Slides utilizados no XVI USP International Conference in Accounting. O artigo completo poderá ser baixado no seguinte endereço: http://congressousp.fipecafi.org/arquivos/TrabalhosAprovados-2016-pdfs/36.pdf

1. 36 – A Competição por Informações é Capaz de
Reduzir o Custo do Capital Próprio das
Empresas Brasileiras?
LUIZ FELIPE DE ARAÚJO PONTES GIRÃO
UFPB
EDILSON PAULO
PPGCC/UFPB
XVI USP CONFERENCE
1

2. Introdução
Analisar o efeito da competição
por melhores informações no
custo do capital próprio das
empresas brasileiras que
negociam seus títulos na
BM&FBovespa.
2
Pressuposto: a competição por (e o uso de) “melhores informações”
funcionará como um disclosure (voluntário?) de informações que ainda
não são “conhecidas” de forma generalizada pelos interessados.

3. HIPÓTESE
Os mercados não são perfeitos e os agentes precisam
pagar por informações “adicionais”, isso reduz a
probabilidade de expectativas homogêneas
(GROSSMAN; STIGLITZ, 1980):
• Todos os investidores são “informacionalmente”
idênticos até que, em certo ponto do tempo, alguns
investidores adquirem informações sobre 𝛉 e
negociam com ela.
• O retorno de um ativo (u) é dado por: 𝔲 = 𝛉 + ε.
• Quando falar em “aquisição de informação” estarei
falando de 𝛉.
3

4. HIPÓTESE
4
Traders informados negociam (com base em θ)
Uma parte de θ é transferida para os “preços”
Como os “preços” se tornam mais informativos, outros
“insiders” passam a ter menos vantagens em relação
aos “outsiders”
Quanto mais agentes informados, mais informativo
será o sistema de preços
(menos assimetria informacional)
Grossman and Stiglitz
(1980)

5. HIPÓTESE
• Conjecturas de GS usadas neste artigo:
quanto mais agentes informados…
1. … mais informativo será o sistema de preços;
2. … menor será a utilidade esperada do
agente informado comparado a um não
informado; e
3. O mercado estará em equilíbrio informacional
se todos os investidores forem informados ou
se todos forem desinformados.
• Teorema 1 de Hughes, Liu e Liu (2007).
5
Hipótese: a competição por melhores informações reduz o custo
do capital das companhias

6. Autores Destaques Achado
EHO (2002)
Regressão Fama-
French
IA é
precificada //
sinal +
Mohanram e
Rajgopal
(2009)
Metodologia de EHO
e testes adicionais
IA não é
precificada
Duarte e
Young (2009)
Fama-McBeth //
AdjPIN
AdjPIN não é
precificada
Martins et al
(2013)
Metodologia de EHO
IA é
precificada//
sinal +
6
Revisão da literatura

7. 7
Autores Destaques Achado
Armstrong et al
(2011)
Fama-French
IA é precificada,
porém a
competição
reduz seu efeito
Akins, Ng e
Verdi (2012)
Fama-McBeth Idem
Botosan e
Plumlee (2013)
Retornos em t+1 e
ICOEC
Depende da
metodologia
Hwang et al
(2013)
Bias-free AdjPIN
Bias-free AdjPIN
é precificada,
porém a PIN
não
Esse é o puzzle!
Revisão da literatura

8. Metodologia
Amostra e dados:
• Período: 2008 a 2014.
• Dados: Thomson Reuters Eikon®.
• Excluídas as empresas do setor
financeiro.
• N = 394 observações.
8

9. Metodologia
• Características de um “investidor
melhor informado” (Easley & O’Hara,
2004):
– Acesso privilegiado às informações; ou
– Capacidade de processar as informações já
divulgadas de forma mais eficiente que os
demais investidores.
• Exemplos: acionistas majoritários,
controlador “da família”, investidores
institucionais, analistasetc.
9

10. Metodologia
Competição por informações:
• Cobertura de analistas (HEALY; PALEPU, 2001,
JAE; FRANKEL; LI, 2004, JAE, ARMSTRONG et
al, 2011, JAR).
Como análise de sensibilidade:
• Quantidade de investidores institucionais
(DIAMOND; VERRECCHIA, 1991, JoF; SIAS;
STARKS, 1997, JFE; AKINS; NG; VERDI, 2012,
TAR).
• Quantidade de investidores (ARMSTRONG et
al, 2011).
• PIN (AKINS, NG, VERDI, 2012).
10

11. Metodologia
Custo do capital implícito (COC):
• Foi utilizado o COC em excesso à Rf
(NTN-B principal) (EASTON, 2004, TAR;
BOTOSAN; PLUMLEE, 2002, JAR, 2013,
JBFA), com base nas eq. 1 e 2.
1. 𝑃0 = 𝑡=1
5
1 + 𝑟𝑑𝑖𝑣
−𝑡 𝐸0 𝑑 𝑡 + 1 +
11
Excluído da análise principal, por levar
a perda de muitas observações.
Correlação entre as duas proxies =
0,9377***

12. Metodologia
Teste básico da Hipótese (eq. 2):
𝐶𝑂𝐶𝑖𝑡
= 𝛼 + 𝛽1 𝑏𝑒𝑡𝑎𝑖𝑡 + 𝛽2 𝑠𝑖𝑧𝑒𝑖𝑡 + 𝛽3 𝑙𝑛 𝑚𝑡𝑏)𝑖𝑡 + 𝜷 𝟒 𝒍𝒏 𝑪𝑶𝑩 𝑬𝑷𝑺 𝒊𝒕
) + 𝜇𝑖𝑡
12
Variável Sinal esperado Significado
𝑏𝑒𝑡𝑎
+ Exposição ao risco sistemático
𝑠𝑖𝑧𝑒
- Menos assimetria
ln 𝑚𝑡𝑏)
- Reconhecimento de oportunidades de
crescimento
ln 𝐶𝑂𝐵𝐸𝑃𝑆
)
- Monitoramento e busca por informações

13. Resultados
Destaques descritivos:
• O valor médio(mediano) do COCpeg_prem foi de
12,50% (9,37%). Botosan e Plumlee (2013), no
período de 1993 a 2004, encontraram
6,6%(5,8%).
• COCpeg_prem: alta heterogeneidade entre as
empresas-ano [desvio padrão de 11,77% e alta
diferença entre o 1º quartil (5,90%) e o 3º quartil
(15,11%)].
• COB: média de 8,45, enquanto que Almeida e
Dalmácio (2015, TIJA) encontraram uma média de
6 analistas por empresa.
13

14. Variável Sinal esperado
COCpeg_prem
(1)a
COCpeg_prem
(2)a
COCpeg_prem
(3)a
COCpeg_prem
(4)a, d
COCpeg_prem
(5)c
COCpeg_prem
(6)c
COCpeg_prem
(7)c
beta +
0,0122
(0,0185)
–
0,0119
(0,0201)
0,0223
(0,0177)
0,0525**
(0,0176)
[7/7]
–
0,0563**
(0,0191)
[7/7]
Size -
-0,0294***
(0,0084)
–
-0,0296***
(0,0110)
EXCLUÍDA
-0,0168***
(0,0044)
[6/7]
– EXCLUÍDA
ln(mtb) -
-0.0313***
(0,0065)
–
-0,0314***
(0,0064)
-0,0463***
(0,0071)
-0,0306***
(0,0028)
[7/7]
–
-0,0361***
(0,0047)
[7/7]
ln(COBEPS) - –
-0,0479***
(0,0127)
0,0006
(0,0136)
-0,0262***
(0,0105)
-0,0119
(0,0110)
[5/7]
-0,0435**
(0,0144)
[7/7]
-0,0288**
(0,0106)
[5/7]
Constante ? 0,8306***
(0,1966)
0,2721***
(0,0342)
0,8335***
(0,2293)
0,2223***
(0,0285)
0,4951***
(0,1010)
0,2089***
(0,0355)
0,1538***
(0,0283)
R² ajustado 0,4235 0,2463 0,4486 0,3679 0,3564 0,1018 0,3234
Teste F 11,14*** 8,06*** 10,59*** 10,81*** 47,34*** 9,21** 21,51***
Teste de White 5,064** 182,84*** 335,02*** 250,160*** NA NA NA
Teste de Wooldridge 323,10*** 8,567*** 5,308** 7,447*** NA NA NA
Dummy do ano Sim Sim Sim Sim NA NA NA
Dummy do setor Sim Sim Sim Sim NA NA NA
ResultadosTabela 2 – Análise do efeito da competição por informações sob o custo do capital
14
OLS não é a análise principal
Mantido por comparabilidade

15. Variável Sinal esperado
COCpeg_prem
(12)e q.5
COCpeg_prem
(13)e q.5
COCpeg_prem
(16)e q.5
COCpeg_prem
(17)e q.5
beta + 0,0490***
(0,0103)
0,0548***
(0,0102)
0,0536***
(0,0087)
0,0519***
(0,0069)
size - 0,0000
(0,0000)
-0,0000
(0,0000)
0,0000
(0,0000)
-0,0000
(0,0000)
mtb - -0,0020*
(0,0012)
-0,0001
(0,0008)
-0,0019*
(0,0010)
-0,0001
(0,0001)
COBEPS
e - -0,0041***
(0,0010)
-0,0036***
(0,0008)
0,0018
(0,0024)
0,0003
(0,0014)
COB<P25% ? – – 0,1192***
(0,0299)
0,0927***
(0,0174)
COB>P75% ? – – 0,1340
(0,4254)
0,1550
(0,2381)
COB<P25%* COBEPS
e - – – -0,0433***
(0,0143)
-0,0350***
(0,0083)
COB>P75%* COBEPS
e - – – -0,0513
(0,1544)
-0,0581
(0,0865)
Constante ? 0,1046***
(0,0139)
0,1618***
(0,0129)
0,0291
(0,0254)
0,1219***
(0,0160)
Pseudo R² 0,0679 0,1636 0,0964 0,1883
Dummy do ano Não Sim Não Sim
Dummy do setor Não Sim Não Sim
Resultados(NÃO INSERIDA NO ARTIGO) Tabela 5 – Análise do efeito da competição por informações
em diversos ambientes informacionais (unscaled)
15
Qreg para explorar a heterogeneidade
“Comparação” com OLS, mas robusta aos outliers (q.50)

16. 0.000.02
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Quantile
Resultados
16
Figura 3 – Comportamento da competição sem tratamento em ln ao longo dos
quantis
Pressupondo que o ambiente informacional ruim leva a um
maior COC (EASLEY; O’HARA, 2004), principalmente em
economias pequenas (HUGHES; LIU; LIU, 2007).
Possibilidade de explorar o ambiente informacional, como
determinante do custo do capital, e não perder informação
com scale (OHLSON, KIM, 2015, RAS).
Rejeita-se a H0 de q.05 = q.50 = q.95
F = 57,18***
Não se rejeita a H0 de q.05 = 0 (t = 1,14)
Rejeita-se a H0 de que q.95 = 0 (t = -10,38***)
Resultados semelhantes usando q.10 e q.90
Resultados diferentes da OLS**
COBEPS
COB é mais
importante
COB é menos
importante
COCpeg_prem

17. Resultados
17
0.
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Quantile
-10.00
-5.
0.000.20
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Quantile
-4.00-2.00
0.002.004.00
COB>P75%*ln(COBeps)
Efeito da COB em torno de -0,02 (slide anterior).
Efeito da COB<25%*COB em torno de -0,20.
A variável COB>75%*COB não foi significante, indicando que os analistas só
têm efeito até um “determinado” ponto (muita informação já foi
disseminada).
COB<25%*COBEPS
COCpeg_prem

18. CONSIDERAÇÕES FINAIS
• Contribuições esperadas do artigo:
1. Evidências de que a cobertura de analistas
auxilia na redução do COC;
2. O efeito da COB, como proxy para
competição, é significante em empresas que
têm um COC mais alto (e.g. mais risco e
pior ambiente informacional); e
3. O efeito da competição por informações é
mais forte para empresas com mais
informações (“privadas” ou não) a serem
descobertas (COB<25%*COB).
18

19. CONSIDERAÇÕES FINAIS
• Principais limitações:
1. Dados sobre investidores institucionais são
divulgados apenas a partir de 2010;
2. Os dados dos investidores institucionais foram
divulgados nos Formulários de Referência com
muitas inconsistências; e
3. Poucas empresas têm cobertura de analistas,
gerando redução da amostra.
• É possível utilizar modelos de previsão dos EPS (e.g.
HOU et al., 2012), contudo seria uma proxy de uma
proxy.
19

20. 20
Luiz Felipe de A. Pontes Girão
LFAPG@HOTMAIL.COM
contabilidademq.blogspot.com
Edilson Paulo
e.paulo@uol.com.br