48 – Resultados PETROBRÁS (equação 14)...........................................168

TABELA 49 – Resultados PETROBRÁS (equação 15)...........................................169

TABELA 50 – Resultados PETROBRÁS (equação 16)...........................................169

TABELA 51 – Resultados PETROBRÁS (equação 17)...........................................170

TABELA 52 – Resultados SADIA (equação 1)........................................................172

TABELA 53 – Resultados SADIA (equação 2)........................................................172

TABELA 54 – Resultados SADIA (equação 3)........................................................173

TABELA 55 – Resultados SADIA (equação 4)........................................................173

TABELA 56 – Resultados SADIA (equação 5)........................................................174

TABELA 57 – Resultados SADIA (equação 6)........................................................174

TABELA 58 – Resultados SADIA (equação 7)........................................................175

TABELA 59 – Resultados SADIA (equação 8)........................................................175

TABELA 60 – Resultados SADIA (equação 9)........................................................176

TABELA 61 – Resultados SADIA (equação 10)......................................................176

TABELA 62 – Resultados SADIA (equação 11)......................................................177

TABELA 63 – Resultados SADIA (equação 12)......................................................177

TABELA 64 – Resultados SADIA (equação 13)......................................................

178

TABELA 65 – Resultados SADIA (equação 14)......................................................

178

TABELA 66 – Resultados SADIA (equação 15)......................................................179

TABELA 67 – Resultados SADIA (equação 16)......................................................179

TABELA 68 – Resultados SADIA (equação 17)......................................................180

TABELA 69 – Resultados EMBRAER (equação 1).................................................182

TABELA 70 – Resultados EMBRAER (equação 2).................................................

182

TABELA 71 – Resultados EMBRAER (equação 3).................................................183

TABELA 72 – Resultados EMBRAER (equação 4).................................................183

TABELA 73 – Resultados EMBRAER (equação 5).................................................184

TABELA 74 – Resultados EMBRAER (equação 6).................................................184

TABELA 75 – Resultados EMBRAER (equação 7).................................................185

TABELA 76 – Resultados EMBRAER (equação 8).................................................185

TABELA 77 – Resultados EMBRAER (equação 9).................................................186

TABELA 78 – Resultados EMBRAER (equação 10)...............................................186

TABELA 79 – Resultados EMBRAER (equação 11)...............................................187

TABELA 80 – Resultados EMBRAER (equação 12)...............................................187

TABELA 81 – Resultados EMBRAER (equação 13)...............................................188

TABELA 82 – Resultados EMBRAER (equação 14)...............................................188

TABELA 83– Resultados EMBRAER (equação 15)................................................189

TABELA 84 – resultados EMBRAER (equação 16) ................................................189

TABELA 85 – Resultados EMBRAER (equação 17)...............................................190

LISTA DE ABREVIATURAS E SIGLAS

ADR

− American Depositary Receipts

ANP

− Agência Nacional do Petróleo

BIS

− Bank for International Settlements

BPD

− Barris por Dia

CADE

− Conselho Administrativo de Defesa Econômica

CAPM

− Capital Asset Pricing Model

CNP

− Conselho Nacional do Petróleo

CVM

− Comissão de Valores Mobiliários

EMBRAER

− Empresa Brasileira de Aeronáutica S.A.

GAF

− Grau de alavancagem

FPSO

− Floating, Production Storage Offloading

MMQO

− Método dos Mínimos Quadrados Ordinários

MQO

− Mínimos Quadrados Ordinários

OLS

− Ordinary Least Squares

OTC

− Offshore Technology Conference

PETROBRÁS

− Petróleo Brasileiro S/A

SELIC

− Sistema Especial de Liquidação e Custódia

SQE

− Soma dos Quadrados dos Erros

SUMÁRIO

1 INTRODUÇÃO......................................................................................................15

1.1 Questão de pesquisa .........................................................................................23

1.2 Objetivos ............................................................................................................23

1.2.1 Geral................................................................................................................23

1.2.2 Específicos......................................................................................................23

2 REFERENCIAL TEÓRICO....................................................................................24

2.1 Formulação estratégica......................................................................................24

2.2 Diferentes níveis estratégicos ............................................................................35

2.3 Processo estratégico..........................................................................................37

2.3.1 Uma alternativa de análise: a análise PEST ...................................................40

2.4 Administração estratégica ..................................................................................45

2.5 Definição das variáveis construídas ...................................................................51

2.6 A construção do risco ambiental ........................................................................51

2.6.1 Gestão de risco ...............................................................................................55

2.6.2 Origem e evolução do risco.............................................................................56

2.7 Dimensões do risco ambiental ...........................................................................63

2.7.1 A construção do conceito de estratégia corporativa........................................64

2.8 Dimensões da estratégia corporativa .................................................................65

2.8.1 Liquidez...........................................................................................................65

2.8.2 A estrutura de capital.......................................................................................67

2.8.3 Desempenho da firma .....................................................................................68

2.8.4 Relação entre os conceitos construídos..........................................................70

3 OPERACIONALIZANDO OS CONCEITOS E DIMENSÕES................................72

3.1 A construção de risco ambiental ........................................................................72

3.2 A construção da estratégia corporativa ..............................................................76

3.2.1 Estratégia de liquidez ......................................................................................76

3.2.2 Estrutura de capital .........................................................................................76

3.2.3 Desempenho da firma .....................................................................................77

4 DESENVOLVIMENTO DE HIPÓTESES...............................................................78

5 METODOLOGIA...................................................................................................86

5.1 Análises empíricas .............................................................................................88

5.1.1 Operacionalização das variáveis.....................................................................88

5.2 Descrição do modelo Ordinary Least Squares (OLS) ........................................92

5.3 Breve histórico das organizações em estudo...................................................106

5.3.1 AMBEV..........................................................................................................106

5.3.2 EMBRAER.....................................................................................................107

5.3.3 SADIA............................................................................................................108

5.3.4 PETROBRÁS ................................................................................................110

6 ANÁLISE ESTATÍSTICA E RESULTADOS DA ESTIMAÇÃO...........................113

6.1 Risco ambiental e estratégia corporativa..........................................................113

6.2 Risco ambiental e estrutura de capital .............................................................114

6.3 Risco ambiental e desempenho da firma .........................................................116

6.4 Estratégia corporativa e estrutura de capital ....................................................118

6.5 Estratégia corporativa e desempenho da firma................................................118

6.6 Estrutura de capital e desempenho da firma....................................................120

7 CONSIDERAÇÕES FINAIS................................................................................122

7.1 Discussão dos resultados.................................................................................122

7.2 Implicações para a administração de empresas: questões conceituais ...........139

7.3 Limitações de pesquisa e sugestão para trabalhos futuros..............................141

REFERÊNCIAS.......................................................................................................144

ANEXOS

ANEXO A – Resultados da AMBEV......................................................................151

ANEXO B – Resultados da PETROBRÁS............................................................161

ANEXO C – Resultados da SADIA .......................................................................171

ANEXO D – Resultados da EMBRAER............................................................................... 181

1 INTRODUÇÃO

Na competição dos negócios, algumas nações e indústrias têm sucesso, enquanto

outras falham. Em outras palavras, algumas são mais competitivas do que outras.

O tema é antigo, pois no início do século XIX, David Ricardo (1817) anunciava a

teoria da vantagem comparativa. Muitos estudos sucederam-na, mas ficaram

praticamente restritos à área acadêmica.

O assunto ganhou grande importância no início da década de 80 devido à entrada

de produtos orientais, principalmente japoneses, no mercado norte-americano. Daí,

a preocupação com a competitividade alastrou-se rapidamente pelos continentes. E

tornou-se atualíssima no Brasil em decorrência da política de abertura comercial.

A questão da competição estratégica é vital para as organizações mundiais. Com o

aumento da competição em um mundo globalizado, os atributos necessários para o

sucesso ou o fracasso de uma organização se refletem nas escolhas estratégicas

que os administradores realizam ao longo do tempo.

Mais do que posicionar a empresa corretamente em um nicho estratégico na

indústria, o ambiente globalizado traz ainda novos desafios para os administradores

estratégicos. O recente ingresso da China na competição internacional, com

produtos de custo baixo, as crises financeiras em escala mundial, o ambiente

regulatório, todas estas são questões presentes no dia-a-dia dos líderes

empresariais.

Saber quais são os determinantes do sucesso, tornou-se uma das principais

preocupações em todo o mundo. A questão chave é como uma nação ou indústria

pode criar e manter a sua competitividade. Como muitos acadêmicos vêm tentando

explicar esta questão, tem havido um debate intenso a respeito da forma pela qual a

competitividade, entendida como fonte de sucesso na competição internacional, é

criada.

Por outro lado, a rapidez com que as mudanças ambientais se operam obriga à

adoção de instrumentos mais eficientes de coleta e interpretação de dados e

informações para reduzir os prazos de análise ambiental e evitar sua obsolescência.

Napoleão Bonaparte, cujas qualidades de estrategista dispensam comentários

elogiosos, costumava resumir nesta frase sua filosofia de batalha: Entra-se (na

batalha). E depois, vê-se (o que fazer). Essa máxima, formulada por um dos maiores

estrategistas de todas as épocas, parece estar em completo desacordo com toda a

fundamentação teórica do planejamento estratégico, que prescreve exaustivas e

minuciosas análises ambientais e um completo trabalho de informação antes de se

“entrar na batalha”.

Na verdade, como a história relata, Napoleão realizava estudos ambientais

cuidadosos antes de cada batalha, com os instrumentos de inteligência que

dispunha à época. Sua frase servia mais para advertir seus generais para que, em

face da imprevisibilidade das situações reais de batalha, usassem sua capacidade

de adaptação rapidamente, em vez de ficarem procurando abrigo e consolo nas

minúcias dos planos preestabelecidos, que haviam sido modificados por ações

imprevistas dos inimigos.

No entanto, havia duas diferenças consideráveis entre a Europa do início do século

XIX e a realidade dos dias de hoje: a primeira se refere à complexidade do

ambiente, uma vez que o universo de fatores econômicos, sociais, políticos,

tecnológicos e culturais a ser considerado pelos estrategistas era infinitamente

menor; e a outra diz respeito ao fato que os instrumentos de inteligência e

informação eram bastante limitados quando comparados à quase infinita quantidade

de informação que se encontra à disposição dos “generais” empresariais dos dias de

hoje. Mas a máxima napoleônica continua a valer.

O exercício do planejamento estratégico nas empresas carrega consigo a promessa

de ampliação dos níveis de racionalidade nas decisões empresariais, mediante um

adequado conhecimento dos fatores internos e externos (ambientais) que têm

influência determinante ou relevante no seu funcionamento. Conhecendo tais

fatores, os empresários e administradores poderiam reagir adequadamente a eles.

Idealmente, o planejamento estratégico bem executado permitiria às organizações

uma permanente capacidade de antecipação: antecipando (prevendo) as

modificações relevantes em seus fatores operacionais, a organização seria capaz de

antecipar-se a elas. No primeiro caso, a organização teria como benefício a

ampliação de suas capacidades cognitivas; no segundo, estaria aperfeiçoando sua

possibilidade de agir proativamente em relação aos seus concorrentes (atuais e

potenciais), o que representaria ganhos estratégicos importantes.

Nesse sentido, a realização de uma ampla prospecção ambiental como parte

integrante e indispensável do diagnóstico estratégico, que é a peça inicial de todo o

processo de planejamento, é lugar comum em toda a literatura da área. Da mesma

maneira, a proposição de mecanismos de interface entre a organização e seu

ambiente como um dos subsistemas fundamentais das organizações econômicas

também tem lugar assegurado na literatura relevante.

No entanto, cresce nos administradores o sentimento que o comportamento das

variáveis ambientais é cada vez mais volátil e imprevisível, resultando em que sua

análise mais aprofundada é virtualmente impossível em prazos razoáveis, pois antes

de concluída estaria obsoleta. Como conseqüência, as tarefas típicas do

planejamento estratégico se tornariam meros rituais de uma suposta busca da

racionalidade, os quais não se traduziriam em reais benefícios para a empresa.

O tema estratégia competitiva é extremamente amplo, comportando estudos no nível

macroeconômico e no nível microeconômico. Os estudos macroeconômicos

enfocam os impactos sobre os preços financeiros, a eficiência global da economia,

as políticas econômicas e industriais, etc. Os estudos microeconômicos tratam não

só da competição entre empresas como também entre indústrias ou setores

industriais ou ramos de negócios, entendendo-se estes como formados pelo

conjunto das empresas que ofertam produtos e serviços similares (como a indústria

de bens de capital ou o setor financeiro).

A Teoria Econômica, estudando as estruturas de mercado para avaliar seu efeito na

eficiência geral da economia, não explica satisfatoriamente a competitividade entre

as nações. Isso por que a maioria dos economistas desenvolve seus estudos sobre

o pressuposto da concorrência perfeita, quando a estrutura de mercado mais

freqüentemente encontrada na realidade é a do oligopólio.

Por essa razão, o estudo da competitividade nacional tem conseguido maiores

avanços pelo enfoque da Teoria da Estratégia Empresarial. Destaca-se, nesta, a

obra de Michael Porter (1990), The Competitive Advantage of Nation, resultado da

pesquisa que fez em dez países para o governo Reagan (1981-1988).

Porter rejeita todas as explicações baseadas em recursos naturais abundantes,

mão-de-obra barata, taxa de câmbio, taxa de juros e em déficits governamentais,

uma vez que nenhuma delas é completamente satisfatória.

O único conceito significativo de competitividade nacional é, para Porter, o de

produtividade de empresas. Portanto, para encontrar respostas, é necessário

enfocar não a economia como um todo, mas sim indústrias específicas, entendidas

estas como o conjunto de empresas que atuam no mesmo setor.

Porter identifica quatro atributos de uma nação que constituem o “diamante” da

vantagem nacional:

− Condições dos fatores de produção;

− Condições de demanda do mercado interno;

− Indústrias relacionadas e fornecedoras; e

− Estratégia, estrutura e concorrência das empresas.

Michael Porter dá a ponte entre a competitividade nacional e a empresarial: a

produtividade da empresa.

Portanto, para um país tornar-se competitivo, suas empresas precisam alcançar

elevada produtividade. Peter Drucker (1991) também partilha dessa idéia, pois

ressuscita a produtividade como o grande desafio dos anos 90.

Conseqüentemente, para estudar a competitividade da nação, deve-se estudar

precipuamente a competitividade e a produtividade das empresas.

Durante a década de setenta, o sucesso empresarial era retratado pela participação

do mercado. A participação do mercado é alcançada por meio de economias de

escalas e de efeitos da experiência, que diminuem os custos. Por esse enfoque, a

vantagem competitiva é obtida por uma estratégia de custo e não de diferenciação.

Na década de oitenta, cresceu a importância da inovação tecnológica. Essa passou

a constituir-se num dos principais, talvez o principal meio de conseguir-se vantagem

competitiva. Por esse enfoque, a competitividade é obtida tanto por uma estratégia

de custo quanto por uma de diferenciação.

Há duas linhas básicas de estudo da competitividade microeconômica. Uns

entendem que a estrutura de mercado é o principal fator que explica as diferenças

de competitividade e lucratividade entre empresas e setores industriais. Outros

justificam essas diferenças pelo comportamento das empresas.

Para Porter (1980), a escolha de uma estratégia competitiva comporta duas

decisões: a primeira, sobre qual indústria atuar; a segunda, sobre qual a posição

relativa dentro da indústria.

Para tomar a primeira decisão, é necessário levar em consideração a estrutura da

indústria, ou seja, as cinco forças determinantes da atratividade de uma indústria:

− Ameaça de novos entrantes.

− Poder de negociação dos compradores.

− Poder de negociação dos fornecedores.

− Ameaça de serviços ou produtos substitutos.

− Rivalidade entre empresas existentes.

A segunda decisão – sobre a posição relativa da empresa dentro de sua indústria –

diz respeito à estratégia a adotar, cabendo à empresa optar por uma das três únicas

possíveis: liderança de custo, diferenciação ou enfoque. Estas se baseiam na busca

de uma vantagem competitiva sustentável pela prática do posicionamento no

mercado em termos de baixo custo ou diferenciação, fatores originários da sua

estrutura industrial. As estratégias de liderança no custo e de diferenciação têm seu

foco amplo, ou seja, no setor de atividade como um todo, ao passo que a estratégia

de enfoque, seja no custo, seja na diferenciação, está voltado para um segmento

específico do setor de atividade.

Para estabelecer, implantar e sustentar uma estratégia competitiva, Porter utiliza a

cadeia de valores, que divide a empresa nas suas várias atividades.

Em mercados emergentes como o Brasil, os desafios se potencializam ainda mais.

Além dos desafios crescentes, o turbulento ambiente macroeconômico característico

dos mercados emergentes contribui para aumentar a incerteza.

Mudanças em níveis de taxa de câmbio desestruturam a matriz industrial,

favorecendo ou desestimulando empresas que transacionam no mercado

internacional, sejam como exportadoras de produtos ou importadoras de matérias-

prima e capital. Vantagens estratégicas de custos podem ser modificadas

repentinamente em função de mudanças cambiais.

Outro aspecto do impacto do ambiente macroeconômico volátil nas estratégias

empresariais é o binômio taxa de juros – crescimento da demanda interna. Estas

duas variáveis estão negativamente correlacionadas, e sua variância pode alterar

significativamente tanto a margem bruta das empresas em função da diminuição de

ganhos de escala, devido a menor demanda, quanto o custo de capital e a aversão

ao risco dos administradores em realizar novos investimentos.

Por fim, a inflação é outro fenômeno macroeconômico que já definiu estratégias

vencedoras no passado, e que ainda possui relevância no presente. Empresas

sofrendo inflação de custos podem ter dificuldades para recompor margens em um

ambiente de juros altos e demanda reduzida.

Neste trabalho, buscaremos analisar as razões para a crescente instabilidade dos

ambientes estratégicos e a utilização de instrumentos analíticos para conviver com

ela. A conclusão a que se pode chegar é que, se a existência incontestável desse

fator de complexidade no processo de planejamento estratégico não é suficiente

para desacreditá-lo, é suficiente, no entanto, para obrigar a adoção de técnicas mais

eficientes e menos formalistas de diagnóstico e de controle estratégico para manter

sua utilidade. Propositadamente, a análise é aclimatada às características das

organizações brasileiras e do ambiente em que são obrigadas a operar, uma vez

que o objetivo fundamental deste texto é contribuir para o desenvolvimento de uma

epistemologia própria às nossas características estruturais.

1.1 Questão de pesquisa

Como os fatores de risco relacionados ao ambiente econômico influenciam a

estratégia das empresas em um ambiente sujeito a grandes variações?

1.2 Objetivos

1.2.1 Geral

Contribuir para a compreensão da interação entre os fatores de risco construídos,

relacionados ao risco ambiental, e a estratégia das firmas, sob diferentes aspectos,

tais como liquidez, endividamento, fluxo de caixa, retorno sobre patrimônio líquido e

grau de alavancagem financeira no âmbito da realidade brasileira.

1.2.2 Específicos

1. Buscar sugerir quais os fatores de risco ambientais relevantes e como os

mesmos impactam um conjunto de empresas da economia brasileira.

2. Estudar a relação entre aspectos da estratégia corporativa e os fatores de risco

que determinam esta estratégia no nível ambiental, mais especificamente, definir

por que são relevantes os aspectos relacionados à liquidez da firma, estrutura de

capital, desempenho corporativo.

3. Medir, por meio dos indicadores construídos e citados nos objetivos específicos 1

e 2, o grau de exposição das firmas selecionadas na amostra, aos fatores de

risco ambientais considerados, e inferir com base em análises econométricas, se

é possível estabelecer uma relação significativa entre as construções para os

fatores de risco e a as construções para os aspectos relevantes da estratégia das

firmas.

2 REFERENCIAL TEÓRICO

2.1 Formulação estratégica

O termo estratégia tem sido utilizado originalmente na literatura militar. Estratégia é

definida neste sentido como “arte de projetar e direcionar os grandes movimentos

militares e operações de uma campanha” (Oxford Dictionary, 2004). Como a

definição oficial descreve, o foco principal está em grandes questões e não em

pequenas. Contudo, o conceito de estratégia tem sido usado em outras áreas, como

na administração de negócios, que nos interessa mais do ponto de vista do nosso

estudo. O dicionário Oxford define estratégia, no conceito utilizado em negócios,

como um plano para ação bem sucedida, baseado na racionalidade e na

interdependência de movimentos de participantes adversários. Esta definição, como

grande parte das definições de estratégia aplicada a negócios, ilumina as

considerações com movimentos de partes adversárias (competidores) no processo

de formulação estratégica.

Estratégia tem sido compreendida como planejamento de longo prazo em um grande

número de estudos (MINTZBERG, 1999; PORTER, 1996). O planejamento de longo

prazo permite que uma organização construa capacidades e habilidades únicas,

para clarificar os objetivos e políticas da empresa e alocar recursos adaptados a sua

estratégia. Em geral, esse horizonte de planejamento estratégico é de um a três

anos nas empresas de rápido crescimento e, de até 10 anos, nas demais.

Diversos autores (MINTZBERG e QUINN, 1991; MEIRELLES e GONÇALVES, 2001;

PORTER, 1999; LODI, 1969) afirmam que estratégia não é apenas uma forma de

lidar com um concorrente em um ambiente de concorrência ou de mercado,

conforme se apregoa em grande parte da literatura e em discussões não

acadêmicas. Para eles, tal conceito não se limita a idéias, proposições, diretrizes e

soluções; significa, sim, uma amplitude ou abrangência que engloba o conceito de

eficácia operacional. Além disso, alertam que não se deve confundir estratégia com

táticas, pois vai além da inovação, da diversificação e do planejamento financeiro.

Para Mintzberg e Quinn (1991), estratégia é um modelo integralizador dos objetivos,

das políticas e das ações seqüenciais de uma organização. Meirelles e Gonçalves

(2001) definem estratégia como a disciplina da administração que se ocupa da

adequação das ações organizacionais ao seu ambiente de atuação.

Wright, Kroll e Parnell (2000) definem estratégia como os planos da alta

administração para alcançar resultados consistentes com a missão e os objetivos

gerais da organização. Trata-se de uma definição ampla, que fornece as diretrizes e

indica os caminhos para uma organização vencer num mercado altamente

competitivo, como ocorre atualmente com a maioria dos mercados em nível mundial.

O propósito da estratégia é garantir uma vantagem competitiva, definindo a direção e

o escopo da organização. O número e foco de indústrias e atividades são decisões

típicas de organizações que estão determinando sua direção e escopo estratégicos.

A obtenção, desenvolvimento e manutenção de vantagens competitivas são o

propósito principal da estratégia, porque permite às empresas garantir uma

rentabilidade superior. Desta forma, a vantagem competitiva é a habilidade de uma

firma de superar a sua indústria, ou seja, obter uma taxa de retorno superior à média

de seus competidores. A vantagem competitiva pode ser obtida baseada em

habilidades superiores (por exemplo, o capital humano da organização), recursos

(tecnologias, patentes, ativos especializados, etc.) ou posições em um mercado

especial. Assim, a vantagem competitiva pode ser baseada em recursos intangíveis,

porque estes são menos visíveis e conseqüentemente mais difíceis de serem

compreendidos e imitados do que recursos tangíveis.

Outro objetivo da estratégia é atender às expectativas dos stakeholders (acionistas,

credores, funcionários) pela realocação dinâmica de recursos e competências de

uma organização em um ambiente em constante mutação. Dessa forma, os recursos

e competências de uma organização devem estar em sintonia com mudanças

antecipadas no ambiente. Os recursos podem ser físicos, humanos, financeiros,

intangíveis. As competências de uma empresa podem ser baseadas em uma

eficiência de custos excepcional, valor adicionado aos clientes, excelente

administração de links dentro da cadeia de valor da organização e integração entre

as cadeias de oferta e distribuição, e as dificuldades na transferência e imitação de

competências e habilidades entre organizações.

Contudo, as forças ambientais e as competências e recursos de uma empresa não

afetam a estratégia organizacional apenas porque os valores e expectativas

daqueles que têm poder na organização atuam sobre o próprio efeito da estratégia.

Acionistas, instituições financeiras, administradores, empregados, fornecedores,

clientes, e comunidades também são instâncias que influenciam sobre a

organização.

Existem dois caminhos possíveis de considerar a relação entre a estratégia de uma

empresa e seu ambiente se as empresas estão planejando suas estratégias. O

desenvolvimento da estratégia pode ser baseado em fit ou stretch.

O fit enxerga os administradores tentando desenvolver estratégias via identificação

(ou sendo sensíveis a) de forças ambientais organizacionais e desenvolvendo os

recursos organizacionais para responder a estas forças.

O stretch enfatiza a necessidade de ser especialmente consciente das competências

da organização, como estas competências podem ser desenvolvidas para dar

vantagem competitiva, e a necessidade de pesquisa de oportunidades baseadas

nestas competências. Portanto, stretch e fit exploram estratégias de formas

diferentes. Stretch foca nas competências organizacionais, enquanto fit foca no

ambiente que deveria ser considerado antes da análise das competências internas.

Ambos são dois extremos e, as empresas estão atentas tanto a suas competências

quanto ao ambiente, na formulação de estratégias.

Vários são os autores que vêm buscando projetar as mudanças que estão em curso

e suas influências para as organizações, bem como para os gestores. Prahalad

(1999) apontou oito mudanças significativas em andamento, neste início de milênio.

A primeira delas diz respeito à globalização, já que a expansão global poderia

produzir assimetrias regionais nos padrões de crescimento e provocar mudanças

significativas na destinação de recursos e de investimentos de uma organização.

A segunda mudança refere-se às desregulamentações, às privatizações e às

horizontalizações de companhias de vários setores econômicos. Segundo o autor,

tais aspectos poderiam trazer três implicações básicas para as organizações, ou

seja, a maioria destas, antes locais, tornar-se-iam regionais, nacionais e

internacionais; a microeconomia mudaria substancialmente e o desemprego

apresentaria índices mais expressivos.

A terceira mudança seria a volatilidade que, associada à sazonalidade, criaria um

novo conjunto de exigências para a direção das empresas. A necessidade de

aumentar ou diminuir a produção e de reduzir significativamente o tempo de

desenvolvimento de produtos estaria cada vez mais presente para as organizações.

A quarta mudança diz respeito à convergência, não só tecnológica que inclui

informática, comunicações e produtos eletrônicos, mas também de outros setores

importantes, como, por exemplo, produtos de beleza e cosméticos associados ao

progresso científico.

A quinta mudança salienta a questão das fronteiras tênues entre os setores, uma

vez que, em conseqüência das convergências, várias fronteiras tradicionais entre os

mesmos estariam desaparecendo. Esse fato faz com que seja dificultada a

identificação dos concorrentes e exige das organizações a seleção de novas

oportunidades a partir de perspectivas próprias.

A sexta mudança concerne aos padrões, isto é, à medida que os mercados evoluem,

novos setores produzem padrões distintos para acompanhar essa evolução.

A sétima mudança diz respeito ao fim da intermediação, evidenciando que em

vários setores, a distância entre produtores e consumidores finais vem diminuindo.

Esse fato revela uma mudança em relação aos canais de distribuição tradicionais e a

evolução do comércio eletrônico, via Internet, como ferramenta para alcançar os

clientes finais.

A oitava e última mudança, segundo o autor, é a mais significativa e se refere à

consciência ecológica. Nesse sentido, as organizações mudariam de uma

perspectiva de simples cumprimento da lei para uma postura orientada pelas

oportunidades de negócios que levem em consideração as questões ambientais.

Como conseqüência de todas essas mudanças, Prahalad (1999) afirma que as

organizações devem permanecer atentas às transações internacionais, às alianças

temporárias, nas quais o aprendizado é tão importante quanto garantir a propriedade

intelectual, à velocidade não apenas no desenvolvimento de produto, mas também

na transferência de conhecimento entre mercados e empresas. As organizações

devem ainda reavaliar o modelo empresarial que vêm utilizando.

Por fim, com o objetivo de administrar as mudanças competitivas iminentes, segundo

Prahalad (1999), os gestores deverão:

− Incorporar novos pacotes tecnológicos aos já utilizados pela organização.

− Modificar a composição das equipes.

− Transferir rapidamente as competências essenciais para diferentes unidades de

negócios.

Portanto, a constatação proeminente é que a sociedade moderna está passando por

grandes transformações, tendências genéricas ou megatendências, cujos reflexos

na administração das organizações serão profundos e marcantes. Essas

megatendências e seus reflexos na administração contemporânea podem ser assim

elencadas:

− Com o rápido avanço da tecnologia e das comunicações, o tempo gasto para se

exercer influência mundialmente, mesmo dos lugares remotos, foi reduzido de

anos para alguns segundos. “O mundo está cada vez menor” – é um clichê

terrivelmente verdadeiro para as organizações de hoje.

− Os negócios estão se tornando um campo global unificado, à medida que caem

as barreiras comerciais.

− A comunicação fica mais rápida e mais barata e as preferências do consumidor

convergem em tudo, desde produtos manufaturados até a prestação de serviços.

No século XXI as organizações deverão se sentir “em casa” em qualquer lugar do

mundo. As empresas poderão localizar diferentes pares de suas organizações onde

quer que isso faça mais sentido para os negócios: a liderança da cúpula em um país,

a capacidade intelectual técnica e a produção em outros (DAFT, 2002).

Segundo Daft, embora essa crescente interdependência traga muitas vantagens, ela

significa também que o ambiente ficou extremamente complexo e competitivo para

as empresas. As organizações precisam aprender a cruzar fronteiras de tempo,

culturais e geográficas para sobreviver. Toda empresa, grande ou pequena, enfrenta

a concorrência internacional em seu próprio terreno, ao mesmo tempo em que se

defronta com a necessidade de ser competitiva nos mercados internacionais. É

crescente hoje a necessidade de o composto organizacional desenvolver um

conhecimento intercultural.

Observa-se que grandes organizações estão trabalhando para globalizar suas

estruturas gerenciais e ficar mais competitivas internacionalmente, ao passo que as

menores estão procurando estruturas e processos que as ajudem a alcançar as

vantagens da interdependência global e a minimização das desvantagens (DAFT,

2002).

A internacionalização da vida, observada no mundo contemporâneo tem, segundo

Parker (1999), gerado um novo tipo de sentimento, expresso na tendência de

considerar que eventos mundiais estão convergindo para a integração de um mundo

único, em que influências sociais, econômicas e culturais estariam atravessando

fronteiras, hoje permeáveis, como nações, culturas e organizações de todos os tipos.

Essa noção de mundo global, denominada “globalização”, ainda segundo Parker, é

um fenômeno em expansão, do qual ainda se sabe muito pouco, e que tem a ele

associada uma variedade e complexidade de temas, que não facilitam a construção

de um consenso sobre o seu real significado.

A globalização, ao reduzir ou eliminar as barreiras nacionais entre os sistemas

econômicos, vem produzindo o que Milton Santos chamou de universalização da

economia e do espaço (SANTOS, 1996), em que a produção está cada vez mais

distanciada dos locais de consumo e os indivíduos estão, necessariamente,

conectados com outros indivíduos situados em locais progressivamente mais

longínquos.

Ora, essa universalização amplia dramaticamente o alcance dos fenômenos antes

restritos aos ambientes nacionais sobre diferentes sistemas econômicos em todo o

mundo. Um exemplo eloqüente dessa ampliação é observável no caso da

globalização financeira. Com a integração dos diferentes mercados financeiros

mundiais, não apenas o volume de recursos que transitam entre eles aumentou de

maneira exponencial, como experimentou uma profunda alteração qualitativa: entre

1980 e 1994, os empréstimos internacionais aumentaram dez vezes (HIRST e

THOMPSON, 1996), enquanto os empréstimos de tipo tradicional foram substituídos

majoritariamente por novos instrumentos financeiros como a securitização e toda a

classe dos chamados derivativos, “boa parte dos quais são instrumentos esotéricos,

difíceis de entender, de acompanhar e de controlar”.

Outra conseqüência desse processo de globalização financeira foi o de criar uma

associação inevitável entre a política monetária doméstica de cada país e sua

política cambial que, no passado, puderam caminhar de maneira relativamente

independente: a fixação dos juros internos por parte das autoridades monetárias

respondia a fatores essencialmente internos, tais como a expansão de meios de

pagamento, a velocidade da moeda, a pressão da demanda sobrcapacidade

industrial instalada, etc. As questões externas, certamente, eram levadas em

consideração, mas não tinham a centralidade que hoje desfrutam, pois com a

ampliação dos fluxos comerciais e o acesso ao mercado financeiro internacional por

parte das empresas privadas de um determinado país (e de seus governos), a taxa

de juros doméstica passou a ser um elemento crucial para regular o fluxo de

recursos internacionais, atraindo-os ou afugentando-os. Política monetária e política

cambial passaram, assim, a ser duas faces da mesma moeda.

Hoje, nenhum mercado financeiro do mundo consegue ficar imune a crises de

liquidez ou de confiança originadas em outro, mesmo que a crise tenha sido gerada

por razões totalmente localizadas e típicas do outro país. Foi o que aconteceu com a

crise da economia russa e de alguns países orientais em meados de 1998: na

medida em que investidores internacionais procuravam limitar suas perdas e manter

posições em tais mercados, passaram a se desfazer de investimentos em outros,

especialmente nos mercados “emergentes” (emerging markets), para recuperar

liquidez; assim fazendo pressionaram esses últimos, provocando fuga de divisas, o

que – por seu turno – passava a ser o ingrediente deflagrador de uma nova crise,

desta vez no mercado emergente, antes tranqüilo.

O caso brasileiro é ilustrativo: desde o início do Plano Real, a estratégia cambial das

autoridades brasileiras repousava na ampliação do intercâmbio comercial nas duas

mãos (exportação e importação) sem preocupações em gerar excedentes (saldos)

significativos na balança comercial. A situação ideal seria a de crescimento

equilibrado de exportação e importação, com as empresas (e o governo) recorrendo

ao mercado internacional de capitais para atrair recursos para investimentos e para

financiar os eventuais déficits oriundos da conta de serviços. Uma taxa de juros

generosa e regras flexíveis para o tratamento do capital internacional de curto prazo

garantiriam a formação de um amplo colchão de liquidez internacional, representado

por reservas capazes de financiar, confortavelmente, as importações e o serviço da

dívida externa. Na prática, erros de execução da estratégia acabaram por estimular

exageradamente as importações, gerando déficits na balança comercial, mas o fluxo

de capitais internacionais para o país mais do que compensava esses desequilíbrios,

atraído por taxas de juros extremamente elevadas que permitiam aos banqueiros e

investidores realizar arbitragens altamente vantajosas.

Do ponto de vista do governo, que via o afluxo de capitais internacionais abarrotar

as reservas brasileiras, o modelo funcionava às mil maravilhas, embora esse

otimismo não fosse compartilhado pelo empresariado nativo, obrigado a pagar altas

taxas de juros no front doméstico para viabilizar o afluxo contínuo das divisas.

Mesmo com a crise de liquidez do México em 1994, que produziu o que os

jornalistas apelidaram de efeito tequila, pois outras economias emergentes (como o

Brasil e a Argentina) viram suas reservas minguarem rapidamente quando os

investidores internacionais passaram a tirar capitais desses países para reforçar

suas posições nos mercados que consideravam preferenciais, a estratégia se

mostrou sólida: uma pronta reação das autoridades monetárias elevando os juros

internos (e penalizando, novamente, o empresariado e o sistema produtivo nacional)

rapidamente recompôs a situação.

A conclusão, a que se pretende chegar com esta análise, é demonstrar que por

melhores que fossem os instrumentos de diagnóstico ambiental que uma

organização dispusesse, era virtualmente impossível prever que um conjunto de

eventos localizados na Rússia, Indonésia e Tailândia, países com os quais o Brasil

tem pouquíssimo em comum em termos de intercâmbio comercial e financeiro,

viesse a ter tamanho impacto sobre as empresas brasileiras. É preciso notar que

poucas empresas podem se dar ao luxo de adotar estratégias imobilistas do tipo

“esperar para ver” (wait and see), sendo obrigadas a tomar decisões de risco,

mesmo quando sabem que o ambiente em que estão operando está carregado de

volatilidade.

2.2 Diferentes níveis estratégicos

Em empresas grandes ou diversificadas a estratégia pode ser formulada em

diferentes níveis. A estratégia pode ser formulada em níveis corporativos, de

negócios e operacional. O pré-requisito do sucesso organizacional é que todos os

níveis estratégicos se juntem para formar um todo consistente e coerente.

O nível corporativo é o mais amplo. Ele determina os negócios nos quais a empresa

escolhe competir e escolhe a forma mais eficiente de alocar recursos escassos entre

unidades de negócios. A estratégia corporativa revela a natureza da contribuição

econômica e não-econômica que visa fazer aos acionistas, empregados, clientes e

comunidade.

De acordo com Porter (1999), a estratégia corporativa deve também responder às

seguintes questões: como a diretoria deve administrar o conjunto de unidades de

negócios e porque a corporação é melhor e maior do que a soma de suas unidades

de negócios. A última questão se relaciona ao conceito de sinergia. Porter (1998)

propõe que empresas globais tenham que decidir como configurar as atividades

entre os países e como coordenar essas atividades internacionais.

Estratégia das unidades de negócios é o segundo nível da estratégia. Ela se

preocupa com a criação de vantagens competitivas e como competir de forma bem

sucedida em cada negócio que a empresa opera. Portanto, as estratégias de

unidades de negócios respondem as seguintes questões:

− Como a vantagem sobre competidores pode ser obtida?

− Quais as novas oportunidades que podem ser identificadas ou criadas nos

mercados?

− Quais os produtos ou serviços que devem ser desenvolvidos em quais

mercados?

− Em que medida esses produtos e serviços atendem às necessidades dos

consumidores de tal forma a atingir os objetivos da organização?

Finalmente, as estratégias devem ser integradas ao nível operacional, caso o

sucesso da estratégia deva ser garantido e a vantagem estratégica real deva ser

atingida. Estratégias operacionais estão preocupadas com as partes integrantes da

organização, em termos de recursos, processos, pessoas e suas habilidades,

colocados, conjuntamente, de maneira a formar uma arquitetura estratégica que vai

efetivamente criar uma proposta de direção estratégica geral, cujo principal foco

esteja na maximização da produtividade dos recursos em nível operacional.

Informações contábeis podem ser usadas em diversos níveis organizacionais

discutidos anteriormente. No nível mais alto (corporativo) a contabilidade gerencial

deve produzir informações sobre:

− A performance competitiva financeira e de longo prazo da organização.

− Condições de mercado.

− Preferências dos consumidores.

− Inovações tecnológicas.

No nível administrativo, a informação é basicamente financeira e o propósito é medir

os custos dos recursos utilizados para produzir um produto ou serviço e vender e

entregar o produto ou serviço aos clientes. No nível operacional a informação é não

financeira, provendo feedback sobre a eficiência e qualidade dos objetivos atingidos.

O modelo pode ser utilizado em pelo menos dois dos níveis estratégicos mais altos

(corporativo e unidades de negócios). No nível corporativo estes modelos podem ser

utilizados em pelo menos duas situações diferentes.

Primeiro, os modelos podem ser utilizados na alocação de recursos escassos para

as áreas de mercado com desenvolvimento mais promissor.

Segundo, os modelos podem mostrar a posição de preços (no varejo) comparada a

de competidores, e uma possível necessidade de mudanças na estratégia comercial.

No nível de unidade de negócios, os modelos podem ser utilizados em decisões de

produção (onde produzir de forma que se minimize os custos de produção). Apesar

dos níveis estratégicos, os modelos podem ser utilizados para explicar as razões de

performances boas ou ruins de subsidiárias ou operações em diferentes áreas de

mercado.

2.3 Processo estratégico

A determinação da estratégia pode ser entendida como um processo. Embora a

estratégia a ser escolhida no final seja similar (por exemplo, diferenciação ou

liderança em custos), a racionalidade (tomada de decisão) pode ser baseada em

intuição ao invés de um processo lógico. Portanto, o processo formal de

planejamento estratégico pode ser mais informal em alguns casos. O processo pode

ainda ser mais ou menos seqüencial, anárquico ou iterativo.

Ahola (1995) construiu um modelo de um processo estratégico contínuo. O modelo

iterativo inclui cinco fases e enfatiza o feedback contínuo durante a formulação e

implementação da estratégia. Os “itens” da estratégia devem ser considerados

porque têm impacto nas aspirações e objetivos da organização, expressos em:

− Metas

− Mandatos

− Missões ou

− Valores

Esses pontos requerem ação urgente quando o ambiente ou as operações e

capacidade da empresa mudam, se a empresa quiser sobreviver e prosperar.

Portanto, os administradores precisam de informação em tempo real no que diz

respeito ao ambiente, porque torna o processo estratégico mais rápido, permitindo

aos administradores a identificação de problemas e oportunidades mais cedo.

Na FIG. 1 está descrito o modelo de Ahola para um processo estratégico contínuo.

FIGURA 1 – Modelo de Ahola – Processo Estratégico Contínuo

Fonte: AHOLA, 1995.

PROCESSO ESTRATÉGICO CONTINUO

Definindo ou

atualizando

crenças e

premissas

básicas.

Definindo ou

atualizando

o curso

estratégico.

Efeitos

sobre

planos de

ação/metas

críticas de

alcance

Implementação

estratégica

Questões do

ambiente:

– Delineando

– Monitorando

– Prognosticando

Efeitos sobre

crenças e

premissas

básicas?

Efeitos

sobre o

curso

estratégico?

Efeitos

sobre

planos de

ação/metas

críticas de

Efeitos

sobre

a ação

imediata ?

QUESTÕES

ESTRATÉGICAS

QUATRO PERGUNTAS

1. AMBIENTE

MACRO

2. AMBIENTE

COMPETITIVO

3. AMBIENTE

TAREFA

1. MISSÃO

2. VISÃO

3. METAS/OBJETVOS

4. ESTRATÉGIAS

5. AGENDA

ESTRATÉGICA.

1. PLANOS DE

AÇÃO

2. METAS

CRITÍCAS DE

ALCANCE.

1. MEDIDAS

CONCRETAS

2.3.1 Uma alternativa de análise: a análise PEST

O acrônimo PEST é utilizado para identificar quatro dimensões de análise ambiental

de natureza qualitativa de fenômenos dificilmente quantificáveis: a Política, a

Econômica, a Social e a Tecnológica. O importante não é ressaltar a importância

dessas quatro dimensões, de resto bem conhecidas e exploradas em toda a

literatura relevante de planejamento estratégico, mas chamar a atenção para

algumas regras a serem utilizadas no seu manejo.

Como instrumento de redução dos riscos estratégicos, a análise PEST adquire maior

utilidade quando: é utilizada em conjunto com outros instrumentos analíticos, tais

como o Modelo das Forças Competitivas de Porter (1986); a seleção das variáveis a

ser pesquisada é limitada a cinco, para evitar uma dispersão da atenção entre um

maior número de fatores, sem dúvida, importantes, mas de menor impacto.

Norburn (1997) exemplifica o tipo de variáveis a ser pesquisada nessas quatro

dimensões:

a. Mudança política e intervenção governamental: até que ponto, por exemplo, a

ascensão de um determinado partido político ao poder determinará uma

alteração na política de estímulo industrial? Ou até que ponto os governos se

sentirão tentados a interferir nas decisões empresariais privadas, tais como a

localização de indústrias?

b. Dependência do ciclo econômico: como determinadas empresas (obviamente as

que estão realizando a análise e suas concorrentes) serão afetadas pelos

diferentes estágios de um ciclo econômico? Ou qual será a reação dos

governantes em termos de política monetária e fiscal a cada modificação

relevante no ciclo? Será mais prudente endividar-se a longo ou a curto prazo? E

assim por diante.

c. Mudanças sociais, demográficas, atitudinais e religiosas: quais são os efeitos das

mudanças demográficas sobre a demanda atual e potencial dos produtos da

empresa? E que efeitos sobre a indústria do tabaco resultarão da crescente

hostilização ao fumo na legislação de muitos países e nas atitudes dos

consumidores? Ou até que ponto o predomínio de uma determinada religião ou a

adoção de uma política fundamentalista (como a das repúblicas islâmicas) afetam

o funcionamento e as perspectivas de uma determinada empresa?

As recomendações quanto à limitação do número de variáveis a ser investigadas

têm razão de ser. O excesso de informações pode ter um efeito tão nocivo sobre a

capacidade de ação estratégica quanto sua escassez. Essa é uma síndrome que os

críticos do planejamento empresarial chamam de paranalysis, a paranalysis by

analysis. Às voltas com a digestão de um grande número de dados, uma empresa

pode se ver imobilizada, com receio de deixar de lado uma variável importante e não

agir tempestivamente.

Por seu turno, a recomendação de associar esse tipo de análise ao Modelo das

Forças Competitivas de Porter também é plenamente justificável. Ao concentrar seu

foco nas cinco forças competitivas (os “entrantes”, os “substitutos”, o poder relativo

dos fornecedores e dos consumidores, bem como a própria concorrência atual), a

empresa delimita seu universo de investigação, o que permite guardar o foco.

Outra recomendação de Norburn diz respeito à utilização de métodos quantitativos

para dar maior rigor à análise, mesmo reconhecendo que a análise PEST não

pretende ser uma técnica de quantificação precisa:

O primeiro passo é atribuir probabilidades a cada uma das variáveis; o segundo

consiste em avaliar os efeitos quantitativos e qualitativos da ocorrência de cada

variável sobre a capacidade (da empresa) alcançar seus objetivos corporativos.

Multiplicando a probabilidade pelo efeito, obtêm-se um ranking rudimentar de índices

de vulnerabilidade empresarial – e de oportunidades. Em seguida, esses índices são

refinados, eliminando as variáveis de menor impacto e concentrando a atenção

naquelas com impacto mais significativo (NORBURN, 1997).

Quais as implicações dessas recomendações sobre as estruturas de inteligência

empresarial? Com base no pressuposto de uma análise exaustiva do maior número

possível de variáveis ambientais, desenvolveu-se o pensamento, relativamente

simplista, de uma organização que contasse com sofisticado sistema de coleta e

tratamento de dados poderia conduzir seu destino, na medida em que, conhecendo

minuciosamente o ambiente em que opera (e, primordialmente, seus consumidores)

se transformasse em uma máquina de produção voltada para esses últimos. Muitas

empresas, ociosas da necessidade de perscrutar o ambiente em que estão

operando, montam estruturas para a coleta de dados, assinam newsletters,

contratam consultores e, mais recentemente, se debruçam na Internet em busca de

mais e mais subsídios para a tomada de decisão, em situações de complexidade e

incerteza crescentes.

Esse pensamento é simplista, pois, como frisou Haselhoff (1990), não apenas as

interfaces com o ambiente são, na prática, muito menos nítidas do que parecem na

teoria, como – igualmente – as interpretações dos diferentes membros de uma

organização sobre o ambiente não são necessariamente harmônicas; ao contrário, a

dissensão e o conflito interno são características usuais nas organizações

contemporâneas, o que leva a que um mesmo conjunto de informações mereça

interpretações totalmente diversas por parte dos executivos da empresa. Uma das

dificuldades habituais dos planejadores estratégicos decorre, exatamente, em ter de

conciliar diferentes pontos de vista e interesses dos que comandam, integram ou se

relacionam com uma organização (o que se convencionou chamar de stakeholders),

que tendem, inevitavelmente, a utilizar as análises ambientais para reforçar seus

pontos de vista, posições e interesses próprios. Afinal, está-se lidando com

hipóteses, expectativas e probabilidades e não com certezas matemáticas. Acresce

que o componente da audácia e da surpresa, inerentes à estratégia, estariam

prejudicados, na medida em que os executivos da empresa, seguindo rigorosamente

as tendências sugeridas pelos dados ambientais, tenderiam a agir de maneira

previsível e conformista para não ser responsabilizados pelos eventuais erros de

avaliação.

Portanto, contar com um bom sistema cognitivo ajuda, mas não resolve o problema

de como antecipar as mudanças ambientais e antecipar-se a elas, agindo

estrategicamente; para isso, é necessário muito mais, a começar por um trabalho de

natureza política a ser desenvolvido, para que a organização alcance um mínimo de

harmonia, em relação à forma como decide enfrentar os desafios externos

(HASELHOFF, 1990, p. 36).

A crescente complexidade do ambiente estratégico e o aumento exponencial dos

dados e informações a respeito de variáveis ambientais não determinam a

obsolescência dos processos de planejamento estratégico, entendido como o

processo pelo qual uma organização combina seus recursos e ações para atingir

seus objetivos. Mas, certamente, exige algumas qualificações importantes, como

descrevemos, a seguir:

a. Uma maior ênfase nos processos políticos da empresa, tais como a busca de

consenso, o gerenciamento de conflitos e a convergência de agendas e

interesses específicos dos dirigentes, acionistas e demais stakeholders, visando

reduzir os níveis de fricção interna e de entropia organizacional, ampliando dessa

maneira a capacidade de intervenção estratégica da empresa.

b. A utilização de instrumentos mais expeditos de coleta e interpretação de dados e

informações para reduzir os prazos de análise ambiental e evitar sua

obsolescência.

c. A adoção de estruturas decisionais que permitam que a análise multidimensional

e multidepartamental das informações ambientais coletadas substitua os

processos rotineiros de análise seqüencial, propiciando, assim, ganhos de tempo

consideráveis e o desenvolvimento de modelos holísticos de interpretação, em

oposição aos modelos fragmentários que são a tônica nas estruturas

convencionais.

Além disso, evidentemente, é necessário desenvolver estruturas e processos

gerenciais que valorizem e estimulem as capacidades de adaptação e de rápida

resposta entre executivos e gerentes.

2.4 Administração estratégica

Conceitos em administração estratégica e finanças corporativas enfatizam o papel

do ambiente nos termos de seu efeito sobre a firma. Esses conceitos ressaltam a

necessidade da firma de analisar o ambiente externo para identificar oportunidades

e ameaças. O processo de análise do ambiente externo se concentra na

identificação das forças no ambiente macro-externo para estudar os seus efeitos no

ambiente-tarefa e no ambiente da indústria, que por sua vez afeta o ambiente da

firma. A chave para este processo está na identificação de oportunidades e ameaças

que mantém a firma informada das mudanças no ambiente externo, que ajuda a

firma a formular estratégias para se adaptar a estas mudanças. Este processo é o

alinhamento entre o ambiente externo da firma e a escolha estratégica.

Em administração estratégica, o impacto do risco no ambiente é estudado sob os

conceitos ambientais, tais como incerteza, complexidade, dinamismo, etc. Em

finanças corporativas, estes conceitos recaem sob o conceito de risco

Note-se que a definição de risco em finanças corporativas é similar à definição de

risco em administração estratégica, na qual a estratégia das firmas de aproveitar

estratégias e reduzir ameaças é inerente aos tipos de riscos que os teóricos de

finanças corporativas enfatizam. Esses riscos por si só capturam os efeitos de

oportunidades e ameaças que são conceitualmente explicados pelos teóricos de

administração.

Pesquisadores tanto de administração estratégica quanto de finanças corporativas

têm estudado o impacto do risco do ambiente na firma. Os estudiosos na área de

estratégia têm estudado o impacto do ambiente na firma e como a formulação do

processo estratégico é impactada pelos conceitos ambientais. Esses teóricos

definem a formulação estratégica como função da escolha de estratégias que visa às

mudanças que ocorrem no ambiente externo da firma. Hill e Jones (1995) sugerem

que a firma precisa comparar forças, fraquezas, oportunidades e ameaças com o

objetivo de explorar oportunidades utilizando-se de forças existentes ou potenciais, e

contra atacar ameaças corrigindo as fraquezas da firma. Eles enfatizam também que

o processo de escolhas estratégicas envolve a identificação de estratégias

relacionadas aos níveis corporativo, de unidade de negócios e funcionais, com o

objetivo mais amplo de ser capaz de uma adaptação a um ambiente competitivo em

rápida mudança.

Esses conceitos se aplicam a como os teóricos de finanças corporativas definiram a

abordagem de firmas na administração do risco para aumentar o valor real e

percebido da firma. Em finanças corporativas, isto é definido sob o conceito de risco,

e seu impacto na forma como os recursos são alocados. A diferença entre

administração estratégica e finanças está em como os níveis de administração são

definidos. Enquanto em finanças corporativas a estratégia das firmas e alocação de

recursos é estudada em estratégias corporativas e estrutura de capital da firma, em

administração estratégica elas são definidas como estratégias em nível funcional,

unidade de negócios e corporativa.

Esses níveis de estratégia em uma firma foram definidos, pelos teóricos em

estratégia, para ajudar a identificar e conceituar as diferenças de abordagem na

administração de empresas, entre os diferentes níveis da hierarquia corporativa.

Estratégias no nível corporativo focam em que negócios a firma deveria estar

investida, para satisfazer os interesses dos stakeholders e maximizar o valor do

investimento dos acionistas. O foco aqui está em assuntos relacionados ao

crescimento e liquidez da firma, os quais influenciam a satisfação dos acionistas. Por

outro lado, estratégias no nível de unidade de negócios encampam análises sobre a

forma pela qual a empresa deveria buscar atingir uma vantagem competitiva via

posicionamento efetivo. Deve ser notado que estas estratégias de posicionamento

das empresas devem variar dependendo das características da indústria. Em

finanças corporativas, embora as estratégias no nível de negócios não sejam

definidas como estratégias de posicionamento, os objetivos destas estratégias e

seus efeitos são considerados dentro dos conceitos de diversificação e liquidez

associados às estratégias corporativas.

O objetivo de estratégias, no nível funcional, é atingir vantagens competitivas por

meio de estratégias direcionadas a melhorar a efetividade das operações funcionais

dentro de uma corporação. Note-se que em finanças corporativas as estratégias no

nível funcional são consideradas como agregados reportados como parte das

demonstrações financeiras de unidades de negócios individuais, que são então

analisadas em conexão com as estratégias corporativas. Deveria ser ainda notado

que as estratégias funcionais e de unidades de negócios são impactadas pela forma

como as estratégias corporativas são formuladas. Embora possa ser argumentado

que uma abordagem bottom-up na definição de estratégias funcionais e de unidades

de negócios não herdem os efeitos de estratégias corporativas de níveis funcionais

de negócios, na realidade, firmas definem sua estratégia de alocação de recursos

levando em consideração, primeiramente, os efeitos dessas estratégias no

desempenho corporativo global.

Uma vez que decisões de alocação de recursos são formuladas no nível corporativo,

administradores no nível de unidades de negócios podem identificar as estratégias

apropriadas para atingir os objetivos definidos pelos administradores no nível

corporativo.

Teóricos da administração têm sugerido que para atingir uma vantagem competitiva,

a firma deve obter um fit entre o ambiente, estratégia, estrutura, e controles. A

efetiva formulação da estratégia e sua implementação levam à realização dos

objetivos de desempenho identificados pelos stakeholders da firma. Enquanto o

conceito de fit entre o ambiente e a estratégia é importante para atingir o sucesso

estratégico, Prahalad (1991) sugeriu que a intenção estratégica é a chave para

atingir o sucesso em comparação com o fit estratégico – o paradigma que grande

parte dos teóricos da administração seguiram até o final dos anos 80. Esse autor

sugere que a intenção estratégica é a construção de novos recursos e competências

para explorar futuras oportunidades, enquanto a perspectiva de fit estratégico se

refere a atingir um melhor ajuste, ou fit, entre os recursos existentes na firma e as

oportunidades existentes no ambiente.

Em finanças corporativas, a perspectiva de intenção estratégica é estudada sob os

conceitos de como a firma é impactada pelo risco e como a firma aloca seus

recursos para administrar o risco no longo prazo. O alinhamento entre risco,

estratégias, estrutura e desempenho pode, portanto, ser validado ao se considerar

os efeitos defasados do risco nas decisões de alocação de recursos. A alocação de

recursos estudada em estratégias corporativas afeta a estrutura de capital das

firmas. E firmas que têm melhor desempenho são capazes de administrar o

processo descrito acima, vis-à-vis a alocação de recursos e decisões relacionadas à

estrutura de capital da firma de forma superior, levando à criação de valor para a

empresa.

O desempenho das empresas constitui-se na construção individualmente (e as

atividades em rede) mais importante que tem sido estudada por pesquisadores de

administração, bem como pesquisadores de finanças corporativas. Como objetivos

de desempenho é o que a empresa deseja atingir, essa construção será avaliada em

detalhes para revelar as variáveis chaves que a representam. O objetivo global da

existência da firma é continuar sobrevivendo por meio dos ciclos de vida da

indústria.

E para conseguir isso, a firma precisa garantir que os objetivos de desempenho

sejam atingidos consistentemente. Pesquisadores têm enfatizado várias medidas de

desempenho que variam, de medidas de satisfação dos acionistas vis-à-vis o retorno

sobre o patrimônio líquido e lucros por ação, até medidas de desempenho

operacional, por exemplo, retornos sobre vendas e lucro operacional bruto. As

medidas também variam em de cunho contábil até as baseadas em mercado,

conforme mostram as FIG. 2 e 3.

FIGURA 2 – Modelo conceitual proposto

Fonte: Pesquisa direta, 2005.

FIGURA 3 – Modelo teórico proposto

Fonte: Pesquisa direta, 2005.

RISCO AMBIENTAL

ESTRUTURA DE

CAPITAL

DESEMPENHO DA

FIRMA

ESTRATÉGIA

CORPORATIVA

TAXA DE CÂMBIO

TAXA DE JUROS

ESTRATÉGIA DE

LIQUIDEZ

DEBT / EQUITY

ALAVANCAGEM

FINANCEIRA

RETORNO SOBRE O

PATRIMÔNIO LÍQUIDO

Risco Ambiental Estratégica Corporativa Estrutura de capital

Desempenho da Firma

2.5 Definição das variáveis construídas

As construções conceituais identificadas neste estudo são o risco ambiental, a

estratégia corporativa, a estrutura de capital e o desempenho da firma. O item

presente explora essas construções, em mais detalhes, enquanto ressalta as várias

contribuições de pesquisadores do campo de pesquisa em administração de

empresas (que inclui tanto finanças corporativas quanto administração estratégica)

que levaram ao desenvolvimento da teoria.

Deve ser entendido que cada conjunto de construções será explorado dos pontos de

vista tanto de administração estratégica quanto de finanças corporativas, visando

ressaltar as semelhanças e diferenças que podem existir entre esses campos na

forma como as construções são definidas.

2.6 A construção do risco ambiental

A construção do risco do ambiente na literatura de administração estratégica emana

da escola de administração contingencial, que enfatiza o papel do ambiente na

definição de estratégias, e subseqüentemente a sua influência no desempenho das

firmas. Diversos pesquisadores em administração (DILL, 1958; EMIRY e TRIST,

1965; LAWRENCE e LORSCH, 1967; CHILD, 1972; JURKOVICH, 1974;

BOURGEOIS, 1980; DESS e BEARD et al., 1984, apud CHATHOUTH, 2002),

tentaram explicar o papel do ambiente na definição da estratégia das empresas, e

seu impacto no desempenho das firmas.

Esses estudos compreenderam duas ou três décadas de pesquisa, do final dos anos

cinqüenta até meados dos oitenta, que focam no conceito de ambiente e

contribuíram para o crescimento substancial da literatura pela pesquisa empírica e

conceitual.

Neste contexto, o papel do ambiente é fator contingencial da firma em termos das

oportunidades que pode criar e das ameaças que impõe. Isto é capturado nos vários

tipos de risco que a firma enfrenta em função de ameaças e oportunidades que

surgem do ambiente externo à firma. Esses riscos são função da complexidade e

incerteza do ambiente, que podem ter impacto significativo no sucesso da firma.

Administrar risco no nível organizacional é considerado a chave do sucesso de longo

prazo das firmas. De acordo com Busman e Van Zuiden (1998),

Existe um reconhecimento crescente que a coordenação e financiamento

efetivo de todas as facetas do risco organizacional é crítico para maximizar

o sucesso, sendo este sucesso medido pela riqueza criada aos acionistas,

ou no caso de organizações não-governamentais, educacionais ou sociais,

pelo escopo e qualidade dos serviços prestados (BUSMAN e VAN ZUIDEN,

1998, p. 14).

Além disso, os autores apontam que em razão da velocidade com que o ambiente

de negócios externo está constantemente mudando, os administradores são

impelidos a manter o ritmo da empresa alinhado a essa mudança pelo

monitoramento efetivo dos desenvolvimentos que aumentam a exposição ao risco

das firmas.

De acordo com Oxelheim e Wihlborg (1997), “O conceito de risco se refere em geral

à magnitude e probabilidade de mudanças não antecipadas que teriam impacto nos

fluxos de caixa da firma, no valor e na rentabilidade”.

O esforço visando identificar, avaliar e mensurar os impactos do risco, em suas

diversas modalidades, representa uma das questões de maior relevância no cenário

atual da gestão de empresas em geral e da teoria financeira, em particular. Cada vez

mais os aspectos relacionados à adequada identificação e administração do risco

ocupam porção significativa do tempo de professores, pesquisadores, gerentes e

profissionais financeiros. As publicações especializadas e as revistas de negócios

têm dedicado espaço crescente a esse assunto, que vem ganhando importância

como elemento decisivo no processo de tomada de decisão (BERNSTEIN, 1997).

O mercado financeiro brasileiro sofre diversas ameaças nas suas atividades. A

globalização e as inovações tecnológicas no mundo são os maiores responsáveis

pela alta volatilidade deste mercado.

Gitman, (1997), define risco como “a possibilidade de prejuízo financeiro.” Os Ativos

que possuem grandes possibilidades de prejuízos “são vistos como mais arriscados

que aqueles com menos possibilidades de prejuízo. Mais formalmente, o termo risco

é usado alternativamente com incerteza ao referir-se à variabilidade de retornos

associada a um dado ativo”.

“A idéia revolucionária que define a fronteira entre os tempos modernos e o passado

é o domínio do risco: noção de que o futuro é mais do que um capricho dos deuses

e de que homens e mulheres não são passivos ante a natureza” (BERNSTEIN,

1977). O autor infere que o ato de correr riscos é hoje um dos principais

catalisadores que impelem a sociedade ocidental moderna, o que só foi possível

pela compreensão da natureza do risco, da disponibilidade de instrumento para

medi-lo e para avaliar suas conseqüências.

Atualmente, empresas de todos os tipos estão sendo, cada vez mais,

conscientizadas a alcançar e demonstrar um desempenho satisfatório em relação à

sua segurança.

Nas últimas duas décadas, a palavra riscos vem sendo amplamente utilizada na

literatura com objetivos distintos, tais como: risco de negócios, social, econômico,

segurança, investimentos, político, entre outras (KAPLAN e GARRICK, 1981).

A gerência de riscos pode ser definida como a ciência, a arte e a função que visa a

proteção dos recursos humanos, materiais e financeiros de uma empresa, no que se

refere à eliminação, redução ou ainda financiamento dos riscos, caso seja

economicamente viável.

Para Bernstein (1997) o gerente de riscos não pode ver tudo, fazer tudo e saber

tudo. Por este motivo, seu principal objetivo deve consistir em desenvolver uma

consciência do risco, de maneira que todos se comportem com sentimento de

responsabilidade. O gerente de riscos deve trabalhar com as pessoas encarregadas

da segurança e também com os auditores internos, para localizar os riscos

derivados de qualquer disfunção organizacional, onde as visões globais da empresa

e experiência permitem um entendimento mais fácil dos problemas.

Apesar da gerência de riscos não ser ainda uma prática constante nas organizações

brasileiras, acredita-se que o gerenciamento de riscos não onera o balanço final das

empresas, e as despesas por ele incorridas não podem ser comparadas aos

benefícios que a empresa terá, tanto no tocante à otimização de custos de seguros

como na maior proteção dos recursos humanos, materiais, financeiros e ambientais.

Bernstein (1977) diz que “com o gerenciamento de riscos é possível a otimização

dos resultados do próprio desenvolvimento tecnológico, a partir da redução dos

riscos apresentados pelas atividades surgidas na moderna sociedade.”

2.6.1 Gestão de risco

Nos últimos anos, os administradores tornaram-se mais ciosos em relação ao fato

que suas empresas poderiam sofrer os impactos por riscos que se encontram além

de seu controle. (FROOT, SCHARÍSTEIN e STEIN, [s.d.]).

A gestão do risco é, certamente, a mais importante responsabilidade dos gestores

financeiros das empresas, assumindo especial relevância no caso dos bancos e

outras empresas.

Antes de efetuar um empréstimo ou um negócio, deve-se avaliar e controlar os

riscos envolvidos na operação.

Para o efetivo gerenciamento de riscos, decorrentes das atividades desenvolvidas

nas unidades de negócios e serviços de um conglomerado financeiro, a alta direção

deve ter uma visão consolidada de suas exposições operacionais. Para este fim, é

necessária a criação de uma área para o gerenciamento de riscos corporativos. O

desenvolvimento desta área requer, necessariamente, uma criteriosa definição do

escopo do trabalho dos responsáveis pela sua implementação.

2.6.2 Origem e evolução do risco

A palavra risco deriva do italiano riscare, que significa ousar. Neste sentido,

Bernstein (1997), diz que “risco é uma opção, e não um destino.” E continua: “a

capacidade de administrar riscos, e com ela, a vontade de correr riscos e fazer

opções ousadas são elementos-chave da energia que impulsiona o sistema

econômico”. Sendo o risco uma opção, então é possível medi-lo, avaliar suas

conseqüências e geri-lo.

O desenvolvimento do seu estudo ao longo dos anos envolveu uma contraposição

contínua entre aqueles que afirmam que as melhores decisões são tomadas com

base em instrumentos matemáticos que dependem de informações, na sua maior

parte, numéricas, e os que baseiam suas decisões em graus de crença mais

subjetivos acerca das incertezas do futuro.

Com o passar dos anos, essa controvérsia ainda não solucionada entre a

quantificação suportada pelas observações do passado e a abordagem subjetiva

orientada para a realização de previsões acerca do futuro ganhou um significativo

apoio da matemática moderna e das facilidades proporcionadas pela informática,

que em muito contribuíram para o desenvolvimento da moderna administração do

risco.

Risco é a realidade que faz parte do cotidiano humano. Desde os mais remotos

tempos o homem procurou se defender dos riscos que o cercavam. Recolhia-se às

cavernas, desenvolvia habilidade guerreira, construía pequenas armas, utilizava,

mesmo sem ter consciência, técnicas e ferramentas de proteção ao risco, de acordo

com o estágio de vida daquele momento; ou melhor, de acordo com os riscos

daquele momento.

Nos tempos atuais, na vida prática, a idéia de risco é associada à possibilidade que

algo ruim aconteça.

A maioria das decisões no dia-a-dia das pessoas envolve uma escolha, uma opção

entre algum tipo de risco e a recompensa a ele associada. No mundo das finanças

isto não é diferente e toma uma dimensão de grande importância, pois implica no

custo do capital utilizado e no retorno esperado. Qualquer investimento só é

interessante se o retorno for maior que o custo do capital e o risco nele embutidos.

Groppell e Nikbakht (1999) dizem que “risco e retorno são a base sobre a qual são

tomadas decisões racionais e inteligentes de investimento”. Portanto, na capacidade

para medir essas variáveis pode estar o diferencial nos negócios de uma empresa.

Mesmo que os métodos, modelos ou ferramentas utilizadas para essas

mensurações não interessem aos clientes e investidores, negociar com instituições

que ofereçam vantagens adicionais é o que estes buscam sempre.

Segundo Groppell e Nikbakht (1999) o risco, enquanto variável do retorno:

[...] está diretamente ligado ao resultado das empresas, por isso é sempre

objeto de estudo. Por não se poder excluir a variável risco,nem estabelecer

um valor ideal para as perdas, determinar um intervalo no qual elas podem

ser aceitas, ou o nível de risco ao qual uma instituição pode se expor é um

grande passo para a tomada decisão, e um meio para maximizar o

resultado (GROPPELL e NIKBAKHT, 1999, p. 87).

Experiências de grandes perdas, provocadas por fragilidades nos controles ou

deficiências no gerenciamento de instituições, como o Barings Bank, Orange County

Fund, Procter & Gamble e Sumitomo, estimularam órgãos internacionais, como o

Bank for International Settlements (BIS), pelo Comitê de Basiléia de Supervisão

Bancária (comitê de regulação, supervisão e fiscalização bancária), a intensificar as

exigências no tocante à administração de riscos dentro das empresas (GROPPELL e

NIKBAKHT, 1999).

A gestão de risco nas empresas, enquanto atividade formal, é recente e ainda está

em processo de estruturação. As grandes mudanças acontecidas na década de 70,

com o fim do Acordo de Bretton Woods (em função da crise econômica norte

americana) e a conseqüente liberação das taxas de câmbio, tornaram o mercado

financeiro mais volátil, exigindo medidas que minimizassem o risco do sistema. Com

esse objetivo, o Comitê de Basiléia criou padrões internacionais para gerenciamento

de risco que devem ser observados pelos participantes do mercado. Dentre os

documentos divulgados pelo Comitê, visando à regulamentação do mercado

financeiro e redução de risco, pode-se citar: Basel Capital Accord (1988), Core

Principles for Effective Banking Supervision (1997), Framework for Internal Systems

in Banking Organizations (1998).

Ainda segundo Groppell e Nikbakht (1999), acrescentando que dentre as propostas

de regulamentação emitidas pelo Comitê, o Acordo de Capitais foi a que mais

impactou a rotina das empresas. Seu enfoque central é na exigência de um

percentual (8%) de capital mínimo requerido para fazer face aos riscos dos ativos

das instituições. O Acordo não é estático, altera-se em função das novas

necessidades do mercado.

Por necessidade de mercado ou exigência regulamentar, as empresas brasileiras

estão começando a dar à função de gestão de risco destaque especial. Se no

passado avaliar o risco de uma transação podia ser feito de “forma heurística” pelo

analista/gerente, a afirmativa já não procede no momento atual. Comenta Maluf

(1996) que a dinâmica do cenário operacional das empresas vem exigindo crescente

capacitação de seus administradores, e sistemas de controles eficazes e que o

empirismo vem sendo sistematicamente banido da gestão bancária.

Nas sociedades ocidentais, a noção de risco no campo financeiro encerra, em geral,

uma visão voltada para o perigo, para a possibilidade de perda ou prejuízo. Segundo

Dowes e Goodman (1993) risco representa a “possibilidade mensurável de perder ou

de não ganhar. O risco difere da incerteza, que não é mensurável”. Holanda (1988)

menciona o risco como sendo “possibilidade de perda ou de responsabilidade pelo

dano.”

Em finanças, por outro lado, o conceito de risco encerra um significado distinto

daquele atribuído a esse termo quando utilizado na linguagem coloquial ou

empregado em situações que ocorrem fora do âmbito financeiro.

Sharpe, Alexander e Bailey (1995) mencionam que:

[...] todos os livros-texto que tratam de investimentos definem o risco de

uma carteira de investimentos como sendo a volatilidade dos seus retornos,

medida pelo desvio padrão (raiz quadrada da variância), ou de forma

equivalente, pela variância, da distribuição de probabilidades desta carteira

(SHARPE, ALEXANDER e BAILEY, 1995).

Dessa forma, o autor relaciona o risco de um investimento à variabilidade dos

retornos esperados, que podem ser tanto negativos, de acordo com a visão comum

de risco, quanto positivos. “Um desvio padrão maior significa uma maior dispersão e,

conseqüentemente maior risco.”

Galitz (1995) escreve que todas as pessoas possuem certo sentimento do risco que

normalmente associa risco a ocorrência de um evento inesperado ou indesejável.

Ressalta, no entanto, que uma definição mais confiável, tanto qualitativamente

quanto quantitativamente deve ser: ”risco é qualquer variação em um resultado

esperado.” O autor conclui que esta definição é bastante atrativa, tendo em vista

incluir tanto eventos indesejáveis quanto desejáveis.

Van Horne (1998) elucida que o risco pode ser abordado como a possibilidade que o

retorno realizado, decorrente do investimento em uma ação, se desvie do retorno

esperado. Quanto maior for a magnitude do desvio e maior a probabilidade de sua

ocorrência, mais arriscada será considerada aquela ação. Para o autor, risco é

definido como a variabilidade dos retornos possíveis em relação ao esperado. Em

outras palavras, o risco é representado pelo elemento surpresa presente nas

expectativas de retornos futuros decorrentes de um determinado investimento.

O que torna arriscado um investimento no mercado de ações, segundo Brealey e

Myers (1998), “é a dispersão dos resultados possíveis. A medida habitual desta

dispersão é desvio-padrão ou variância.”

De acordo com Robichek e Myers (1976), “o grau de risco associado a um valor

esperado deve, normalmente, corresponder a uma função positiva de variância de

sua distribuição, ou de outra medida de dispersão.” Dessa forma, a dispersão da

distribuição de probabilidades de uma estimativa poderá ser considerada como uma

medida do risco, variando inversamente em relação ao grau de confiança depositada

nessa estimativa.

Conforme Brighan, Gapensky e Ehrharrdt (1999), uma medida de risco deve possuir

um valor definitivo que avalie a dispersão da distribuição de probabilidade de uma

variável. Esta medida é representada pelo desvio-padrão. Quanto menor o desvio-

padrão dos retornos, menos dispersa será a distribuição de probabilidade e menor

será o risco de um determinado investimento.

Brealey e Myers (1998) associam o risco de um determinado investimento à maior

ou menor certeza que se possa ter com referência aos eventos futuros previstos em

um determinado projeto de investimento. Nesse sentido, os valores considerados

para fins de análise de empreendimento representariam a melhor previsão

disponível, não havendo certeza acerca de sua efetiva realização.

De acordo com Grahan (1973), “as abordagens matemáticas atuais às decisões de

investimento, tem se tornado como padrão definir risco em termos da variação média

de preços ou volatilidade.” Dessa forma, o risco de um investimento é abordado na

perspectiva da variação apresentada pelos preços no mercado, ou pela sua

volatilidade.

Neves (1989), afirma que “na análise financeira, o risco deve ser visto como a

variação provável dos fluxos futuros” e [...], “para qualquer negócio, quanto maior a

incerteza na previsão dos fluxos monetários gerados, maior o risco” e ainda “a

variância e o desvio-padrão são as medidas estatísticas mais utilizadas na

quantificação do risco.”

Sandroni (1996) descreve o risco como “situação em que, partindo-se de um

conjunto de ações, vários resultados são possíveis e se conhecem as probabilidades

de cada um vir a acontecer. Corresponde à condição própria de um investidor diante

das possibilidades de perder ou ganhar dinheiro.”.

O rumo da administração de risco nas empresas, principalmente dos riscos

operacionais, será influenciado pelas propostas do novo acordo de capitais – A New

Capital Adequacy Framework, mas, também, pelo entendimento dos benefícios que

uma adequada gestão de risco traz às organizações.

Retornando à origem da palavra risco (riscare) entendimento do risco como opção; a

decisão de exposição, mais do que nunca, passa ser um processo racional, uma

escolha. Entretanto, para que essa afirmativa seja verdadeira, muito se tem ainda a

aperfeiçoar nas estruturas, sistemas, modelos e ferramentas de gestão de risco, e,

muito mais ainda, na cultura de gestão de risco nas organizações.

A prática de gestão de risco foi muito beneficiada por pesquisas realizadas na área

da administração financeira, a partir das leis da probabilidade e conceitos de risco e

retorno que, aliadas ao avanço da informática, proporcionaram desenvolvimento de

sistemas computacionais capazes de estimar com grande precisão o retorno de um

ativo e/ou grupo de ativos. Esses sistemas profissionalizaram a área de finanças das

empresas, propiciando grandes facilidades na mensuração e gerenciamento dos

riscos ambientais.

Porém, não só o aparato tecnológico proporciona uma eficaz gestão de risco. É

necessário que se estimule, nas instituições, a cultura para o gerenciamento do

risco. Essa prática comenta Duarte (1999), não pode prescindir de alguns elementos

fundamentais: “cultura corporativa para risco, pessoal qualificado, procedimentos

internos e tecnologia”. Uma efetiva gestão de risco depende da conjugação desses

elementos, o que implica, entre outras coisas, a presença de profissionais, técnica e

eticamente capazes, dentro de um ambiente com clara definição de

responsabilidades, políticas e procedimentos de gestão estruturados e dispondo de

ferramentas de trabalho adequadas. Gerir riscos não significa evitá-los, até porque é

tarefa impossível, mas, sim, reconhecê-los, tanto no ambiente interno, como no

externo, analisá-los, mensurá-los e administrá-los de forma planejada e consciente.

2.7 Dimensões do risco ambiental

A teoria financeira na atualidade enfoca, de maneira predominante, o risco como a

variabilidade dos resultados esperados, contemplando, portanto tanto as variações

positivas quanto negativas, apresentadas pelos valores realizados em relação às

expectativas. Sob essa ótica, quanto maior for a variabilidade conforme descrita

anteriormente, maior será o risco de determinado investimento ou de uma empresa.

Todas as decisões empresariais de natureza financeira ou que produzam impacto

nessa dimensão, pelo aumento ou diminuição da incerteza relacionada com os

resultados futuros, irão afetar, igualmente, o risco da empresa.

Como demonstrado por Walt e Dyer (1996), deve ser notado que o conceito de risco

que será capturado na presente pesquisa seria o impacto ex-ante e não ex-post que

a maioria dos estudos operacionalizou. Os autores explicam que

[...] em um contexto de tomada de decisões, o risco é um conceito ex-ante.

Contudo, é usualmente medido em um trabalho empírico no desempenho

organizacional após o evento (ex-post) através de medidas como a

variância dos retornos. Isto ocorre tanto no caso da economia financeira

quanto na administração estratégica (WALT e DYER, 1996),

Baseado nos conceitos de risco conforme definidos em finanças e estratégia, as

medidas de risco operacionalizadas neste estudo serão feitas mantendo-se em

mente o efeito ex-ante do risco na firma. Irão se operacionalizar assim, as

dimensões de risco e testar os efeitos deste risco nas estratégias corporativas,

estrutura de capital e desempenho das firmas.

2.7.1 A construção do conceito de estratégia corporativa

A construção do conceito de estratégia corporativa nesse trabalho engloba três

níveis distintos de estratégia – nível corporativo, unidade de negócios e funcional.

Pretende-se focar no nível de estratégias corporativas, enquanto explora-se o

trabalho de diversos pesquisadores nos campos de administração estratégica e

finanças corporativas.

Antes do conceito de estratégia corporativa ser explorado plenamente, é essencial

definirmos estratégia corporativa. Simplesmente colocado, estratégia corporativa

engloba as decisões da alta administração em investir em negócios que se

consideram os com maior potencial de agregar valor. A estratégia corporativa

influencia todos os níveis da formulação estratégica, incluindo níveis de unidades de

negócios e funcionais, nos quais as decisões tomadas neste nível se tornam a

referência da formulação estratégica no nível de negócios, que por sua vez

influencia o nível funcional. Isso não significa que os níveis funcionais e de

estratégia de negócios influencie as estratégias corporativas. Mesmo que possam

existir influências de ambos os níveis na formulação da estratégia corporativa, é a

forma como a alta administração da empresa define a estratégia como um todo que

irá influenciar a estratégia corporativa nos vários níveis hierárquicos.

2.8 Dimensões da estratégia corporativa

2.8.1 Liquidez

A dimensão da estratégia corporativa que será explorada neste estudo é a estratégia

de liquidez corporativa das firmas. A liquidez corporativa é a estratégia na qual a alta

administração da empresa presta atenção em conjunto com a administração dos

ativos da empresa. As firmas tipicamente administram sua liquidez pela decisão de

alocação de recursos que são diretamente relacionadas a ativos mais líquidos. O

objetivo é aumentar a liquidez da firma, mas este deve ser pesado contra as

vantagens de se investir em ativos ilíquidos. Alguns autores, como Myers e Rajan

(1995), proveram explicação à teoria que ativos mais líquidos podem levar a

problemas de agência, comparativamente a ativos menos líquidos. A literatura da

preferência de ativos líquidos pelas firmas, diz que ou as firmas devem manter

grandes quantidades de ativos líquidos ou então nenhum ativo líquido.

De acordo com John (1993) “ativos líquidos constituem uma porção considerável do

total de ativos e têm implicações importantes para o risco e a rentabilidade da firma”.

De acordo com Kallberg e Parkinson (1992) existem seis estágios de liquidez

decrescente, que são:

− Cumprir as obrigações atuais com fluxos de caixa atuais, saldos de caixa ou

títulos de curto-prazo.

− Utilizar crédito de curto prazo.

− Administração cuidadosa dos fluxos de caixa que incluem administração de uma

política de crédito a clientes e administração de estoques.

− Renegociação de contratos de dívida.

− Vendas de ativos.

− Falência.

Kim (1998) propõe que a relação entre a manutenção de ativos líquidos e as

oportunidades de crescimento da empresa devem ser positivas. Esta noção é

referendada por Lakonishok, Shleifer e Vishny (1992), que argumentam que firmas

com grandes porções de ativos intangíveis deveriam ter custos de falência mais

altos e, portanto, deveriam investir mais em ativos ilíquidos para minimizar este

custo. Esta visão é aceita por Myers (1977), colocando que manter excesso de

liquidez na firma pode ajudar na redução dos custos de falência.

Kim (1998) também propõe que o investimento em ativos ilíquidos é positivamente

relacionado ao retorno nos ativos líquidos, enquanto seriam negativamente

relacionados à taxa de retorno corrente nos investimentos em produção. Também,

os autores atestam que as futuras condições econômicas afetam o investimento em

ativos líquidos. Quanto melhor for o futuro em termos de oportunidades de

investimento, maiores serão os investimentos em ativos líquidos. Baskin (1987)

também coloca que na medida em que o índice de endividamento de uma firma

aumenta o custo de financiar ativos para manter um alto nível de liquidez aumenta,

portanto, reduzindo o nível de recursos que serão utilizados para manter altos níveis

de liquidez.

2.8.2 A estrutura de capital

A estrutura de capital de uma firma envolve dois componentes chave – a dívida e o

patrimônio líquido, ou seja, capitais de terceiros e próprio. Ross (1999) mostra que o

objetivo da administração é maximizar o valor de mercado da dívida e o valor de

mercado das ações. Ao fazer isso, a firma estará apta a maximizar seu valor total. A

estrutura ótima de capital da firma é a que minimiza o custo de capital. Em outras

palavras, um saldo ótimo entre a proporção de dívida e a proporção de patrimônio

líquido que resultaria na minimização global do custo associado a esses

componentes. Além disso, é essencial que estes custos sejam pesados entre as

várias fontes de fundos para garantir que o custo global seja mínimo.

Os componentes da estrutura de capital têm suas próprias características. Em outras

palavras, a dívida é uma função dos empréstimos de curto e longo prazo que são

pagos de acordo com o contrato de dívida. Os pagamentos feitos pela firma a seus

credores são feitos em duas partes; o primeiro componente é o serviço da dívida,

mais comumente conhecido como pagamentos de juros. O segundo componente é o

pagamento do principal. De outro lado, o patrimônio líquido é obtido dos acionistas

públicos ou de cotas privadas.

O custo associado ao financiamento por dívidas é o pagamento de juros ajustado

pelos impostos, enquanto o custo associado ao patrimônio líquido é a taxa de

retorno esperada sobre o patrimônio líquido. Um modelo muito utilizado para medir

esta taxa é o Capital Asset Pricing Model (CAPM).

Fundamentados em conceitos básicos de estrutura de capital, os administradores da

firma tomam decisões sobre o tipo de financiamentos e a que níveis, em termos de

magnitude, irão levar a empresa à minimização global dos custos associados com

esses financiamentos. O risco associado aos fluxos de caixa também afeta a

estrutura de capital. Quanto maior a volatilidade associada aos fluxos de caixa da

firma, maior será o impacto do risco na capacidade da firma de se financiar com

dívida ou patrimônio.

As decisões de estrutura de capital são condicionadas pelo impacto do ambiente

externo na firma e estratégias que as firmas utilizam para garantir que o valor da

firma seja maximizado. Estas estratégias variam de indústria pra indústria.

2.8.3 Desempenho da firma

Vários esforços de pesquisa em economia e administração têm tentado capturar o

conceito de desempenho que define o resultado de ações tomadas pelas firmas em

comparação com firmas competidoras e a indústria. Desde que o objetivo primário

de uma empresa é obter lucros, o desempenho tem sido um dos conceitos mais

importantes e mais estudados nas últimas décadas. O assunto importante que

precisa ser abordado em uma pesquisa que se propõe a estabelecer uma relação

entre ambiente, estratégia, estrutura e desempenho empresarial está ligado à

identificação de variáveis que representam uma construção de desempenho da

firma.

O desempenho da firma pode ser medida em termos de sua rentabilidade e

mercado. Tipicamente, a rentabilidade é medida em termos de retorno sobre o

capital investido no negócio ou retorno sobre as receitas geradas durante um dado

período. Por outro lado, a desempenho de mercado é medida em termos de

indicadores de mercado tais como preço de ações, índices de rentabilidade de

dividendos (dividend yield). O objetivo desse estudo será operacionalizar essas

medidas de desempenho que têm sido testadas em estudos anteriores, para ter uma

relação significativa com o ambiente, estratégia corporativa, e a estrutura de capital

da firma.

Beard e Dess (1981) usaram o retorno sobre investimento como medida do

desempenho da firma, que foi utilizado para testar a relação entre estratégias em

nível corporativo e o desempenho das firmas usando análise de regressão.

Resultados revelam que as estratégias no nível corporativo influenciam o

desempenho das firmas. Hall e Weiss (1967) utilizaram retorno sobre ativos como

medida de desempenho para testar a relação entre o tamanho da firma e a

rentabilidade. A análise de correlação foi utilizada como método estatístico e o

resultado indica que uma correlação negativa existe entre tamanho da firma e

rentabilidade.

Um estudo conduzido por Capon (1990) analisou 320 estudos empíricos (165 na

literatura de organização industrial e economia e 155 na literatura de administração

de empresas) publicados entre 1921 e 1987. Esse estudo revela que tipos de

medidas usados para capturar retorno sobre o investimento incluem retorno sobre

ativos, retorno sobre capital, retorno sobre patrimônio líquido, retorno sobre vendas,

e margens de preço/custo.

A presente dissertação buscará incorporar tanto medidas de desempenho de

mercado quanto medidas de rentabilidade, para testar a relação entre risco do

ambiente, estratégia corporativa e estrutura de capital.

2.8.4 Relação entre os conceitos construídos

No campo de estratégia, a relação entre o risco ambiental e os conceitos de

estratégia foi elucidada por diversas pesquisas realizadas desde os anos sessenta.

No contexto de finanças corporativas, esta relação se traduz em risco do ambiente e

sua relação com as estratégias corporativas. O risco do ambiente, que resulta na

variação dos fluxos de caixa, em um contexto tanto do presente e do futuro, pode

levar a estratégias de crescimento. Por exemplo, Ross sugere que a relação entre

risco e retorno é positiva. Quanto maior o risco de mercado de uma ação, maior o

retorno exigido pelos investidores.

Titman e Wessels (1988) sugerem que a relação entre risco da firma e nível de

endividamento é negativa.

As estratégias de liquidez corporativa têm sido testadas e se consideram evidências

que estão correlacionadas ao risco do ambiente externo. Firmas com maior

volatilidade de lucros e menor retorno em ativos físicos (ou tangíveis) tipicamente

investem em ativos mais líquidos se o retorno em ativos líquidos é relativamente

superior àqueles de ativos físicos. A relação entre liquidez e desempenho também

tem sido testada, e se revela ser positiva a relação entre liquidez e fluxos de caixa,

por exemplo.

O risco dos lucros da firma também apresenta uma relação negativa com os níveis

de endividamento. Em outras palavras, se as condições ambientais levarem a uma

maior volatilidade de lucros, o resultado são níveis de endividamento menores. Ross

(1999) sugere que firmas com maior potencial de crescimento de lucros terão níveis

de dívida menores, comparativamente a firmas com menor potencial de crescimento.

A relação entre liquidez e estrutura de capital da firma foi testada por Kim (1998) que

verificou que na medida em que a firma investe mais em ativos ilíquidos, o resultado

será a menor dependência de endividamento e, portanto, resultará em um menor

índice de endividamento. Isso foi confirmado por Baskin (1987) que reportou que a

relação entre dívida e liquidez é negativa.

Por outro lado, a relação entre a estrutura de endividamento e desempenho foi

reportada por Capon (1990), que sugeriu que de todas as 149 relações reportadas

utilizando a dívida como variável independente e o desempenho da firma como

variável dependente, 90 reportaram uma relação negativa entre desempenho da

firma e endividamento. Shah (1994) demonstra que mudanças na estrutura de

capital afetam o preço das ações, o que de alguma forma foi confirmado por Harris e

Raviv (1990), que sugeriram que existe uma correlação positiva entre alavancagem

e valor da firma. Note-se que uma estratégia de liquidez pode ser utilizada por firmas

para aumentar seu valor, a qual precisa ser testada em determinado contexto.

3 OPERACIONALIZANDO OS CONCEITOS E DIMENSÕES

3.1 A construção de risco ambiental

Sem dúvida alguma, dois dos fatores que exercem grande influência no ambiente

empresarial são as taxas de câmbio e de juros. A inflação, ainda que presente em

reduzida escala nas decisões empresariais, deixou de figurar como a maior

preocupação das finanças corporativas no Brasil após a estabilidade monetária

proporcionada pela implantação do Plano Real, em 1994.

A abertura dos mercados e a crescente integração financeira entre países têm

evidenciado cada vez mais a importância dos modelos econômicos de economia

aberta. Tais modelos incorporam, na análise econômica tradicional, elementos

externos ao controle do País, tais como taxas de juros internacionais, nível de

produção do resto do mundo, etc.

No tratamento de modelos de economia aberta, duas variáveis freqüentemente se

fazem presentes: taxa de câmbio e taxa de juros.

O Brasil tem uma experiência relativamente recente com taxa de câmbio flutuante.

Sete anos ainda conta pouco, contra décadas de câmbio fixo ou administrado.

Cálculos de taxa efetiva de câmbio e projeções de balança comercial são mais

relevantes em um regime onde o governo administra a taxa de câmbio diária, com

pouquíssima variância, fora as grandes desvalorizações ocasionais, do que no

regime atual. Neste, a taxa de câmbio é determinada livremente pela oferta e

demanda de divisas, se ajustando e variando de acordo com os fluxos comerciais e

financeiros do balanço de pagamentos.

No regime anterior e a partir de 1995, com a estabilidade proporcionada pelo Plano

Real, os movimentos especulativos de capitais respondiam fortemente ao diferencial

de juros entre o Brasil e o exterior. Os altos custos de uma mudança de regime

cambial, em conjunto com taxas de juros algumas vezes acima de 40% ao ano,

faziam com que a ganância superasse o medo e capitais especulativos de curto

prazo entrassem no país mesmo em períodos de crise, como após as crises

mexicana e asiática. Na verdade, há necessidade da entrada de capitais

estrangeiros para fomentarem o investimento no setor produtivo sem a necessidade

de gerar papel-moeda e, com isso, manter a inflação sob controle.

Dimensionar movimentos especulativos de capitais é difícil, uma vez que eles podem

tomar diversas formas. Neste contexto, a discussão sobre controles de capitais de

curto prazo torna-se pouco relevante. Inexiste, portanto, relação entre câmbio e

juros? Claro que existe, mas na economia brasileira atual, ela parece ser dominada

por efeitos sobre a demanda agregada. A alta da taxa de juros reduz o consumo e o

investimento, reduzindo o dispêndio face à renda, desta forma aumentando o

superávit em conta corrente e apreciando o câmbio. A apreciação cambial faria com

que o superávit comercial, em um segundo momento, se reduzisse.

Entretanto, a favorável conjuntura internacional atual refletida tanto na expansão do

comércio quanto no aumento no preço médio das exportações brasileiras tem mais

do que compensado este efeito, ampliando o superávit comercial. Tanto este quanto

a redução de endividamento em dólares das empresas, motivada em parte pela

queda no investimento doméstico e em parte pela própria apreciação cambial, junto

com a manutenção de um significativo ingresso de investimentos diretos, menos

sensíveis à conjuntura, contribuem para apreciar ainda mais o câmbio. Neste

panorama, o capital especulativo participa como um coadjuvante secundário e não

como um dos atores principais.

Indústrias que investiram pesado na conquista de mercados externos, mas com um

câmbio apreciado, estão perdendo competitividade e acesso aos mesmos. Todo

este cenário é muito fluido e decorre da liquidez farta de recursos financeiros nos

mercados internacionais, não só da SELIC elevada e dos excessos do chamado

“Custo Brasil”.

Dessa forma, pode-se afirmar que a taxa básica de juros em patamares elevados e a

sobrevalorização do real frente ao dólar inibem o desenvolvimento econômico e

reduzem a competitividade dos produtos brasileiros no exterior.

Uma taxa de juros elevada inibe investimentos na produção e aumenta o nível de

desemprego, provocando uma redução na renda e inibindo o consumo. Dessa

forma, ela inibe o crescimento do País, fato este de extrema gravidade. A âncora

cambial foi utilizada durante um longo período para conter a inflação. Entretanto, a

taxa de juros como instrumento de controle de inflação é eficaz caso a inflação seja

de demanda. No caso do Brasil, essa medida foi adotada para conter uma inflação

que não tinha características de demanda e sim gerada pelos preços administrados

ou monitorados pelo poder público. Esse fato comprometeu os investimentos e

desaqueceu a economia, pois uma taxa de juros elevada prejudica diretamente o

setor produtivo e favorece a especulação financeira.

Por outro lado, temos também que um câmbio muito apreciado pode trazer

problemas para o setor mais dinâmico da economia brasileira, que é o exportador.

Com o dólar baixo, as importações se elevam e tiram inclusive a competitividade dos

produtos nacionais internamente, além das comercializações externas, pois a

subvalorização do dólar significa que o produto brasileiro fica caro para ser

exportado. O dólar “barato” também provoca um aumento nas taxas de

desemprego, pois as indústrias podem deixar de investir na produção interna e

“terceirizar” a produção no exterior para aproveitar o câmbio apreciado. Isso impacta

diretamente nas taxas de crescimento do PIB e na balança comercial.

Com isso, podemos observar que com uma taxa de juros elevada, as empresas

ficam em dificuldades para investir e promover o crescimento econômico do País. O

dinheiro “caro” inibe investimentos na produção, conforme dito anteriormente,

incentivando a especulação.

Enquanto que uma taxa de câmbio apreciada afeta diretamente empresas que

transacionam no mercado internacional ou que dele recebam algum tipo de

influência. Por exemplo, uma empresa com receita em dólar e custo em real sofre

uma forte influência negativa de uma taxa de câmbio apreciada, pois podem sofrer

uma inflação de custos e ter dificuldades de recompor suas margens.

Os efeitos do câmbio são mais problemáticos. É claro que exportadores sempre

querem câmbio mais depreciado, mas essa variável tem importância na economia a

médio e longo prazo, a partir do seu valor real (corrigido pela diferença de inflação),

que não depende do governo, a não ser por tempo limitado. Há evidência que a taxa

de câmbio real é uma série estacionária a longo prazo para o Brasil (Mário Mesquita,

2003). O problema é que a meia vida dos desvios dessa tendência estacionária é

longa, e nas transições os efeitos sobre as empresas podem ser desastrosos. O

grande problema (além do lobby que engana) é o fato que muitos projetos de

exportação são decididos com base em projeções erradas de câmbio, e as

empresas depois se acham prejudicadas "pela política cambial", e esquecem que

tomaram suas decisões, muitas vezes, em momentos de câmbio muito

depreciados em termos reais, em valores que se tornam insustentáveis a longo

prazo.

3.2 A construção da estratégia corporativa

3.2.1 Estratégia de liquidez

A liquidez será operacionalizada usando o índice de liquidez seca, que é a razão

entre o ativo circulante subtraído dos estoques dividido pelo passivo circulante. Esta

razão significa que a proporção dos ativos totais da firma que são altamente líquidos,

por sua vez refletem o quão bem os administradores gerenciaram a posição de

liquidez da firma período a período.

3.2.2 Estrutura de capital

A estrutura de capital será operacionalizada usando-se o índice de liquidez total, que

é calculado como a razão entre a dívida total e o total de ativos da firma. A dívida

total inclui tanto a dívida de curto quanto à de longo prazo.

3.2.3 Desempenho da firma

Essa construção será operacionalizada utilizando-se medidas tradicionais de

desempenho da firma. Estas medidas são contábeis e financeiras. As medidas

contábeis são o retorno sobre ativos e retorno sobre patrimônio líquido. As medidas

financeiras incluem os fluxos de caixa líquidos, fluxos de caixa operacionais e o grau

de alavancagem financeira.

4 DESENVOLVIMENTO DE HIPÓTESES

Até esse ponto, as seções anteriores buscaram elucidar a relação entre as

construções conceituais. Nesse item, desenvolvem-se hipóteses específicas sobre a

relação entre variáveis independentes e dependentes, subdividas em seis

subseções:

a. Risco ambiental e estratégia corporativa.

b. Risco ambiental e estrutura de capital.

c. Risco ambiental e desempenho da firma.

d. Estratégia corporativa e estrutura de capital.

e. Estratégia corporativa e desempenho da firma.

f. Estrutura de capital e desempenho da firma.

A) Risco ambiental e estratégias corporativas (liquidez)

Como a liquidez é definida como a razão entre o ativo circulante subtraído dos

estoques dividido pelo passivo circulante, os componentes de risco ambiental terão

um efeito significativo sobre a mesma. Por definição, uma firma com grande risco

monetário terá um menor nível de fluxos de caixa operacionais para sustentar níveis

de liquidez mais altos. O caixa e investimentos de curto prazo influenciam o fluxo de

caixa operacional, e, portanto, quanto maior o risco monetário, maior será o impacto

na posição de liquidez de forma negativa. Isto leva à hipótese 1:

Existe relação inversa entre liquidez e o risco monetário

LIQ = b0 - b1* TXJUROS + erro (1)

No caso de organizações com atuação tipicamente no mercado interno ou

importadoras de matéria-prima e de bens e serviços, o câmbio afetaria de forma

negativa a liquidez. Como estamos trabalhando com organizações com atuação nos

mercados interno e externo, um câmbio apreciado leva a uma melhora nos níveis de

liquidez, pois o mais importante a ser observado é que grandes corporações

possuem significativa parcela de suas dívidas atreladas ao câmbio. Dessa forma,

uma apreciação cambial melhora os níveis de liquidez das mesmas, pois o serviço

da dívida fica mais baixo. Isto leva à hipótese 2:

Existe relação inversa entre a liquidez e a taxa de câmbio. H2

LIQ = b0 - b1 * TXCAMBIO + erro (2)

B) Risco ambiental e estrutura de capital

Deve existir uma relação inversa entre o risco ambiental e a estrutura de

endividamento. Quanto maior o risco, menor deveria ser o índice de endividamento

da firma. Isto se dá porque uma firma com alto risco teria uma maior covariância de

fluxos de caixa em comparação com a média de mercado, e como resultado tentaria

reduzir a sua alavancagem e o risco associado a ela, para ser percebida como uma

firma com risco baixo. Firmas com alto risco associado aos fluxos de caixa serão

tipicamente associadas a uma alta exposição à falência, e, portanto serão mais

conservadoras no uso de dívida na estrutura de capital. Subentende-se o fato que as

firmas estarão conscientes dos direitos dos credores sobre os ativos, quando os

lucros não atingirem um nível mínimo necessário para sustentar a solvência das

operações. Portanto, tais firmas irão utilizar níveis menores de dívida em

comparação a firmas que possuem baixo risco de fluxos de caixa. Como os fluxos de

caixa das operações da firma são utilizados para o serviço da dívida, esta irá reduzir

o nível ou manter baixos níveis de endividamento com o objetivo de administrar o

risco associado à covariância dos fluxos de caixa da firma com os do mercado. Isto

nos leva a hipótese 3:

Existe relação inversa entre o nível de endividamento e a taxa de juros. H3

INDICEDIVIDA = b0 - b1 * TXJUROS + erro (4)

Da mesma forma, organizações com atuação no mercado interno ou importadoras

de matéria-prima e de bens e serviços tenderiam a sofrer um impacto negativo com

a depreciação cambial no seu endividamento. Entretanto, para organizações com

atuação no mercado global, uma apreciação no câmbio impactaria de maneira

positiva no endividamento das mesmas. Isto nos leva a hipótese 4:

Existe relação inversa entre o nível de endividamento e a taxa de câmbio. H4

INDICEDIVIDA = b0 - b1 * TXCAMBIO + erro (5)

C) Risco ambiental e desempenho da firma

O fator de risco que emana do ambiente da firma tem impacto sobre o desempenho.

Medidas que descrevem o desempenho da firma podem ser categorizadas como

contábeis ou financeiras (fluxos de caixa). Tipicamente, um aumento no risco

ambiental (risco sistemático) impacta o desempenho da firma de forma negativa. Por

exemplo, maior taxa de juros poderia sugerir uma redução no consumo, e

conseqüentemente uma redução nas vendas da firma, o que tipicamente deveria ter

um impacto negativo nas receitas da firma. Em função dessa exposição elevada ao

risco, os resultados da firma serão afetados, medidos em termos de retorno sobre o

patrimônio líquido ou retorno sobre os ativos. Esses retornos provisionados serão

mais dependentes do nível de receitas que a firma gera, em uma base periódica,

porque a exposição ao risco se traduz na variância do desempenho, impactando

variáveis como os lucros operacionais e o lucro líquido. Isto leva a hipótese 5:

Existe relação inversa entre o desempenho da firma e a taxa de juros. H5

RETPL = b0 - b1* TXJUROS + erro (7)

Deve ser apontado que o risco ambiental pode não ter um impacto direto em

métricas financeiras ou de fluxos de caixa. Essas medidas são baseadas na posição

de caixa da firma. É medido, por exemplo, em termos de fluxos de caixa por ação,

que são dependentes da forma pela qual a firma administra seus fluxos de caixa no

tempo. De forma similar, o risco não afeta as medidas de desempenho contábeis da

firma, pois impacta mais as medidas de fluxo de caixa do que as de lucro contábil.

Por outro lado, o risco terá um impacto direto nos fluxos de caixa da firma e,

portanto, afetará os fluxos de caixa por ação. Tal se dá porque um aumento no risco

ambiental resulta em um impacto direto nos fluxos de caixa operacionais da firma, o

que por sua vez reduz os fluxos de caixa da firma. O contrário será válido se o risco

ambiental diminuir. Isto nos leva às hipóteses 6 e 7:

Existe relação inversa entre os fluxos de caixa da firma e a taxa de juros. H6

LPA = b0 - b1 * TXJUROS + erro (8)

Existe relação inversa entre os fluxos de caixa da firma e a taxa de câmbio. H7

LPA = b0 - b1 * TXCAMBIO + erro (9)

D) Estratégia corporativa (liquidez) e estrutura de capital

Firmas que são mais líquidas terão menor posição de endividamento, comparadas a

firmas mais ilíquidas. Isso se baseia no fato que um alto nível de endividamento

implica em uma redução dos fluxos de caixa operacionais da firma como resultado

de maiores serviços da dívida, ceteris paribus. Portanto, firmas mais líquidas irão

reduzir o nível de endividamento em sua estrutura de capital para manter maiores

níveis de liquidez. Isto nos leva à hipótese 8:

Existe relação inversa entre a liquidez da firma e o índice de endividamento. H8

LIQ = b0 - b1 * INDICEDIVIDA + erro (11)

E) Estratégia corporativa (liquidez) e desempenho da firma

Firmas que seguem uma estratégia de alta liquidez terão um efeito positivo nos

fluxos de caixa. O efeito contrário será considerado no presente estudo. Tal ocorre

porque a firma que se propõe a aumentar sua posição de liquidez iria tipicamente

aumentar seus fluxos de caixa operacionais. Assumindo que não existe mudança

significativa nos dispêndios de capital da firma durante o período. O contrário será

verdadeiro para firmas que são mais ilíquidas em comparação com firmas que são

mais líquidas. Isto nos leva à hipótese 9:

Existe relação direta entre a estratégia de liquidez da firma e os fluxos de

caixa.

LIQ = b0 + b1 * LPA + erro (12)

Por outro lado, a relação entre a liquidez da firma e os retornos sobre patrimônio

líquido é negativa por hipótese. Firmas que são mais líquidas tem mais caixa e

ativos de curto prazo em comparação com uma firma típica, o que em outras

palavras indica que tais firmas têm mais reservas em caixa. Uma firma que retém

seus lucros na forma de reservas de caixa irá tipicamente assumir um maior custo

de oportunidade. Em outras palavras, tais firmas desistem de oportunidades de

investir seu excesso de ativos líquidos em investimentos que aumentariam o valor da

firma. Isto nos leva à hipótese 10:

Existe relação inversa entre a liquidez da firma e o retorno sobre o

patrimônio líquido.

H10

LIQ = b0 - b1 * RETPL + erro (13)

F) Estrutura de capital e desempenho da firma

Firmas que usam um alto nível de dívida em sua estrutura de capital, em

comparação com firmas que usam relativamente pouca dívida, terão um impacto

positivo em seus retornos sobre o patrimônio líquido. Isso devido ao conceito de

alavancagem financeira. A alavancagem financeira existirá quando houver custos

fixos financeiros, o que significa dizer que se trata da possibilidade de utilização de

recursos de terceiros para aumentar o lucro dos proprietários. O Grau de

Alavancagem Financeira (GAF) sempre existirá quando satisfizer a seguinte

equação:

GAF= % LPA > 1

% LAJIR

(A)

O Grau de Alavancagem Financeira é, pois medida de risco, ou seja, risco

financeiro, o que significa que se uma empresa consegue ampliar o seu resultado

operacional mantendo a mesma estrutura de capital haverá uma variação mais do

que proporcional na remuneração dos acionistas e por outro lado, reduzindo o seu

lucro operacional o mesmo efeito multiplicador atuará provocando uma queda mais

acentuada do lucro dos acionistas ordinários. O risco financeiro pode ser

caracterizado como o volume de resultado que o acionista ordinário perde para

remunerar o capital de terceiros. Todavia, na mesma proporção em que se aumenta

a possibilidade de maior rendimento do capital próprio, o risco financeiro, devido ao

aumento do endividamento da empresa, também crescerá. O risco financeiro

exprime a possibilidade de a empresa vir a necessitar, emergencialmente, de

recursos adicionais e estes não estarem disponíveis no mercado devido ao elevado

nível de endividamento e assim tornar a empresa sem liquidez. Isto nos leva às

hipóteses 11 e 12:

Existe relação direta entre o grau de alavancagem financeira da firma e o

retorno sobre o patrimônio líquido

H11

RETPL = b0 + b1 * GAF + erro (15)

Existe relação direta entre o nível de endividamento da firma e o retorno

sobre o patrimônio líquido.

H12

RETPL = b0 + b1 * INDICEDIVIDA + erro (16)

Para melhor entendimento, temos:

(B)

LOP

LAIR

LOP

xx xx =

Alavancagem financeira ROIC

Onde,

ROIC é o retorno sobre o capital investido

ROIC = LOP x (1 – t) , pois LL = 1-t, onde t é alíquota do imposto de renda

AT LAIR

AT é o endividamento

LAIR é a margem após o endividamento e como LAIR = LOP-DF, teremos que :

LOP

LAIR = 1 - DF , onde DF é a despesa financeira

LOP LOP

Isso, porque,

Lucro operacional (LOP)

(-) Depreciação

(-) Despesas Financeiras

(=) LAIR

(-) IR

(=) Lucro líquido (LL)

5 METODOLOGIA

A contribuição deste trabalho reside na proposição ou busca de um método de

análise, baseado em uma amostra de empresas, da questão relacionada a, se a

estratégia adotada pelas mesmas é robusta à volatilidade macroeconômica presente

em uma economia com características emergentes.

Para o propósito do presente estudo, quatro empresas brasileiras serão usadas

como amostra para testar o modelo. As informações sobre essas empresas foram

obtidas, com base em relatórios que provem para o mercado, por exemplo, relatórios

anuais. Esses relatórios foram obtidos de base de dados da Comissão de Valores

Mobiliários (CVM), da Infoinvest, do software Economática e informações divulgadas

nos sites das próprias empresas. As empresas a serem consideradas são:

EMBRAER, AMBEV, SADIA, PETROBRÁS.

Como explicado acima, os dados serão coletados de fontes secundárias e da própria

empresa. Como o modelo está ligado ao teste do efeito de uma ou várias

construções/variáveis, ou seja, risco ambiental na:

− Estratégia corporativa e seus efeitos no desempenho da firma.

− Estratégia corporativa na estrutura de capital e seus impactos no desempenho da

firma.

− Estratégia corporativa e estrutura de capital no desempenho da firma.

A unidade de análise será o nível corporativo da firma para variáveis ligadas a

estratégia corporativa, estrutura de capital e desempenho da firma.

O risco ambiental será operacionalizado utilizando:

− A taxa de juros SELIC (Sistema Especial de Liquidação e Custódia).

− A taxa de câmbio.

A liquidez será operacionalizada utilizando o índice de liquidez seca (ativo circulante

menos os estoques divididos pelo passivo circulante).

A estrutura de capital da firma será operacionalizada utilizando um índice de

endividamento total, enquanto o desempenho da firma será operacionalizado

utilizando duas dimensões, o fluxo de caixa líquido e retornos provisionados (retorno

sobre o patrimônio líquido).

Basearemos nosso estudo em um modelo aplicado por Chathouth (2002), onde o

mesmo desenvolveu um trabalho no segmento de restaurantes. Em nosso presente

estudo iremos aplicar um modelo semelhante, entretanto em empresas de diferentes

segmentos. A escolha das empresas se deu ao fato que elas constituem um retrato

do segmento na qual atuam, representando de maneira consistente o

comportamento dos setores nos quais estão inseridas (QUADRO 1).

QUADRO 1 – Empresas e Setores

Empresa Setor

AMBEV Bebidas

PETROBRÁS Energia

EMBRAER Aeronáutica

SADIA Alimentos

Fonte: Pesquisa direta, 2005.

Para atingirmos nosso objetivo, a escolha de um programa computacional é crucial.

Assim sendo, utilizaremos em nossos cálculos o pacote econométrico E-Views, que

é um software econométrico amplamente utilizado no mercado.

5.1 Análises empíricas

5.1.1 Operacionalização das variáveis

As variáveis foram obtidas das bases de dados da Economática e do site InfoInvest.

Em todos os casos, os dados brutos foram tratados para serem utilizados em

análises mais complexas. Esta seção vai descrever todas as variáveis utilizadas,

passo a passo, na construção das variáveis conceituais sobre as quais serão

testadas as hipóteses do modelo (QUADRO 2).

A) Construção do risco ambiental

− TXCÂMBIO: Esta variável foi operacionalizada calculando-se a média trimestral

da taxa de câmbio no fechamento.

− TXJUROS: Esta variável foi operacionalizada calculando-se a média trimestral da

taxa Selic (Sistema Especial de Liquidação e Custódia).

B) Construção do risco corporativo

− LIQ: Esta variável foi operacionalizada utilizando o índice de liquidez seca, ou

seja, o ativo circulante menos os estoques dividido pelo passivo circulante.

C) Construção da estrutura de capital

− INDICEDIVIDA: Esta variável foi calculada como o total de ativos subtraídos pelo

patrimônio líquido e em seguida divididos pelo patrimônio líquido.

− GRAU DE ALAVANCAGEM FINANCEIRA: Esta variável foi operacionalizada

calculando-se a alavancagem financeira das organizações pelos dados obtidos

nos balanços e informativos trimestrais das mesmas.

D) Construção do desempenho da firma

− LPA: Esta variável foi obtida dividindo-se o lucro líquido de cada firma pelo

número de ações existentes na data de publicação do lucro nas demonstrações

financeiras correspondentes. Esta variável foi utilizada como proxy para os fluxos

de caixa das empresas.

− RETPL: Este índice, o retorno sobre o patrimônio líquido das firmas, foi calculado

dividindo-se o lucro líquido de um período pelo patrimônio líquido contábil vigente

no período anterior.

QUADRO 2 – Variáveis e métricas

n. Variável

Métrica

1 TXCÃMBIO

Risco ambiental

2 TXJUROS

Risco ambiental

3 LIQ

Índice de liquidez

4 INDICE DIVIDA

Índice de endividamento

5 LPA

Fluxo de caixa por ação

6 RETPL

Retorno sobre o PL

7 GAF

Grau de alavancagem financeira

Fonte: Pesquisa direta, 2006.

Os indicadores chave de desempenho estratégico das empresas estudadas serão

analisados intertemporalmente. Desta forma, podemos definir hipóteses mais

precisas sobre o impacto das variáveis macroeconômicas no desempenho

empresarial.

Estudando se indicadores de desempenho relevantes como receitas, custos, market-

share e preços das ações foram significativamente influenciados pelo ambiente

macro, vamos tentar inferir a robustez das estratégias adotadas face à incerteza

presente na economia brasileira, e face às características das empresas.

E) Proposição das equações relacionadas às hipóteses

− Risco ambiental e estratégia corporativa

− Pela hipótese H1, equação 1:

LIQ = b0 - b1 * TXJUROS + erro (1)

− Pela hipótese H2, equação 2:

LIQ = b0 - b1 * TXCAMBIO + erro (2)

− Pelas hipóteses H1 e H2, equação 3:

LIQ = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (3)

− Risco ambiental e estrutura de capital

− Pela hipótese H3, equação 4:

INDICEDIVIDA = b0 - b1 * TXJUROS + erro (4)

− Pela hipótese H4, equação 5:

INDICEDIVIDA = b0 - b1 * TXCAMBIO + erro (5)

− Pelas hipóteses H3 e H4, equação 6:

INDICEDIVIDA = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (6)

− Risco ambiental e desempenho da firma

− Pela hipótese H5, equação 7:

RETPL = b0 - b1 * TXJUROS + erro (7)

− Pela hipótese H6, equação 8:

LPA = b0 - b1 * TXJUROS + erro (8)

− Pela hipótese H7, Equação 9:

LPA = b0 - b1 * TXCAMBIO + erro (9)

− Pelas hipóteses H6 e H7, equação 10:

LPA = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro 10

− Estratégia corporativa e estrutura de capital

− Pela hipótese H8, Equação 11:

LIQ = b0 - b1 * INDICEDIVIDA + erro (11)

− Estratégia corporativa e desempenho da firma

− Pela hipótese H9, Equação 12:

LIQ = b0 + b1 * LPA + erro (12)

− Pela hipótese H10, Equação 13:

LIQ = b0 - b1 * RETPL + erro (13)

− Pelas hipóteses H8, H9 e H10, equação 14:

LIQ = b0 - b1 * INDICEDIVIDA + b2 * LPA – b3* RETPL + erro (14

− Estrutura de capital e desempenho da firma

− Pela hipótese H11, Equação 15:

RETPL = b0 + b1 * GAF + erro (15)

− Pela hipótese H12, Equação 16:

RETPL = b0 + b1 * INDICEDIVIDA + erro (16)

− Pelas hipóteses H11e H12, equação 17:

RETPL = b0 + b1* GAF + b2 * INDICE DIVIDA + erro (17)

5.2 Descrição do modelo Ordinary Least Squares (OLS)

Um estudo econométrico começa com um conjunto de proposições sobre algum

aspecto da economia. A teoria especifica um conjunto de relações precisas e

determinísticas entre as variáveis. Exemplos familiares são equações de demanda,

funções de produção, e modelos macroeconômicos. A investigação empírica revela

as estimativas de parâmetros desconhecidos de modelos, tais como, elasticidades,

efeitos de políticas monetárias, e usualmente tentam medir a validade da teoria

contra o comportamentos de dados observados. Uma vez construído, o modelo pode

ser utilizado para a previsão ou análise do comportamento das variáveis. Esta seção

vai detalhar a as características do estimador econométrico utilizado neste trabalho,

o estimador de Minimos Quadrados Ordinários (OLS).

O modelo de regressão linear é ferramenta de maior valor na caixa de ferramentas

de um econometrista. Utilizado em um grau cada vez maior na literatura

contemporânea, permanece como o modelo mais usado para se iniciar qualquer

pesquisa empírica. Vamos desenvolver e discutir brevemente este modelo a seguir,

para detalhar seus aspectos. Embora não faça parte do escopo deste trabalho

explicar modelos econométricos, os aspectos do modelo serão apresentados como

formas de facilitar a compreenção do teste de hipóteses realizado.

O modelo de regressão mútipla é utilizado para se analisar a relação entre uma

variável dependente e uma ou mais variáveis independentes.

A forma genérica do modelo de regressão múltipla é:

y = f (x[1],x[2],....,x[k]) + E (A)

y = x[1]b[1] + x[2]b[2] + ..... + x[k]b[k] + E (B)

Onde y é a variável dependente ou explicada, x[1],...x[k] são as variáveis

explicativas. Uma teoria especifica f (x[1],x[2],....,x[k]).

Esta função é usualmente chamada de equação de regressão populacional de y em

x[1]....x[k]. Neste conjunto, y é o regressando e x[k], k=1...k, são os regressores.

A teoria subjacente vai explicar as variáveis dependentes e independentes do

modelo. Os movimentos da variável independente podem ser entendidos como

dependentes de variáveis de fora da relação explicitada, enquanto os movimentos

das variáveis dependentes são respostas aos estímulos exógenos das variáveis

dependentes.

O termo E é a perturbação aleatória, assim chamada porque “perturba” uma relação

de outra forma estável. Esta perturbação acontece por diversas razões,

principalmente porque nós não podemos esperar capturar todas as influências

possíveis nas variáveis econômicas do modelo, não importando o quanto este seja

elaborado. O efeito líquido, que pode ser positivo ou negativo, destes fatores

omitidos é capturado no termo de perturbação. Existem inúmeros outros

contribuintes ao termo de Erro aleatório em um modelo empírico. Provavelmente o

mais significativo é o erro de mensuração. É fácil teorizar sobre uma relação

hipotética entre variáveis precisamente definidas; É outra coisa obter medidas

precisas destas variáveis. No extremo, pode não haver contrapartidas observáveis

de uma variável teórica.

Nós assumimos que cada observação na amostra (y[1],x[1],x[2],....) é gerada por um

processo implícito, descrito de forma genérica por

Y[i] = x[i]b[i]....x[k]b[k] + E (C)

O valor observado de y[i] é a soma de duas partes, uma parte determinística e uma

parte aleatória E. Nosso objetivo é estimar os parâmetros desconhecidos do modelo,

usando dados para estudar a validade das proposições teóricas e talvez para prever

a variável y. Como nós prosseguiremos daqui depende crucialmente das premissas

que assumiremos a respeito do processo estocástico que gerou as variáveis que

observamos.

No modelo OLS assumimos que este processo gerador dos Erros pode ser descrito

por uma distribuição estatística conhecida como distribuição normal. Esta

distribuição conhecida em forma de sino é simétrica. A partir de algumas hipóteses

sobre os erros, que não descreveremos em detalhes, como por exemplo, a

homocedasticidade da variância, ou seja, a variância é igual em todos os pontos

observados, a inexistência de autocorrelação entre os Erros, e a inexistência de

covariância entre os erros e a as variáveis explicativas, podemos derivar o que se

convencionou chamar de equações normais, que ao serem maximizadas, nos dão o

estimador de mínimos quadrados ordinários, que minimiza a soma dos quadrados

dos erros aleatórios.

No GRÁF. 1 a representação desta regressão de OLS. Em cada ponto, assume-se

que o erro tem distribuição normal (como desenhado no gráfico), com média a+bx[i]

e variância sigma. O que o estimador de mínimos quadrados faz é calcular o de

forma que a soma do quadrado dos resíduos ε = ψ[ι] − α + βξ[ι] seja mínima.

GRÁFICO 1 – Representação da regressão de OLS

Fonte: GUJARATI, 1999.

Estimação de intervalos e testes de hipóteses

Além da estimação de parâmetros, a econometria também se preocupa com a

construção de intervalos de confiança para as estimativas e com o teste hipóteses

sobre os parâmetros do modelo.

Sob a hipótese nula, grande parte das estatísticas dos testes tem uma distribuição

de probabilidade que é tabulada em apêndices de livros de estatística, sendo as

mais comuns a normal padrão, a t de student, qui-quadrado, e a distribuição F.

Em amostras pequenas a aplicabilidade de todas estas distribuições depende de os

erros do modelo de regressão clássico (usualmente o modelo OLS) serem

normalmente distribuídos. Nas situações em que o termo de erro não é normalmente

distribuído, na maior parte dos casos alguma estatística de teste tradicional tem uma

distribuição assintótica (ou seja, em amostras muito grandes) equivalente a uma das

distribuições tabuladas; Com essa justificativa, os testes e intervalos de estimação

prosseguem da forma usual, ignorando o chamado small sample bias.

Testando uma única hipótese: o teste t

Testes de hipóteses e estimação de intervalos de confiança de parâmetros isolados

são a aplicação direta de técnicas familiares a todos os estudantes de estatística

elementar. No modelo de regressão linear clássico, assumindo-se normalidade para

os erros, o estimador OLS gera estimativas que são distribuídas normalmente em

conjunto nas repetidas amostras. Isto significa que os parâmetros da regressão, ou

seja, b[1], b[2], b[3], etc., estão todos conectados entre si (pelas suas covariâncias).

Em particular, isto significa, por exemplo, que o estimador b[3] é distribuído

normalmente com média b[3] (pois o estimador de OLS é não-viesado) e variância

V(b[3]) igual ao terceiro elemento diagonal da matriz de variância e covariância. A

raiz quadrada de V(b[3]) é o desvio-padrão deste estimador. Usando a tabela normal

e este desvio-padrão, estimativas de intervalo podem ser construídas, e as hipóteses

podem ser testadas.

Um ponto negativo deste procedimento é que a matriz de variância-covariância dos

parâmetros b não é usualmente conhecida. Esta matriz pode ser estimada pelos

erros quadrados, o que permite uma estimativa da matriz. A raiz quadrada do

terceiro elemento diagonal é o desvio-padrão de b[3]. Com esta estimativa, uma

tabela t pode ser utilizada no lugar da tabela normal para testar hipóteses e construir

intervalos de confiança.

O uso de tais testes t, como são chamados, é tão comum que a maioria dos

softwares estatísticos que computam estimadores OLS incluiu um número chamado

de estatística t para cada parâmetro estimado. Este número é o valor do parâmetro

estimado dividido pelo desvio-padrão. Este número pode então ser comparado

diretamente aos valores críticos em uma tabela t, para testar a hipótese que o

parâmetro é igual à zero.

Teste de uma hipótese conjunta: o teste F

Suponha que o pesquisador quer testar a hipótese conjunta que, digamos, o quinto e

o sexto elemento do conjunto de parâmetros b, b[5] e b[6] sejam iguais a 1,0 e a 2,0

respectivamente. Ou seja, ele quer testar a hipótese que o sub-vetor [b [5] b [6]] é

igual ao vetor [1,0 2,0 ].

Esta é uma questão diferente de duas questões separadas sobre se b[5] é igual a

1,0 e b[6] é igual a 2,0. É possível, por exemplo, aceitar a hipótese que b[5] é igual a

1,0 e também aceitar a hipótese que b[6] é igual a 2,0 e rejeitar a hipótese conjunta

que ambos b[5] e b[6] sejam simultaneamente iguais a 1,0 e 2,0 respectivamente.

A estatística F para testar um conjunto de J restrições lineares em uma regressão

com K parâmetros (incluindo o intercepto) e T observações, toma a forma genérica

encontrada em qualquer livro-texto

[SQE (restrito – SQE (irrestrito)] / J

SQE (irrestrito)] / (T-K)

(D)

Onde os graus de liberdade para esta estatística F são J e T-K. Quando as

restrições são verdadeiras, em função do termo de erro elas não serão exatamente

satisfeitas pelos dados, então a SQE (soma dos quadrados dos erros) irá aumentar

quando as restrições são impostas – a minimização sujeita a restrições não será tão

bem sucedida quanto a minimização sem restrições. Mas se as restrições são

verdadeiras, o aumento por restrição adicional na SQE não deve ser muito grande,

relativa a influência do termo de erro. O numerador tem a mudança “por restrição” na

SQE devido a imposição de restrições, e o denominador tem a contribuição “por

erro” na SQE (o menos K nesta expressão corrige pelos graus de liberdade). Se a

razão for “muito grande” seríamos relutantes em acreditar que teria acontecido por

acaso, concluindo que deva ter acontecido devido as restrições serem falsas.

Valores altos da estatística F nos levam a rejeitar a hipótese nula que as restrições

são verdadeiras.

Como encontramos a SQE restrita? A regressão restrita é estimada, com finalidade

de se obter a SQE restrita. O exemplo mais simples é o caso de se restringir um

coeficiente a ser igual a zero – apenas estime a regressão omitindo o coeficiente

daquela variável. Para estimar uma regressão restringindo b[5] a ser igual a 1,0 e

b[6] a ser igual a 2, 0, subtraímos 1,0 vezes o quinto regressor e 2,0 vezes o sexto

regressor das variáveis dependentes, e regredimos esta nova, variável dependente

construída nos regressores restantes. Em geral, para incorporar uma regressão

linear em uma regressão, usamos uma restrição para solucionar para um dos

parâmetros, e rearranjamos a equação resultante para formar uma nova regressão

envolvendo as variáveis construídas.

− Se existirem apenas duas observações, uma função linear com uma variável

independente (ou seja, dois parâmetros), irá se ajustar aos dados perfeitamente,

não importando qual variável independente é utilizada. Adicionar uma terceira

observação irá destruir o ajuste perfeito, porém o ajuste irá permanecer ainda

muito bom, simplesmente porque existe efetivamente apenas uma observação a

ser explicada. É para corrigir este fenômeno que as estatísticas são ajustadas por

graus de liberdade – ou seja, o número de observações “livres” ou linearmente

independentes usadas no cálculo da estatística. Em todos os testes F, o número

de graus de liberdade apropriado para o numerador é o número de restrições

sendo testado. Os graus de liberdade do denominador são T-K, o número de

observações menos o número de parâmetros sendo estimados. T-K são também

os graus de liberdade da estatística t.

− Os graus de liberdade de uma estatística são simplesmente os números das

quantidades que entram no cálculo da estatística menos o número de restrições

conectando estas estatísticas. Por exemplo, a fórmula usada para calcular a

variância amostral envolve a estatística da média amostral. Isto impõe uma

restrição aos dados – dada a média amostral, qualquer observação pode ser

determinada pelas outras (N-1) observações. Conseqüentemente, existem

100

apenas (N-1) observações não-restritas disponíveis para se estimar a variância

amostral. Os graus de liberdade da estatística de variância amostral são (N-1).

− Um caso especial da estatística F é automaticamente reportado pela maioria dos

softwares econométricos (incluindo o E-Views) – a estatística F para a

“significância global da regressão”. Esta estatística F testa a hipótese que todos

os coeficientes sejam zero. A regressão restrita neste caso teria apenas um

intercepto.

− Para tornar claro como se estima uma regressão com restrições, suponha, por

exemplo, que Y = a + b[1] X + b[2] Z + e, onde b[1] e b[2] são parâmetros a

serem estimados, X e Z são variáveis explicativas independentes. Suponha que

queiramos impor a restrição que b[1] + b[2] = 1. Substituímos b[1] = 1 - b[2] e

rearranjamos para obter Y-X = a + b[2] (Z-X) + e. A soma dos erros quadrados é

obtida regredindo-se a variável construída (Y-X) em uma constante e na variável

construída (Z-X). Note que, devido a mudança nas variáveis dependentes, não

faz sentido compararmos os R

desta regressão com a regressão original.

− No exemplo anterior deve ficar claro que é fácil construir um teste F da hipótese

que b[1] + b[2] = 1. A estatística F resultante será o quadrado da estatística t que

seria utilizado para testar esta mesma hipótese. Isto reflete o resultado geral que

o quadrado de uma estatística t é uma estatística F. com graus de liberdade 1 e

os graus de liberdade da estatística t ). Com exceção do teste em que um único

coeficiente seja igual a um valor específico, é normalmente mais fácil realizar um

teste F do que um teste t.

− Ao dividirmos o numerador e o denominador de uma estatística F pela SQT

(soma de quadrados total de uma regressão, em inglês SST, que é a variação

total da variável dependente), F pode ser escrito em termos do R

e da variação

101

no R

. Este método não é recomendado, contudo, porque as vezes a SQE

restrita é obtida estimando-se uma regressão com uma variável dependente

diferente da utilizada para se obter a SQE irrestrita, implicando em diferentes

SQTs e portanto R

incomparáveis.

O coeficiente R

e o R

ajustado

O coeficiente de determinação, R

, é freqüentemente utilizado em testes de

especificação. Devido a seu uso abusivo pelos pesquisadores e praticantes, vale

apenas tornarmos clara sua interpretação intuitiva em diferentes contextos.

Como vimos anteriormente, a estatística de teste F pode ser interpretada em termos

do R

e de mudanças no R

. Se um conjunto extra de variáveis independentes

pertence a relação estimada ou não, depende se, ao adicionarmos novos

regressores a equação, a estatística R

aumente significativamente. Isto sugere que,

quando alguém está tentando determinar qual variável independente deveria estar

incluída em uma relação, deve buscar sempre o maior R

Esta regra levaria a escolha de relações com muitos regressores (variáveis

independentes) em uma mesma equação, porque a inclusão de um regressor não

pode fazer a estatística R

cair (pela mesma razão que a inclusão de um regressor

não pode aumentar a soma dos quadrados dos resíduos que foi minimizada –

minimizar sem a restrição que um regressor extra deva ser ignorado resulta em pelo

menos um valor mínimo tão pequeno quanto no caso em que as restrições são

impostas). Corrigir o R

pelos graus de liberdade resolve este problema. O R

ajustado para levar em conta os graus de liberdade é chamado de “R

ajustado”, e é

102

atualmente reportado na maioria dos softwares econométricos, sendo utilizado pelos

pesquisadores no lugar do R

tradicional.

A adição de um novo regressor muda os graus de liberdade associados as medidas

que computam o R

. Se um regressor adicional for responsável por pouca variação

inexplicada na variável dependente, o R

ajustado cai (enquanto o R

aumenta).

Portanto, somente se o R

ajustado aumentar, uma variável extra deveria ser

considerada seriamente para inclusão no conjunto de variáveis independentes da

equação. Isto sugere que um econometrista deveria procurar pelo “melhor” conjunto

de variáveis independentes ao determinar qual conjunto potencial de variáveis

independentes produz o maior R

ajustado. Este procedimento só é válido no sentido

que o “conjunto correto” irá produzir, na média em amostras repetidas, o maior R2

ajustado do que qualquer outro conjunto “incorreto” de variáveis independentes.

Outro uso comum da estatística de R

ajustado é no contexto de se mensurar a

relativa importância de diferentes variáveis independentes na determinação da

variável dependente. Os livros texto apresentam diversas formas de se decompor a

estatística R

em suas partes componentes, cada componente sendo identificado

com uma variável independente e utilizado como medida da importância relativa da

variável dependente na regressão. Infelizmente nenhuma destas medidas de R

significativa a não ser que as variáveis independentes sejam não-correlacionadas

entre si na amostra utilizada (isso só ocorre em experimentos controlados ou por

sorte extraordinária, sendo as duas coisas são dificilmente manipuláveis na análise

econômico-financeira). No caso típico das variáveis independentes serem

correlacionadas, os componentes do R

não possuem significado porque: (a) não

podem mais ser legitimamente alocados as variáveis independentes. (b) sua soma

103

não será igual ao R

ou (c) sua soma é igual ao R

, mas possuem termos positivos e

negativos.

A principal razão para isso pode ser explicada da seguinte forma. Suponha que só

existam duas variáveis independentes, e elas são correlacionadas na amostra. Duas

variáveis correlacionadas podem ser pensadas como tendo, entre elas, três tipos de

variação: variação única da primeira variável, variação única da segunda variável, e

variação comum a ambas as variáveis (quando as variáveis são não-correlacionadas

esta terceira variação não ocorre). Cada um dos três tipos de variação neste

conjunto de duas variáveis “explica” alguma variação na variável dependente. O

problema básico é que ninguém concorda em como dividir o poder explicativo da

variação conjunta entre as duas variáveis independentes. Se a variável dependente

é regredida em ambas as variáveis independentes, o R

reflete o poder explicativo

de todos os três tipos de variação independente. Se a variável dependente é

regredida em somente uma variável independente, a variação única as demais

variáveis é removida e o R

resultante reflete o poder explicativo dos outros dois

tipos de variação nas variáveis independentes. Assim, se uma variável independente

é removida, as variáveis restantes levam o crédito por toda a variação comum. Se a

segunda variável independente fosse reintroduzida e o aumento resultante do R

fosse utilizado para medir a influência dessa segunda variável, esta variável não

teria crédito por nenhuma variação comum. Assim, seria ilegítimo medir a influência

de uma variável independente pelo seu R

em uma regressão de uma variável

dependente somente naquela variável independente.

ajustado negativo

104

O R

ajustado é derivado de uma interpretação do R

como 1 menos a razão entre a

variância do termo de erro e a variância da variável dependente (ou seja, preocupa-

se com as variâncias ao invés da variação). A estimação destas variâncias envolve

correção para os graus de liberdade, resultando na seguinte expressão:

R2 Ajustado = R2 - [(K-1)/(T-K)] (1 - R2), ou seja, 1 - [(T - 1) / (T - K)] (1 - R2) (E)

Aonde K é o número de variáveis independentes e T é o número de observações.

Portanto, para que o R

ajustado seja negativo basta que o termo [(T -1) / (T - K)] (1 -

r - R

) seja maior do que 1.

Isso pode ocorrer com maior freqüência quando o R

(não-ajustado) for muito baixo

e/ou existirem relativamente poucas observações e muitos graus de liberdade.

Testes de hipóteses

O primeiro passo é estabelecer as duas hipóteses. A primeira hipótese, também

conhecida como hipótese nula (que chamaremos de H0), geralmente é uma

igualdade. Isto é, supõe-se que determinado parâmetro é igual a um número. A

segunda hipótese, a chamada hipótese alternativa (que denominaremos de H1),

contradiz a hipótese nula de alguma forma, portanto é uma desigualdade: pode ser

“o parâmetro é diferente do número”, “maior do que o número” ou “menor do que o

número”.

A hipótese alternativa é a hipótese que estamos a testar, ou seja, é a nossa hipótese

de pesquisa. Sua siamesa é a hipótese nula.

105

Uma vez que o objeto da econometria é o estudo do comportamento de variáveis

aleatórias, não é possível fazer afirmações com pena certeza, de tal modo que

devemos associá-las a probabilidades. O resultado de um teste de hipóteses sempre

tem alguma chance de estar errado. Na verdade, há dois tipos de erros.

O erro do tipo I ocorre quando rejeitamos a hipótese nula e ela é verdadeira. E o erro

tipo II significa que aceitamos a hipótese nula quando ela é falsa, ou melhor, não

rejeitamos a hipótese nula quando ela é falsa.

Fazendo uma analogia com julgamentos, se considerarmos a hipótese alternativa

como sendo o acusado é culpado, e, portanto, a hipótese nula como o acusado é

inocente, o erro tipo I seria condenar um inocente, enquanto um erro tipo II seria

análogo a absolver um culpado.

A probabilidade de cometer o erro tipo I é a própria significância do teste, portanto

ela é definida a priori.

P (erro tipo I) = α = significância do teste.

O nível de confiança (=1-α) corresponde ao complementar do nível de significância,

desta maneira, quanto menor for o nível de significância, maior será o nível de

confiança.

Chamaremos de β a probabilidade de cometer o erro tipo II.

P (erro tipo II) = β

106

Assim temos o poder do teste (=1-β), que se refere à probabilidade de rejeitar a

hipótese nula quando esta é falsa, ou seja, é o complementar da probabilidade de

cometer o erro tipo II.

Temos ainda o valor-p (ou p-value) que indica o menor nível de significância para o

qual se rejeita a hipótese nula. Pode ainda ser entendido como a probabilidade

exata de cometer um erro tipo I. Se esta probabilidade for menor que o nível de

significância, que no nosso caso é de 0.10, rejeita-se a hipótese nula.

5.3 Breve histórico das organizações em estudo

5.3.1 AMBEV

A AmBev é a maior indústria privada de bens de consumo do Brasil e a maior

cervejaria da América Latina. A Companhia foi criada em 1º de julho de 1999, com a

associação das cervejarias Brahma e Antarctica. A fusão foi aprovada pelo Conselho

Administrativo de Defesa Econômica (CADE) em 30 de março de 2000. Líder no

mercado brasileiro de cervejas, a AmBev está presente em 14 países, é referência

mundial em gestão, crescimento e rentabilidade. Com a aliança global firmada com a

InBev, em 3 de março de 2004, a Companhia passou a ter operações na América do

Norte com a incorporação da Labatt canadense, tornando-se a Cervejaria das

Américas. Com uma estratégia de crescimento fundamentada em princípios de

gerenciamento de receita, a AmBev persegue continuamente a maior eficiência em

custos e considera sua principal vantagem competitiva sua gente e a sua cultura. A

Companhia é hoje referência mundial entre as indústrias de bebidas.

107

Detentora do maior portfólio do país no setor de bebidas, AmBev vem consolidando

a participação de suas marcas no mercado brasileiro de cervejas. O market share da

companhia passou de 63,2%, em dezembro de 2003, para 68,1% em dezembro de

2004, segundo a AC Nielsen, mantendo-se neste patamar em 2005. A AmBev atua

em quase toda a América Latina por meio de operações próprias (Venezuela,

Guatemala, Peru, Equador, Nicarágua, El Salvador e República Dominicana) e da

associação com a Quilmes (Argentina, Uruguai, Paraguai, Bolívia e Chile), na qual

detém hoje participação de 55%.

5.3.2 EMBRAER

A Empresa Brasileira de Aeronáutica S.A. (EMBRAER) é uma das maiores

empresas aeroespaciais do mundo, posição alcançada graças à busca permanente

e determinada da plena satisfação de seus clientes. Com mais de 35 anos de

experiência em projeto, fabricação, comercialização e pós-venda, a Empresa já

produziu cerca de 3.600 aviões, que hoje operam em 58 países, nos cinco

continentes. A Embraer tem uma base global de clientes e importantes parceiros de

renome mundial, o que resulta em uma significativa participação no mercado. A

Embraer foi a maior exportadora brasileira entre os anos de 1999 e 2001, e foi a

segunda maior empresa exportadora nos anos de 2002, 2003 e 2004. Atualmente

sua força de trabalho totaliza mais de 16.500 empregados, 85,5% baseados no

Brasil e contribui para a geração de mais de 3.000 empregos indiretos.

Fundada em 19 de agosto de 1969 pelo Decreto-Lei nº 770, como empresa de

capital misto, a Embraer foi privatizada em 07 de dezembro de 1994. Seu controle

está em mãos brasileiras e é exercido pela Cia. Bozano e os fundos de pensão

108

PREVI e SISTEL, por meio de acordo de acionistas envolvendo 60% das ações com

direito a voto.

Em 1999, a Embraer formalizou uma aliança estratégica com um grupo formado por

importantes empresas aeroespaciais européias – Dassault Aviation, EADS, Snecma

e Thales, que adquiriram 20% do capital volante da empresa. Alianças desse tipo

facilitam o acesso a novas tecnologias, além de incrementar os processos de

fabricação e desenvolver novos mercados para os produtos da empresa.

Esse espírito empreendedor tem resultado em melhorias significativas na eficiência

da empresa, na qualidade dos seus produtos e serviços, bem como na sua

lucratividade.

5.3.3 SADIA

A Sadia foi fundada por Attilio Fontana, em 1944, no oeste catarinense. Ao longo

dos anos, firmou sua excelência no segmento agroindustrial e na produção de

alimentos derivados de carnes suína, bovina, de frango e de peru, além de massas e

margarinas. Nos últimos anos, a Sadia se especializou, cada vez mais, na produção

e distribuição de alimentos industrializados congelados e resfriados de maior valor

agregado.

Líder nacional em todas as atividades em que opera, a Sadia também é uma das

maiores empresas de alimentos da América Latina e uma das maiores exportadoras

do País. No mercado brasileiro tem um portfólio de cerca de 680 itens, que são

distribuídos para aproximadamente 300 mil pontos de venda. Para o mercado

externo, exporta perto de 250 produtos para 92 países. Companhia aberta desde

109

1971, a Sadia lançou, em 2001, seus American Depositary Receipts (ADR) na Bolsa

de Nova York e aderiu ao Nível 1 de Governança Corporativa da BOVESPA. No

mesmo ano, foi eleita a marca mais valiosa do setor de alimentos brasileiro, em

pesquisa divulgada pela Interbrand, consultoria inglesa conhecida pela elaboração

da tradicional lista das 100 marcas mais valiosas do mundo. No Brasil, a Interbrand

avaliou 30 companhias nacionais listadas na CVM e elegeu as 12 marcas brasileiras

de maior valor no mercado. Em 2003, a Sadia foi reeleita pela consultoria como a de

marca mais valiosa do setor de alimentos brasileiro. A empresa mantêm um parque

fabril com 11 unidades industriais, duas unidades agropecuárias e centros de

distribuição espalhados por 14 Estados brasileiros. No exterior, tem representações

comerciais no Uruguai, Inglaterra, Argentina, Chile, Alemanha, Rússia,

Turquia,Emirados Árabes, Japão e Venezuela.

A Sadia está entre as maiores empregadoras brasileiras, de acordo com o rancking

Melhores & Maiores, da revista Exame. Atualmente conta com aproximadamente 40

mil funcionários. Além disso, mantém, por meio de seu Sistema de Fomento

Agropecuário, parceria com cerca de 10 mil granjas integradas de aves e suínos.

Desde o início de suas atividades, a Sadia é reconhecida como uma empresa

socialmente responsável.

Sua missão é: “atender as necessidades de alimentação do ser humano, com

produtos saborosos e saudáveis, criar valor para o acionista, para o cliente e para o

consumidor, contribuindo para o crescimento dois colaboradores.”

110

Sua visão preconiza que a empresa “se diferenciar pela imagem de sua marca, por

excelência nos serviços, inovação e qualidades dos produtos.”

5.3.4 PETROBRÁS

Em outubro de 1953, lei n. 2.004, a criação da Petrobrás foi autorizada com o

objetivo de executas as atividades do setor petrolífero no Brasil em nome da União.A

petróleo Brasileiro S/A (PETROBRÁS) iniciou suas atividades com o acervo recebido

do antigo Conselho Nacional de Petróleo (CNP), que manteve sua função

Fiscalizadora sobre o setor.

− Campo de petróleo com capacidade para produzir 2.700 barris por dia (2.700 bpd).

− Bens da Comissão de Industrialização do Xisto Betuminoso.

− Refinaria de Mataripe, BA (atual RLAM), processando 5.000 bpd.

− Refinaria em fase de montagem, em Cubatão-SP.

− Vinte petroleiros com capacidade para transportar 221 mil toneladas.

− Reservas recuperáveis de 15 milhões de barris.

− Consumo de derivados de 137.000 bpd.

− Fábrica de fertilizantes em construção (Cubatão, SP).

Ao longo de quatro décadas, tornou-se líder em distribuição de derivados no País,

num mercado competitivo fora do monopólio da União, colocando-se entre as quinze

maiores empresas petrolíferas na avaliação internacional. Detentora de uma das

tecnologias mais avançadas do mundo para a produção de petróleo em águas

profundas e ultraprofundas, por isso a Companhia foi premiada duas vezes, em

1992 e 2001, pela Offshore Technology Conference (OTC), o mais importante

prêmio do setor.

111

Em 1997, o Brasil, pela Petrobrás, ingressou no seleto grupo de 16 países que

produzem mais de 1 milhão de barris de óleo por dia. Nesse mesmo ano foi

promulgada a Lei n. 9.478, que abriu as atividades da indústria petrolífera no Brasil à

iniciativa privada.

Com a lei, foram criados a Agência Nacional do Petróleo (ANP), encarregada de

regular, contratar e fiscalizar as atividades do setor e o Conselho Nacional de

Política Energética, um órgão formulador da política pública de energia.

Desde então, a Petrobrás dobrou sua produção e em 2003 ultrapassou a marca de 2

milhões de barris de óleo e gás natural por dia. E continuará crescendo.

Em 2003, coincidindo com a comemoração dos seus 50 anos, a Petrobrás identificou

novas províncias petrolíferas de óleo leve, no Espírito Santo e em Sergipe, o que

pode ser considerada a sua maior conquista, na área de exploração e produção,

depois da descoberta de óleo na Bacia de Campos em 1974.

O exercício de 2004 foi caracterizado por importantes realizações da Petrobrás. A

empresa anunciou o aumento das reservas de óleo e gás natural, n Brasil e no

exterior, em cerca de 20%, notícia fundamental para indicar a eficiência de uma

empresa petrolífera e altamente relevante para o Brasil.

A Petrobrás ultrapassou pela primeira vez, em 12 de maio de 2005, a marca de 1,8

milhões de barris de produção de petróleo por dia, chegando perto da auto-

suficiência brasileira. Neste ano, a companhia bateu o recorde brasileiro de

profundidade de perfuração, em 12 de agosto, com um poço inclinado que chegou a

112

6.915 metros além do fundo do mar. O poço foi perfurado no bloco BMS-10, na

Bacia de Santos, localizado a 200 km da costa sul da cidade do Rio de Janeiro.

No dia 21 de abril, às 14h30, o Presidente Luiz Inácio Lula da Silva deu início à

produção da plataforma P-50, no campo de Albacora Leste, na Bacia de Campos,

que permite ao Brasil atingir a auto-suficiência em petróleo.

A P-50 é um Floating, Production Storage Offloading (FPSO) unidade que possui a

característica de produzir, processar, armazenar e escoar óleo e gás. É a unidade

flutuante de maior capacidade do Brasil, podendo produzir até 180 mil barris diários,

o que representa 11% do volume médio produzido no País em 2005. Em sintonia

com a mudança do cenário, a Petrobrás segue preparada para a livre competição,

ampliando novas perspectivas de negócios e tendo maior autonomia empresarial.

A explicação para o sucesso da Petrobrás está na eficiência de suas unidades

espalhadas por todo o Brasil: nas refinarias, áreas de exploração e de produção,

dutos, terminais, gerências regionais e na sua grande frota petroleira.

113

6 ANÁLISE ESTATÍSTICA E RESULTADOS DA ESTIMAÇÃO

Os resultados obtidos com a estimação de cada conjunto de equações por OLS

estão demonstrados nas TAB. 1 a 17. A equação será apresentada e os resultados

para cada empresa serão analisados subseqüentemente.

6.1 Risco ambiental e estratégia corporativa

LIQ = b0 - b1 * TXJUROS + erro (1)

TABELA 1 – Resultados da equação 1

Empresa Coeficiente

Rejeita H0

para b1

R2 ajustado Estatística F p-value F

AMBEV

Não 0,037248 2,083301 0,160421

EMBRAER

Sim 0,342644 15,59489 0,000506

PETROBRÁS

Sim 0,423699 21,58570 0,000079

SADIA

Não (0,036619) 0,010888 0,917666

Fonte: Pesquisa direta, 2006.

− Excelente ajuste da equação para Embraer e Petrobrás

− Relação global não significativa para Sadia e Ambev

LIQ = b0 - b1 * TXCAMBIO + erro (2)

TABELA 2 – Resultados da equação 2

Empresa Coeficiente

Rejeita H0

para b1

R2 ajustado Estatística F p-value F

Ambev + Não (0,002818) 0,921321 0,345646

Embraer + Não 0,292774 12,59129 0,001442

Petrobrás + Não 0,418274 21,13265 0,000090

Sadia + Não 0,186555 7,421504 0,011164

Fonte: Pesquisa direta, 2006.

− Não rejeitamos a nula para todas as empresas da amostra.

114

LIQ = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (3)

TABELA 3 – Resultados da equação 3

Empresa Coef.

Rejeita H0

para b1

Coef.

Rejeita H0

para b2

R2 ajustado Estatística F p-value F

Ambev

Não

Não 0,080944 2,233027 0,127363

Embraer

Não

Sim 0,491376 14,52522 0,000058

Petrobrás

Não

Sim 0,656061 27,70492 0,000000

Sadia

Não

Não 0,171783 3,903782 0,032921

Fonte: Pesquisa direta, 2006.

− Apesar de resultados estatísticos bons, não se rejeita a nula quando os sinais

estimados foram contrários aos teorizados.

6.2 Risco ambiental e estrutura de capital

INDICEDIVIDA = b0 - b1 * TXJUROS + erro (4)

TABELA 4 – Resultados da equação 4

Empresa Coeficiente

Rejeita H0

para b1

ajustado

Estatística F p-value F

Ambev

Não (0,017489) 0,518726 0,477575

Embraer

Não 0,333168 14,98956 0,000621

Petrobrás

Sim 0,176929 7,018948 0,013314

Sadia

Não 0,027279 1,785242 0,192660

Fonte: Pesquisa direta, 2006.

− Ótimos resultados estatísticos para Embraer e Petrobrás. (Embraer com sinal

contrário ao estimado, portanto aceita-se H0).

− Os resultados do teste F para Ambev e Sadia foram ruins, além de o baixo R

ajustado sugerir pouca evidência de uma relação linear significativa entre as

variáveis do modelo.

− Apesar de resultados estatísticos bons, não se rejeita a nula quando os sinais

estimados foram contrários aos teorizados.

115

INDICEDIVIDA = b0 - b1 * TXCAMBIO + erro (5)

TABELA 5 – Resultados da equação 5

Empresa Coeficiente

Rejeita H0

para b1

ajustado Estatística F p-value F

Ambev

Não (0,008955) 0,751484 0,393646

Embraer

Sim 0,346845 15,86887 0,000462

Petrobrás

Não (0,020585) 0,435237 0,515019

Sadia

Não 0,100335 4,122683 0,052268

Fonte: Pesquisa direta, 2006.

− Bons resultados estatísticos para Embraer e Sadia, entretanto, aceitamos a nula

para a Sadia. (Sadia com sinal contrário ao esperado)

− Os resultados do teste F para Ambev e Petrobrás não foram bons.

− R

ajustado negativo sugere que as variáveis independentes utilizadas não são

adequadas no caso da Ambev e Petrobrás.

INDICEDIVIDA = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (6)

TABELA 6 – Resultados da equação 6

Empresa Coef.

Rejeita H0

para b1

Coef.

Rejeita H0

para b2

ajustado

Estatística F p-value F

Ambev

Não

Não (0,038550) 0,480332 0,623959

Embraer

Sim

Não 0,526505 16,56736 0,000023

Petrobrás

Sim

Sim 0,145376 3,381465 0,049508

Sadia

Não

Não 0,089107 2,369528 0,113417

Fonte: Pesquisa direta, 2006.

− Bons resultados em geral com exceção de Ambev, cujo modelo foi rejeitado.

− Excelente ajuste linear do modelo para a Petrobrás

− Apesar de resultados estatísticos bons, não se rejeita a nula quando os sinais

estimados forem contrários aos teorizados.

116

6.3 Risco ambiental e desempenho da firma

RETPL = b0 - b1 * TXJUROS + erro (7)

TABELA 7 – Resultados da equação 7

Empresa Coeficiente

Rejeita H0

para b1

ajustado Estatística F p-value F

Ambev

Não (0,009993) 0,722964 0,402651

Embraer

Não 0,026737 1,769196 0,194609

Petrobrás

Sim 0,112546 4,170480 0,052270

Sadia

Não (0,014351) 0,603855 0,443867

Fonte: Pesquisa direta, 2006.

− Resultados do teste F ruins de uma maneira geral, embora não

comprometedores.

− Exceção para Petrobrás, cujo resultado teve destaque positivo tanto em

significância medida pelo teste F, quanto em R

Embora este último seja ainda

baixo.

LPA = b0 - b1 * TXJUROS + erro (8)

TABELA 8 – Resultados da equação 8

Empresa Coeficiente

Rejeita H0

para b1

ajustado

Estatística F p-value F

Ambev + Não (0,036991) 0,001189 0,972745

Embraer - Sim 0,240621 9,872237 0,004045

Petrobrás - Não 0,033143 1,856987 0,185624

Sadia - Não (0,003325) 0,907205 0,349307

Fonte: Pesquisa direta, 2006.

− Bom resultado para Embraer.

− Para as demais empresas, o modelo mostrou-se fortemente insignificante,

principalmente para a Ambev, embora o ajuste linear tenha sido fraco para todas

(exceção de Embraer).

117

LPA = b0 - b1 * TXCAMBIO + erro (9)

TABELA 9 – Resultados da equação 9

Empresa Coeficiente

Rejeita H0

para b1

ajustado Estatística F p-value F

Ambev

Não 0,701646 66,84827 0,000000

Embraer

Não 0,482177 27,07257 0,000018

Petrobrás

Não 0,156423 5,635721 0,025944

Sadia

Não 0,230737 9,398489 0,004888

Fonte: Pesquisa direta, 2006.

− Apesar de resultados estatísticos bons, não se rejeita a nula quando os sinais

estimados foram contrários aos teorizados.

LPA = b0 – b1 * TXCAMBIO - b2 * TXJUROS + erro (10)

TABELA 10 – Resultados da equação 10

Empresa Coef.

Rejeita H0

para b1

Coef.

Rejeita H0

para b2

ajustado Estatística F p-value F

Ambev

Não

Não 0,768830 47,56155 0,000000

Embraer

Não

Sim 0,573423 19,81937 0,000006

Petrobrás

Não

Sim 0,167003 3,506059 0,046877

Sadia

Não

Sim 0,202141 4,546969 0,020260

Fonte: Pesquisa direta, 2006.

− Apesar de resultados estatísticos bons, não se rejeita a nula quando os sinais

estimados foram contrários aos teorizados.

118

6.4 Estratégia corporativa e estrutura de capital

LIQ = b0 - b1* INDICEDIVIDA + erro (11)

TABELA 11 – Resultados da equação 11

Empresa Coeficiente

Rejeita H0

para b1

R2 ajustado Estatística F p-value F

Ambev + Não 0,089538 3,753620 0,063219

Embraer - Sim 0,822907 131,1091 0,000000

Petrobrás - Não (0,036670) 0,009561 0,922827

Sadia - Sim 0,079982 3,434203 0,074818

Fonte: Pesquisa direta, 2006.

− Resultado global misto. O modelo é rejeitado fortemente para Petrobrás tanto no

teste F quanto no R

ajustado.

− Para as demais empresas o teste F indica alta significância, mas para Ambev e

Sadia o R

ajustado sugere baixo poder explicativo das variáveis.

− Apesar de resultados estatísticos bons, não se rejeita a nula para a Ambev, pois

os sinais estimados foram contrários aos teorizados.

6.5 Estratégia corporativa e desempenho da firma

LIQ = b0 + b1 * LPA + erro (12)

TABELA 12 – Resultados da equação 12

Empresa Coeficiente

Rejeita H0

para b1

ajustado Estatística F p-value F

Ambev

Não 0,026833 1,772052 0,194260

Embraer

Sim 0,502870 29,32326 0,000010

Petrobrás

Sim 0,439218 20,58059 0,000135

Sadia

Sim 0,856526 168,1567 0,000000

Fonte: Pesquisa direta, 2006.

119

− Bons ajustes para todas as empresas, com exceção da Ambev, além de alto

poder explicativo das variáveis. Ambev com razoável valor para p-value F, mas

muito baixo.

− Destaque negativo na estimação deste modelo fica com Ambev, com R

muito

baixo em relação aos demais.

LIQ = b0 - b1 * RETPL + erro

(13)

TABELA 13 – Resultados da equação 13

Empresa Coeficiente

Rejeita H0

para b1

ajustado Estatística F p-value F

Ambev

Não 0,022915 1,656677 0,208978

Embraer

Não 0,008519 1,240593 0,275174

Petrobrás

Não 0,182011 6,562775 0,017117

Sadia

Não 0,713936 70,88003 0,000000

Fonte: Pesquisa direta, 2006.

− Petrobrás e Sadia com bons resultados estatísticos. Ambev e Embraer com

resultados fracos, porém não muito comprometedores em termos de

significância.

− Apesar de resultados estatísticos bons, não se rejeita a nula para a Petrobrás e

Sadia, pois os sinais estimados foram contrários aos teorizados.

− Baixo R

ajustado para Ambev e Embraer sugere que este modelo tem baixo

poder explicativo com a variável independente utilizada.

120

LIQ = b0 - b1 * INDICEDIVIDA + b2 * LPA - b3* RETPL + erro (14)

TABELA 14 – Resultados da equação 14

Empresa Coef.

Rejeita

H0 p/ b1

Coef.

Rejeita

H0 p/ b2

Coef.

Rejeita

H0 p/ b3

ajustado

Estatística

p-value F

Ambev

Não + Sim

Não 0,145165 2,584657 0,075680

Embraer

Sim - Não

Sim 0,815723 42,31494 0,000000

Petrobrás

Não + Sim

Não 0,429296 7,268528 0,001456

Sadia

Sim + Sim

Não 0,857124 56,99153 0,000000

Fonte: Pesquisa direta, 2006.

− Resultados estatísticos muito bons de maneira geral para todas as empresas.

− Modelo se mostra de forma geral muito bom, bom ajuste, bom poder explicativo,

destaque para Embraer e Sadia.

− Apesar de resultados estatísticos bons, aceita-se a nula quando os sinais

estimados foram contrários aos teorizados

6.6 Estrutura de capital e desempenho da firma

RETPL = b0 + b1 * GAF + erro (15)

TABELA 15 – Resultados da equação 15

Empresa Coeficiente Rejeita H0 para b1 R

ajustado Estatística F p-value F

Ambev

Não 0,037686 1,979033 0,172310

Embraer

Sim 0,204312 8,189686 0,008040

Petrobrás

Não (0,037781) 0,089870 0,766924

Sadia

Sim 0,375846 17,86074 0,000243

Fonte: Pesquisa direta, 2006.

− Bons resultados para Embraer e Sadia.

− O modelo para Ambev mostra-se razoavelmente bom, embora com R

muito

baixo, e para Petrobrás as estatísticas sugerem que este modelo é

provavelmente pouco significativo.

121

RETPL = b0 + b1 * INDICEDIVIDA + erro (16)

TABELA 16 – Resultados da equação 16

Empresa Coeficiente Rejeita H0 para b1 R

ajustado Estatística F p-value F

Ambev

Não 0,015354 1,436621 0,241102

Embraer

Não (0,015273) 0,578777 0,453385

Petrobrás

Não (0,041629) 0,000874 0,976659

Sadia

Não 0,103840 4,244410 0,49137

Fonte: Pesquisa direta, 2006.

− Resultados muito ruins de maneira geral.

− Além do baixo poder explicativo da variável independente do modelo OLS, o teste

F indica que apenas Ambev tem uma probabilidade razoável de ser significativo

globalmente.

RETPL = b0 + b1 * GAF + b2 * INDICE DIVIDA + erro (17)

TABELA 17 – Resultados da equação 17

Empresa Coef.

Rejeita H0

para b1

Coef.

Rejeita H0

para b2

ajustado Estatística F p-value F

Ambev

sim

não 0,205471 4,232593 0,027216

Embraer

não

Sim 0,265304 6,055495 0,006934

Petrobrás

sim

Sim (0,081634) 0,056592 0,945110

Sadia

não

sim 0,391069 9,991127 0,000604

Fonte: Pesquisa direta, 2006.

− Resultados mistos, com destaque negativo para Petrobrás.

− Para Petrobrás o modelo mostrou-se não significativo, porém para os demais a

estatística F é excelente, e o R

ajustado não compromete o poder explicativo do

modelo.

− Apesar de resultados estatísticos bons, não se rejeita a nula quando os sinais

estimados foram contrários aos teorizados.

122

7 CONSIDERAÇÕES FINAIS

7.1 Discussão dos resultados

Iniciaremos as discussões, tratando da relação entre o risco ambiental e a estratégia

de liquidez corporativa. Em nossa primeira hipótese, quanto maior o risco monetário,

maior será o impacto na posição de liquidez de forma negativa. Portanto, a hipótese

1 é: Existe relação inversa entre liquidez e o risco monetário.

Os resultados revelam que para Embraer e Petrobrás a relação é significativa e,

portanto rejeita-se à hipótese nula, com exceção de Ambev e Sadia. Podemos

concluir que o risco monetário afeta sim a posição de liquidez destas duas

empresas. Podemos ir além e postular que esta característica é ainda mais relevante

nos ambientes turbulentos dos mercados emergentes, como foi descrito neste

trabalho. Uma comparação desta mesma análise com empresas similares em países

do primeiro mundo poderia quantificar o grau do impacto extra na estratégia de

liquidez provocada por um ambiente macroeconômico instável, e é uma sugestão

futura decorrente desta pesquisa. Por enquanto, temos evidências apenas para crer

que esta relação existe, com base em nossos dados amostrais.

O fato da Ambev não ter tido sua hipótese nula rejeitada, pode significar uma

característica peculiar da estratégia desta empresa – agressividade na gestão de

caixa, por exemplo. Isto se justificaria se observarmos o grupo controlador da

empresa, oriundo, principalmente, de bancos de investimento agressivos. Para

Sadia rejeita-se fortemente o coeficiente, e, portanto se aceita a nula e não se pode

concluir sobre o impacto das taxas de juros na liquidez com base na estimativa

123

amostral. Devemos, portanto, observar este problema sob outros ângulos, com, por

exemplo, o impacto sobre a liquidez das taxas de câmbio, e mesmo o impacto o

impacto conjunto sobre a liquidez das taxas de juros e câmbio simultaneamente.

Estas hipóteses serão testadas a seguir.

Para a Sadia, a não rejeição da nula é um indicativo de quer as taxas de juros não

são o fator principal na determinação de sua gestão de liquidez. Por ser uma

empresa mais ligada ao mercado de commodities, sua gestão de liquidez pode ser

mais influenciada, por exemplo, pelo ciclo operacional de caixa de negócio: prazo

médio de recebimento + prazo médio de estoques – prazo médio de pagamento.

Continuando a análise a respeito da interação de estratégias de liquidez com o

ambiente econômico, analisamos a influência da taxa de câmbio. Na hipótese 2, o

risco cambial impactual de forma negativa a liquidez, em empresas de operações

focadas no mercado local, principalmente em função da dívida denominadas em

moedas estrangeiras (dólar). A análise empírica revelou que nenhuma empresada

amostra os dados são compatíveis com esta hipótese, portanto a hipótese nula foi

aceita.

Porém isto não impede de teorizarmos o que seria razoável esperar. Uma melhor

amostra (com mais dados, por exemplo) poderia resultar em mais confiança

estatística. Um ponto adicional a ser analisado em trabalhos futuros pode ser a

inclusão de uma variável extra na regressão, com uma proxy para o tamanho relativo

da dívida de cada uma. Desta forma, os efeitos na liquidez seriam controlados pelo

tamanho da dívida, sendo passível de desdobramento implicações sobre o desenho

ótimo de estratégias de financiamento, no contexto do desenho de uma estratégia

124

organizacional, incorporando o efeito da volatilidade cambial na posição de liquidez

das empresas. Parte desta análise foi realizada em separado no estudo da relação

entre o risco ambiental e a estrutura de capital, conforme se verá mais adiante.

Para Embraer, Petrobrás e Sadia, a estatística F foi boa, porém a aceitação da nula

deu-se em função dos sinais contrários ao esperado.

Para Embraer, um efeito positivo do câmbio sobre a liquidez (contrário, portanto ao

esperado) não faz muito sentido em função de a empresa trabalhar com hedge

natural de suas receitas dolarizadas. Desta forma, não haveria razão teórica para o

câmbio afetar positivamente a estratégia de liquidez.

Para Sadia, uma possível razão do sinal contrário seria o efeito de desvalorizações

cambiais, tanto nas receitas denominadas em reais quanto no maior volume

exportado em função do menor preço. Tais efeitos podem impactar em um maior

volume de caixa líquido, embora possivelmente indesejável, e não como uma

estratégia explícita de gestão da liquidez.

Por fim, Petrobrás é impactada diretamente pelo ciclo de preços de commodities e

também pela taxa de câmbio. Um grau elevado de hedge de exposições tenderia a

anular o efeito liquido destas oscilações sobre o caixa, e, portanto uma relação

positiva pode indicar que este não foi o objetivo da empresa, ou mesmo que as

estratégias de hedge podem não ter sido bem sucedidas.

Finalmente, analisamos o efeito da estratégia de liquidez das empresas controlando

simultaneamente (regressão múltipla) para taxas de câmbio e juros. Não houve

125

nenhuma surpresa, com os resultados confirmando as estimativas feitas de forma

separada (equações 1 e 2). Entretanto, se analisarmos sob a ótica da existência de

influência ou não de uma variável sobre outra, ou seja, generalizarmos o resultado,

abstraindo da restrição imposta pela hipótese para o sinal teórico esperado das

estimativas, concluímos que para a Sadia, ambas as variáveis explicativas afetam

positivamente a estratégia de liquidez (p-value F significativo). Como explicar e

interpretar este resultado? O diamante de Porter que foi descrito neste trabalho é um

bom referencial. Podemos enfocar a estrutura da indústria na qual a Sadia está

inserida, como mais suscetível ao risco ambiental do que as demais. Em primeiro

lugar, há que considerar que em mercados emergentes (como já foi discutido), a

volatilidade do crescimento do PIB é grande, e a taxa de juros é um dos

determinantes da política monetária, que por sua vez regula o regime econômico por

meio de estímulos (ou desestímulos) ao consumo e investimentos.

Desta forma, mesmo com uma linha de produtos necessários (alimentos), as vendas

da Sadia são muito sensíveis ao crescimento da economia, ao contrário de

Petrobrás e Embraer. Soma-se a isso uma linha de produtos perecíveis,

(diferentemente da Ambev, a Sadia tem prazo de validade de seus estoques curto),

e a liquidez passa a ser um colchão mais necessário e importante, daí a relação

estatística capturada ser mais nítida apenas para essa empresa.

Para Embraer e Petrobrás, uma vez controlada a amostra para as variações da

variável taxa de câmbio, o efeito negativo das taxas de juros sobre a liquidez

aparece, conforme teorizado, e com estatística F significativa. Desta forma, para

estas duas empresas, a taxa de juros como custo de oportunidade é um fator inibidor

da estratégia de liquidez, conforme havia sido proposto por Kim (1998) que propõe

126

que o investimento em ativos líquidos é negativamente relacionado à taxa de retorno

corrente nos investimentos em produção, que é função decrescente do custo de

oportunidade (taxas de juros) .

Passamos agora à análise dos resultados obtidos nos testes econométricos, que

relacionam o risco ambiental e a estrutura de capital. De forma bastante ampla,

nossa intuição e toda a teoria sobre estratégia leva-nos a levantar a hipótese que

existe relação inversa entre o risco ambiental e a estrutura de capital das empresas.

Esta relação é facilmente observada no dia-a-dia do ambiente empresarial, ao

estudarmos os balanços de empresas de energia elétrica, por exemplo, com

demanda estável, ligada ao crescimento da economia, que possui alto

endividamento, e compararmos com a pouca ou nenhuma dívida existente em

empresas de alto risco, como start-ups ligadas a área tecnológica e biogenética.

Mas, interessa-nos especificar, com detalhes, o modelo que iremos estimar e

analisar para as quatro empresas da nossa amostra, que evidenciam este fenômeno

em mercados emergentes.

A primeira hipótese que testamos refere-se ao nível de endividamento e a taxa de

juros. Assumimos aqui grandes aproximações, porque o grau de sofisticação da

engenharia financeira moderna permite a construção de instrumentos de dívida de

comportamentos os mais variados (contratos de caps, floors, swaps, swaptions,

etc.). De forma bastante geral, a hipótese 4 que testamos é se “existe relação

inversa entre o nível de endividamento e a taxa de juros”.

O modelo estimado capturou relações significativas apenas para Embraer e

Petrobrás, mas uma dedução trivial da teoria nos leva a crer que esta relação é

127

fundamental em qualquer empresa. Um ponto relevante é a estrutura dos

fornecedores de capital em mercados emergentes. Nesses mercados, a oferta de

crédito costuma ser bastante incipientes e em geral, grandes projetos industriais são

subsidiados pelo BNDES. Desta forma, a relação dívida/juros observada torna-se um

pouco artificial, visto que todas as quatro empresas da amostra têm dois pré-

requisitos importantes: 1) São grandes o suficiente para terem acesso ao crédito

interno e 2) Podem se endividar emitindo títulos no exterior a taxas muito mais

baixas do que as do mercado local.

Esses dois atributos podem fazer com que as correlações entre taxas de juros

internas e níveis de endividamento locais percam o sentido localmente, embora

permaneçam válidas como teorias gerais de estratégias empresariais. Este

provavelmente é o caso da Embraer, cujo teste F foi significativo, mas o sinal foi

contrário ao esperado (sinal positivo).

A seqüência lógica natural desta discussão nos leva a hipótese seguinte, agora

tentamos relacionar a estrutura de endividamento com o risco cambial, propondo a

hipótese 5 de relação negativa entre endividamento e taxa de câmbio.

Os resultados econométricos revelam que é possível evidenciar a relação proposta

nas empresas Embraer e Sadia (tendo esta última sinal contrário ao esperado, o que

nos levou a aceitar H0, mas a relação estatística fica evidenciada), mas não se

rejeita a hipótese nula para Petrobrás e Ambev. Novamente nesta relação entre

estratégia e ambiente, temos problemas de mensuração empírica, com dois

agravantes: o primeiro foi a existência de um regime monetário de câmbio controlado

(pré 1999), seguido de um regime de metas de inflação. Durante o regime de metas

128

cambiais vigente na primeira gestão de FHC, houve incentivo às grandes empresas

brasileiras para que se endividassem externamente, de forma a atraírem dólares que

ajudassem a manter o regime cambial funcionando. Isto foi feito por praticamente em

todas as empresas grandes do Brasil, inclusive as quatro empresas da amostra.

Para a estimação econométrica, a baixa volatilidade do câmbio controlado torna a

estimativa insignificante do ponto de vista estatístico. O segundo fator é a existência

de hedge cambial, ou seja, contratos de derivativos, que podem causar uma ilusão

contábil. Por exemplo, algumas empresas podem reportar aumentos no

endividamento após a desvalorização de 1999, mas as dívidas permaneceram com

o mesmo custo, porque houve uma contrapartida em ganho em operações de

derivativos (hedge), que é contabilizado fora do passivo. Portanto, é de se esperar

pouca confiança na estimativa desta equação. De fato, Ambev e Petrobrás aceitam a

hipótese nula que inexiste relação entre dívida e taxa de câmbio. De forma

alternativa, considerando todos os dados utilizados na estimativa adequados,

podemos interpretar livremente que os administradores financeiros de Petrobrás e

Ambev foram melhores hedgers do que os de Sadia e Embraer. Vale lembrar,

também, que a Embraer possui receitas em dólares na ordem de 95%, o que se

configura em um hedge natural, onde não há ameaça ao fluxo de caixa da empresa

em moeda local. Para Sadia, o sinal contrário ao esperado pode significar um

descasamento entre a contabilidade e o fluxo de caixa. A empresa possui hedge

natural, porque exporta. Porém, desvalorizações da moeda afetam o endividamento

contábil já no próximo balanço, enquanto os ganhos com exportações têm dois

componentes temporais: ganhos de curto-prazo na conversão de dólares em reais, e

ganhos de longo-prazo em ganho de mercado com um produto relativamente mais

barato no mercado externo. Se o efeito contábil for suficientemente maior do que o

129

efeito de conversão cambial no curto-prazo, uma desvalorização será capturada

estatisticamente com sinal positivo nos dados. É uma possível explicação de porque

Sadia teve teste F significativo e sinal contrário ao esperado.

Se generalizarmos o modelo estimado, conjuntamente com câmbio e juros,

confirmamos todos os resultados anteriores aqui discutidos.

Então, concluímos, parcialmente, que é possível evidenciar algumas das relações

teóricas propostas. Porém, mais do que isso, compreender o contexto da estimação

empírica, os problemas estruturais de falta de mercado de crédito, os incentivos

governamentais ao endividamento externo e, ainda, os regimes monetários distintos

que vigoraram no país, são condicionantes fundamentais para se entender a

aplicação da teoria na realidade brasileira. Sob esse aspecto, talvez essa amostra

de empresas e o estudo nesse período, sejam um clássico exemplo de como o risco

ambiental (juros e dívida) pode afetar negativamente a estrutura de capital da

empresa.

Passamos agora ao estudo e análise do resultado da relação proposta entre risco

ambiental e desempenho da firma.

Novamente, temos neste período, sob análise, um excelente laboratório para

testarmos as teorias que tentam explicar esta relação. Em um primeiro momento,

parece-nos lógico que esta relação deva variar no cross-section dos setores.

Configurações econômicas voláteis, com expansões e recessões, desvalorizações

130

cambiais, aumentos repentinos nas taxas de juros, são importantes fontes de

incerteza para a atividade empresarial em larga escala, e também determinantes em

nível macroeconômico, da propensão ao consumo, dos investimentos, e por

conseqüência, dos lucros da empresas.

Novamente aqui, alguns problemas, não de natureza empírica, mas sim empresarial,

afetam a estimação. Em primeiro lugar, Petrobrás, que tem sua receita ligada ao

preço internacional do petróleo, e Embraer, que tem sua receita ligada ao mercado

mundial de aviação, não devem ser afetadas pelo risco ambiental doméstico. Já

Sadia e Ambev, esperamos que sim.

Os primeiros resultados (eq. 7), utilizando apenas a taxa de juros como fator de

risco, revelam que Petrobrás e Embraer são negativamente afetadas em seu

Retorno sobre o Patrimônio Líquido, enquanto Sadia e Ambev, não (vide sinais).

Embora possam existir problemas nos dados amostrais que não permitam a

confirmação da hipótese levantada, isto pode indicar também que as dívidas destas

empresas estão protegidas (e não afetam os lucros contábeis), ou que, como é mais

provável, os efeitos econômicos sobre as receitas de Ambev e Sadia se dêem com

defasagens. Sabe-se que a política monetária atua com uma defasagem de

aproximadamente 3 trimestres, ou 9 meses, entre elevações ou reduções nas taxas

de juros da economia e a observação de seus efeitos reais sobre a atividade.

Portanto, ao tentar capturar relações contemporâneas (no mesmo período de

tempo), é possível que o modelo possa ter falhado ao descrever o efeito teorizado

sobre uma contração de consumo nas vendas de Ambev e Sadia, que ao contrário

das duas outras, são bastante focadas no mercado interno.

131

Se focarmos nos fluxos de caixa, variável LPA (hipótese 8), padecemos ainda do

mesmo problema relacionado às defasagens, porém algumas relações podem ser

evidenciadas, como na Sadia, por exemplo, onde aceitamos a hipótese nula, embora

com coeficiente R2 muito baixo. Portanto, embora algumas relações possam ser

estabelecidas, não faz muito sentido sua interpretação econômica.

O caso é diferente quando se trata da relação dos fluxos de caixa com a taxa de

câmbio, (hipótese 9) que ocorre diretamente, dado que a taxa de câmbio é um preço

relativo que modifica instantaneamente o valor dos ativos. É importante enfocarmos

corretamente a interpretação desta análise, portanto apesar dos sinais contrários

nos levarem a aceitarmos a nula, não se pode ignorar a forte significância estatística

indicada pelo teste F, nos motivando a tentar entender o motivo da existência da

relação entre as variáveis, ainda que com o sentido contrário ao que esperávamos.

A aceitação da hipótese nula para as empresas da amostra pode ser interpretado

como se segue: para Petrobrás, o principal determinante dos fluxos de caixa é o

preço do petróleo; para Embraer, embora as receitas sejam em dólares, as principais

despesas também o são, o que anula o efeito líquido. Por fim, para Ambev, o efeito

líquido no fluxo de caixa pode estar controlado com instrumentos de hedge, ou ainda

ser pouco nítido, dada a alta volatilidade do conjunto de matérias primas que esta

empresa utiliza (açúcar, cevada, etc.), este provavelmente é a mesma explicação

para a Sadia, que também trabalha sobre a forte volatilidade do preço das

commodities (insumos e ração, preços do frango, suínos, etc).

Portanto, concluímos, parcialmente, com base nas evidências econométricas, que o

desempenho e os fluxos de caixa são sim, determinados em parte pelo risco

ambiental. Esta relação depende muito do tipo de negócio (por exemplo,

132

commodities, como no caso da Petrobrás, ou consumo de alimentos, como Sadia), e

do estilo de administração adotado pela firma (fazer ou não hedge para proteger o

caixa). Podemos ir além, e postular que essas relações determinam um estilo próprio

de administração de fluxos de caixa e lucros, adaptado a volátil realidade dos

mercados emergentes, cujo desenho e compreensão tornaram-se indispensáveis

para que as empresas possam sobreviver e prosperar.

Cabe agora, passarmos à análise seguinte, que relaciona a estratégia de liquidez à

estrutura de capital. De acordo com a teoria descrita neste trabalho, postulamos a

hipótese 11 que “Existe relação inversa entre a liquidez da firma e o índice de

endividamento”.

Os resultados empíricos indicam que evidenciamos a relação proposta para as

empresas Embraer e Sadia, e não evidenciamos para Petrobrás e Ambev.

Podemos interpretar que esta relação não pode ser estabelecida de forma dedutiva

nem indutiva, ou seja, como um caso geral. Em mercados emergentes

especialmente, as estimativas econométricas podem sofrer de um problema

conhecido como variáveis omitidas, onde mesmo quando existe evidência estatística

confirmando uma relação, no mundo real uma variável não explica a outra, e sim

ocorre que ambas as variáveis (neste caso, liquidez e o endividamento) são

explicadas conjuntamente por outras variáveis exógenas, as variáveis ambientais.

Neste caso, podemos extrair algo diferente em jogo, como se o ambiente

macroeconômico de risco determinasse simultaneamente tanto estratégias de

liquidez quanto os níveis de endividamento, e quaisquer correlações entre esses

133

dois, tomadas isoladamente, sejam espúrias do ponto de vista teórico, embora

possam ter significância estatística.

Prosseguimos a análise dos resultados empíricos estimados, agora analisando a

relação entre a estratégia corporativa e métricas de desempenho da firma. De

acordo com nossa hipótese 12: “Existe relação direta entre a estratégia de liquidez

da firma e os fluxos de caixa”.

As equações estimadas apresentam resultados mistos, dependendo da métrica

utilizada. Para fluxos de caixa, a variável-proxy, LPA, foi fortemente aceita como

tendo efeito sobre a liquidez (eq.12), tendo sido aceita a hipótese nula apenas para

Ambev. Fica, portanto, reforçada por este teste, a teoria que as firmas que desejam

seguir estratégias de alta liquidez têm grandes fluxos de caixa. Em particular, essas

firmas enxergam boas oportunidades de investimento, maximizando seus

investimentos em ativos líquidos para terem flexibilidade e rapidez. A Petrobrás, por

exemplo, se beneficia desta estratégia ao adquirir empresas estrangeiras, explorar

novas reservas de petróleo descobertas, ou ainda investir em outras empresas

promissoras. Um resultado que contraria esta tese está na rejeição do modelo

estimado para a Ambev, uma empresa com todas as características para se

beneficiar de alta liquidez: ela tem estratégias de crescimento agressivas e

baseadas em fusões e aquisições. Uma futura reestimação do modelo com uma

amostra maior poderá corroborar esta hipótese no caso da Ambev, visto que o

resultado estimado para esta empresa foi um contra-senso à luz da teoria.

Já utilizando como proxy uma métrica contábil, RETPL, (vide hipótese 13) aceitamos

a hipótese nula para todas as empresas da amostra. Pela lógica dessa relação, um

134

alto retorno sobre o patrimônio líquido deveria reduzir a liquidez das empresas. Isso

pode ser explicado da seguinte forma: empresas com oportunidade de investimento

lucrativas em seu próprio ativo fixo, ou seja, em seu próprio negócio, tendem a

canalizar seu caixa para ampliar seu negócio, e portanto a liquidez deve ser

relativamente menor. O modelo estimado não corrobora esta visão em nenhuma das

empresas da amostra, pelo contrário, os resultados de Petrobrás e Sadia implicam

que a estratégia adotada é justamente contrária a esta, pois os sinais estimados

foram positivos e a estatística F foi significativa. Esta estimação empírica tem

sugestões teóricas interessantes, na medida em que força os teóricos de estratégia

a adaptar seus casos gerais ao ambiente e as idiossincrasias da realidade

vivenciada pelas grandes empresas brasileiras.

Para Ambev e Embraer, a baixa significância estatística não nos autoriza a concluir

com confiança sobre a relação entre as variáveis.

Podemos agora analisar, econometricamente, a estratégia de liquidez, utilizando um

modelo simultâneo para todas as variáveis acima (eq. 14). Os resultados de alguma

forma surpreendem.

Para Ambev, a estimativa simultânea sugere que a única variável que tem influência

sobre sua estratégia de liquidez é o fluxo de caixa.

Para Embraer, o modelo sugere que o endividamento e a variável RETPL explicam

sozinhos toda a sua estratégia de liquidez, haja vista a insignificância do segundo

parâmetro Isto é uma surpresa de certa forma, pois o modelo que explicava a

liquidez pelos fluxos de caixa (LPA) mostrou-se significativo para esta empresa (eq.

135

12). Do ponto de vista estatístico puro, pode ser que ambas as variáveis sejam

colineares, o que também faz sentido do ponto de vista teórico, porque uma

empresa só assume um volume alto de dívidas se é capaz de gerar grandes fluxos

de caixa para pagá-los. Uma forma de se verificar isso seria estabelecer uma nova

hipótese de relação entre fluxos de caixa e endividamento, preferencialmente

controlando-se para efeitos de variação cambial. Fica a sugestão para futuras

pesquisas.

Para a Embraer ocorreu um efeito estranho, pois consideradas as variáveis

isoladamente, apenas o LPA (fluxos de caixa) explicava as estratégias de liquidez,

mas uma vez controladas as variáveis simultaneamente, os fluxos de caixa

perderam todo poder explicativo, que passou para o índice de endividamento. Seria

isto um puzzle estatístico, uma “ilusão de ótica”? É preferível pensar que não, sendo,

na verdade, a variável que reflete os fluxos de caixa (LPA), servindo de proxy para a

verdadeira variável explicativa (índice de dívida), no modelo estimado em separado,

um caso clássico de problema de especificação do modelo, devido a variáveis

omitidas. Ao se pré-definir uma agenda específica de pesquisa e testes empíricos,

não há como fugir de problemas de especificação de modelo, o que pode gerar os

erros do tipo I e II, além de interpretações que podem estar erradas. Entretanto, um

foco demasiado excessivo na parte econométrica transformaria o trabalho em uma

tese da área de estatística aplicada, com ênfase em detalhes específicos daquela

área. Uma forma de manter o foco original da pesquisa e ao mesmo tempo

resguardar a qualidade dos testes econométricos é avaliá-los tanto à luz dos

possíveis problemas de especificação, decorrentes do foco fechado das hipóteses e

variáveis construídas, como também utilizar a teoria de estratégia empresarial

desenvolvida neste trabalho, para avaliar, qualitativamente, à luz da experiência real,

136

a plausibilidade das hipóteses, e a possibilidade de influências diversas no resultado

das estimativas. Cabe ao escopo deste trabalho interpretar e sempre levantar

dúvidas quanto aos limites formais da modelagem, quando e se for o caso, para que

os pesquisadores interessados possam aprofundar os testes e análises estatísticas

de seu interesse específico, a partir das bases conceituais e quantitativas lançadas

por esta pesquisa.

Finalmente o modelo completo para a Sadia revelou um efeito contrário de Petrobrás

e Embraer. Para a Sadia, a estimativa econométrica sugere que o poder explicativo

deva ser todo alocado à variável LPA, retirando, portanto, a influência do

endividamento como determinante de estratégias de liquidez.

Numa etapa final, buscamos analisar a relação entre a estrutura de capital e o

desempenho da firma. Um dos objetivos principais deste teste é avaliar

empiricamente o efeito da alavancagem financeira sobre o desempenho da firma.

Queremos responder a pergunta: Alavancar a empresa, ou seja, assumir mais

dívidas potencializa de fato os resultados da firma? É importante ressaltar que,

potencializar resultados (bons ou ruins) é diferente de aumentar o valor da firma. O

aumento da alavancagem aumenta também o risco, e proporcionalmente a taxa de

desconto utilizada para avaliar a empresa. Esta interessante análise complementar

pode ser objeto também de futura pesquisa nesta área. A alavancagem financeira é

um multiplicador do resultado do acionista. Como multiplicador que é se estiver

abaixo de 1, estará reduzindo o retorno do acionista e não aumentando como é o

objetivo maior do acionista. Neste caso o endividamento estará prejudicando o

acionista ao invés de beneficiá-lo. O gestor sempre deve buscar alavancagem

financeira maior que 1.

137

O que provoca a alavancagem financeira menor que 1, normalmente é o alto custo

do endividamento face a capacidade da empresa gerar lucro operacional. Se a

empresa gera pouco lucro operacional, mesmo que o recurso de terceiro não esteja

custando muito caro, a alavancagem financeira será menor que 1. Em outras

palavras, por menor que seja o custo do capital de terceiros, se a empresa não gera

lucro operacional não há como proporcionar alavancagem financeira maior que 1,

Por enquanto, vamos verificar a hipótese 15: “Existe relação direta entre o grau de

alavancagem financeira da firma e o retorno sobre o patrimônio líquido”.

O modelo econométrico nos fornece evidências para afirmar com alta confiança que

sim, para pelo menos duas empresas da amostra, excetuando-se Ambev e

Petrobras. Este resultado clássico e importante da teoria de finanças tem

implicações fundamentais no desenho de qualquer estratégia empresarial em

ambientes voláteis. A alavancagem financeira em mercados emergentes pode, em

última instância, ser responsável pela falência de uma firma.

Uma forma de olhar para o mesmo problema, mas sob outro aspecto, está na

hipótese 16 que formulamos a seguir, tentando estabelecer uma relação direta entre

o nível de endividamento da firma (e, portanto, uma medida de alavancagem) e o

retorno sobre o patrimônio líquido.

Estranhamente, modelando desta forma, os resultados não foram significativos para

nenhuma das empresas. Somente explicitando o grau de alavancagem (GAF)

pudemos evidenciar estatisticamente este efeito.

138

Podemos ainda estimar simultaneamente ambas as métricas, o que fizemos na

equação 17, e os resultados são todos mantidos, com exceção dos da Ambev, para

a qual aceitamos a hipótese alternativa que existe um efeito do endividamento (e,

portanto da alavancagem) sobre os retornos.

Por uma métrica ou outra, pudemos evidenciar, com sucesso, que as empresas da

amostra têm o seu desempenho afetado pela alavancagem financeira, como

estabelecido pela teoria.

Desta forma, concluímos o que foi proposto inicialmente por este trabalho de

pesquisa, principalmente, na construção de um modelo avançado, para se estudar a

interação entre os múltiplos fatores de risco e as estratégias empresariais, na

realidade brasileira.

Longe de esgotarmos este assunto, este modelo buscou propôr e testar formalmente

em uma amostra de quatro empresas representantes de segmentos distintos da

economia, formas possíveis de se pensar estratégias empresariais, sob aspectos

relevantes em nossa realidade. Naturalmente, muitos problemas existentes no

ambiente brasileiro têm similar em outros países emergentes, especialmente os

chamados BRIC (Brasil, Rússia, Índia, China), como alta volatilidade cambial e de

taxas de juros, e mesmo choques e crises internacionais.

A utilização do instrumento formal (econometria) induz a uma apreensão dos fatos,

uma visão do mundo científica, um avanço na compreensão e interpretação do que

é relevante ser destacado de uma realidade complexa, e ser estudado em detalhes.

139

Como os resultados analisados nesta conclusão deixaram claros, não se pode

pensar estratégia empresarial no Brasil sem se considerar seriamente o componente

risco ambiental. Este componente, aliado ao mercado específico em que a empresa

atua, é um forte fator explicativo das estratégias seguidas pelas empresas. O estudo

e a compreensão destas interações, enfocado pelo trinômio risco ambiental – fatores

específicos – estratégia empresarial, é uma contribuição ao avanço do conhecimento

dos determinantes de uma gestão empresarial dinâmica, bem sucedida e adaptável,

qualquer que seja o ambiente ou país.

7.2 Onde este estudo poderá ter uma implicação maior: questões conceituais

O presente estudo também dá insight aos praticantes do mercado, em termos da

ênfase que precisam colocar, em questões que se referem à administração da firma.

A existência de um alinhamento entre os conceitos de risco ambiental, estratégia

corporativa, estrutura de capital e desempenho da firma provê aos players a base na

qual poderiam desenvolver seus critérios de tomadas de decisão, vis-à-vis a

formulação de estratégias e decisões de alocação de recursos.

O conceito construído para o risco ambiental ilumina assuntos relativos à exposição

das empresas a riscos no domínio ambiental. O presente estudo busca responder

aos gestores, por meio de insights, em termos de como os fatores ambientais afetam

o desempenho da firma e a estrutura de capital. E como estes afetam a liquidez. A

direção da relação entre o ambiente e a estratégia corporativa deve ser considerada

em decisões e formulação de estratégias.

As decisões de alocação de recursos, e sua relação com a estrutura de capital,

devem receber a devida atenção, de forma que as firmas possam adicionar valor a

140

seus acionistas e credores. O nível e o mix de dívida e patrimônio líquido pode

impactar a performance geral das empresas. Os praticantes deveriam considerar em

sua formulação estratégica e demais decisões, como o custo de capital pode ser

minimizado de forma a maximizar o valor da dívida e do capital próprio, de forma a

maximizar a criação de valor na firma.

O presente estudo ilumina, também, algumas relações chave que os

administradores deveriam considerar. As questões principais a serem respondidas

pelos executivos são:

a. Que tipo de Estratégia mais cria valor para a firma?

b. Que tipos de estratégia deveriam ser utilizados face aos fatores de risco

ambientais que afetam a firma?

c. Que tipos de recursos de capital devem ser considerados durante o processo de

alocação de recursos que mais cria valor para a firma?

d. Como a firma deve alinhar os fatores ambientais a sua estratégia e sua estrutura

de capital de forma a maximizar seu valor?

e. Que estratégias e decisões de alocação de recursos da firma levam à

maximização de valor tanto dos investimentos em dívida quanto em ações?

As decisões de longo prazo dos administradores devem levar em consideração as

questões levantadas acima. Tais questionamentos serão a essência da criação de

valor aos recursos existentes da firma e que irão conduzir à satisfação de todos os

interessados envolvidos: acionistas, credores, clientes, fornecedores, governo e

sociedade.

141

7.3 Limitações de pesquisa e sugestão para trabalhos futuros

Como em todo processo de análise de situações do mundo real, um estudo acerca

das estratégias organizacionais apresenta determinadas limitações. Esse tipo de

estudo nada mais é que a verificação, por meio de evidências empíricas, que

determinado modelo reflete adequadamente aspectos da realidade observada. Isso

é feito assumindo-se que o “processo gerador de dados” possa ser descrito em

grandes amostras como tendo uma distribuição de probabilidade específica, sendo a

mais utilizada a distribuição normal, que é caracterizada apenas pelo primeiro

momento (média) e segundo momento (variância) amostrais.

Relacionamos a seguir algumas limitações inerentes ao estudo:

− Inerentes ao tema: O tema escolhido para abordagem neste estudo ainda

apresenta-se pouco explorado. Principalmente, em um mercado com as

características do mercado brasileiro, onde não temos uma grande

disponibilidade de dados.

− Fonte de dados: Acesso a pequena série histórica de dados (1997 a 2005) para a

composição da amostra, além da qualidade questionável dos mesmos.

Entretanto, a pesquisa assume que as informações das empresas são corretas e

não apresentam viés.

− Tamanho da amostra: Em nosso estudo, o pequeno tamanho da nossa amostra

pode acarretar muitos ruídos, diminuindo o nosso nível de confiança.

− Metodologia de análise e método de estimação dos parâmetros: As relações de

causalidade foram definidas arbitrariamente pelo pesquisador e não podem ser

consideradas corretas a priori. Existe a possibilidade da inexistência de uma

142

relação bem definida de causa e efeito entre as variáveis, mesmo sendo forte o

relacionamento entre elas. Por isto, conclusões baseadas no estudo estatístico

devem ser feitas com cuidado, atentando-se para essa possível armadilha na

interpretação dos resultados. Temos também que a especificação dos modelos,

ou seja, a escolha das variáveis independentes para o Método dos Mínimos

Quadrados Ordinários (MMQO) influencia os resultados obtidos. Daí, a

importância, quando pertinente, das variáveis de controle. Portanto, possíveis

variáveis relevantes omitidas podem conduzir a inferências equivocadas.

− Influências espúrias: Em certos casos é possível que os dados coletados estejam

contaminados com influências espúrias em geral em tal grau que as verdadeiras

relações entre as variáveis tornam-se imperceptíveis. Tais influências

indesejadas podem ser agrupadas sob a expressão genérica de “ruído”. O ruído

pode ser entendido como um conjunto de pequenas imperfeições do mercado, as

quais, agregadas, podem resultar em importantes distorções das informações

observadas pelo pesquisador. O ruído reflete-se ainda na impossibilidade de se

observar ou na dificuldade de se definir operacionalmente variáveis cuja omissão

pode afetar significativamente os resultados do estudo. Tal problema, portanto,

sintetiza, em grande parte, todas as limitações apresentadas até aqui e seu

reconhecimento sugere cautela na condução e interpretação de pesquisas

empíricas em geral.

Para futuros trabalhos sobre o tema sugerimos reaplicar o estudo em questão

levando em consideração alguns aspectos, tais como:

− Trabalhar com uma amostra maior (para isso deveremos aguardar maior

disponibilidade de dados com o passar do tempo).

143

− No estudo dos impactos dos riscos ambientais sobre a estratégia corporativa,

pode-se incluir uma variável extra como proxy para o tamanho da dívida de cada,

por exemplo.

− No estudo sobre os impactos da estratégia corporativa na estrutura de capital,

sugerimos estabelecer uma hipótese de relação entre fluxos de caixa e

endividamento, controlando-se para efeito de variação cambial.

144

REFERÊNCIAS

AHOLA, J. A company’s strategy process – The perspectives of strategic

management development in a group, 1995.

ANSOFF, H. I. Corporate strategy. New York: McGraw-Hill., 1965

BASKIN, J. Corporate liquidity in games of monopoly power. Review of

Economics and Statistics, 64, 312-319, 1987.

BEARD, D. W.; DESS, G. G. Corporate-level strategy, business-level strategy, and

firm performance. The Academy of Management Journal, 24(4), 663-688, 1981.

BERNSTEIN, Peter L. Desafio aos deuses: a fascinante história do risco. Rio de

Janeiro: Campus, 1997.

BREALEY, Ricard A.; MYERS, Stewart, C. Princípios de finanças empresariais. 3

ed. Lisboa: McGraw-Hill de Portugal, 1998.

BRIGHAN, Eugene F.; GAPENSKY, Louis C.; EHRHARRDT, Michael, C. Financial

management. Fort Worth: The Drydem press, 1999.

BUSMAN, E.R.; ZUIDEN, P.V. The challenge ahead: Adopting an enterprise – wide

approach to risk. Risk Management, 45(1), 14-17, 1998.

CAPON, N., FARLEY, J.U. & HOENIG, S. Management Science, 36(10), 1143-

1159, Norwell: Massachussetts: Kluwer Academic Publishers, 1990.

CASTELAR, I.; SOARES, I. G. Econometria aplicada com o uso do eviews.

Fortaleza: Livro Técnico, 2003.

CASTELLS, M. A sociedade em rede. São Paulo: Paz e Terra, v. 1, 1999.

CHANDLER, A. D. Strategy and structure. Cambridge, MA: MIT Press. 1962.

145

CHATHOTH, P. K. Co-alignment between environment risk, corporate strategy,

capital structure, and firm performance: An empirical investigation of restaurant

firms. Dissertation submitted to the Faculty of the Virginia Polytechinic Institute and

State University in partial fulfillment of the requirements for the degree Doctor of

Philosophy in Hospital and Tourism Management, Blacksburg, Virginia, May 2002.

COLLINS, J. C.; PORRAS, J. I. Feitas para durar: Práticas bem sucedidas de

empresas visionárias. 9. ed., Rio de Janeiro: Rocco, 2000.

COUTINHO, L. A terceira revolução industrial e tecnológica. Revista Economia e

Sociedade. Campinas: UNICAMP, n. 1, p. 69-88, 1992.

COUTINHO, L. Notas sobre a natureza da globalização. Revista Economia e

Sociedade. Campinas: UNICAMP, n. 4, 1995.

CRAWFORD, Richard. Na era do capital humano. São Paulo: Atlas, 1994.

DAFT, Richard L. Organizações: Teorias e projetos. São Paulo: Pioneira Thomson

Learning, 2002.

DAMODARAN, A. Corporate finance: Theory and practice. New York: John Wiley

Sons, 1997.

DESS, G. G.; DAVIS, P. S. Porter’s (1980) generic strategies as determinants of

strategic group membership and organizational performance. Academy of

Management Journal, 27, 467-488, 1984.

DRUCKER, P. F. Administrando em tempos de grandes mudanças. São Paulo:

Pioneira, 1997.

DRUCKER, P. F. O próximo desafio. São Paulo: Pioneira, 1997.

DRUCKER, P. F. Sociedade pós-capitalista. 4. ed., São Paulo: Pioneira Novos

Umbrais, 1995.

DRUCKER, P.F. The new productivity challenge. Harvard Business Review. Nov.-

Dec. 1991

DUARTE, Antônio Marcos Jr. Global risk management com visão corporativa.

Revista Brasileira de Management. IBMEC. São Paulo, n. 17. P. 14-17. set./out.

1999.

146

DUARTE, Antônio Marcos Jr.; PINHEIRO, Fernando Antônio; JORDÃO, Manuel

Rodrigues; BASTOS, Norton Torres. Gerenciamento de riscos corporativos:

classificação, definições e exemplos. Global Risk Management. São Paulo: 2003

FERREIRA, Aurélio Buarque de Holanda. Dicionário Aurélio básico da língua

portuguesa. São Paulo: Nova Fronteira, 1988.

FERRIS, M. G.; JONES, W. H. Determinants of financial structure: A new

methodological approach. Journal of Finance, 34(3), 631-644, 1979.

FROOT, Kenneth A.; SCHARÍSTEIN, David S.; STEIN, Jeremy. Uma estrutura para

gestão de risco. Bolsa de Mercadorias & Futuros. Artigos científicos. São Paulo:

[s.d.].

GALITZ, Lawrence. Financial Engineering. London: Pitiman Publishing, 1995.

GITMAN, L. Princípios de administração financeira. São Paulo: Harbra, 2001.

GONÇALVES, R. Globalização e desnacionalização. São Paulo: Paz e Terra,

1999.

GRAHAN, Benjamin. The intelligent investor. New York: Harper & Row, 1973.

GROPPELL, A. A.; NIKBAKHT E. Administração financeira. São Paulo. Saraiva.

1999.

GUJARATI, D. Econometria básica. São Paulo: Makron Books, 1999

HALL, M.; WEISS, L., Firm size and profitability. The Review of Economics and

Statistics, 69, 319-331, 1967.

HAMEL, G. & PRAHALAD, C. K. Strategic intent. Harvard Business Review (May.

June), 63-76, 1991.

HAMEL, G.; PRAHALAD, C.K.; Competindo pelo futuro: Estratégias inovadoras

para obter o controle do seu setor e criar os mercados de amanhã. 10. ed. Rio de

Janeiro: Campus, 1995.

HAMMER, M.; CHAMPY, J. Reengenharia, revolucionando a empresa. Rio de

Janeiro: Campus, 1994.

147

HARRIS, M.; RAVIV, A. Capital structure and the informational role of debit. Journal

of Finance, 45, 321-349, 1990.

HASELHOFF, Frits. Novo paradigma para o estudo das metas organizacionais. In:

ANSOFF, H. Igor; DECLERCK, Roger P.; HAYES, Robert L. (Orgs.). Do

planejamento estratégico à administração estratégica. São Paulo: Atlas, 1981.

272 p. parte 1, p.28-40.

HAUGEN, Robert, A . The new finance. New Jersey: prentice Hall, 1995.

HILL, L. W., JONES, G. Strategic management theory: An integrated approach, 3.

ed. Boston: Houghton-Mifflin, 1995.

HITT, M. A.; IRELAND, R. D.; HOSKISSON, R. E. Administração Estratégica. São

Paulo: Pioneira Thomson Learning, 2005.

IRELAND, D. R., HITT, M. A., CAMP, M. S., SEXTON, D. L. Growth stimulates

success and change: Integrating entrepreneurship and strategic management

actions to create firm wealth. The Academy of Management Executive, 15(1), 49-

63, 2001.

JOHN, T. A. Accounting measures of corporate liquidity, leverage, and costs of

financial distress. Financial Management, 91-100, 1993.

KALLBERG, L., PARKINSON, K. Corporate liquidity: Management and

measurement, Homewood, IL: Irwin, 1992.

KAPLAN, S.; GARRIK, B. J. On the quantitative definition of risk. Risk Analysis,

New York, v. 1, n. 1, 1981.

KIM, C., MAUER, D. C, & SHENNAN, A. E. The determinants of corporate liquidity:

Theory and evidence. Journal of Financial and Quantitative Analysis, 33(3), 335-

359, 1998.

KOTLER, P. Administração de Marketing. 10. ed. São Paulo: Pearson Prentice

Hall, 2000.

LAKONISHOK, J., SHLEIFER, A., VISHNY, R. W. The structure and performance

of the money management industry. Brookings Papers on Economic Activity:

Microeconomics, 339-379, 1992.

148

LUDÍCIBUS, S.; MARTINS, E. Contabilidade introdutória. Equipe de professores

da FEA da USP. 7. ed., São Paulo: Atlas, 1988.

MARTINS, E. Avaliação de empresas: Da mensuração contábil à econômica. São

Paulo: Atlas, 2001.

MINTZBERG, H. Pattems in strategy formation. Management Science, 24, 934-

948, 1978.

MYERS, S. C. Determinants of corporate borrowing. Journal of Financial

Economics, 5, 147-175, 1977.

MYERS, S. C., RAJAN, R. G. The paradox of liquidity. Working Paper, Univ. of

Chicago. 1995.

NORBURN, D. PEST analysis. In: DEREK, Channon (Ed.). Blackwell encyclopedia

of strategic management. Oxford: Oxford Blackwell, 1997.

OLSEN, M. D., WEST, J. J., TSE, E. C. Strategic management in the hospitality

industry. Boston: Wiley, 1998.

OVIATT, B. M., BAUERSCHMIDT, A. D. Business risk and return: A test of

simultaneous relationships. Management Science, 37(11), 1405-1423, 1991.

OXELHEIM, L.; WIHLBORG, C. Managing in the turbulent world economy:

Corporate desempenho and risk exposure. London: Wiley, 1997.

PARKER, B. Evolução e revolução: da internacionalização à globalização. In:

Handbook de estudos organizacionais. São Paulo: Atlas, p. 400-443, 1998.

PARKER, M. Postmodernism and organization analysis. London: Sage, 1999.

PORTER, M.E. Competitive advantage: Creating and sustaining superior

desempenho. New York: The Free Press, 1985.

PORTER, M.E. Competitive strategy. New York: The Free Press, 1980.

PRAHALAD, C. K. Competitive advantage: Creating and sustaining superior

performance. New York: The Free Press. 1985

149

PRAHALAD, C. K. Estratégia competitiva. São Paulo: Atlas, p. 400-443, 1998.

PRAHALAD, C. K. Reexame de competências. HSM Management, n. 17, ano 3, p.

40-46, nov./dez., 1999.

PRAHALAD, C. K. Vantagem competitiva: criando e sustentando um desempenho

superior. Rio de Janeiro: Campus. 1989

PRAHALAD, C. K.; HAMEL, G. The core competence of the corporation. Harvard

Business Review, 68(3), 79-91, 1990.

ROSS, S.A, WESTERFIELD, S., JAFFE, J. Corporate finance. Boston:

Irwin/McGraw-Hill., 1999.

SANDRONI, Paulo. Dicionário de administração e finanças. São Paulo: Best

Seller, 1996.

SARTORIS, A. Estatística e Introdução a econometria. São Paulo: Saraiva, 2003.

SCHWARTZ, E. Theory of the capital structure of the firm. Journal of Finance,

14(1), 18-39, 1959.

SCOTT, D.F. Evidence on the importance of financial structure. Financial

Management, 1(2), 45-50, 1972.

SHARPE, Willian F; ALEXANDER, Gordon J. BAILEY, Jeffery V. Investments. New

Jersey: Prentice Hall, 1995.

SHEPHERD, W. The elements of market structure. The Review of Economics and

Statistics. 54,25-37, 1972

STOHS, M. H., MAUER, D. C. The determinants of corporate debt maturity structure.

Journal of Business, 69, 279-312, 1996.

TITMAN, S., WESSELS, R. The determinants of capital structure choice. Journal of

Finance, 43, 1-19, 1988.

VAN HORNE, James C. Financial management and policy. 11 ed. New Jersey:

Prentice-Hall, 1998.

150

VELIYATH, R. Business risk and performance: An examination of industry effects.

Journal of Applied Business Research, 12(3), 37-47, 1996.

WALT, M. R., & DYER, J. S. Risk performance and return: A study of the petroleum

exploration industry. Management Science, 22(7), 1004-1021, 1996.

ZOOK, C., ROGERS, P. In pursuit of growth. European Business Journal, 83-85,

2001.

151

ANEXOS

ANEXO A – Resultados da AMBEV

152

LIQ = b0 - b1 * TXJUROS + erro (1)

Dependent Variable: AMBV_LIQ

Method: Least Squares

Date: 06/10/06 Time: 14:46

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 18 – Resultados AMBEV (equação 1)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.626529 0.230744 2.715262 0.0114

TX_JUROS 0.015695 0.010874 1.443364 0.1604

R-squared 0.071632 Mean dependent var 0.947931

Adjusted R-squared 0.037248 S.D. dependent var 0.331957

S.E. of regression 0.325716 Akaike info criterion 0.660891

Sum squared resid 2.864456 Schwarz criterion 0.755187

Log likelihood -7.582918 F-statistic 2.083301

Durbin-Watson stat 0.640793 Prob(F-statistic) 0.160421

Fonte: Software E-Views, 2006.

LIQ = b0 - b1 * TXCAMBIO + erro (2)

Dependent Variable: AMBV_LIQ

Method: Least Squares

Date: 06/10/06 Time: 15:20

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 19 – Resultados AMBEV (equação 2)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.699748 0.265830 2.632313 0.0139

TX_CAMBIO 0.101930 0.106193 0.959855 0.3456

R-squared 0.032997 Mean dependent var 0.947931

Adjusted R-squared -0.002818 S.D. dependent var 0.331957

S.E. of regression 0.332425 Akaike info criterion 0.701664

Sum squared resid 2.983664 Schwarz criterion 0.795961

Log likelihood -8.174134 F-statistic 0.921321

Durbin-Watson stat 0.567534 Prob(F-statistic) 0.345646

Fonte: Software E-Views, 2006.

153

LIQ = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (3)

Dependent Variable: AMBV_LIQ

Method: Least Squares

Date: 06/10/06 Time: 15:32

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 20 – Resultados AMBEV (equação 3)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.132108 0.397326 0.332493 0.7422

TX_CAMBIO 0.160933 0.106494 1.511193 0.1428

TX_JUROS 0.020705 0.011130 1.860313 0.0742

R-squared 0.146591 Mean dependent var 0.947931

Adjusted R-squared 0.080944 S.D. dependent var 0.331957

S.E. of regression 0.318239 Akaike info criterion 0.645667

Sum squared resid 2.633172 Schwarz criterion 0.787112

Log likelihood -6.362174 F-statistic 2.233027

Durbin-Watson stat 0.692412 Prob(F-statistic) 0.127363

Fonte

: Software E

Views, 2006.

INDICEDIVIDA = b0 - b1 * TXJUROS + erro (4)

Dependent Variable: AMBV_INDICEDIVIDA

Method: Least Squares

Date: 06/10/06 Time: 15:23

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 21 – Resultados AMBEV (equação 4)

Variable Coefficient Std. Error t-Statistic Prob.

C 1.495084 0.643021 2.325094 0.0278

TX_JUROS 0.021825 0.030303 0.720226 0.4776

R-squared 0.018850 Mean dependent var 1.942010

Adjusted R-squared -0.017489 S.D. dependent var 0.899849

S.E. of regression 0.907683 Akaike info criterion 2.710630

Sum squared resid 22.24501 Schwarz criterion 2.804926

Log likelihood -37.30414 F-statistic 0.518726

Fonte: Software E-Views, 2006.

154

INDICEDIVIDA = b0 - b1 * TXCAMBIO + erro (5)

Dependent Variable: AMBV_INDICEDIVIDA

Method: Least Squares

Date: 06/10/06 Time: 15:25

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 22 – Resultados AMBEV (equação 5)

Variable Coefficient Std. Error t-Statistic Prob.

C 2.551462 0.722797 3.529984 0.0015

TX_CAMBIO -0.250304 0.288741 -0.866882 0.3936

R-squared 0.027079 Mean dependent var 1.942010

Adjusted R-squared -0.008955 S.D. dependent var 0.899849

S.E. of regression 0.903869 Akaike info criterion 2.702207

Sum squared resid 22.05844 Schwarz criterion 2.796504

Log likelihood -37.18201 F-statistic 0.751484

Durbin-Watson stat 1.230969 Prob(F-statistic) 0.393646

Fonte: Software E-Views, 2006.

INDICEDIVIDA = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (6)

Dependent Variable: AMBV_INDICEDIVIDA

Method: Least Squares

Date: 06/10/06 Time: 15:33

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 23 – Resultados AMBEV (equação 6)

Variable Coefficient Std. Error t-Statistic Prob.

C 2.129240 1.144926 1.859717 0.0743

TX_JUROS 0.015400 0.032071 0.480202 0.6351

TX_CAMBIO -0.206416 0.306871 -0.672649 0.5071

R-squared 0.035632 Mean dependent var 1.942010

Adjusted R-squared -0.038550 S.D. dependent var 0.899849

S.E. of regression 0.917029 Akaike info criterion 2.762343

Sum squared resid 21.86452 Schwarz criterion 2.903787

Log likelihood -37.05397 F-statistic 0.480332

Durbin-Watson stat 1.245729 Prob(F-statistic) 0.623959

Fonte: Software E-Views, 2006.

155

RETPL = b0 - b1 * TXJUROS + erro (7)

Dependent Variable: AMBV_RETPL

Method: Least Squares

Date: 06/10/06 Time: 15:29

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 24 – Resultados AMBEV (equação 7)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.111611 0.138474 0.806009 0.4273

TX_JUROS 0.005549 0.006526 0.850273 0.4027

R-squared 0.026078 Mean dependent var 0.225234

Adjusted R-squared -0.009993 S.D. dependent var 0.194499

S.E. of regression 0.195469 Akaike info criterion -0.360363

Sum squared resid 1.031615 Schwarz criterion -0.266066

Log likelihood 7.225257 F-statistic 0.722964

Durbin-Watson stat 0.603214 Prob(F-statistic) 0.402651

Fonte: Software E-Views, 2006.

LPA = b0 - b1 * TXJUROS + erro (8)

Dependent Variable: AMBV_LPA

Method: Least Squares

Date: 06/10/06 Time: 15:30

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 25 – Resultados AMBEV (equação 8)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.018817 0.011128 1.690928 0.1024

TX_JUROS 1.81E-05 0.000524 0.034484 0.9727

R-squared 0.000044 Mean dependent var 0.019187

Adjusted R-squared -0.036991 S.D. dependent var 0.015426

S.E. of regression 0.015708 Akaike info criterion -5.402775

Sum squared resid 0.006662 Schwarz criterion -5.308479

Log likelihood 80.34024 F-statistic 0.001189

Durbin-Watson stat 0.226614 Prob(F-statistic) 0.972745

Fonte: Software E-Views, 2006.

156

LPA = b0 - b1 * TXCAMBIO + erro (9)

Dependent Variable: AMBV_LPA

Method: Least Squares

Date: 06/10/06 Time: 15:37

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 26 – Resultados AMBEV (equação 9)

Variable Coefficient Std. Error t-Statistic Prob.

C -0.034396 0.006738 -5.104906 0.0000

TX_CAMBIO 0.022007 0.002692 8.176079 0.0000

R-squared 0.712302 Mean dependent var 0.019187

Adjusted R-squared 0.701646 S.D. dependent var 0.015426

S.E. of regression 0.008426 Akaike info criterion -6.648573

Sum squared resid 0.001917 Schwarz criterion -6.554277

Log likelihood 98.40432 F-statistic 66.84827

Durbin-Watson stat 0.853235 Prob(F-statistic) 0.000000

Fonte: Software E-Views, 2006.

LPA = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (10)

Dependent Variable: AMBV_LPA

Method: Least Squares

Date: 06/10/06 Time: 16:06

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 27 – Resultados AMBEV (equação 10)

Variable Coefficient Std. Error t-Statistic Prob.

C -0.055547 0.009260 -5.998744 0.0000

TX_JUROS 0.000771 0.000259 2.974378 0.0063

TX_CAMBIO 0.024205 0.002482 9.752834 0.0000

R-squared 0.785342 Mean dependent var 0.019187

Adjusted R-squared 0.768830 S.D. dependent var 0.015426

S.E. of regression 0.007417 Akaike info criterion -6.872476

Sum squared resid 0.001430 Schwarz criterion -6.731032

Log likelihood 102.6509 F-statistic 47.56155

Durbin-Watson stat 1.246859 Prob(F-statistic) 0.000000

Fonte: Software E-Views, 2006.

157

LIQ = b0 - b1 * INDICEDIVIDA + erro (11)

Dependent Variable: AMBV_LIQ

Method: Least Squares

Date: 06/10/06 Time: 15:39

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 28 – Resultados AMBEV (equação 11)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.697642 0.141946 4.914843 0.0000

AMBV_INDICEDIVIDA 0.128881 0.066522 1.937426 0.0632

R-squared 0.122055 Mean dependent var 0.947931

Adjusted R-squared 0.089538 S.D. dependent var 0.331957

S.E. of regression 0.316747 Akaike info criterion 0.605047

Sum squared resid 2.708879 Schwarz criterion 0.699344

Log likelihood -6.773186 F-statistic 3.753620

Durbin-Watson stat 1.113025 Prob(F-statistic) 0.063219

Fonte: Software E-Views, 2006.

LIQ = b0 + b1 * LPA + erro (12)

Dependent Variable: AMBV_LIQ

Method: Least Squares

Date: 06/10/06 Time: 15:41

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 29 – Resultados AMBEV (equação 12)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.845460 0.098099 8.618429 0.0000

AMBV_LPA 5.340618 4.011930 1.331184 0.1943

R-squared 0.061589 Mean dependent var 0.947931

Adjusted R-squared 0.026833 S.D. dependent var 0.331957

S.E. of regression 0.327473 Akaike info criterion 0.671651

Sum squared resid 2.895443 Schwarz criterion 0.765947

Log likelihood -7.738933 F-statistic 1.772052

Durbin-Watson stat 0.546547 Prob(F-statistic) 0.194260

Fonte: Software E-Views, 2006.

158

LIQ = b0 - b1 * RETPL + erro (13)

Dependent Variable: AMBV_LIQ

Method: Least Squares

Date: 06/10/06 Time: 15:42

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 30 – Resultados AMBEV (equação 13)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.855503 0.094178 9.083898 0.0000

AMBV_RETPL 0.410365 0.318824 1.287119 0.2090

R-squared 0.057811 Mean dependent var 0.947931

Adjusted R-squared 0.022915 S.D. dependent var 0.331957

S.E. of regression 0.328132 Akaike info criterion 0.675669

Sum squared resid 2.907101 Schwarz criterion 0.769965

Log likelihood -7.797194 F-statistic 1.656677

Durbin-Watson stat 0.548373 Prob(F-statistic) 0.208978

Fonte: Software E-Views, 2006.

LIQ = b0 - b1 * INDICEDIVIDA + b2 * LPA - b3* RETPL + erro (14)

Dependent Variable: AMBV_LIQ

Method: Least Squares

Date: 06/10/06 Time: 16:06

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 31 – Resultados AMBEV (equação 14)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.499615 0.171374 2.915353 0.0074

AMBV_INDICEDIVIDA 0.156967 0.066152 2.372832 0.0257

AMBV_LPA 3.505728 7.050434 0.497236 0.6234

AMBV_RETPL 0.338398 0.562972 0.601092 0.5532

R-squared 0.236755 Mean dependent var 0.947931

Adjusted R-squared 0.145165 S.D. dependent var 0.331957

S.E. of regression 0.306919 Akaike info criterion 0.602973

Sum squared resid 2.354975 Schwarz criterion 0.791566

Log likelihood -4.743114 F-statistic 2.584957

Durbin-Watson stat 1.268281 Prob(F-statistic) 0.075680

Fonte: Software E-Views, 2006.

159

RETPL = b0 + b1 * GAF + erro (15)

Dependent Variable: AMBV_RETPL

Method: Least Squares

Date: 06/10/06 Time: 15:45

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 32 – Resultados AMBEV (equação 15)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.335208 0.049830 6.727070 0.0000

AMBV_GAF -0.028811 0.020480 -1.406781 0.1723

R-squared 0.076178 Mean dependent var 0.274927

Adjusted R-squared 0.037686 S.D. dependent var 0.132200

S.E. of regression 0.129685 Akaike info criterion -1.173607

Sum squared resid 0.403639 Schwarz criterion -1.076830

Log likelihood 17.25689 F-statistic 1.979033

Durbin-Watson stat 0.282551 Prob(F-statistic) 0.172310

Fonte: Software E-Views, 2006.

RETPL = b0 + b1 * INDICEDIVIDA + erro (16)

Dependent Variable: AMBV_RETPL

Method: Least Squares

Date: 07/16/06 Time: 19:59

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 33 – Resultados AMBEV (equação 16)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.319582 0.086490 3.695002 0.0010

AMBV_INDICEDIVIDA -0.048583 0.040533 -1.198591 0.2411

R-squared 0.050520 Mean dependent var 0.225234

Adjusted R-squared 0.015354 S.D. dependent var 0.194499

S.E. of regression 0.193000 Akaike info criterion -0.385779

Sum squared resid 1.005725 Schwarz criterion -0.291483

Log likelihood 7.593799 F-statistic 1.436621

Durbin-Watson stat 0.533108 Prob(F-statistic) 0.241102

Fonte: Software E-Views, 2006.

160

RETPL = b0 + b1 * GAF + b2 * INDICE DIVIDA + erro (17)

Dependent Variable: AMBV_RETPL

Method: Least Squares

Date: 06/10/06 Time: 16:03

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 34 – Resultados AMBEV (equação 17)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.193911 0.073076 2.653543 0.0142

AMBV_GAF -0.051828 0.020823 -2.488962 0.0205

AMBV_INDICEDIVIDA 0.104517 0.042428 2.463378 0.0217

R-squared 0.269033 Mean dependent var 0.274927

Adjusted R-squared 0.205471 S.D. dependent var 0.132200

S.E. of regression 0.117839 Akaike info criterion -1.330835

Sum squared resid 0.319376 Schwarz criterion -1.185670

Log likelihood 20.30086 F-statistic 4.232593

Durbin-Watson stat 0.437234 Prob(F-statistic) 0.027216

Fonte: Software E-Views, 2006.

161

ANEXO B – Resultados da PETROBRÁS

162

LIQ = b0 - b1 * TXJUROS + erro (1)

Dependent Variable: PETRO_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:07

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 35 – Resultados PETROBRÁS (equação 1)

Variable Coefficient Std. Error t-Statistic Prob.

C 1.623827 0.155825 10.42084 0.0000

TX_JUROS -0.034118 0.007344 -4.646041 0.0001

R-squared 0.444281 Mean dependent var 0.925172

Adjusted R-squared 0.423699 S.D. dependent var 0.289749

S.E. of regression 0.219961 Akaike info criterion -0.124257

Sum squared resid 1.306342 Schwarz criterion -0.029960

Log likelihood 3.801721 F-statistic 21.58570

Durbin-Watson stat 0.215114 Prob(F-statistic) 0.000079

Fonte: Software E-Views, 2006.

LIQ = b0 - b1 * TXCAMBIO + erro (2)

Dependent Variable: PETRO_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:08

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 36 – Resultados PETROBRÁS (equação 2)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.134982 0.176722 0.763807 0.4516

TX_CAMBIO 0.324534 0.070597 4.597026 0.0001

R-squared 0.439050 Mean dependent var 0.925172

Adjusted R-squared 0.418274 S.D. dependent var 0.289749

S.E. of regression 0.220994 Akaike info criterion -0.114888

Sum squared resid 1.318638 Schwarz criterion -0.020592

Log likelihood 3.665877 F-statistic 21.13265

Durbin-Watson stat 0.407217 Prob(F-statistic) 0.000090

Fonte: Software E-Views, 2006.

163

LIQ = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (3)

Dependent Variable: PETRO_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:18

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 37 – Resultados PETROBRÁS (equação 3)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.857524 0.212157 4.041939 0.0004

TX_CAMBIO 0.249430 0.056864 4.386457 0.0002

TX_JUROS -0.026355 0.005943 -4.434731 0.0001

R-squared 0.680628 Mean dependent var 0.925172

Adjusted R-squared 0.656061 S.D. dependent var 0.289749

S.E. of regression 0.169927 Akaike info criterion -0.609198

Sum squared resid 0.750755 Schwarz criterion -0.467754

Log likelihood 11.83338 F-statistic 27.70492

Durbin-Watson stat 0.566597 Prob(F-statistic) 0.000000

Fonte: Software E-Views, 2006.

INDICEDIVIDA = b0 - b1 * TXJUROS + erro (4)

Dependent Variable: PETRO_INDICEDIVIDA

Method: Least Squares

Date: 06/27/06 Time: 21:09

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 38 – Resultados PETROBRÁS (equação 4)

Variable Coefficient Std. Error t-Statistic Prob.

C 2.067742 0.197207 10.48514 0.0000

TX_JUROS -0.024622 0.009294 -2.649330 0.0133

R-squared 0.206325 Mean dependent var 1.563545

Adjusted R-squared 0.176929 S.D. dependent var 0.306841

S.E. of regression 0.278376 Akaike info criterion 0.346783

Sum squared resid 2.092314 Schwarz criterion 0.441079

Log likelihood -3.028353 F-statistic 7.018948

Durbin-Watson stat 0.849467 Prob(F-statistic) 0.013314

Fonte: Software E-Views, 2006.

164

INDICEDIVIDA = b0 - b1 * TXCAMBIO + erro (5)

Dependent Variable: PETRO_INDICEDIVIDA

Method: Least Squares

Date: 06/27/06 Time: 21:09

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 39 – Resultados PETROBRÁS (equação 5)

Variable Coefficient Std. Error t-Statistic Prob.

C 1.404480 0.247884 5.665876 0.0000

TX_CAMBIO 0.065329 0.099024 0.659725 0.5150

R-squared 0.015864 Mean dependent var 1.563545

Adjusted R-squared -0.020585 S.D. dependent var 0.306841

S.E. of regression 0.309983 Akaike info criterion 0.561872

Sum squared resid 2.594413 Schwarz criterion 0.656169

Log likelihood -6.147150 F-statistic 0.435237

Durbin-Watson stat 0.819557 Prob(F-statistic) 0.515019

Fonte: Software E-Views, 2006.

INDICEDIVIDA = b0 - b1 * TXCAMBIO – b2 * TXJUROS + erro (6)

Dependent Variable: PETRO_INDICEDIVIDA

Method: Least Squares

Date: 06/27/06 Time: 21:19

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 40 – Resultados PETROBRÁS (equação 6)

Variable Coefficient Std. Error t-Statistic Prob.

C 2.084054 0.354156 5.884561 0.0000

TX_CAMBIO -0.005310 0.094923 -0.055935 0.9558

TX_JUROS -0.024787 0.009920 -2.498634 0.0191

R-squared 0.206420 Mean dependent var 1.563545

Adjusted R-squared 0.145376 S.D. dependent var 0.306841

S.E. of regression 0.283662 Akaike info criterion 0.415628

Sum squared resid 2.092062 Schwarz criterion 0.557073

Log likelihood -3.026608 F-statistic 3.381465

Durbin-Watson stat 0.852076 Prob(F-statistic) 0.049508

Fonte: Software E-Views, 2006.

165

RETPL = b0 - b1 * TXJUROS + erro (7)

Dependent Variable: PETRO_RETPL

Method: Least Squares

Date: 06/27/06 Time: 21:10

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 41 – Resultados PETROBRÁS (equação 7)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.578671 0.105159 5.502804 0.0000

TX_JUROS -0.010724 0.005251 -2.042175 0.0523

R-squared 0.148044 Mean dependent var 0.369238

Adjusted R-squared 0.112546 S.D. dependent var 0.125922

S.E. of regression 0.118625 Akaike info criterion -1.351897

Sum squared resid 0.337725 Schwarz criterion -1.255120

Log likelihood 19.57466 F-statistic 4.170480

Durbin-Watson stat 0.553613 Prob(F-statistic) 0.052270

Fonte: Software E-Views, 2006.

LPA = b0 - b1 * TXJUROS + erro (8)

Dependent Variable: PETRO_LPA

Method: Least Squares

Date: 06/27/06 Time: 21:11

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 42 – Resultados PETROBRÁS (equação 8)

Variable Coefficient Std. Error t-Statistic Prob.

C 4.346917 1.150419 3.778551 0.0009

TX_JUROS -0.078286 0.057449 -1.362713 0.1856

R-squared 0.071818 Mean dependent var 2.818070

Adjusted R-squared 0.033143 S.D. dependent var 1.319785

S.E. of regression 1.297730 Akaike info criterion 3.432913

Sum squared resid 40.41845 Schwarz criterion 3.529690

Log likelihood -42.62787 F-statistic 1.856987

Durbin-Watson stat 0.133625 Prob(F-statistic) 0.185624

Fonte: Software E-Views, 2006.

166

LPA = b0 - b1 * TXCAMBIO + erro (9)

Dependent Variable: PETRO_LPA

Method: Least Squares

Date: 06/27/06 Time: 21:11

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 43 – Resultados PETROBRÁS (equação 9)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.320294 1.078675 0.296933 0.7691

TX_CAMBIO 0.995068 0.419158 2.373967 0.0259

R-squared 0.190166 Mean dependent var 2.818070

Adjusted R-squared 0.156423 S.D. dependent var 1.319785

S.E. of regression 1.212175 Akaike info criterion 3.296513

Sum squared resid 35.26485 Schwarz criterion 3.393290

Log likelihood -40.85468 F-statistic 5.635721

Durbin-Watson stat 0.198864 Prob(F-statistic) 0.025944

Fonte: Software E-Views, 2006.

LPA = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (10)

Dependent Variable: PETRO_LPA

Method: Least Squares

Date: 06/27/06 Time: 21:20

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 44 – Resultados PETROBRÁS (equação 10)

Variable Coefficient Std. Error t-Statistic Prob.

C 1.692177 1.609765 1.051195 0.3041

TX_CAMBIO 0.927216 0.420736 2.203797 0.0378

TX_JUROS -0.061527 0.053863 -1.142287 0.2651

R-squared 0.233643 Mean dependent var 2.818070

Adjusted R-squared 0.167003 S.D. dependent var 1.319785

S.E. of regression 1.204550 Akaike info criterion 3.318256

Sum squared resid 33.37164 Schwarz criterion 3.463421

Log likelihood -40.13733 F-statistic 3.506059

Durbin-Watson stat 0.219296 Prob(F-statistic) 0.046877

Fonte: Software E-Views, 2006.

167

LIQ = b0 - b1 * INDICEDIVIDA + erro (11)

Dependent Variable: PETRO_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:13

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 45 – Resultados PETROBRÁS (equação 11)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.952952 0.289327 3.293688 0.0028

PETRO_INDICEDIVIDA -0.017767 0.181698 -0.097783 0.9228

R-squared 0.000354 Mean dependent var 0.925172

Adjusted R-squared -0.036670 S.D. dependent var 0.289749

S.E. of regression 0.295014 Akaike info criterion 0.462882

Sum squared resid 2.349892 Schwarz criterion 0.557178

Log likelihood -4.711784 F-statistic 0.009561

Durbin-Watson stat 0.090607 Prob(F-statistic) 0.922827

Fonte: Software E-Views, 2006.

LIQ = b0 + b1 * LPA + erro (12)

Dependent Variable: PETRO_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:14

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 46 – Resultados PETROBRÁS (equação 12)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.672689 0.077341 8.697709 0.0000

PETRO_LPA 0.113144 0.024940 4.536584 0.0001

R-squared 0.461649 Mean dependent var 0.991538

Adjusted R-squared 0.439218 S.D. dependent var 0.219776

S.E. of regression 0.164580 Akaike info criterion -0.697034

Sum squared resid 0.650079 Schwarz criterion -0.600257

Log likelihood 11.06144 F-statistic 20.58059

Durbin-Watson stat 0.265184 Prob(F-statistic) 0.000135

Fonte: Software E-Views, 2006.

168

LIQ = b0 - b1 * RETPL + erro (13)

Dependent Variable: PETRO_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:15

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 47 – Resultados PETROBRÁS (equação 13)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.692910 0.122916 5.637278 0.0000

PETRO_RETPL 0.808770 0.315705 2.561791 0.0171

R-squared 0.214731 Mean dependent var 0.991538

Adjusted R-squared 0.182011 S.D. dependent var 0.219776

S.E. of regression 0.198771 Akaike info criterion -0.319518

Sum squared resid 0.948243 Schwarz criterion -0.222742

Log likelihood 6.153738 F-statistic 6.562775

Durbin-Watson stat 0.210856 Prob(F-statistic) 0.017117

Fonte: Software E-Views, 2006.

LIQ = b0 - b1 * INDICEDIVIDA + b2 * LPA - b3* RETPL + erro (14)

Dependent Variable: PETRO_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:21

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 48 – Resultados PETROBRÁS (equação 14)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.469016 0.253579 1.849586 0.0779

PETRO_INDICEDIVIDA 0.073192 0.140257 0.521846 0.6070

PETRO_LPA 0.104260 0.030401 3.429510 0.0024

PETRO_RETPL 0.310265 0.301293 1.029776 0.3143

R-squared 0.497781 Mean dependent var 0.991538

Adjusted R-squared 0.429296 S.D. dependent var 0.219776

S.E. of regression 0.166030 Akaike info criterion -0.612662

Sum squared resid 0.606449 Schwarz criterion -0.419109

Log likelihood 11.96461 F-statistic 7.268528

Durbin-Watson stat 0.339324 Prob(F-statistic) 0.001456

Fonte: Software E-Views, 2006.

169

RETPL = b0 + b1 * GAF + erro (15)

Dependent Variable: PETRO_RETPL

Method: Least Squares

Date: 06/27/06 Time: 21:16

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 49 – Resultados PETROBRÁS (equação 15)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.319097 0.169140 1.886587 0.0714

PETRO_GAF 0.019783 0.065990 0.299783 0.7669

R-squared 0.003731 Mean dependent var 0.369238

Adjusted R-squared -0.037781 S.D. dependent var 0.125922

S.E. of regression 0.128279 Akaike info criterion -1.195414

Sum squared resid 0.394933 Schwarz criterion -1.098637

Log likelihood 17.54038 F-statistic 0.089870

Durbin-Watson stat 0.427818 Prob(F-statistic) 0.766924

Fonte: Software E-Views, 2006.

RETPL = b0 + b1 * INDICEDIVIDA + erro (16)

Dependent Variable: PETRO_RETPL

Method: Least Squares

Date: 07/16/06 Time: 20:17

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 50 – Resultados PETROBRÁS (equação 16)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.364585 0.159396 2.287287 0.0313

PETRO_INDICEDIVIDA 0.002984 0.100920 0.029564 0.9767

R-squared 0.000036 Mean dependent var 0.369238

Adjusted R-squared -0.041629 S.D. dependent var 0.125922

S.E. of regression 0.128517 Akaike info criterion -1.191712

Sum squared resid 0.396397 Schwarz criterion -1.094936

Log likelihood 17.49226 F-statistic 0.000874

Durbin-Watson stat 0.426460 Prob(F-statistic) 0.976659

Fonte: Software E-Views, 2006.

170

RETPL = b0 + b1* GAF + b2 * INDICE DIVIDA + erro (17)

Dependent Variable: PETRO_RETPL

Method: Least Squares

Date: 06/27/06 Time: 21:22

Sample: 1998Q4 2005Q4

Included observations: 26

TABELA 51 – Resultados PETROBRÁS (equação 17)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.331897 0.189458 1.751822 0.0931

PETRO_GAF 0.027288 0.081415 0.335176 0.7405

PETRO_INDICEDIVIDA -0.020406 0.124280 -0.164191 0.8710

R-squared 0.004897 Mean dependent var 0.369238

Adjusted R-squared -0.081634 S.D. dependent var 0.125922

S.E. of regression 0.130961 Akaike info criterion -1.119662

Sum squared resid 0.394470 Schwarz criterion -0.974497

Log likelihood 17.55561 F-statistic 0.056592

Durbin-Watson stat 0.418409 Prob(F-statistic) 0.945110

Fonte: Software E-Views, 2006.

171

ANEXO C – Resultados da SADIA

172

LIQ = b0 - b1 * TXJUROS + erro (1)

Dependent Variable: SDIA_LIQ

Method: Least Squares

Date: 07/06/06 Time: 00:54

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 52 – Resultados SADIA (equação 1)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.889523 0.234968 3.785716 0.0008

TX_JUROS -0.001155 0.011073 -0.104347 0.9177

R-squared 0.000403 Mean dependent var 0.865862

Adjusted R-squared -0.036619 S.D. dependent var 0.325769

S.E. of regression 0.331680 Akaike info criterion 0.697177

Sum squared resid 2.970306 Schwarz criterion 0.791473

Log likelihood -8.109068 F-statistic 0.010888

Durbin-Watson stat 0.193826 Prob(F-statistic) 0.917666

Fonte: Software E-Views, 2006.

LIQ = b0 - b1 * TXCAMBIO + erro (2)

Dependent Variable: SDIA_LIQ

Method: Least Squares

Date: 07/06/06 Time: 00:55

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 53 – Resultados SADIA (equação 2)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.243285 0.234955 1.035455 0.3096

TX_CAMBIO 0.255695 0.093859 2.724244 0.0112

R-squared 0.215607 Mean dependent var 0.865862

Adjusted R-squared 0.186555 S.D. dependent var 0.325769

S.E. of regression 0.293814 Akaike info criterion 0.454736

Sum squared resid 2.330828 Schwarz criterion 0.549032

Log likelihood -4.593668 F-statistic 7.421504

Durbin-Watson stat 0.364962 Prob(F-statistic) 0.011164

Fonte: Software E-Views, 2006.

173

LIQ = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (3)

Dependent Variable: SDIA_LIQ

Method: Least Squares

Date: 07/06/06 Time: 01:02

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 54 – Resultados SADIA (equação 3)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.038613 0.370148 0.104317 0.9177

TX_CAMBIO 0.276969 0.099210 2.791762 0.0097

TX_JUROS 0.007465 0.010368 0.720020 0.4779

R-squared 0.230941 Mean dependent var 0.865862

Adjusted R-squared 0.171783 S.D. dependent var 0.325769

S.E. of regression 0.296470 Akaike info criterion 0.503958

Sum squared resid 2.285261 Schwarz criterion 0.645402

Log likelihood -4.307388 F-statistic 3.903782

Durbin-Watson stat 0.395033 Prob(F-statistic) 0.032921

Fonte: Software E-Views, 2006.

INDICEDIVIDA = b0 - b1 * TXJUROS + erro (4)

Dependent Variable: SDIA_INDICEDIVIDA

Method: Least Squares

Date: 07/06/06 Time: 00:56

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 55 – Resultados SADIA (equação 4)

Variable Coefficient Std. Error t-Statistic Prob.

C 2.712180 0.258005 10.51214 0.0000

TX_JUROS -0.016246 0.012159 -1.336129 0.1927

R-squared 0.062019 Mean dependent var 2.379507

Adjusted R-squared 0.027279 S.D. dependent var 0.369269

S.E. of regression 0.364197 Akaike info criterion 0.884231

Sum squared resid 3.581274 Schwarz criterion 0.978527

Log likelihood -10.82135 F-statistic 1.785242

Durbin-Watson stat 0.671143 Prob(F-statistic) 0.192660

Fonte: Software E-Views, 2006.

174

INDICEDIVIDA = b0 - b1 * TXCAMBIO + erro (5)

Dependent Variable: SDIA_INDICEDIVIDA

Method: Least Squares

Date: 07/06/06 Time: 00:56

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 56 – Resultados SADIA (equação 5)

Variable Coefficient Std. Error t-Statistic Prob.

C 1.826351 0.280088 6.520639 0.0000

TX_CAMBIO 0.227183 0.111889 2.030439 0.0523

R-squared 0.132466 Mean dependent var 2.379507

Adjusted R-squared 0.100335 S.D. dependent var 0.369269

S.E. of regression 0.350254 Akaike info criterion 0.806157

Sum squared resid 3.312306 Schwarz criterion 0.900453

Log likelihood -9.689274 F-statistic 4.122683

Durbin-Watson stat 0.630598 Prob(F-statistic) 0.052268

Fonte: Software E-Views, 2006.

INDICEDIVIDA = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (6)

Dependent Variable: SDIA_INDICEDIVIDA

Method: Least Squares

Date: 07/06/06 Time: 01:03

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 57 – Resultados SADIA (equação 6)

Variable Coefficient Std. Error t-Statistic Prob.

C 2.102368 0.440018 4.777908 0.0001

TX_CAMBIO 0.198493 0.117937 1.683045 0.1043

TX_JUROS -0.010068 0.012325 -0.816817 0.4215

R-squared 0.154170 Mean dependent var 2.379507

Adjusted R-squared 0.089107 S.D. dependent var 0.369269

S.E. of regression 0.352433 Akaike info criterion 0.849785

Sum squared resid 3.229435 Schwarz criterion 0.991229

Log likelihood -9.321881 F-statistic 2.369528

Durbin-Watson stat 0.625912 Prob(F-statistic) 0.113417

Fonte: Software E-Views, 2006.

175

RETPL = b0 - b1 * TXJUROS + erro (7)

Dependent Variable: SDIA_RETPL

Method: Least Squares

Date: 07/06/06 Time: 00:57

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 58 – Resultados SADIA (equação 7)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.188710 0.062762 3.006746 0.0057

TX_JUROS 0.002298 0.002958 0.777081 0.4439

R-squared 0.021876 Mean dependent var 0.235776

Adjusted R-squared -0.014351 S.D. dependent var 0.087966

S.E. of regression 0.088595 Akaike info criterion -1.943018

Sum squared resid 0.211923 Schwarz criterion -1.848722

Log likelihood 30.17376 F-statistic 0.603855

Durbin-Watson stat 0.526504 Prob(F-statistic) 0.443867

Fonte: Software E-Views, 2006.

LPA = b0 - b1 * TXJUROS + erro (8)

Dependent Variable: SDIA_LPA

Method: Least Squares

Date: 07/06/06 Time: 00:58

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 59 – Resultados SADIA (equação 8)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.565213 0.174196 3.244703 0.0031

TX_JUROS -0.007819 0.008209 -0.952473 0.3493

R-squared 0.032508 Mean dependent var 0.405098

Adjusted R-squared -0.003325 S.D. dependent var 0.245485

S.E. of regression 0.245893 Akaike info criterion 0.098634

Sum squared resid 1.632515 Schwarz criterion 0.192930

Log likelihood 0.569808 F-statistic 0.907205

Durbin-Watson stat 0.129592 Prob(F-statistic) 0.349307

Fonte: Software E-Views, 2006.

176

LPA = b0 - b1 * TXCAMBIO + erro (9)

Dependent Variable: SDIA_LPA

Method: Least Squares

Date: 07/06/06 Time: 00:58

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 60 – Resultados SADIA (equação 9)

Variable Coefficient Std. Error t-Statistic Prob.

C -0.108314 0.172177 -0.629088 0.5346

TX_CAMBIO 0.210860 0.068781 3.065696 0.0049

R-squared 0.258211 Mean dependent var 0.405098

Adjusted R-squared 0.230737 S.D. dependent var 0.245485

S.E. of regression 0.215309 Akaike info criterion -0.167008

Sum squared resid 1.251671 Schwarz criterion -0.072712

Log likelihood 4.421623 F-statistic 9.398489

Durbin-Watson stat 0.202854 Prob(F-statistic) 0.004888

Fonte: Software E-Views, 2006.

LPA = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (10)

Dependent Variable: SDIA_LPA

Method: Least Squares

Date: 07/06/06 Time: 01:03

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 61 – Resultados SADIA (equação 10)

Variable Coefficient Std. Error t-Statistic Prob.

C -0.070530 0.273768 -0.257626 0.7987

TX_CAMBIO 0.206933 0.073377 2.820126 0.0091

TX_JUROS -0.001378 0.007669 -0.179717 0.8588

R-squared 0.259131 Mean dependent var 0.405098

Adjusted R-squared 0.202141 S.D. dependent var 0.245485

S.E. of regression 0.219275 Akaike info criterion -0.099284

Sum squared resid 1.250118 Schwarz criterion 0.042160

Log likelihood 4.439624 F-statistic 4.546969

Durbin-Watson stat 0.203942 Prob(F-statistic) 0.020260

Fonte: Software E-Views, 2006.

177

LIQ = b0 - b1 * INDICEDIVIDA + erro (11)

Dependent Variable: SDIA_LIQ

Method: Least Squares

Date: 07/16/06 Time: 19:48

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 62 – Resultados SADIA (equação 11)

Variable Coefficient Std. Error t-Statistic Prob.

C 1.571018 0.384914 4.081478 0.0004

SDIA_INDICEDIVIDA -0.296345 0.159914 -1.853160 0.0748

R-squared 0.112840 Mean dependent var 0.865862

Adjusted R-squared 0.079982 S.D. dependent var 0.325769

S.E. of regression 0.312469 Akaike info criterion 0.577850

Sum squared resid 2.636198 Schwarz criterion 0.672146

Log likelihood -6.378827 F-statistic 3.434203

Durbin-Watson stat 0.216470 Prob(F-statistic) 0.074818

Fonte: Software E-Views, 2006.

LIQ = b0 + b1 * LPA + erro (12)

Dependent Variable: SDIA_LIQ

Method: Least Squares

Date: 07/06/06 Time: 01:00

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 63 – Resultados SADIA (equação 12)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.366853 0.044787 8.191078 0.0000

SDIA_LPA 1.231824 0.094993 12.96752 0.0000

R-squared 0.861650 Mean dependent var 0.865862

Adjusted R-squared 0.856526 S.D. dependent var 0.325769

S.E. of regression 0.123395 Akaike info criterion -1.280386

Sum squared resid 0.411109 Schwarz criterion -1.186089

Log likelihood 20.56559 F-statistic 168.1567

Durbin-Watson stat 0.922954 Prob(F-statistic) 0.000000

Fonte: Software E-Views, 2006.

178

LIQ = b0 - b1 * RETPL + erro (13)

Dependent Variable: SDIA_LIQ

Method: Least Squares

Date: 07/06/06 Time: 01:00

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 64 – Resultados SADIA (equação 13)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.122826 0.094001 1.306652 0.2024

SDIA_RETPL 3.151451 0.374325 8.419028 0.0000

R-squared 0.724152 Mean dependent var 0.865862

Adjusted R-squared 0.713936 S.D. dependent var 0.325769

S.E. of regression 0.174237 Akaike info criterion -0.590325

Sum squared resid 0.819683 Schwarz criterion -0.496029

Log likelihood 10.55972 F-statistic 70.88003

Durbin-Watson stat 1.490055 Prob(F-statistic) 0.000000

Fonte: Software E-Views, 2006.

LIQ = b0 - b1 * INDICEDIVIDA + b2 * LPA - b3* RETPL + erro (14)

Dependent Variable: SDIA_LIQ

Method: Least Squares

Date: 07/06/06 Time: 01:04

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 65 – Resultados SADIA (equação 14)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.285572 0.198422 1.439213 0.1625

SDIA_INDICEDIVIDA -0.000828 0.067913 -0.012191 0.9904

SDIA_LPA 0.999890 0.185846 5.380212 0.0000

SDIA_RETPL 0.751592 0.523600 1.435431 0.1636

R-squared 0.872432 Mean dependent var 0.865862

Adjusted R-squared 0.857124 S.D. dependent var 0.325769

S.E. of regression 0.123137 Akaike info criterion -1.223598

Sum squared resid 0.379067 Schwarz criterion -1.035005

Log likelihood 21.74217 F-statistic 56.99153

Durbin-Watson stat 1.319141 Prob(F-statistic) 0.000000

Fonte: Software E-Views, 2006.

179

RETPL = b0 + b1 * GAF + erro (15)

Dependent Variable: SDIA_RETPL

Method: Least Squares

Date: 07/06/06 Time: 01:01

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 66 – Resultados SADIA (equação 15)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.143237 0.025417 5.635575 0.0000

SDIA_GAF 0.031461 0.007444 4.226197 0.0002

R-squared 0.398137 Mean dependent var 0.235776

Adjusted R-squared 0.375846 S.D. dependent var 0.087966

S.E. of regression 0.069496 Akaike info criterion -2.428626

Sum squared resid 0.130401 Schwarz criterion -2.334329

Log likelihood 37.21507 F-statistic 17.86074

Durbin-Watson stat 0.835584 Prob(F-statistic) 0.000243

Fonte: Software E-Views, 2006.

RETPL = b0 + b1 * INDICEDIVIDA + erro (16)

Dependent Variable: SDIA_RETPL

Method: Least Squares

Date: 07/16/06 Time: 19:46

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 67 – Resultados SADIA (equação 16)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.444696 0.102580 4.335111 0.0002

SDIA_INDICEDIVIDA -0.087800 0.042617 -2.060197 0.0491

R-squared 0.135845 Mean dependent var 0.235776

Adjusted R-squared 0.103840 S.D. dependent var 0.087966

S.E. of regression 0.083273 Akaike info criterion -2.066903

Sum squared resid 0.187230 Schwarz criterion -1.972607

Log likelihood 31.97009 F-statistic 4.244410

Durbin-Watson stat 0.768746 Prob(F-statistic) 0.049137

Fonte: Software E-Views, 2006.

180

RETPL = b0 + b1 * GAF + b2 * INDICE DIVIDA + erro (17)

Dependent Variable: SDIA_RETPL

Method: Least Squares

Date: 07/06/06 Time: 01:05

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 68 – Resultados SADIA (equação 17)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.265111 0.097457 2.720277 0.0115

SDIA_GAF 0.028522 0.007696 3.706181 0.0010

SDIA_INDICEDIVIDA -0.047585 0.036767 -1.294217 0.2070

R-squared 0.434564 Mean dependent var 0.235776

Adjusted R-squared 0.391069 S.D. dependent var 0.087966

S.E. of regression 0.068643 Akaike info criterion -2.422093

Sum squared resid 0.122509 Schwarz criterion -2.280649

Log likelihood 38.12035 F-statistic 9.991127

Durbin-Watson stat 0.943813 Prob(F-statistic) 0.000604

Fonte: Software E-Views, 2006.

181

ANEXO D – RESULTADOS DA EMBRAER

182

LIQ = b0 - b1 * TXJUROS + erro (1)

Dependent Variable: EMBR_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:23

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 69 – Resultados EMBRAER (equação 1)

Variable Coefficient Std. Error t-Statistic Prob.

C 1.490791 0.152129 9.799517 0.0000

TX_JUROS -0.028312 0.007169 -3.949037 0.0005

R-squared 0.366121 Mean dependent var 0.911034

Adjusted R-squared 0.342644 S.D. dependent var 0.264863

S.E. of regression 0.214744 Akaike info criterion -0.172265

Sum squared resid 1.245108 Schwarz criterion -0.077969

Log likelihood 4.497844 F-statistic 15.59489

Durbin-Watson stat 0.527688 Prob(F-statistic) 0.000506

Fonte: Software E-Views, 2006.

LIQ = b0 - b1 * TXCAMBIO + erro (2)

Dependent Variable: EMBR_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:24

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 70 – Resultados EMBRAER (equação 2)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.296269 0.178120 1.663314 0.1078

TX_CAMBIO 0.252487 0.071155 3.548421 0.0014

R-squared 0.318032 Mean dependent var 0.911034

Adjusted R-squared 0.292774 S.D. dependent var 0.264863

S.E. of regression 0.222741 Akaike info criterion -0.099140

Sum squared resid 1.339569 Schwarz criterion -0.004844

Log likelihood 3.437529 F-statistic 12.59129

Durbin-Watson stat 0.501213 Prob(F-statistic) 0.001442

Fonte: Software E-Views, 2006.

183

LIQ = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (3)

Dependent Variable: EMBR_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:30

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 71 – Resultados EMBRAER (equação 3)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.911596 0.235838 3.865344 0.0007

TX_CAMBIO 0.188527 0.063211 2.982500 0.0061

TX_JUROS -0.022444 0.006606 -3.397447 0.0022

R-squared 0.527706 Mean dependent var 0.911034

Adjusted R-squared 0.491376 S.D. dependent var 0.264863

S.E. of regression 0.188895 Akaike info criterion -0.397555

Sum squared resid 0.927713 Schwarz criterion -0.256111

Log likelihood 8.764553 F-statistic 14.52522

Durbin-Watson stat 0.721575 Prob(F-statistic) 0.000058

Fonte: Software E-Views, 2006.

INDICEDIVIDA = b0 - b1 * TXJUROS + erro (4)

Dependent Variable: EMBR_INDICEDIVIDA

Method: Least Squares

Date: 06/27/06 Time: 21:24

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 72 – Resultados EMBRAER (equação 4)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.816808 0.533185 1.531941 0.1372

TX_JUROS 0.097283 0.025127 3.871636 0.0006

R-squared 0.356983 Mean dependent var 2.808924

Adjusted R-squared 0.333168 S.D. dependent var 0.921678

S.E. of regression 0.752640 Akaike info criterion 2.336013

Sum squared resid 15.29461 Schwarz criterion 2.430309

Log likelihood -31.87219 F-statistic 14.98956

Durbin-Watson stat 0.558801 Prob(F-statistic) 0.000621

Fonte: Software E-Views, 2006.

184

INDICEDIVIDA = b0 - b1 * TXCAMBIO + erro (5)

Dependent Variable: EMBR_INDICEDIVIDA

Method: Least Squares

Date: 06/27/06 Time: 21:25

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 73 – Resultados EMBRAER (equação 5)

Variable Coefficient Std. Error t-Statistic Prob.

C 5.116914 0.595659 8.590338 0.0000

TX_CAMBIO -0.947900 0.237952 -3.983575 0.0005

R-squared 0.370172 Mean dependent var 2.808924

Adjusted R-squared 0.346845 S.D. dependent var 0.921678

S.E. of regression 0.744881 Akaike info criterion 2.315288

Sum squared resid 14.98090 Schwarz criterion 2.409584

Log likelihood -31.57168 F-statistic 15.86887

Durbin-Watson stat 0.811212 Prob(F-statistic) 0.000462

Fonte: Software E-Views, 2006.

INDICEDIVIDA = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (6)

Dependent Variable: EMBR_INDICEDIVIDA

Method: Least Squares

Date: 06/27/06 Time: 21:31

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 74 – Resultados EMBRAER (equação 6)

Variable Coefficient Std. Error t-Statistic Prob.

C 3.077788 0.791828 3.886939 0.0006

TX_CAMBIO -0.735944 0.212231 -3.467655 0.0018

TX_JUROS 0.074377 0.022180 3.353310 0.0025

R-squared 0.560326 Mean dependent var 2.808924

Adjusted R-squared 0.526505 S.D. dependent var 0.921678

S.E. of regression 0.634215 Akaike info criterion 2.024841

Sum squared resid 10.45796 Schwarz criterion 2.166285

Log likelihood -26.36019 F-statistic 16.56736

Durbin-Watson stat 1.032883 Prob(F-statistic) 0.000023

Fonte: Software E-Views, 2006.

185

RETPL = b0 - b1 * TXJUROS + erro (7)

Dependent Variable: EMBR_RETPL

Method: Least Squares

Date: 06/27/06 Time: 21:25

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 75 – Resultados EMBRAER (equação 7)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.844123 0.228660 3.691601 0.0010

TX_JUROS -0.014333 0.010776 -1.330111 0.1946

R-squared 0.061496 Mean dependent var 0.550614

Adjusted R-squared 0.026737 S.D. dependent var 0.327179

S.E. of regression 0.322775 Akaike info criterion 0.642752

Sum squared resid 2.812967 Schwarz criterion 0.737048

Log likelihood -7.319904 F-statistic 1.769196

Durbin-Watson stat 0.237893 Prob(F-statistic) 0.194609

Fonte: Software E-Views, 2006.

LPA = b0 - b1 * TXJUROS + erro (8)

Dependent Variable: EMBR_LPA

Method: Least Squares

Date: 06/27/06 Time: 21:26

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 76 – Resultados EMBRAER (equação 8)

Variable Coefficient Std. Error t-Statistic Prob.

C 2.011875 0.282754 7.115286 0.0000

TX_JUROS -0.041868 0.013325 -3.142012 0.0040

R-squared 0.267742 Mean dependent var 1.154523

Adjusted R-squared 0.240621 S.D. dependent var 0.458025

S.E. of regression 0.399133 Akaike info criterion 1.067430

Sum squared resid 4.301302 Schwarz criterion 1.161726

Log likelihood -13.47774 F-statistic 9.872237

Durbin-Watson stat 0.522090 Prob(F-statistic) 0.004045

Fonte: Software E-Views, 2006.

186

LPA = b0 - b1 * TXCAMBIO + erro (9)

Dependent Variable: EMBR_LPA

Method: Least Squares

Date: 06/27/06 Time: 21:26

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 77 – Resultados EMBRAER (equação 9)

Variable Coefficient Std. Error t-Statistic Prob.

C -0.179360 0.263566 -0.680513 0.5020

TX_CAMBIO 0.547831 0.105289 5.203131 0.0000

R-squared 0.500671 Mean dependent var 1.154523

Adjusted R-squared 0.482177 S.D. dependent var 0.458025

S.E. of regression 0.329594 Akaike info criterion 0.684562

Sum squared resid 2.933070 Schwarz criterion 0.778858

Log likelihood -7.926149 F-statistic 27.07257

Durbin-Watson stat 0.500509 Prob(F-statistic) 0.000018

Fonte: Software E-Views, 2006.

LPA = b0 - b1 * TXCAMBIO - b2 * TXJUROS + erro (10)

Dependent Variable: EMBR_LPA

Method: Least Squares

Date: 06/27/06 Time: 21:31

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 78 – Resultados EMBRAER (equação 10)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.567237 0.373493 1.518736 0.1409

TX_CAMBIO 0.470226 0.100106 4.697287 0.0001

TX_JUROS -0.027232 0.010462 -2.602944 0.0151

R-squared 0.603892 Mean dependent var 1.154523

Adjusted R-squared 0.573423 S.D. dependent var 0.458025

S.E. of regression 0.299149 Akaike info criterion 0.521948

Sum squared resid 2.326745 Schwarz criterion 0.663393

Log likelihood -4.568250 F-statistic 19.81937

Durbin-Watson stat 0.740486 Prob(F-statistic) 0.000006

Fonte: Software E-Views, 2006.

187

LIQ = b0 - b1 * INDICEDIVIDA + erro (11)

Dependent Variable: EMBR_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:27

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 79 – Resultados EMBRAER (equação 11)

Variable Coefficient Std. Error t-Statistic Prob.

C 1.646091 0.067450 24.40475 0.0000

EMBR_INDICEDIVIDA -0.261686 0.022854 -11.45029 0.0000

R-squared 0.829232 Mean dependent var 0.911034

Adjusted R-squared 0.822907 S.D. dependent var 0.264863

S.E. of regression 0.111461 Akaike info criterion -1.483816

Sum squared resid 0.335435 Schwarz criterion -1.389520

Log likelihood 23.51533 F-statistic 131.1091

Durbin-Watson stat 1.133542 Prob(F-statistic) 0.000000

Fonte: Software E-Views, 2006.

LIQ = b0 + b1 * LPA + erro (12)

Dependent Variable: EMBR_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:29

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 80 – Resultados EMBRAER (equação 12)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.429311 0.095480 4.496369 0.0001

EMBR_LPA 0.417249 0.077053 5.415096 0.0000

R-squared 0.520624 Mean dependent var 0.911034

Adjusted R-squared 0.502870 S.D. dependent var 0.264863

S.E. of regression 0.186748 Akaike info criterion -0.451638

Sum squared resid 0.941623 Schwarz criterion -0.357342

Log likelihood 8.548756 F-statistic 29.32326

Durbin-Watson stat 0.831307 Prob(F-statistic) 0.000010

Fonte: Software E-Views, 2006.

188

LIQ = b0 - b1 * RETPL + erro (13)

Dependent Variable: EMBR_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:29

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 81 – Resultados EMBRAER (equação 13)

Variable Coefficient Std. Error t-Statistic Prob.

C 1.004459 0.097128 10.34157 0.0000

EMBR_RETPL -0.169673 0.152335 -1.113819 0.2752

R-squared 0.043929 Mean dependent var 0.911034

Adjusted R-squared 0.008519 S.D. dependent var 0.264863

S.E. of regression 0.263732 Akaike info criterion 0.238709

Sum squared resid 1.877980 Schwarz criterion 0.333005

Log likelihood -1.461279 F-statistic 1.240593

Durbin-Watson stat 0.335506 Prob(F-statistic) 0.275174

Fonte: Software E-Views, 2006.

LIQ = b0 - b1 * INDICEDIVIDA + b2 * LPA - b3* RETPL +erro (14)

Dependent Variable: EMBR_LIQ

Method: Least Squares

Date: 06/27/06 Time: 21:32

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 82 – Resultados EMBRAER (equação 14)

Variable Coefficient Std. Error t-Statistic Prob.

C 1.690819 0.192910 8.764800 0.0000

EMBR_INDICEDIVIDA -0.261780 0.040117 -6.525425 0.0000

EMBR_LPA -0.008360 0.079918 -0.104609 0.9175

EMBR_RETPL -0.063227 0.067062 -0.942811 0.3548

R-squared 0.835467 Mean dependent var 0.911034

Adjusted R-squared 0.815723 S.D. dependent var 0.264863

S.E. of regression 0.113699 Akaike info criterion -1.383078

Sum squared resid 0.323188 Schwarz criterion -1.194486

Log likelihood 24.05463 F-statistic 42.31494

Durbin-Watson stat 1.167225 Prob(F-statistic) 0.000000

Fonte: Software E-Views, 2006.

189

RETPL = b0 + b1 * GAF + erro (15)

Dependent Variable: EMBR_RETPL

Method: Least Squares

Date: 06/27/06 Time: 21:30

Sample: 1998Q4 2005Q4

Included observations: 29

RETPL = b0 + b1 * INDICEDIVIDA + erro (16)

Dependent Variable: EMBR_RETPL

Method: Least Squares

Date: 07/16/06 Time: 20:09

Sample: 1998Q4 2005Q4

7Included observations: 29

TABELA 84 – Resultados EMBRAER (equação 16)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.406165 0.199496 2.035955 0.0517

EMBR_INDICEDIVIDA 0.051425 0.067596 0.760774 0.4534

R-squared 0.020986 Mean dependent var 0.550614

Adjusted R-squared -0.015273 D. dependent var 0.327179

S.E. of regression 0.329668 Akaike info criterion 0.685011

Sum squared resid 2.934387 Schwarz criterion 0.779307

Log likelihood -7.932655 F-statistic 0.578777

Durbin-Watson stat 0.270425 Prob(F-statistic) 0.453385

Fonte: Software E-Views, 2006.

TABELA 83– Resultados EMBRAER (equação 15)

Variable Coefficient Std. Error t-Statistic Prob.

C -0.075154 0.225281 -0.333600 0.7413

EMBR_GAF 0.257774 0.090075 2.861763 0.0080

R-squared 0.232730 Mean dependent var 0.550614

Adjusted R-squared 0.204312 S.D. dependent var 0.327179

S.E. of regression 0.291848 Akaike info criterion 0.441304

Sum squared resid 2.299730 Schwarz criterion 0.535600

Log likelihood -4.398911 F-statistic 8.189686

Durbin-Watson stat 0.329644 Prob(F-statistic) 0.008040

Fonte: Software E-Views, 2006.

190

RETPL = b0 + b1 * GAF + b2 * INDICE DIVIDA + erro (17)

Dependent Variable: EMBR_RETPL

Method: Least Squares

Date: 06/27/06 Time: 21:33

Sample: 1998Q4 2005Q4

Included observations: 29

TABELA 85 – Resultados EMBRAER (equação 17)

Variable Coefficient Std. Error t-Statistic Prob.

C -0.048548 0.216978 -0.223746 0.8247

EMBR_GAF 0.419397 0.124701 3.363210 0.0024

EMBR_INDICEDIVIDA -0.149154 0.082845 -1.800397 0.0834

R-squared 0.317782 Mean dependent var 0.550614

Adjusted R-squared 0.265304 S.D. dependent var 0.327179

S.E. of regression 0.280439 Akaike info criterion 0.392780

Sum squared resid 2.044804 Schwarz criterion 0.534224

Log likelihood -2.695306 F-statistic 6.055495

Durbin-Watson stat 0.451977 Prob(F-statistic) 0.006934

Fonte: Software E-Views, 2006.

Livros Grátis
( http://www.livrosgratis.com.br )
 
Milhares de Livros para Download:
 
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas

Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
 
 