Insper Instituto de Ensino e Pesquisa
Faculdade de Economia e Administração
Luan Maike Felicio de Souza Barros
Analisando o Desempenho dos Bancos de Investimento em
Operações de M&A no Brasil
São Paulo
2014
Luan Maike Felicio de Souza Barros
Analisando o Desempenho dos Bancos de Investimento em
Operações de M&A no Brasil
Monografia apresentada ao curso de Ciências
Econômicas, como requisito parcial para
obtenção do grau de Bacharel do Insper
Instituto de Ensino e Pesquisa.
Orientador:
Prof. Dr. Marco Lyrio – Insper
São Paulo
2014
1
Barros, Luan Maike Felicio de Souza
Analisando o Desempenho dos Bancos de Investimento em
Operações de M&A no Brasil / Luan Maike Felicio de Souza
Barros. – São Paulo: Insper, 2014.
32 f.
Monografia: Faculdade de Economia e Administração. Insper
Instituto de Ensino e Pesquisa.
Orientador: Prof. Dr. Marco Lyrio
1. Retorno Anormal 2. Fusões e Aquisições 3. Estratégia
2
Luan Maike Felicio de Souza Barros
Analisando o Desempenho dos Bancos de Investimento em Operações de
M&A no Brasil
Monografia apresentada à Faculdade de
Economia do Insper, como parte dos
requisitos para conclusão do curso de
graduação em Economia.
Aprovado em Dezembro 2014
EXAMINADORES
________________________________________________________________________
Prof. Dr. Marco Túlio Pereira Lyrio
Orientador
________________________________________________________________________
Prof. Dr. Michael Viriato Araújo
Examinador
________________________________________________________________________
Prof. Dra. Andrea Maria Accioly Fonseca Minardi
Examinadora
3
Resumo
BARROS, Luan M. F. S. Analisando o Desempenho dos Bancos de Investimento em
Operações de M&A no Brasil. São Paulo, 2014. Monografia – Faculdade de Economia e
Administração. Insper Instituto de Ensino e Pesquisa.
Resumo: O trabalho estuda quais assessores financeiros geraram maiores retornos
anormais a seus clientes em operações de fusões e aquisições no Brasil no período de 2000
a 2014. Para isso, utilizou-se a metodologia de estudo de eventos. O objetivo é confrontar o
resultado encontrado com os rankings de volume de transações realizadas no mesmo
período e verificar se os líderes desse mercado (os chamados top tier banks) agregam mais
valor aos clientes do que a média dos demais assessores financeiros. Os resultados
mostram que há geração de retorno anormal acumulado, para a média das transações,
assessoradas ou não, existindo, porém, grande diferenciação entre os assessores,
especialmente entre os assessores denominados top tiers quando comparados com os
assessores second tiers.
Palavras-chave: Fusões e Aquisições, Assessores Financeiros, Retorno Anormal, Top Tier
Bank.
4
Abstract
BARROS, Luan M. F. S. Analyzing the performance of investment banks in M&A
transactions in Brazil. São Paulo, 2014. 32p. Monograph – Faculdade de Economia e
Administração. Insper Instituto de Ensino e Pesquisa.
The paper studies financial advisors which generated higher abnormal returns to their
clients on mergers and acquisitions in Brazil from 2000 to 2014. For this, it was used the
event study methodology. The aim is to confront the results found with the rankings
volume of transactions in the same period and verify that the leaders of this market (the socalled top tier banks) add more value to customers than the average of other financial
advisors. The results show that there is abnormal generation of accumulated return to
average transactions, advised or not, but there are great differences among the advisors,
especially among top tier advisors against second tiers.
Keywords: Mergers and Acquisitions, Financial Advisors, Abnormal Return, Top Tier
Bank.
5
Sumário
1. Introdução .................................................................................................8
2. Revisão Bibliográfica ...................................................................................9
3. Metodologia ............................................................................................ 11
3.1
Dados ................................................................................................. 12
3.2
Estimando o retorno anormal .............................................................. 16
3.2.1 Estimando o Modelo de Mercado .................................................16
3.2.2 A Carteira de Mercado ..................................................................18
4. Resultados ............................................................................................... 18
5. Conclusão ................................................................................................. 28
6. Referências ............................................................................................... 29
Anexo A: Retorno anormal acumulado para diferentes assessores ...................................... 30
6
Lista de tabelas e gráficos
Tabela 1: Ranking de assessores financeiros em operações de fusões e aquisições no Brasil
para o período de 2011 – 2014 ....................................................................................9
Tabela 2: Filtros aplicados no universo de dados para chegar à amostra a ser analisada....... 12
Tabela 3: Empresas que mais realizaram aquisições no período, em número de aquisições .. 13
Tabela 4: Retornos anormais e retornos anormais acumulados para cada assessor .............. 19
Gráfico 1: Nacionalidade das empresas alvo internacionais na amostra ............................... 14
Gráfico 2: Composição da base de dados: número de transações por valor total da transação
................................................................................................................................ 14
Gráfico 3: Composição da base de dados em relação ao total de transações ....................... 15
Gráfico 4: Evolução no número de transações da amostra ao longo do período analisado .... 15
Gráfico 5: Comparação entre transações assessoradas e não assessoradas .......................... 25
Gráfico 6: Comparação entre top-tiers, second-tiers, e transações não-assessoradas ........... 26
Gráfico 7: Retorno anormal acumulado para os assessores com maior número de
observações ............................................................................................................. 27
Gráfico 8: Retorno anormal acumulado para todas as transações da amostra ......................28
Gráfico 9: Retorno anormal acumulado do banco Credit Suisse em comparação a transações
não-assessoradas e bancos second-tier ..................................................................... 30
Gráfico 10: Retorno anormal acumulado do banco Itaú BBA em comparação a transações não
assessoradas e bancos second-tier ............................................................................ 30
Gráfico 11: Retorno anormal acumulado do banco BTG Pactual em comparação a transações
não assessoradas e bancos second-tier ..................................................................... 31
Gráfico 12: Retorno anormal acumulado do banco BTG Pactual em comparação a transações
não assessoradas e bancos second-tier ..................................................................... 32
Figura 1: Linha do tempo para um estudo de evento ........................................................... 17
7
1.
Introdução
A busca por ganhos de eficiência na economia geralmente leva as empresas a uma
competição por ganhos de escala e sinergias operacionais. As operações de fusões e
aquisições, lideradas por assessores especializados têm um papel crucial nesse processo.
Quando a última onda de fusões e aquisições atingiu o seu ápice em 2007, o total gasto
pelas companhias com esse tipo de operação atingiu US$ 4.2 trilhões mundialmente.¹
Segundo Chemmanur e Fulghieri (1994), esse mercado é dominado pelos chamados toptier banks, bancos que construíram uma reputação de superioridade em relação aos seus
pares no mercado e que, teoricamente, entregam serviços superiores aos seus clientes em
contrapartida de taxas (o valor cobrado por um assessor em determinada transação
geralmente é definido com base em uma taxa sob o valor total da transação) superiores.
Apesar da crise financeira de 2008, e do subsequente desaquecimento do mercado
para este tipo de transação, o mercado de fusões e aquisições mundial atingiu o patamar de
US$ 2,53 trilhões em 2013, um crescimento de 5,41% frente a 2012. Na América Latina, o
volume total atingiu US$ 178,37 bilhões, dos quais US$ 83,08 bilhões envolvendo o
mercado brasileiro².
O papel dos assessores nas transações é o de identificar possíveis oportunidades e
ganhos de sinergia operacional, além de unir potenciais vendedores a potenciais
compradores. O que chama a atenção, porém, é a alta concentração no volume total de
transações, como pode ser visto na tabela 1. Os principais assessores financeiros (tomemos
os seis primeiros colocados como exemplo) estiveram presentes, cada um, em mais de 15%
do total de transações do mercado brasileiro nos últimos três anos.
Segundo Ismail (2010), tal concentração pode ser explicada pela reputação dos
assessores envolvidos nessas transações. De acordo com a hipótese da transação superior
(em inglês superior deal hypothesis), os assessores com maior prestígio conseguem
identificar melhores sócios para seus clientes e criam maiores sinergias financeiras e
operacionais. Isso se deve à maior experiência e conhecimento do mercado desses
assessores. Sendo assim, a cada transação bem sucedida os gestores teriam mais incentivos
8
para contratar tais assessores, de modo que as melhores firmas deveriam também ser as
líderes de mercado.
Tabela 1 – Ranking de assessores financeiros em operações de fusões e aquisições no
Brasil para o período de 2011 – 2014.
#
Assessores
1
2
3
4
5
6
7
8
9
10
Credit Suisse
BTG Pactual
Rothschild
Banco Itau BBA
Goldman Sachs
Morgan Stanley
JP Morgan
Citi
BAML
Santander
% do Valor
total de
transações
Valor total das
transações (US$
milhões)
23,24%
17,30%
16,98%
16,80%
16,34%
15,21%
14,39%
14,10%
12,72%
12,51%
236.460
176.015
172.814
170.910
166.205
154.783
146.377
143.470
129.363
127.285
Valor médio
Número
(US$
total de
milhões)
transações
767
548
1.217
583
1.108
1.105
728
937
1.069
929
308
321
142
293
150
140
201
153
121
137
Fonte: Bloomberg.
O objetivo deste trabalho é testar a hipótese da transação superior verificando se os
assessores financeiros líderes em operações de fusões e aquisições geram ou não mais
valor a seus clientes (aqui entendido como valor para os acionistas o retorno anormal das
ações) do que os demais assessores (os chamados tier-two advisors). Para isso, serão
usados os rankings de mercado (chamados de league tables) como medida da reputação
dos assessores. De acordo com a teoria mencionada, deve-se encontrar uma correlação alta
e positiva entre a posição ocupada no ranking e a geração de valor para os clientes. O
trabalho se concentrara no contexto brasileiro possibilitando uma comparação com os
resultados obtidos em outros países, tendo em vista que ao melhor do meu conhecimento
não há pesquisa semelhante para o Brasil.
2.
Revisão Bibliográfica
O arcabouço teórico por trás dos estudos empíricos relacionados a fusões e aquisições
geralmente está ligado à associação entre qualidade e preço cobrado. A ideia básica por
trás das análises é a relação entre a reputação dos assessores e sua capacidade de gerar
9
maiores retornos aos clientes e cobrar maiores taxas por isso. Esta relação foi modelada
pela primeira vez no trabalho clássico de Klein e Leffler (1981). Neste trabalho, os autores
buscaram explicar a relação entre o prêmio pago e a qualidade superior de determinados
bens e serviços para os casos em que os produtores acessam o mercado repetidamente e a
reputação da qualidade dos produtos importa. Os autores encontraram que empresas de
qualidade reconhecidamente superior possuem maiores demandas para seus produtos,
refletindo em seu respectivo tamanho no mercado. Aplicando este conceito ao mercado de
fusões e aquisições, tem-se que os melhores assessores deveriam ser também os maiores
(os líderes de mercado) e os que recebem mais por seus serviços.
Do lado empírico, diversos trabalhos analisaram o desempenho de assessores em
transações de fusões e aquisições, sobre diferentes aspectos e com diferentes resultados.
Bowers e Miller (1990), por exemplo, encontraram que os melhores assessores conseguem
identificar transações com maior potencial de geração de sinergias para seus clientes,
porém falham em conseguir capturar tais sinergias. Por outro lado, Ismail (2010) não
encontrou qualquer relação entre o ganho para o cliente e a identificação do assessor como
top-tier. Rau (2000), por sua vez, encontrou evidências de que adquirentes assessorados
por bancos de investimento com maior participação de mercado obtiveram menor retorno
anormal em comparação com adquirentes assessorados por bancos de investimento com
menor participação.
Servaes e Zenner (1996) estudaram o papel dos assessores no período de 1981 a
1992 para transações nos Estados Unidos e não encontraram qualquer relação entre o uso
de assessores em geral com o retorno anormal dos ativos, mas puderam observar que
empresas interessadas em aquisições (bidders) costumam contratar assessores somente
quando as transações são mais complexas e se a empresa tem pouca experiência com
aquisições anteriores. Este estudo, porém, teve como foco as grandes transações e talvez
não seja representativa da indústria como um todo.
Golubov, Petmezas e Travlos (2012) reacenderam o debate ao encontrar novas
evidências que indicam que há uma relação entre os melhores assessores e os maiores
retornos gerados, desde que a transação tenha como empresa-alvo uma empresa de capital
aberto. Os autores concluem que o resultado está em linha com o plano de fundo teórico à
medida que transações que envolvem empresas-alvo listadas têm maior potencial de afetar
10
a imagem do assessor. Isso se deve ao fato de que a eficiência do assessor pode ser melhor
medida, dado que os dados da empresa a ser adquirida são públicos. Outro resultado em
linha com a literatura teórica é o de que os melhores assessores também cobraram prêmios
nas suas taxas em relação aos seus pares com menor reputação.
Embora os resultados na literatura pareçam controversos para a indústria como um
todo, resultados mais acurados são encontrados quando se definem grupos menores a
serem observados. Este trabalho analisa estes resultados para o mercado brasileiro e busca
observar em que medida os resultados encontrados para o mercado americano podem ser
entendidos como verdadeiros para a indústria brasileira.
3.
Metodologia
À exceção do trabalho de Klein e Leffler (1981), que utilizou um modelo teórico
para sua modelagem, os autores que fizeram uma abordagem empírica utilizaram a
metodologia de estudo de eventos como ferramenta para medir os retornos anormais
gerados pelas transações. Seguindo esta linha, este trabalho estuda o retorno anormal das
ações das empresas adquirentes em transações de fusões e aquisições utilizando tal
metodologia, como descrito no trabalho de MacKinlay (1997). Esse autor revisou e
sumarizou os principais pontos dessa metodologia aplicados à teoria econômica e
financeira. Para que isso seja possível, a amostra deste trabalho se limitará às adquirentes
com capital aberto e, para atender ao objetivo deste trabalho (de estudar o mercado
brasileiro), as mesmas devem ser também empresas listadas no Brasil.
O primeiro passo para a realização de um estudo de eventos é a definição do evento
a ser analisado, no nosso caso definido como o anúncio de uma aquisição, e do período no
qual o evento será analisado, o que é chamado na literatura de janela de observação. A
janela de observação inclui o período do evento, aqui definido como um dia, pois os dados
serão tratados na forma de retornos diários, e um período anterior e posterior ao evento.
Segundo MacKinlay (1997), é comum a definição de uma janela de observação maior do
que o evento a ser estudado, de modo a permitir análises dos períodos próximos ao evento.
Para entrar na amostra desse estudo, foram coletados dados do retorno diário de
cada uma das empresas listadas na BMF&Bovespa que realizaram alguma fusão ou
11
aquisição, com valor a partir de 50 milhões de dólares, no período de 2000 até 5 de Maio
de 2014. Coletou-se dados para a janela de observação de 20 dias anteriores ao evento e 20
dias posteriores ao evento, além do próprio dia do evento, totalizando 41 dias.
3.1
Dados
Partindo de um universo de 6.408 transações de fusões e aquisições envolvendo o
mercado brasileiro, o primeiro filtro aplicado foi o de estabelecer um recorte para os dados
a partir de 2000. Depois, foram selecionadas apenas transações que envolvessem um valor
maior do que US$50 milhões, tendo em vista que este trabalho foca em avaliar o
desempenho dos assessores líderes e transações menores não são o foco de tais
instituições. Assim, chegou-se a uma amostra de 1.094 transações, que foram submetidas a
mais um filtro, o de que as empresas adquirentes possuíssem à época da aquisição capital
aberto em bolsa, de modo a possibilitar a medição do retorno anormal das suas ações.
Foram também excluídas da amostra transações internas, como operações de
reestruturações, por exemplo, que podem ser tanto acionárias como de dívida, e que
aparecem nos rankings com a mesma empresa como adquirente e alvo. Por último, retirouse da amostra empresas abertas, que apresentaram baixa liquidez durante a janela de
observação (com algum dia sem haver negociação, por exemplo). A tabela 2 mostra esses
critérios e o número de transações que foram selecionadas após cada filtro.
Tabela 2: Filtros aplicados no universo de dados para chegar à amostra a ser analisada.
Critério
Número de Transações
Todas as fusões e aquisições envolvendo empresas brasileiras
6.408
Data de anúncio a partir de 2000
5.478
Valor da transação maior que US$ 50 milhões
1.094
Adquirente ser companhia aberta
554
Excluindo-se transações internas (como reestruturação)
496
Excluindo-se empresas com baixa liquidez
457
Fonte: Base de dados Thomson One.
Aplicados todos os critérios, chegamos a uma amostra de 457 transações a serem
analisadas por este trabalho. Para se analisar o retorno anormal, a base também é composta
12
pelas cotações diárias das ações de todas as companhias envolvidas em alguma fusão ou
aquisição no período analisado.
Observando-se a amostra, nota-se que o universo de empresas adquirentes é bem
inferior ao número de transações, totalizando 155 empresas adquirentes no período. Este
fato pode ser explicado pela concentração das aquisições por algumas empresas, como
pode ser visto na tabela 3. É o caso da companhia Vale que realizou 29 aquisições no
período ou do banco Bradesco com 19 aquisições. Vale e Petrobras concentram as duas
maiores aquisições, sendo a primeira a aquisição do direito de exploração de campos de
petróleo no valor de USD 42,8 bilhões pela Petrobras em 2010 e a segunda a aquisição da
Inco pela Vale em 2006, transação que atingiu USD 17,2 bilhões.
Tabela 3: Empresas que mais realizaram aquisições no período, em número de aquisições.
Empresa
Vale
Petrobras
Banco Itaú
Banco Bradesco
Gerdau
BR MALLS
Hypermarcas
JBS
Telemar Norte Leste
AmBev
Número de aquisições no período
29
25
18
17
16
12
12
11
11
10
Quanto à nacionalidade das empresas alvo, 371 das 457 transações tiveram como alvo
empresas brasileiras. As outras 86 transações tiveram como alvo empresas no exterior,
principalmente nos Estados Unidos e da Argentina, como pode ser observado no gráfico 1.
13
Gráfico 1: Nacionalidade das empresas alvo internacionais na amostra
26
19
15
6
Colômbia
Portugal
Australia
5
Outros
7
Canadá
Estados Unidos
Argentina
8
Como se pode notar pelo gráfico 2, transações entre US$50 milhões e US$500 milhões
são a grande maioria, com apenas 9 transações maiores do que 5 bilhões de dólares
envolvendo compradores brasileiros listados em bolsa no período. No agregado das
receitas, porém, transações acima de 1 bilhão de dólares representam quase a metade do
tamanho total das transações, o que chama a atenção para possíveis distorções da análise.
(Ver gráfico 3).
Gráfico 2: Composição da base de dados: número de transações por valor total da
transação
118
115
103
61
51
9
50 -100
100 - 200
200 - 500
500 - 1000
1000 - 5000
Mais de 5000
Valor da transação (US$ milhões)
Fonte: Thomson One.
Observação: O gráfico mostra o número de transações de acordo com a faixa de valor total da transação.
14
Podemos ter uma visão também da evolução das transações ao longo dos anos, e de
como este é um mercado muito cíclico, com variações bruscas no número total de
transações ano a ano. No gráfico 4, pode-se ver também a última grande onda de fusões e
aquisições, que teve seu ápice em 2007.
Gráfico 3: Composição da base de dados em relação ao total de transações
116,1
113,1
1000 - 5000
Mais de 5000
50,8
45,4
17,3
8,6
50 -100
100 - 200
200 - 500
500 - 1000
Fonte: Thomson One.
Observação: O gráfico mostra o valor total das transações (em bilhões de dólares) para cada faixa de tamanho
da transação.
Gráfico 4: Evolução no número de transações da amostra ao longo do período analisado.
81
60
57
51
49
38
33
32
33
27
21
9
2000
2002
13
17
5*
2004
2006
2008
2010
2012
2014
Fonte: Thomson Reuters. Número de transações concluídas por ano. * Dados de 2014 até 5 de Maio.
15
3.2
Estimando o retorno anormal
O próximo passo para o estudo de evento é a definição do cálculo do retorno anormal.
Podemos definir retorno anormal como:
𝑅𝐴𝑖𝑡 = 𝑅𝑖𝑡 − 𝐸(𝑅𝑖𝑡 ⃓𝑋𝑡)
(1)
onde RAit , R it e E(R it ⃓Xt ) são, respectivamente, o retorno anormal do ativo i no
período t, o retorno efetivo do ativo i no período t e a expectativa de retorno para o ativo i
no período t, condicionada à informação do modelo de estimação. O próximo passo na
estimação do retorno anormal é a definição do método de estimação para a expectativa de
retorno. Segundo MacKinlay (1997), existem vários métodos que podem ser utilizados
para esta estimação do retorno esperado, como o modelo de retorno médio, o modelo de
mercado, outros modelos estatísticos e modelos econômicos. O modelo de retorno médio
seria simplesmente esperar que o retorno médio de um dado intervalo de tempo passado se
repetisse no futuro, enquanto os demais modelos usam diversos fatores para estimar a
expectativa de retorno.
Neste trabalho, será utilizado o modelo de mercado (do inglês “market model”)
para a estimação do retorno esperado dos ativos. O modelo de mercado descreve o retorno
esperado de um ativo para um período t (𝑅𝑖𝑡 ) como função do retorno do portfólio de
mercado, ponderado pela sensibilidade da empresa em relação a movimentos no portfólio
de mercado, 𝛽𝑡 :
𝑅𝑖,𝑡 = 𝛼𝑖 + 𝛽𝑖 𝑅𝑚,𝑡 + 𝜀𝑖,𝑡
𝐸(𝜀𝑖,𝑡 ) = 0
3.2.1
(2)
𝑣𝑎𝑟(𝜀𝑖,𝑡 ) = 𝜎𝜀2𝑡
Estimando o modelo de mercado
Para facilitar a notação, o retorno foi indexado ao dia do evento, então τ = 0 é a data
do evento, 𝜏 = 𝑇1 + 1 a 𝜏 = 𝑇2 representa a janela do evento, e 𝜏 = 𝑇0 + 1 a 𝜏 = 𝑇1 é
definida como a janela de estimação. Vamos definir também a extensão da janela de
16
estimação e da janela do evento como 𝐿1 = 𝑇1 − 𝑇0 e 𝐿2 = 𝑇2 − 𝑇1. Se aplicável, a janela
posterior ao evento será 𝜏 = 𝑇2 + 1 a 𝜏 = 𝑇3 e sua extensão 𝐿3 = 𝑇3 − 𝑇2 .
Figura 1: Linha do tempo para um estudo de evento
Sejam as estimativas dos parâmetros 𝛽𝑖,𝑡 , 𝛼𝑖,𝑡 , 𝜎𝜀2𝑡 respectivamente as equações (3), (4)
e (5) definidas como:
𝛽̂𝑖 =
1
∑𝑇𝜏=𝑇
(𝑅𝑖,𝜏 − 𝜇̂𝑖 )(𝑅𝑚,𝜏 − 𝜇̂
𝑚)
0 +1
1
∑𝑇𝜏=𝑇
(𝑅𝑚,𝜏 − 𝜇̂ 𝑚 )2
0 +1
𝛼̂𝑖 = 𝜇̂ 𝑖 − 𝛽̂𝑖 𝜇̂ 𝑚
(3)
(4)
𝑇1
1
𝜎̂𝜖2𝑖 =
∑ (𝑅𝑖,𝜏 − 𝛼̂𝑖 − 𝛽̂𝑖 𝑅𝑚,𝜏 )2
𝐿1 − 2
(5)
𝜏=𝑇0 +1
onde:
𝑇1
1
𝜇̂ 𝑖 =
∑ 𝑅𝑖,𝜏
𝐿1
𝜏=𝑇0 +1
𝑇1
𝜇̂ 𝑚
1
=
∑ 𝑅𝑚,𝜏
𝐿1
𝜏=𝑇0 +1
sendo 𝑅𝑖,𝜏 e 𝑅𝑚,𝜏 o retorno do evento no período 𝜏 para o ativo 𝑖, e o retorno do portfolio
de mercado, respectivamente. Sob a hipótese nula, 𝑅𝐴𝑖𝑡 , condicionada ao retorno do
mercado na janela do evento, segue uma normal, com média zero e variância sendo,
𝜎 2 (𝑅𝐴𝑖,𝜏 ) = 𝜎𝜀2𝜏 +
1
(𝑅𝑚,𝜏 − 𝜇̂ 𝑚 )2
[1 +
]
2
𝐿1
𝜎̂𝑚
(6)
17
porém, o segundo termo da fórmula tende a zero quando a janela de estimação cresce, de
modo que chegamos à 𝜎 2 (𝑅𝐴𝑖,𝜏 ) = 𝜎𝜀2𝜏 .
Por fim, foi calculado o retorno anormal agregado para a janela do evento:
𝜏2
𝑅𝐴𝐴𝑖 (𝜏1 , 𝜏2 ) = ∑ 𝑅𝐴𝑖𝜏
(7)
𝜏=𝜏1
3.2.2
A Carteira de mercado
Segundo Sharpe (1964), Lintner (1965) e Mossin (1966), a carteira de mercado é a
carteira que inclui todos os ativos da economia em quantidades tais que maximizam a
relação risco retorno, o que no modelo pode ser entendido como a maximização da
inclinação da Linha de Mercado de Capitais (em inglês, Capital Market Line). Neste
trabalho, será utilizado o índice Ibovespa como proxy para a carteira de mercado, tendo em
vista a sua amplitude e o seu alto índice de utilização como carteira de referência para os
agentes do mercado.
O parâmetro β do modelo de mercado, a ser estimado, pode ser entendido, então,
como a medida de risco relativo entre o ativo i e o Ibovespa. Segundo MacKinlay (1997), é
comum não incluir o próprio evento na janela de estimação dos parâmetros, pois caso
contrário teríamos o modelo de retorno esperado e o efetivo sob influência do evento a ser
estudado. Assim, a janela de estimação utilizada neste trabalho foi definida como o
intervalo de um ano anterior ao evento.
4. Resultados
A tabela 4 resume os resultados encontrados. As transações foram separadas por
assessor, para que se pudesse comparar os retornos anormais acumulados entre eles. Foram
feitas também estimativas para grupos mais amplos, como “transações assessoradas”, por
exemplo, que inclui todas as transações que possuíram assessor financeiro, “transações não
assessoradas” que inclui as transações em que a própria companhia lidera a transação, sem
a contratação de um assessor especializado, entre outros.
18
Tabela 4: Retornos anormais e retornos anormais acumulados para cada assessor.
Transações nãoassessoradas
Dias em
relação ao
evento
-21
-20
-19
-18
-17
-16
-15
-14
-13
-12
-11
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Credit Suisse
Rothschild
Retorno
Anormal
Acumulado
Retorno
Anormal
Acumulado
Retorno
Anormal
0.0%
0.1%
-0.3%
-0.1%
0.0%
-0.1%
-0.1%
0.2%
-0.6%
-0.2%
-0.1%
-0.1%
0.3%
0.3%
0.1%
-0.1%
0.2%
-0.1%
-0.1%
0.1%
0.7%
0.3%
1.0%
0.6%
0.6%
0.0%
0.5%
0.3%
-0.2%
-0.2%
0.0%
-0.1%
-0.1%
-0.4%
0.0%
-0.3%
0.1%
-0.1%
0.1%
-0.1%
-0.3%
0.1%
0.0%
0.1%
-0.2%
-0.2%
-0.2%
-0.3%
-0.4%
-0.2%
-0.8%
-1.0%
-1.0%
-1.1%
-0.8%
-0.5%
-0.5%
-0.5%
-0.3%
-0.4%
-0.5%
-0.3%
0.4%
0.6%
1.6%
2.1%
2.7%
2.7%
3.2%
3.5%
3.3%
3.2%
3.2%
3.1%
3.0%
2.6%
2.5%
2.2%
2.4%
2.2%
2.3%
2.2%
1.9%
2.0%
0.0%
0.1%
-0.2%
0.3%
0.1%
0.6%
-0.3%
0.2%
-0.4%
0.4%
-0.2%
-0.3%
0.3%
0.0%
-0.6%
-0.4%
0.5%
0.5%
0.2%
0.0%
0.1%
2.1%
0.7%
1.1%
0.3%
-0.5%
-0.6%
0.2%
-0.7%
-0.3%
-0.2%
0.9%
0.4%
0.2%
-0.3%
-0.4%
0.3%
0.4%
0.1%
-1.6%
-0.2%
0.1%
0.0%
0.1%
-0.1%
0.2%
0.3%
1.0%
0.7%
0.8%
0.4%
0.8%
0.6%
0.3%
0.6%
0.7%
0.0%
-0.3%
0.2%
0.6%
0.9%
0.9%
1.0%
3.0%
3.8%
4.9%
5.1%
4.6%
4.0%
4.2%
3.5%
3.2%
3.0%
3.9%
4.3%
4.5%
4.2%
3.8%
4.1%
4.5%
4.7%
3.1%
2.9%
3.0%
0.0%
-0.3%
0.8%
0.1%
-0.4%
0.3%
-0.9%
-0.3%
-1.0%
0.1%
0.2%
0.5%
-0.2%
0.0%
1.0%
1.1%
0.5%
1.3%
0.4%
0.1%
-0.6%
0.9%
-1.8%
0.8%
0.6%
1.6%
-0.1%
0.7%
0.2%
-1.9%
-0.7%
0.2%
0.1%
0.0%
0.3%
-0.4%
-0.4%
-1.0%
0.9%
-0.2%
0.6%
0.0%
Acumulado
0.0%
-0.3%
0.6%
0.6%
0.3%
0.6%
-0.3%
-0.6%
-1.6%
-1.5%
-1.3%
-0.8%
-1.0%
-1.0%
0.0%
1.1%
1.6%
2.9%
3.4%
3.5%
2.9%
3.8%
2.0%
2.8%
3.4%
5.0%
4.9%
5.6%
5.8%
3.9%
3.2%
3.5%
3.6%
3.5%
3.8%
3.4%
3.0%
2.0%
2.9%
2.8%
3.4%
3.4%
19
Tabela 4: Retornos anormais e retornos anormais acumulados para cada assessor
(continuação).
BAML
Dias em
relação ao
evento
-21
-20
-19
-18
-17
-16
-15
-14
-13
-12
-11
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Retorno
Anormal
0.0%
0.1%
-0.9%
-0.2%
0.4%
0.3%
1.5%
-1.1%
-0.5%
-0.4%
0.2%
0.1%
0.4%
0.0%
0.1%
0.7%
0.2%
0.5%
0.8%
0.0%
0.0%
0.0%
-0.4%
0.9%
-0.5%
-0.7%
0.4%
0.4%
0.1%
-0.6%
0.2%
-0.1%
-0.4%
-0.4%
-0.5%
-0.8%
0.1%
0.0%
-1.0%
0.5%
-0.4%
0.1%
Acumulado
0.0%
0.1%
-0.8%
-0.9%
-0.6%
-0.3%
1.2%
0.0%
-0.5%
-0.8%
-0.7%
-0.6%
-0.2%
-0.2%
-0.1%
0.6%
0.8%
1.3%
2.2%
2.2%
2.2%
2.3%
1.9%
2.7%
2.3%
1.6%
2.0%
2.4%
2.5%
2.0%
2.1%
2.1%
1.6%
1.2%
0.7%
-0.1%
0.0%
0.1%
-0.9%
-0.5%
-0.9%
-0.8%
BBA
UBS
Retorno
Acumulado
Anormal
Retorno
Acumulado
Anormal
0.0%
-0.5%
0.6%
-0.4%
-0.1%
0.3%
-0.2%
0.3%
-0.1%
-0.1%
0.1%
0.2%
0.0%
0.0%
0.0%
0.0%
-0.4%
-0.1%
-0.2%
0.6%
0.1%
1.2%
0.8%
0.3%
-0.2%
-0.1%
0.3%
0.1%
-0.1%
0.2%
0.0%
-0.4%
-0.7%
-0.8%
0.0%
-0.2%
-0.1%
0.8%
0.2%
0.5%
0.3%
-0.2%
0.0%
-0.5%
0.1%
-0.3%
-0.4%
-0.1%
-0.3%
0.0%
-0.1%
-0.2%
-0.1%
0.2%
0.1%
0.2%
0.2%
0.2%
-0.2%
-0.3%
-0.5%
0.1%
0.2%
1.4%
2.2%
2.5%
2.3%
2.1%
2.4%
2.6%
2.4%
2.6%
2.7%
2.3%
1.6%
0.8%
0.8%
0.6%
0.5%
1.4%
1.6%
2.1%
2.4%
2.2%
0.0%
-0.6%
0.9%
1.0%
0.5%
-0.4%
0.0%
0.6%
-0.8%
-0.3%
-0.2%
1.4%
0.6%
-0.1%
-0.7%
0.7%
0.1%
-0.3%
0.6%
-0.4%
0.0%
-0.3%
-0.5%
0.2%
0.0%
0.4%
-0.3%
1.0%
0.4%
0.0%
-1.4%
0.2%
0.3%
-0.6%
0.1%
-0.8%
0.3%
0.1%
0.7%
-0.4%
-0.1%
1.3%
0.0%
-0.6%
0.3%
1.3%
1.8%
1.4%
1.4%
2.0%
1.2%
0.9%
0.6%
2.0%
2.6%
2.5%
1.8%
2.5%
2.5%
2.3%
2.8%
2.5%
2.5%
2.2%
1.7%
1.8%
1.9%
2.3%
2.0%
3.0%
3.4%
3.4%
1.9%
2.1%
2.4%
1.7%
1.9%
1.1%
1.3%
1.4%
2.1%
1.7%
1.6%
2.9%
20
Tabela 4: Retornos anormais e retornos anormais acumulados para cada assessor
(continuação).
Santander
Dias em
relação ao
evento
-21
-20
-19
-18
-17
-16
-15
-14
-13
-12
-11
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Retorno
Anormal
Acumulado
0.0%
-0.5%
0.3%
0.3%
-0.3%
0.9%
0.3%
0.2%
0.0%
-0.4%
0.4%
0.6%
0.1%
0.9%
0.7%
1.5%
-0.5%
-0.8%
-0.2%
0.0%
-0.7%
-1.0%
-1.3%
-0.3%
-0.3%
0.5%
0.7%
0.9%
-0.4%
1.3%
-0.2%
1.0%
-0.8%
-0.1%
-0.5%
0.1%
0.1%
0.7%
0.3%
0.5%
0.8%
-0.3%
0.0%
-0.5%
-0.2%
0.0%
-0.3%
0.6%
0.9%
1.0%
1.1%
0.6%
1.0%
1.6%
1.7%
2.7%
3.4%
4.9%
4.4%
3.6%
3.4%
3.4%
2.6%
1.6%
0.3%
0.0%
-0.3%
0.2%
0.9%
1.8%
1.4%
2.6%
2.4%
3.4%
2.6%
2.4%
1.9%
2.0%
2.1%
2.8%
3.1%
3.6%
4.4%
4.1%
Citi
BBI
Retorno
Acumulado
Anormal
Retorno
Acumulado
Anormal
0.0%
0.2%
0.0%
0.0%
-0.1%
0.3%
0.2%
-0.1%
-0.1%
0.4%
0.5%
-0.3%
0.4%
0.1%
-0.4%
0.1%
0.4%
1.1%
0.6%
0.7%
-0.2%
0.5%
0.5%
-0.3%
-0.4%
-0.6%
0.2%
-1.0%
-0.5%
-0.5%
-0.1%
0.3%
-0.9%
0.1%
-0.2%
-0.1%
-0.1%
0.2%
0.4%
0.2%
-0.8%
0.3%
0.0%
0.2%
0.1%
0.1%
0.0%
0.3%
0.5%
0.4%
0.2%
0.6%
1.1%
0.8%
1.2%
1.3%
0.9%
1.0%
1.4%
2.6%
3.2%
3.9%
3.7%
4.2%
4.7%
4.4%
4.0%
3.4%
3.7%
2.6%
2.2%
1.7%
1.6%
1.9%
1.0%
1.1%
0.9%
0.8%
0.7%
0.9%
1.4%
1.5%
0.7%
1.0%
0.0%
-1.3%
0.6%
0.2%
0.0%
1.4%
0.2%
-0.2%
0.6%
0.0%
0.1%
-0.4%
-0.3%
0.1%
0.3%
-0.1%
0.0%
0.0%
-0.5%
0.7%
-0.1%
1.0%
-0.9%
0.3%
-0.3%
-0.1%
-0.3%
-0.1%
-0.3%
0.0%
-0.1%
-0.5%
-0.8%
0.0%
0.1%
0.3%
0.0%
0.7%
0.0%
0.2%
0.1%
-0.1%
0.0%
-1.3%
-0.7%
-0.5%
-0.5%
0.9%
1.1%
0.9%
1.5%
1.4%
1.5%
1.1%
0.9%
1.0%
1.3%
1.2%
1.2%
1.2%
0.7%
1.4%
1.3%
2.3%
1.4%
1.6%
1.3%
1.2%
0.9%
0.8%
0.5%
0.5%
0.4%
0.0%
-0.8%
-0.9%
-0.8%
-0.5%
-0.5%
0.2%
0.2%
0.4%
0.6%
0.5%
21
Tabela 4: Retornos anormais e retornos anormais acumulados para cada assessor
(continuação).
BTG
Dias em relação
ao evento
-21
-20
-19
-18
-17
-16
-15
-14
-13
-12
-11
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Retorno
Acumulado
Anormal
0.0%
0.0%
-0.5%
-0.5%
-0.1%
-0.6%
-0.2%
-0.7%
0.6%
-0.1%
0.0%
-0.1%
-0.5%
-0.6%
0.1%
-0.5%
0.1%
-0.4%
-0.1%
-0.5%
0.5%
0.0%
-0.1%
0.0%
-0.3%
-0.3%
0.3%
-0.1%
0.2%
0.1%
0.1%
0.2%
-0.1%
0.1%
-0.1%
0.0%
0.8%
0.8%
0.3%
1.1%
-0.7%
0.4%
0.7%
1.0%
-1.9%
-0.8%
0.1%
-0.8%
-0.2%
-0.9%
-0.4%
-1.3%
0.6%
-0.7%
0.4%
-0.3%
-0.1%
-0.4%
0.1%
-0.4%
0.5%
0.1%
-0.5%
-0.4%
0.2%
-0.2%
0.3%
0.1%
0.4%
0.5%
0.3%
0.8%
-0.4%
0.3%
0.0%
0.3%
0.2%
0.5%
0.0%
0.5%
-0.6%
-0.1%
0.6%
0.5%
JP Morgan
Retorno
Acumulado
Anormal
0.0%
0.0%
-0.3%
-0.3%
0.1%
-0.2%
0.2%
0.1%
0.5%
0.5%
-0.8%
-0.3%
-1.2%
-1.5%
-0.1%
-1.6%
0.4%
-1.2%
0.7%
-0.5%
0.2%
-0.3%
0.9%
0.6%
1.0%
1.6%
1.0%
2.6%
-1.6%
1.0%
0.2%
1.2%
0.1%
1.3%
0.1%
1.4%
0.2%
1.5%
0.7%
2.2%
-0.4%
1.9%
1.0%
2.9%
0.0%
2.9%
-1.0%
1.9%
-0.6%
1.3%
-0.8%
0.5%
0.1%
0.7%
0.0%
0.6%
0.4%
1.1%
0.1%
1.2%
-0.4%
0.7%
0.4%
1.2%
-0.5%
0.7%
-0.7%
0.0%
0.3%
0.3%
-1.1%
-0.8%
0.2%
-0.6%
0.4%
-0.2%
-0.7%
-1.0%
0.1%
-0.9%
0.0%
-0.9%
0.9%
0.0%
Goldman Sachs
Retorno
Acumulado
Anormal
0.0%
0.0%
0.6%
0.6%
0.3%
1.0%
1.0%
2.0%
-0.4%
1.5%
-0.2%
1.4%
-0.2%
1.2%
-0.2%
1.0%
0.1%
1.1%
0.4%
1.5%
-0.5%
1.0%
0.0%
1.0%
0.8%
1.8%
-0.7%
1.1%
-1.1%
-0.1%
0.2%
0.2%
0.2%
0.3%
0.8%
1.1%
0.3%
1.5%
-0.6%
0.8%
-0.3%
0.5%
0.8%
1.3%
-0.9%
0.5%
0.3%
0.7%
-0.8%
-0.1%
1.1%
1.0%
-0.7%
0.3%
0.3%
0.6%
0.1%
0.7%
0.0%
0.7%
0.2%
0.9%
0.7%
1.6%
-0.9%
0.7%
0.6%
1.4%
-0.1%
1.3%
0.0%
1.3%
0.0%
1.3%
0.3%
1.7%
0.2%
1.9%
0.2%
2.1%
-0.8%
1.2%
-0.9%
0.3%
22
Tabela 4: Retornos anormais e retornos anormais acumulados para cada assessor
(continuação)
Dias em relação
ao evento
-21
-20
-19
-18
-17
-16
-15
-14
-13
-12
-11
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Diversos
Retorno
Acumulado
Anormal
0.0%
0.0%
0.0%
0.0%
0.2%
0.2%
0.2%
0.4%
-0.2%
0.3%
0.1%
0.3%
-0.2%
0.1%
0.1%
0.2%
-0.1%
0.1%
-0.3%
-0.2%
0.2%
0.0%
0.1%
0.2%
0.4%
0.6%
-0.3%
0.3%
0.0%
0.3%
0.2%
0.5%
0.2%
0.7%
0.3%
1.0%
0.4%
1.3%
0.0%
1.3%
0.2%
1.5%
1.2%
2.7%
-0.4%
2.3%
-0.1%
2.2%
-0.1%
2.2%
-0.1%
2.1%
-0.2%
1.9%
0.0%
1.9%
-0.2%
1.7%
-0.4%
1.3%
-0.3%
1.1%
0.3%
1.4%
0.0%
1.4%
0.0%
1.4%
-0.2%
1.2%
0.0%
1.1%
-0.2%
1.0%
0.2%
1.1%
0.0%
1.1%
0.3%
1.4%
0.3%
1.7%
0.2%
1.9%
Transações assessoradas
Retorno
Acumulado
Anormal
0.0%
0.0%
-0.2%
-0.2%
0.3%
0.0%
0.3%
0.3%
0.0%
0.3%
0.1%
0.5%
0.0%
0.5%
0.0%
0.5%
-0.2%
0.3%
0.1%
0.4%
0.1%
0.5%
0.1%
0.6%
0.2%
0.8%
0.1%
0.9%
-0.1%
0.8%
0.1%
0.9%
0.2%
1.1%
0.2%
1.3%
0.3%
1.6%
0.1%
1.7%
0.0%
1.8%
0.9%
2.7%
-0.1%
2.6%
0.2%
2.8%
-0.2%
2.6%
0.0%
2.6%
-0.2%
2.4%
0.2%
2.6%
-0.2%
2.4%
-0.2%
2.2%
-0.3%
1.9%
0.1%
2.1%
-0.2%
1.9%
-0.1%
1.7%
-0.1%
1.6%
-0.2%
1.4%
0.1%
1.5%
0.2%
1.7%
0.0%
1.8%
-0.1%
1.7%
0.0%
1.7%
0.2%
1.9%
23
Tabela 4: Retornos anormais e retornos anormais acumulados para cada assessor
(continuação)
Top Tier
Dias em relação
ao evento
-21
-20
-19
-18
-17
-16
-15
-14
-13
-12
-11
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Retorno
Anormal
0.0%
-0.2%
0.3%
0.1%
0.1%
0.2%
-0.3%
0.2%
-0.4%
0.2%
0.1%
0.3%
0.2%
0.0%
-0.1%
0.0%
0.1%
0.1%
0.2%
0.2%
0.0%
1.2%
0.1%
0.6%
0.1%
0.1%
-0.1%
0.4%
-0.4%
-0.1%
-0.3%
0.0%
-0.1%
-0.2%
-0.1%
-0.4%
0.1%
0.2%
0.3%
-0.4%
0.0%
0.2%
Acumulado
0.0%
-0.2%
0.0%
0.2%
0.2%
0.4%
0.1%
0.4%
0.0%
0.2%
0.2%
0.5%
0.7%
0.7%
0.7%
0.6%
0.8%
0.9%
1.1%
1.3%
1.3%
2.5%
2.5%
3.2%
3.2%
3.4%
3.2%
3.6%
3.2%
3.1%
2.8%
2.8%
2.7%
2.5%
2.5%
2.1%
2.2%
2.4%
2.7%
2.3%
2.3%
2.5%
Second Tier
Retorno
Acumulado
Anormal
0.0%
0.0%
-0.3%
-0.3%
0.2%
0.0%
0.3%
0.3%
-0.1%
0.2%
0.2%
0.4%
0.2%
0.6%
-0.1%
0.5%
-0.1%
0.4%
0.0%
0.5%
0.1%
0.6%
0.1%
0.6%
0.3%
0.9%
0.1%
1.0%
-0.2%
0.8%
0.2%
1.0%
0.1%
1.1%
0.3%
1.4%
0.3%
1.7%
0.0%
1.8%
0.0%
1.8%
0.8%
2.6%
-0.3%
2.3%
-0.1%
2.3%
-0.3%
1.9%
-0.1%
1.8%
-0.1%
1.7%
0.1%
1.8%
-0.1%
1.7%
-0.1%
1.6%
-0.2%
1.4%
0.3%
1.6%
-0.4%
1.2%
-0.1%
1.1%
-0.1%
1.0%
-0.2%
0.8%
0.0%
0.8%
0.3%
1.1%
-0.1%
1.0%
0.3%
1.3%
0.0%
1.2%
0.2%
1.4%
24
Vamos analisar primeiramente a relação entre as transações assessoradas versus as
transações que não contaram com um assessor financeiro. O gráfico 5 mostra que
aparentemente não há diferenças significativas entre o retorno excedente gerado pelos
assessores em relação a transações efetuadas sem os mesmos, o que corrobora o resultado
encontrado por Servaes e Zenner (1996), que analisaram o mercado americano no período
de 1981 a 1992 e não encontraram ganhos significativos para transações efetuadas com a
contratação de assessores em detrimento de transações não assessoradas. Vale ressaltar,
porém, que as transações não assessoradas tiveram uma média de valor muito menor do
que as transações assessoradas (255 milhões contra 955 milhões respectivamente), o que
evidencia o papel dos assessores nas transações maiores e mais complexas, mesmo
resultado encontrado no trabalho de Servaes e Zenner (1996).
Uma possível explicação para o fato de transações não assessoradas gerarem
retorno anormal cumulativo semelhante as transações assessoradas pode estar na existência
de departamentos internos de M&A em algumas empresas, que na prática funcionam como
assessores financeiros, porém não entram no âmbito deste trabalho.
Gráfico 5: Comparação entre transações assessoradas e não assessoradas
O gráfico 6 busca explicar a relação entre o retorno anormal acumulado gerado
pelos assessores denominados top-tiers em relação aos demais assessores, e as transações
25
não assessoradas. São entendidos como top-tiers os bancos que ocupam as quatro
primeiras posições dos rankings de fusões e aquisições para os últimos 3 anos, mais o
banco UBS, que embora não esteja entre os quatro primeiros nos últimos 4 anos (pois o
mesmo se retirou do país após a crise de 2008, retornando apenas em 2012) complementa
os dados do banco BTG Pactual, que adquiriu sua unidade de negócios no Brasil em 2008.
Podemos observar que os bancos líderes de mercado geraram retorno excedente em
relação aos demais bancos e as transações não assessoradas, com retornos anormais
acumulados de 2,5%, 1,4% e 2,0% respectivamente. Este resultado contradiz os resultados
de Ismail (2010) que não encontrou relação entre a classificação do banco como top-tier a
geração de retorno anormal, e Rau (2000) que encontrou que bancos líderes geraram
retornos anormais inferiores a bancos second-tier.
Gráfico 6: Comparação entre top-tiers¹, second-tiers², e transações não-assessoradas.
Nota: (1) Credit Suisse, BTG-Pactual, Itaú BBA, Rothschild e UBS. (2) Demais assessores.
26
A análise entre todos os assessores pode sair prejudicada devido ao número de
observações por assessor. Os assessores que possuem mais observações são Itaú BBA com
40, Credit Suisse com 39, Bradesco BBI com 25 e Citi Bank com 25. O gráfico 7 mostra a
evolução do retorno anormal acumulado para estes assessores.
Gráfico 7: Retorno anormal acumulado para os assessores com maior número de
observações.
O gráfico 8 mostra o viés de geração de retorno anormal positivo quando se observa
todas as transações da amostra. Pode-se notar claramente o impulso no retorno anormal
com o anúncio da transação, representando a surpresa do mercado com o anúncio, e uma
correção posterior no retorno anormal, indicando possível ajuste na avaliação de sinergias
operacionais e financeiras.
27
Gráfico 8: Retorno anormal acumulado para todas as transações da amostra
5. Conclusão
Os resultados para o mercado Brasileiro mostram que, em geral, os assessores líderes
de mercado geram valor a seus clientes, na forma de retorno anormal, em relação a
assessores de segunda linha (second-tiers). O resultado esta em linha com a teoria
desenvolvida por Klein e Leffler (1981) na qual o tamanho no mercado é reflexo da
qualidade do produto ou serviço.
A comparação entre transações não assessoradas e assessoradas, porém, contradiz a
teoria na medida em que transações não assessoradas geraram maior retorno do que
transações assessoradas. O resultado pode ser entendido como a diferença entre os tipos de
transações envolvendo os dois grupos.
Por fim, verificaram-se diferenças significativas entre os retornos anormais
cumulativos entre os assessores.
28
6. Referências
BOWERS, Helen M; MILLER, Robert E. Choice of investment banker and shareholder’s
wealth of firms involved in acquisitions. Financial Management, v.19, 1990.
CHEMMANUR, Thomas J; FULGHIERI, Paolo. Investment bank reputation, information
production, and financial intermediation. The Journal of Finance, v.49, p. 57-79, 1994,
GOLUBOV, Andrey; PETMEZAS, Dimitris; TRAVLOS, Nickolaos G. When it pays to
pay your investment banker: new evidence on the role of financial advisors in M&As. The
Journal of Finance, v.67, p. 271-311, 2012.
ISMAIL, Ahmad. Are good financial advisors really good? The performance of investment
banks in the M&A market. Review of Quantitative Finance and Accounting, v.35,
p.411-429, 2010.
KLEIN, Benjamin; LEFFLER, Keith. The role of market forces in assuring contractual
performance. Journal of Political Economy, v.89, p. 615-641, 1981.
LINTNER, John. Security Prices, Risk and maximal gains from diversification. Journal of
Finance, v.20, p.587-615, 1965.
MACKINLAY, A. Craig. Event studies in economics and finance. Journal of Economic
Literature, v.35, p. 13-39, 1997.
MOSSIN, Jan. Equilibrium in a capital asset market. Econometrica, v.34, p.768-783,
1966.
RAU, Raghavendra P. Investment bank market share, contingent fee payments, and the
performance of acquiring firms. Journal of Financial Economics, v.56, p.293-324, 2000.
SERVAES, Henri; ZENNER, Marc. The role of investment banks in acquisitions. Review
of Financial Studies, v. 9, p.787-815, 1996.
SHARPE, William F. Capital asset prices: A theory of market equilibrium under
conditions of risk. Journal of Finance, v. 19, p. 425-442, 1964.
29
Anexo A: Retorno anormal acumulado para diferentes assessores.
Gráfico 9: Retorno anormal acumulado do banco Credit Suisse em comparação a
transações não-assessoradas e bancos second-tier.
Gráfico 10: Retorno anormal acumulado do banco Itaú BBA em comparação a transações
não-assessoradas e bancos second-tier
30
Gráfico 11: Retorno anormal acumulado do banco BTG Pactual em comparação a
transações não-assessoradas e bancos second-tier.
Gráfico 12: Retorno anormal acumulado do banco BTG Pactual em comparação a
transações não assessoradas e bancos second-tier.
31