1
UNIVERSIDADE FEDERAL DE ALFENAS
CAMILA BATISTA DO NASCIMENTO
IMPACTOS DAS FUSÕES E AQUISIÇÕES NA RENTABILIDADE DAS
EMPRESAS ADQUIRENTES: UMA ANÁLISE DO SETOR DE
TECNOLOGIA DA INFORMAÇÃO BRASILEIRO NO PERÍODO DE
1994 A 2013.
Varginha/MG
2014
2
CAMILA BATISTA DO NASCIMENTO
IMPACTOS DAS FUSÕES E AQUISIÇÕES NA RENTABILIDADE DAS
EMPRESAS ADQUIRENTES: UMA ANÁLISE DO SETOR DE
TECNOLOGIA DA INFORMAÇÃO BRASILEIRO NO PERÍODO DE
1994 A 2013.
Trabalho de Conclusão de Curso apresentado
ao Instituto de Ciências Sociais Aplicadas da
Universidade Federal de Alfenas, como
requisito parcial à obtenção do título de
Bacharel em Ciências Econômicas com Ênfase
em Controladoria.
Orientador: Prof. Msc. Gabriel Rodrigo
Gomes Pessanha.
Co-orientadora: Profa. Dra. Luciene Resende
Gonçalves.
Varginha/MG
2014
3
CAMILA BATISTA DO NASCIMENTO
IMPACTOS DAS FUSÕES E AQUISIÇÕES NA RENTABILIDADE DAS
EMPRESAS ADQUIRENTES: UMA ANÁLISE DO SETOR DE
TECNOLOGIA DA INFORMAÇÃO BRASILEIRO NO PERÍODO DE
1994 A 2013.
A Banca examinadora abaixo-assinada aprova
a monografia apresentada como parte dos
requisitos para obtenção do título de Bacharel
em Ciências Econômicas com Ênfase em
Controladoria da Universidade Federal de
Alfenas.
Aprovada em:
Prof. MSc.: Gabriel Rodrigo Gomes Pessanha
Instituição: Universidade Federal de Alfenas
Assinatura:
Profa. Dra.: Luciene Resende Gonçalves
Instituição: Universidade Federal de Alfenas
Assinatura:
Prof. MSc.: Leandro Rivelli Teixeira Nogueira
Instituição: Universidade Federal de Alfenas
Assinatura:
Prof. MSc.: Marçal Serafim Cândido
Instituição: Universidade Federal de Alfenas
Assinatura:
4
AGRADECIMENTOS
Agradeço primeiramente o maior dos orientadores, Deus, pela fonte de sabedoria e
infinita bondade, por estar ao meu lado durante toda a caminhada, por conduzir os meus
passos e me carregar nos braços quando mais precisei.
A toda minha família por todo apoio e carinho. Em especial aos meus pais, Ildebrando
e Claudia, pela dedicação, compreensão e amor incondicional, que apesar de todas as
dificuldades nunca desistiram desse sonho.
Aos meus irmãos Juliano e Patrícia, pelo
companheirismo e por não medirem esforços para me ajudar. E ao Junior pelo amor,
paciência, e por estar comigo nessa caminhada tornando-a mais doce.
Agradeço também a todos os mestres que contribuíram para a minha graduação, em
especial ao meu orientador Gabriel Passanha, pela dedicação e todo o incentivo, e à minha
coorientadora Luciene Gonçalves, pela colaboração e atenção, sou grata por sempre estarem
dispostos a me ajudar e pelo comprometimento que tiveram com esse trabalho.
Aos meus amigos que me acompanharam de perto e mesmo os de longe, mas que
sempre me apoiaram, em especial as minhas companheiras de república Tais e Rafaela, por
permanecerem ao meu lado do começo ao fim, principalmente nos momentos de angústia, por
me darem força e ânimo para seguir em frente, além de me proporcionarem preciosos
momentos de muita amizade. Agradeço também ao Alan que tornou esses quatro anos e meio
mais coloridos e alegres.
E por fim agradeço a todos que contribuíram direta ou indiretamente para que mais
essa etapa fosse concluída.
5
RESUMO
Esse trabalho tem por objetivo identificar a existência de impactos das estratégias de Fusões e
Aquisições (F&A) na rentabilidade das empresas adquirentes do setor de Tecnologia da
Informação. O crescente volume das transações de Fusões e Aquisições envolvendo empresas
brasileiras demonstra o papel que essa estratégia vêm assumindo em questões de aumento de
competitividade e geração de valor aos acionistas, deste modo se torna de total importância a
pesquisa desenvolvida. A pesquisa está compreendida entre os anos de 1994 a 2013.
Realizou-se a metodologia de análise de intervenção nas variáveis de rentabilidade das
empresas envolvidas nos processos de F&A, com o objetivo de detectar os impactos dessas
operações na rentabilidade das empresas adquirentes. Os resultados encontrados demonstram
que de acordo com a característica intervencionista, não são todos os eventos de F&A que
conseguem repercutir na rentabilidade das empresas do setor de TI, contudo, quando um
evento modifica a rentabilidade da organização em sua maior parte é de forma positiva.
Palavras-chave: Fusões e aquisições; Análise de intervenção; Rentabilidade; Tecnologia da
informação.
6
ABSTRACT
This work aims to identify the existence of impacts of strategies Mergers and Acquisitions (M
& A) in the profitability of acquirers in the Information Technology sector companies. The
increasing volume of M & A transactions involving Brazilian companies shows the role that
this strategy are assuming in questions of increased competitiveness and value creation for
shareholders, therefore becomes all important research developed. The research is between
the years 1994 to 2013. Was performed analysis methodology Intervention variables of
profitability of the companies involved in M & A processes, with the goal to detect the impact
of these operations on the profitability of acquirers. The results demonstrate that according to
the interventionist characteristic, not all events of M & A that can pass on the profitability of
companies in the IT sector, however, when an event modifies the profitability of the
organization is mostly positively.
Keywords: Mergers and acquisitions; Analysis of Intervention; Profitability; Information
Technology.
7
SUMÁRIO
1. INTRODUÇÃO .................................................................................................................................. 8
2 REFERENCIAL TEÓRICO ................................................................................................................ 9
2.1 Conceitos, modalidades e ondas das fusões e aquisições. ................................................................. 9
2.2 Setor de tecnologia da informação .................................................................................................. 17
2.3 Fusões e Aquisições no setor de Tecnologia da Informação. .......................................................... 20
3 MATERIAL E MÉTODOS ............................................................................................................... 23
3.1 Material ........................................................................................................................................... 23
3.2 Métodos ........................................................................................................................................... 24
3.2.1 Séries Temporais .......................................................................................................................... 24
3.2.2 Função de autocorrelação (FAC) ................................................................................................. 25
3.2.3 Função de autocorrelação parcial (FACP) ................................................................................... 26
3.2.4 Processos Estocásticos ................................................................................................................ 27
3.2.5 Estacionariedade........................................................................................................................... 27
3.2.6 Teste de estacionariedade. ............................................................................................................ 28
3.2.7 Ruído Branco ............................................................................................................................... 28
3.2.7.1 Testes para verificação de Ruído Branco .................................................................................. 28
3.2.8 Métodos de estimação de séries temporais................................................................................... 29
3.2.8.1 Modelos autorregressivos e de médias móveis (ARMA). ......................................................... 30
3.2.8.2 Modelos ARIMA....................................................................................................................... 32
3.2.9 Intervenção ................................................................................................................................... 34
3.3 Operacionalização das variáveis e eventos estudados. .................................................................... 36
4 ANÁLISE E DISCUSSÃO ................................................................................................................ 39
4.1 Análise de Intervenção .................................................................................................................... 39
5 CONSIDERAÇÕES FINAIS ............................................................................................................. 67
REFERÊNCIAS BIBLIOGRÁFICAS .................................................................................................. 69
8
1. INTRODUÇÃO
Os processos de Fusões e Aquisições (F&A) no Brasil, e no resto do mundo,
apresentaram nas últimas décadas grandes transformações em seu volume, demonstrando
crescente aumento. Essa mudança segundo especialistas da área, é fruto da modificação que
vem ocorrendo na economia mundial, em um ambiente globalizado, onde as organizações
vêm buscando, cada vez mais, competitividade.
Há muitos motivos para a realização das estratégias de F&A para as empresas. Entre
eles estão a necessidade de crescimento, o aumento de Market share1, a criação de barreiras à
entrada de novos concorrentes, aquisição de tecnologia, realização de sinergias e obtenção de
economias de escala. Rappaport (1998) apud Pessanha et al. (2012) acredita, contudo, que
independente dos motivos que levam as empresas a adotarem como estratégias F&A o
objetivo principal de tais eventos é gerar e ampliar valor às empresas e aos acionistas,
ressaltando que há dificuldade em determinar e mensurar a criação de valor para a
organização e, principalmente, para os acionistas.
Nos últimos anos o setor de Tecnologia da informação (TI) é o que mais registra
processos de F&A no Brasil, segundo dados coletados pela consultoria KPMG Corporate
Finance (2013).
Posto isto, torna-se proeminente verificar os impactos sucedidos em
empresas de TI que passaram por esses processos.
As empresas de TI começaram a se destacar nos processos de F&A durante a crise
subprime que aconteceu nos Estados Unidos em 2008. Silva (2011) diz que ainda que não
existam provas que essa crise tenha sido motivo para grandes transformações nas estruturas
das empresas de TI, há relatos de que depois da crise o governo Brasileiro disponibilizou
auxílio, pelo BNDES (Banco Nacional do Desenvolvimento), o que possibilitou operações de
F&A no setor através concessão de credito subsidiário.
Acrescenta Silva (2011) que com esse auxílio fica evidente a intenção estratégica da
política governamental do país de promover a criação de grandes companhias nacionais de TI
adequadas para criar um alicerce sólido no setor. E é dessa forma que o governo vem atuando
1
Market share ou participação de mercado é a fatia que cabe a um determinado produto /serviço, dentro de um
mercado definido, em um determinado espaço de tempo (BATISTA; RAUPP, 2014).
9
é promovendo empréstimos a juros subsidiados através de bancos como o BNDES, assim
estimulando os processos de F&A no setor de TI.
Deste modo, a justificativa para a elaboração deste trabalho está fundamentada na
dimensão do volume de transações de F&A que foram realizadas no setor de TI nos últimos
anos. Ainda, no apoio que o governo brasileiro vem dando para esses processos. Para isto
foram utilizadas as técnicas de análise de intervenção em séries temporais, a fim de se captar
o desempenho financeiro das organizações após a transação.
Levantando assim o questionamento sobre de que maneira as estratégias de Fusões e
Aquisições (F&A) no setor de Tecnologia da Informação (TI) afetam os resultados
financeiros nas empresas que passaram por esses processos.
Do ponto de vista financeiro, os processos de fusão e aquisição são vistos como
estratégias de investimentos que visam à criação de valor para o acionista, sendo assim
apresenta-se as hipóteses a serem testadas do decorrer deste trabalho:
H 0 : A ocorrência de processo de fusão e aquisição não afetam os resultados
financeiros das organizações estudadas;
H 1 : A ocorrência de processos de fusão e aquisição afetam os resultados financeiros
das organizações estudadas
Este trabalho tem como objetivo verificar se as estratégias de fusões e aquisições
realizadas por empresas no setor de TI no Brasil nos últimos anos tem impacto na
rentabilidade das mesmas.
Com o intuito de auxiliar o esclarecimento das hipóteses formuladas, é exposta uma
revisão da literatura das fusões e aquisições, em seguida um breve panorama sobre o setor de
tecnologia da informação e o quadro geral das F&A no setor de TI nos últimos anos.
Posteriormente, relata-se a metodologia aplicada para a verificação do problema. Em seguida
os resultados dos métodos empregados e por fim as considerações finais.
2 REFERENCIAL TEÓRICO
2.1 Conceitos, modalidades e ondas das fusões e aquisições
A discussão sobre o processo de fusões e aquisições das empresas deve ser iniciada
pela sua forma conceitual. Por fusões se entende a operação pela qual se unem duas ou mais
sociedades em todos os direitos e obrigações. (Art. 228 da Lei das Sociedades Anônimas de
10
1976 - Lei 6404/76). Por aquisições se entende a operação pela qual uma ou mais sociedades
são absorvidas por outra, que lhe incide em todos os direitos e obrigações (Art. 227 da Lei das
Sociedades Anônimas de 1976 - Lei 6404/76).
De acordo com Gaughan (1999) apud Pitassi e Moreno (2001) o processo de fusões e
aquisições (F&A) deve ser classificado de três modos:
1) Fusões e aquisições horizontais: a empresa adquirida pertence ao mesmo setor ou segmento
de atuação da empresa adquirente. O que representa a união de dois ou mais competidores.
Usualmente acarretando sérios problemas legais de concentração de mercado.
2) Fusões e aquisições verticais: a empresa adquirida e a adquirente situam-se em níveis
diferentes da cadeia produtiva do setor. Sendo, empresas que possuem relacionamento de
compra e venda de bens e serviços ao longo da cadeia de suprimentos.
3) Fusões e aquisições conglomeradas: a empresa adquirida e a adquirente não guardam
nenhuma relação no mercado e nem na cadeia produtiva, em outras palavras, são empresas
envolvidas que não costumam se relacionar comercialmente de forma significativa, mantendo,
portanto, grande independência administrativa uma das outras.
Conforme Gitman (1997) apud Pitassi e Moreno (2001) o principal objetivo das fusões
e aquisições é maximizar a riqueza dos proprietários, por consequência valorizar o preço das
ações.
De acordo com o Manual de Fusões e Aquisições de Empresas, escrito por Fernando
Barrueco, Miguel Perrotti e Paulo Perrotti (___) a mais clássica definição de aquisição é
aquela na qual a empresa adquirida transfere todo o seu patrimônio à compradora, causando
um aumento de capital, o qual será repassado para os quotistas ou acionistas da empresa
incorporada. Ross (1998) apud Pitassi e Moreno (2001) descreve que a aquisição é feita por
meio da compra das ações com direito a voto, ou seja, simplesmente adquirindo seus ativos e
por consequência suas obrigações e transferindo-os legalmente para a empresa compradora.
Já a fusão é definida por Barrueco et al. (___) como o processo pelo qual se unem duas
ou mais sociedades para formar uma nova corporação. Os quotistas ou acionistas das
corporações dissolvidas receberão quotas/ações da nova sociedade. Gaughan (1999) apud
Pissati e Moreno (2001) complementam que a fusão é a combinação de duas organizações, na
qual somente uma organização sobrevive e assume todos os ativos e obrigações da
organização fundida, que deixa então de existir legalmente.
11
Conforme Ross (1995) apud Matias e Pasin (2001) F&A é um dos assuntos mais
questionáveis na evolução da administração, tendo suas pesquisas caráter genérico e por
muitas vezes contraditórias, de certo modo, em virtude da natureza secreta dessas transações.
Para tanto se faz proeminente estudos mais detalhados sobre o assunto.
Textos sobre o tema de F&A, como o de Matias e Pasin (2001), indicam uma mudança
crescente na quantidade de processos de fusões e aquisições no Brasil e no resto do mundo.
Para os autores essa mudança é fruto do aumento da competitividade e da globalização da
economia, o que gera a necessidade de uma modificação rápida nas estratégias das empresas.
Nesse contexto, unir-se a outra empresa através da fusão ou da aquisição, é uma opção para
enfrentar as transformações na economia mundial. Garcia et al. (2004) acrescenta, que tais
processos formam uma alternativa interessante para a adaptação da estrutura organizacional
das empresas ao mercado e ao ambiente econômico mundial.
Por conseguinte, torna-se evidente a importância do processo de F&A para a dinâmica
da economia, e segundo Braga (2000) tal processo gera a composição de novos grupos
econômicos, o que leva a modificação das relações de propriedade nos setores patrimonial,
operacional e financeiro das empresas e a decorrência dessas mudanças afeta a dinâmica
econômica capitalista. Transformando as empresas em sociedades de caráter multifuncionais,
multisetoriais e multinacionais.
Para Penrose (1958) há duas maneiras de se promover a expansão da firma, uma pelo
processo de F&A e outra pela formação de novos capitais, a escolha vai depender da
lucratividade relativa. Para tanto, deve se levar em consideração as vantagens, desvantagens,
motivos e justificativas, das F&A, para essa escolha.
Na literatura disponível encontram-se inúmeros motivos para o cumprimento de
eventos de F&A. Entre eles, está a necessidade de crescimento, o aumento de Market share, a
criação de barreiras à entrada, aquisição de tecnologia e realização de sinergias. Textos
contemporâneos abordam esse assunto.
Casagrande (2013) afirma que as fusões e aquisições são importantes para reforçar a
empresa em suas competências, produtos e capital humano aos recursos já existentes. É uma
forma de trazer mais conhecimento, aumentar as vendas de produtos competitivos e uma
maneira de oferecer uma estrutura mais atrativa para os negócios promissores crescerem. De
acordo com Camargos e Barbosa (2003) as transações envolvendo F&A compõem uma
maneira rápida de uma empresa crescer, entrar em mercados e aproveitar oportunidades de
investimentos.
12
Acompanhando os argumentos das vantagens dos processos de F&A Matias e Pasin
(2001) descrevem que muitos investimentos diretos feitos no país, através de empresas
estrangeiras, são realizados por meio da aquisição de empresas, como no caso da
multinacional que reduz seus custos com o aprendizado, introduzindo-se já com participação
de mercado e ativos em funcionamento. Conforme Ferrari (1996) apud Garcia et al. (2004), as
estratégias de F&A estão substituindo as práticas de investimento a partir do zero, deste
modo, diminuindo os custos operacionais, por razões estratégicas, mercadológicas, culturais
ou tecnológicas.
Além das vantagens de se optar pelo processo de F&A muitos textos buscam entender
os motivos que levam as organizações à escolherem as F&A como estratégia. Para Levine
(1989) apud Orshi (2003) esses motivos podem ser agrupados como defensivos ou
expansionistas, reafirmando que o objetivo principal independente da característica do motivo
é sempre o da maximização dos lucros. No grupo defensivo encontram-se os motivos para
F&A relacionados ao domínio de fornecedores ou clientes e também motivos direcionados a
criação de economias de escala, assim reduzindo custos de produção. No grupo expansionista
as organizações estariam buscando mercados ou produtos novos, ampliação dos canais de
distribuição, o reconhecimento da marca, a melhoria de habilidades gerenciais ou de
tecnologia de produção ou ainda adquirir novas tecnologias patentes e capacitação em P&D
(Pesquisa & Desenvolvimento).
Complementa Dermine (1999) apud Pires (2011) que os motivos econômicos para os
processos de F&A, da mesma forma como os anteriores citados, podem estar relacionados às
economias de escala, baseadas em custos, marcas, receitas e adiciona as economias de escopo
baseadas nas receitas, poder de mercado, busca de eficiência e custo da agencia dos gestores.
Ainda em relação às vantagens e motivos para as F&A, Penrose (1958) analisa a parte
interna da firma, para a autora tal processo faz com que a firma adquira uma equipe de
funcionários administrativos, técnicos e a força de trabalho já com experiência, deste modo a
firma pode ser beneficiada ao se auferir os serviços produtivos e as informações demandadas
para se estabelecer em um novo campo, esse acréscimo de experiência de seus funcionários,
muitas vezes possuem maior importância do que a eliminação de um concorrente ou a
redução dos custos de ingresso.
Ainda, conforme Penrose (1958) os processos de F&A são frutos da busca por lucros
numa economia competitiva, pois se as instituições legais aprovam uma empresa a adquirir
13
outra ou a fundir-se com ela, e essa escolha for a mais lucrativa, provavelmente haverá
incentivos para ela efetivamente aconteça.
Expandindo as razões para as fusões e aquisições Hitt et al. (2007) apud Ramos et al.
(2009) acrescentam vantagens como conseguir uma comercialização mais rápida, uma maior
diversificação dos produtos, aprender e desenvolver novas capacitações. Ainda ressaltam a
importância do gerenciamento nas mudanças ocasionadas pela F&A, posto que, independente
da razão pela qual as empresas optem pelo processo de F&A é necessário um foco maior no
gerenciamento dessas mudanças, sem negligenciar a avaliação do impacto, sendo necessário o
alinhamento das expectativas dos funcionários, de processos e tecnologias, objetivando gerar
uma maior estabilidade à instituição e seus colaboradores, pois todas essas oscilações
implicam uma transferência de poder e uma mudança de hábitos, despertando, portanto,
medo, desconfiança, resistência e atraso.
Para Kirchner (2009) compreender as vantagens e as desvantagens do processo de
F&A é fundamental para que sejam adotadas as politicas mais adequadas para cada empresa,
tanto para buscar novas possibilidades ou para enfrentar a concorrência. O autor acredita que
as vantagens e desvantagens das F&A são baseadas em decisões estratégicas, sendo adotadas
desde busca pelo crescimento e internacionalização de uma empresa, até redução de custos.
Sendo que cada decisão traz consigo suas respectivas vantagens e desvantagens.
Sobre as opções estratégicas, as F&A apresentam as seguintes vantagens, conforme,
Silva Júnior; Ribeiro (2001, p. 90).
a) Controle da outra empresa: no caso da aquisição, a adquirente possui domínio sobre
a adquirida;
b) Ausência de conflitos quanto à partilha do lucro;
c) Maior rapidez no acesso a oportunidades;
d) Conquista rápida de posição de mercado: se da de forma rápida, pois quando eram
separadas cada empresa possuía a sua parcela de mercado, após a fusão nasce uma
nova empresa com a soma das fatias de mercado das duas extintas.
e) Bom potencial para a aprendizagem: com a junção de duas culturas aumenta o
potencial de conhecimento da nova empresa, fazendo com que uma aprenda com
a outra.
Já as desvantagens segundo Silva Júnior e Ribeiro (2001, p. 91) são:
14
a) Alto custo de controle;
b) Potencial para grandes problemas de implementação da iniciativa em razão das
leis restritivas quanto à concentração econômica nos países: problemas de
monopólio;
c) Problemas de compatibilidade cultural: diferença da cultura da empresa
adquirida com a empresa compradora e diferença das empresas fusionadas.
d) Difícil reversão do processo.
É importante dar atenção para os efeitos colaterais que as operações de F&A podem
causar, que, de acordo com Héau (2001) apud Kirchner (2009) muitas dessas operações
acabam sendo prejudiciais para a empresa. Seja porque o comprador não obtém o que queria,
seja porque acaba pagando mais do que devia. Há várias razões pelas quais um processo de
F&A pode não atender as expectativas:
• Indústria errada: o caso em que empresas entram em setores industriais que
aparentemente ser lucrativos sem ter conhecimento das barreiras ou riscos. Essa razão
ainda é extremamente determinante em muitos casos de F&A mal sucedidos.
• Empresa errada: a empresa pode não ter futuro viável em longo prazo, mesmo com
investimentos realizados pelo comprador.
• Excesso de confiança: muitas empresas estão convencidas de que podem facilmente
aplicar seus procedimentos em outras empresas.
Posto as desvantagens e os riscos que as operações de F&A podem ocasionar é de
suma importância ser prudente com as medidas que devem ser tomadas antes de fechar o
negócio. De acordo com Kirchner (2009) após a realização de um processo de F&A deve-se
haver concordância com o pessoal que estará envolvido no processo. Antes do processo deve
ter feito uma pesquisa, ou seja, a redução do grau de incerteza. Outra iniciativa é a
apresentação de uma proposta realista e também a eficiente formação da equipe de
negociadores.
Portanto, para que haja um ótimo retorno nesse tipo de investimento as empresas
envolvidas devem analisar as vantagens e as desvantagens, com o intuito de maximizar as
vantagens e minimizar as desvantagens.
15
Conceituado as modalidades, motivos, vantagens e desvantagens das F&A, faz-se
relevante conhecer as etapas para que esses processos ocorram de forma a se obter um retorno
ótimo, em conformidade com Barros et al. (2003) apud Ramos et al. (2009) essas etapas
iniciam com a escolha da empresa, passam pela intenção de compra, auditoria conhecida
como due diligence2, a negociação entre as partes envolvidas, e finalmente pela etapa de
integração entre as empresas.
Dentre as etapas para o processo de F&A, a integração das empresas ganha destaque
para Ramos et al. (2009). Quando duas empresas passam por uma fusão ou aquisição,
inevitavelmente, encontram-se duas culturas diferentes. Em que cada uma delas possui
pressupostos, crenças, modos distintos de interpretar a realidade e de organizar os processos.
Devendo ter esforços para que haja a integração desses dois mundos, para que assim seja
possível a viabilização da F&A.
Castro (1996) afirma que as fusões e aquisições, mesmo que, bem-sucedidas devem
levar em consideração aspectos estratégicos, financeiros e mercadológicos, e além desses
fatores, não se pode ignorar um choque potencial de culturas, pois isto poderia conduzir a
operação a um fracasso financeiro. Com frequência as questões referentes à cultura
empresarial recebem pouca atenção durante o processo de avaliação e pré-aquisição.
Eminencias cada vez maiores indicam que a incompatibilidade cultural é uma das causas de
fracasso em fusões e aquisições.
Segundo Camargos e Barbosa (2005) as fusões e aquisições surgiram no final do
século XVIII e início do século XIX, a Revolução Industrial proporcionou um processo de
centralização de capitais e reestruturação patrimonial jamais visto antes, e a partir de então o
capitalismo através de movimentos cíclicos (ondas) foi se caracterizando o sistema de
produção predominante.
Malaga (2007) apud Ishimoto (2012) descreve que a movimentação de fusões e
aquisições se dá através de ondas, durante períodos de alta atividade econômica e de grandes
mudanças tecnológicas no ambiente empresarial.
Fundamentada, sobretudo no mercado norte-americano, a bibliografia aponta quatro
ondas de fusões e aquisições, que desempenharam um papel acentuado em âmbito mundial na
concentração de capitais e consolidação de setores econômicos (SCHERER e ROSS, 1990
apud CAMARGOS e BARBOSA, 2005).
2
Due Diligence é um processo de revisão das informações de uma organização, com o objetivo de validar e/ou
confirmar oportunidades e riscos para o processo de negociação, especialmente, para processos como Cisão,
Fusão e Aquisição (RICKEN; 2008).
16
Contudo, Camargos e Barbosa (2005) acrescentam que mais recentemente, autores
como Jovanovic e Rousseau (2002) desdobram a última onda em outra, denominada de onda
dos anos 90, que tem apresentado uma nova dinâmica na condução desses processos. Segundo
Weston et al. (1990) apud Camargos e Barbosa (2003) as ondas de F&A que ocorreram no
mercado norte americano, apresentaram, em maior ou menor grau, um tipo específico de
fusão e aquisição. Cada uma destas ondas teria ocorrido em períodos de alta atividade
econômica, grandes taxas de crescimento e modificações no ambiente empresarial. As ondas
de F&A estão descritas no quadro 1.
Quadro 1: Ondas de fusões e aquisições.
Ondas
The
Great
Características
Merger
Wave
Iniciada com a recuperação da depressão mundial de 1883 até 1904. Época das grandes
transformações nos transportes, comunicações, tecnologias de manufatura; competição e
instituições legais, com consolidações nas indústrias de petróleo, aço, tabaco e outras áreas
(1887-1904)
The Merger
básicas, além da formação de grandes monopólios.
O boom do mercado de capitais ajudou os investidores financeiros a consolidar firmas em
vários setores. As fusões de várias empresas em uma única não foram mais permitidas por leis
Movement
antitrustes. Esta onda apresentou mais fusões por integração vertical, sendo caracterizada por
(1916-1929)
fusões que visavam ao poder de oligopólio.
The 1960s
Predominaram as fusões do tipo conglomerado, com a união de diferentes atividades, como uma
resposta às maiores restrições às fusões horizontais e verticais introduzidas pelas alterações nas
Conglomerate
leis antitrustes em 1950. Durante os anos 60 as aquisições foram influenciadas pelo boom do
Merger Wave
mercado de capitais e encorajadas por inovações nos mecanismos financeiros.
The Wave of
Caracterizada pela expansão empresarial devida à aquisição de outras firmas. O crash da Bolsa
de Nova York em outubro de 1987 possibilitou às firmas estrangeiras comprar firmas
the 1980s
americanas, o que resultou em uma explosão de aquisições hostis. Além disso, essa onda
apresentou um grande número de transações entre firmas de mesmo porte. O boom das F&A
dos anos 80 na economia norte-americana visava principalmente à expansão internacional das
grandes corporações multinacionais, enquanto nos anos 90 esta atividade pode ser vista como
uma adequação inteligente a ambientes de negócios em constante mutação, adequação
determinada por mercado em retração, reformas governamentais e mudanças tecnológicas
(TRICHES, 1996).
Fonte: Compilado de WESTON e BRIGHAM (2000); WAACK (2000); SCHERER e ROSS (1990) apud CAMARGOS e
BARBOSA (2003).
17
Sobre as ondas de fusões e aquisições Penrose (1958) diz que os economistas não
estão satisfeitos com essa lista desuniforme sobre as causas para explicar a ocorrência de tais
eventos. O interesse da maioria dos economistas em relação ao assunto, tem se concentrado
nos ciclos de conjuntura e nos níveis de preços das ações, mas os resultados de tais tentativas
de correlacionar o número de fusões com outros indicadores do comportamento empresarial
não têm sido conclusivos, já que as diferenças entre os “movimentos de fusões” parecem ser
mais significativas do que as semelhanças.
2.2 Setor de Tecnologia da Informação
O setor de TI está passando por transformações que vem contribuindo para a elevação
da competitividade da indústria de software brasileira. Nos últimos anos, esse mercado passou
por diversos ciclos de aquecimento de demanda, primeiro a onda de fusões e aquisições no
setor bancário; depois as privatizações e fusões na área de telecomunicações; em seguida,
fatos como o bug do milênio, a implementação do sistema brasileiro de pagamentos; e por
afim a adoção de ERPs3 pelas empresas e a automação de pontos- de venda. (BRASSCOM;
2014).
“O cerne da transformação que estamos vivendo na revolução
atual refere-as as tecnologia da informação, processamento e
comunicação. A tecnologia da informação é para esta revolução o
que as novas fontes de energia foram para as Revoluções
Industriais sucessivas, do motor à vapor a eletricidade, aos
combustíveis
fósseis
e
até
mesmo
à
energia
nuclear.”
(CASTELLS, 2000, p.50):
O conceito de tecnologia da informação segundo Keen (1993) apud Laurindo et al.
(2001) é mais abarcante do que os de processamento de dados, sistemas de informação,
engenharia de software, informática ou o conjunto de hardware e software, pois TI possui
aspectos humanos, administrativos e organizacionais. Turban et al. (1999) apud Pires (2011)
definiu a TI como a parte tecnológica de um sistema de informação, que inclui o hardware, as
bases de dados, os softwares, as redes e demais dispositivos. Sendo, também, descrito como
um conjunto de diversos sistemas de informação, usuários e gestores de toda a organização.
3
Enterprise Resource Planning ou Sistemas Integrados de Gestão (SACCOL; 2004).
18
Weill e Broadbent (1998) apud Pires (2011) afirmam que a TI se difundiu dentro da
moderna organização, efetuando eletronicamente negócios e conectando a empresa a clientes,
fornecedores, reguladores e parceiros estratégicos.
Tecnologia
da
informação
engloba
os
sistemas
de
informação,
o
uso
de hardware e software, telecomunicações, automação, recursos multimídia, empregados
pelas instituições para fornecer dados, informações e conhecimento. (LUFTMAN et al., 1993;
WEIL, 1992 apud LAURINDO et al., 2001).
Para
Rebouças
(2012)
o setor
de
tecnologia
da
informação está
ligado
ao desenvolvimento de softwares, inovações em acessibilidade, sistemas de distribuição de
acessos, comercialização de softwares e de serviços digitais com segurança e rapidez,
consultoria, suporte técnico e empresarial para a implantação e manutenção dos produtos e
serviços.
A TI passou de um setor tradicional de suporte administrativo para um setor com papel
estratégico dentro da organização. De acordo com Laurindo et al. (2001) a descrição de TI
como estratégia competitiva tem sido discutida e enfatizada, já que não só alimenta as
operações de negócio existentes, mas também admite que se viabilizem novas estratégias
empresariais. Esse setor está ligado ao setor industrial e de serviços, porém Rebouças (2012)
acrescenta que em um contexto abrangente o setor de TI é indicado de maneira informal por
muitos estudiosos como uma exata indústria que produz inovação e segurança de
comunicação de dados em diferentes escalas de demanda.
A Agência Paulista de Promoção de Investimentos e Competitividade (2013), afirma
que no setor de tecnologia da informação e comunicação no Brasil a partir dos dados retirados
do MTE (Ministério do Trabalho e Emprego, 2012) que o estado de São Paulo concentra 32%
de unidades produtivas do país. Respondendo por 44% do total de empregados existentes do
setor, reunidos nas regiões metropolitanas de São Paulo e Campinas, com 72% e 4% dos
empregos, respectivamente. A indústria paulista de fabricação de equipamentos de
informática e periféricos reúne segundo o IBGE (Instituto Brasileiro de Geografia e
Estatística, 2011), 40% do pessoal ocupado e 40% do valor da transformação industrial (VTI)
do segmento no país. A partir dos dados coletados do IBGE (2011) pela Agencia paulista de
investimentos e competitividade é possível demonstrar a importância dos estados em relação
às unidades de fabricação de equipamentos de informática e produtos eletrônicos no Brasil,
apresentadas no gráfico 1.
19
Gráfico 1: Fabricação de Equipamentos de Informática e Produtos Eletrônicos no Brasil
em 2011.
12,30%
Outros
Amazonas
40,70%
Paraná
33,30%
Minas Gerais
São Paulo
7,85%
5,80%
Fonte: Elaborada pela autora, a partir de dados da Agência Paulista de Promoção de Investimentos e
Competitividade (2013).
Segundo dados do IBGE (2012), entre os anos 2011 e 2012, o setor de TI registrou
crescimento de aproximadamente 5%, superando a construção civil e a indústria. O setor de
TI gerou vagas de trabalho e divisas nas telecomunicações, internet, audiovisual, edição e TI.
A previsão para 2020 é de 750 mil empregos gerados, com perspectiva do Brasil se tornar um
dos quatro maiores países do setor no mundo em 2022 (REBOUÇAS; 2012).
De acordo com os dados divulgados pela BRASSCOM (Associação Brasileira das
Empresas de Tecnologia da Informação e Comunicação) em 2012 o setor de Tecnologia da
Informação representou 5,2% do PIB brasileiro, evidenciando o aumento do uso de TI nas
diferentes áreas da economia. O mercado brasileiro de TI movimentou US$ 123 bilhões em
2012 e fechou o ano com crescimento de 10,8%, na comparação com 2011, esse valor
representa quase o dobro do aumento médio mundial que foi de 5,9%. Comparando com os
mercados mais importantes, o avanço do setor no Brasil ficou atrás somente da China, com
15%. Com o resultado, o Brasil já é considerado o sétimo maior mercado de tecnologia da
informação.
A partir das informações fornecidas pela BRASSCOM (2012) foi possível visualizar o
panorama de como o setor de tecnologia da informação esteve no ano de 2012 no mercado
brasileiro, desse modo foi constatado mais de 20 milhões de conexões de banda larga fixa, e
66 milhões de usuários de banda larga móvel. Respectivamente, esses dois segmentos (fixa e
20
móvel) tiveram uma evolução de 31% e 69% em relação a 2011. Já o acesso à internet no
Brasil em 2012, foi de 94,2 milhões, utilizada por quase 50% da população brasileira. O
Brasil se tornou o 5º maior mercado de telefonia celular do mundo, possuindo mais de 261
milhões de aparelhos celulares. O número de computadores dobrou em quatro anos e em 2012
foi registrado 118 milhões de computadores no Brasil.
2.3 Fusões e Aquisições no setor de Tecnologia da Informação.
Conforme Tigre e Marques (2010) a indústria mundial de software, é caracterizada
pelo elevado grau de concentração econômica, mesmo sendo uma indústria conhecida por
abrir oportunidades para pequenas e médias empresas. O que vem ocorrendo nos últimos
anos, no setor de TI, é uma grande onda de fusões e aquisições, com o propósito de aproveitar
as oportunidades da economia de redes e das economias de escala e de demanda.
Como afirmado por Braga (2000), a dinâmica da economia tende a sempre mudar e os
processos de fusões e aquisições tem participação relevante na atual mudança econômica. O
setor de tecnologia da informação vem apresentando destaque entre os setores que passam
pelo processo de F&A. De acordo Rohde (2013) a popularização da internet a partir dos anos
noventa junto com o boom tecnológico da área de informática, proporcionou ao setor de TI
evidência nas operações de F&A a partir de 1999.
Castro (1996) acredita que nesse tipo de indústria, a velocidade das mudanças é
extremamente rápida. Assim, é natural que em um setor tão dinâmico exista um volume de
fusões e aquisições acima da média de outros setores convencionais.
As empresas de TI passaram a serem líderes nas operações de F&A, no Brasil, a partir
de 2008, Kirchner (2009) explica que as empresas de TI aumentaram o volume de F&A para
crescer e atender a demanda, já que possuíam caixas volumosos pelo aumento das receitas,
por recursos vindos da abertura de capital, ou então, pela ajuda do governo.
O mercado brasileiro de software, onde tem acontecido a maior parte das F&A, é um
setor fragmentado com a maioria de suas oito mil empresas com até 25 funcionários, nesse
mercado não é necessário grandes quantias de recursos por parte dos compradores. Mesmo
em operações de maior porte, a fonte primária das companhias são órgãos de estimulo, como
o BNDES (KIRCHNER; 2009).
O fato de ser um setor relativamente novo, somado a essência do setor de TI ser
composto por firmas pequenas e de pequeno valor, facilitou o crescimento das operações de
21
F&A no setor. Sendo este um setor pulverizado e ainda não consolidado, com a existência de
um significante numero de empresas pequenas e familiares, contribuiu para o elevado numero
de negócios na área (ROHDE; 2013).
A partir dos dados apresentados pelo levantamento realizado trimestralmente pela
KPMG Corporate Finance Ltda, 2013, que identifica as 42 áreas que mais realizam F&A no
país. Foi demonstrado que o setor de tecnologia da informação foi o setor que mais
concretizou fusões e aquisições no ano de 2013 no Brasil, e há seis anos é líder do ranking.
Somente no ano de 2012, foram efetivadas 104 operações envolvendo empresas do setor de
TI, um aumento de 15% em relação ao ano anterior. O segmento exibe crescente número de
fusões e aquisições desde 1999. Passando a ocupar posição de líder desde 2008, ultrapassando
indústrias tradicionais no país como Alimentos e Bebidas, Companhias de energia e Petróleo
e Gás. A Tabela 1 representa os dez principais setores em número de transações de F&A
desde 1994 até 2013.
Tabela 1. Total acumulado de transações de F&A dos dez principais setores, desde o
início do Plano Real até 2013.
Setor
Total 13*-10
09-06
05-02
01-98
97-94
Tecnologia da Informação.
854
346
233
112
129
34
Alimentos, Bebidas e Fumo.
766
180
202
123
129
132
Telecomunicações e Mídia.
456
100
97
96
131
32
Instituições Financeiras.
453
113
85
74
79
102
Companhias energéticas.
425
131
129
61
77
27
Publicidade e Editoras.
366
107
102
60
78
19
Serviços para empresas.
354
184
88
30
35
17
Metalurgia e Siderurgia.
314
35
95
71
58
55
Produtos químicos e Petroquímicos.
299
62
86
34
50
67
Petróleo.
298
106
41
63
75
13
Fonte: Elaborada pela autora, a partir de estudo KPMG Corporate Finance Ltda, 2013. (*) Representa até setembro de 2013.
22
O segmento de TI alcançou o crescimento mais acentuado no período 2005-2013. No
total acumulado desde 1994, foram realizadas 854 fusões e aquisições de empresas de TI, com
um recorde de 104 em 2012. Segundo Rohde (2013) este grande aumento no número de
transações esta ligado ao crescimento do setor, devido ao acumulo de riquezas e informações
que passaram a ser de maneiras intangíveis. Em que os propulsores são a tecnologia da
informação e a comunicação. O gráfico 2 demonstra ano a ano a evolução das transações de
F&A no setor de TI.
Gráfico 2. Total de Fusões e Aquisições realizadas por ano no setor de TI.
120
100
80
60
F&A
40
20
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013*
0
Fonte: Elaborada pela autora, a partir de estudo KPMG Corporate Finance Ltda, 2013. (*) Representa até setembro de 2013.
De acordo com Rohde (2013) a tecnologia de informação tem como base a
microeletrônica, as telecomunicações e a informática, e de acordo com dados do IBGE (2013)
esse segmento se encontra em expansão. Além disso, o governo vem aumentado suas compras
em TI. De 2007 até 2012 às aquisições aumentaram 153% pulando de 2,3 bilhões para 5,4
bilhões.
Uma das características das empresas de TI no Brasil é que segundo Silva (2011) essas
têm baixo valor de mercado quando comparadas com as grandes americanas e europeias.
Porém, através dos processos de F&A elas têm ganhado valor e assim começam a se
sobressair no cenário nacional e internacional, especialmente na América Latina.
23
Acrescenta Silva (2011) que há uma grande necessidade de desenvolvimento das
empresas nacionais de TI, posto que este seja um setor estratégico no aumento da
produtividade e no valor agregado para o mesmo. Em relação à economia do país é de grande
importância que empresas de TI sejam controladas por grupos nacionais, públicos ou
privados. Visto que esse controle contribui para o desenvolvimento da economia nacional.
De acordo com Silva (2011) o governo deve apoiar o crescimento das empresas de TI
com os processos de F&A e crédito do BNDS, para que assim elas possam ter maior
capacidade de produção e também proporcionar sua internacionalização, o que influência
positivamente a balança de pagamentos, o produto nacional bruto e o produto interno bruto.
3 MATERIAL E MÉTODOS
3.1 Material
O período escolhido para a análise compreende o ano de 1994 até o ano 2013, posto
que o ano de 1994 foi um marco na economia brasileira com a implantação do Plano Real.
Conforme Mattos et al. (2005) a implementação do plano real estabilizou a economia
nacional, e por conseguinte restabeleceu um ambiente favorável para a realização de novos
investimentos. Essa estabilização da moeda possibilitou a recuperação de um amplo mercado
consumidor que pode ser explorado. E ainda foram retiradas restrições ao investimento
privado e estrangeiro em setores específicos, o setor de tecnologia da informação, foi um dos
setores que foi fortemente beneficiado com a mudança que ocorreu com a implementação do
Plano Real.
Ao principiar o estudo em 1994 torna-se possível expor a ampla evolução no volume
de F&A no setor de TI. Tal análise irá até o ano de 2013, visto que este é o ultimo ano com
dados completos sobre a quantidade de processos de fusões e aquisições no setor de
tecnologia da informação.
Nesse estudo foram analisadas as empresas do setor de tecnologia da informação. O
setor foi selecionado, entre outras razões, por ser o que mais apresentou operações de fusões e
aquisições, no Brasil, nos últimos anos, além de expressar um alto grau de dinamismo e de
inovação e um grande crescimento econômico.
24
Na pesquisa realizada optou-se pelo setor de TI, além dos motivos citados acima,
pode-se, acrescentar outras características que levaram a escolha desse setor. TI é um setor
moderno da economia, e mesmo com um número pequeno de empresas brasileiras existentes,
comparadas com os outros setores, vem apresentando um desempenho muito superior à média
de todo o conjunto de empresas brasileiras.
No estudo realizado, foram consideradas as empresas que compõem o setor de
tecnologia de informação, aquelas que atuam com computadores e equipamentos ou com
programas e serviços, que estão listadas na Bolsa de Valores BM&FBOVESPA.
3.2 Métodos
Para a análise dos dados coletados, foi utilizado o software Statistica, e também para
auxiliar na construção dos modelos e na elaboração dos gráficos das séries originais, FAC,
FACP e os gráficos após o ajuste dos modelos. E para os testes econométricos de Ljung-Box
e de raiz unitária, a saber, Dickey-Fuller aumentado, foi utilizado o software Gretl.
3.2.1 Séries Temporais
Uma série temporal é um conjunto de observações ordenadas no tempo e que
apresentam dependência de instante de tempo (MORETTIN E TOLOI, 2006). Ou seja,
segundo Oliveira (2012), é uma sequência de dados obtidos em intervalos regulares de tempo
durante um período específico, no qual as observações são ligadas diretamente umas às
outras.
Para Morettin e Toloi (2006), se a série for denominada como Z, o valor da série no
momento t pode ser escrito como Zt (t=1,2,...,n).
De acordo com Oliveira (2012), as observações das séries temporais aparecem em
campos diversos do conhecimento. Essas observações podem ser aplicadas na área da
Economia, através de séries temporais sobre taxa de câmbio, preços diários, salário e renda,
emprego; na medicina (eletrocardiograma); meteorologia (temperatura, precipitação
pluviométrica) e etc.
Em economia há dois procedimentos predominantes: econométricos e de séries
temporais. No primeiro, o analista se baseia fortemente na teoria econômica para construir um
modelo, incluindo muitas variáveis, enquanto que no segundo não há esta limitação, dado que
o estatístico deixa “os dados falarem por si” para construir seu modelo, estando mesmo
25
preparado para usar um modelo que não se harmonize com a teoria econômica, desde que
produza previsões superiores (MORETTIN E TOLOI, 2006).
Morettin e Toloi (2006) apresentam que a análise de séries temporais possuem dois
enfoques, a análise feita no domínio temporal e a análise conduzida no domínio de frequência.
Para os autores, o objetivo é o mesmo em ambos os casos, é construir modelos para as séries,
com propósitos determinados.
A análise feita no domínio temporal, segundo Morettin e Toloi (2006) são de que os
modelos propostos são os modelos paramétricos, ou seja, com números finitos de parâmetros.
Dentro desse modelo, por exemplo, encontram-se os modelos do processo ARIMA.
Já o domínio de frequência, para Morettin e Toloi (2006) os modelos propostos são
modelos não paramétricos.
Em ambos os domínios esses modelos são processos estocásticos, isto é, processos
controlados por leis probabilísticas.
Em relação à análise de séries temporais, Oliveira (2012) discorre que o ponto de
partida é fazer a representação gráfica da série, pois através dele, será possível fazer uma
melhor análise e identificar as características que podem ser relevantes.
De acordo com Ehlers (2007) o gráfico temporal deve ser sempre o primeiro passo e
antecede qualquer análise.
3.2.2 Função de autocorrelação (FAC)
A função de autocorrelação é muito aplicada na identificação de séries temporais.
De acordo com Batista (2009) a análise dos gráficos das funções de autocorrelação é
um passo importante para um bom ajuste de série.
A FAC populacional, denotada por  k , segundo Gujarati e Porter (2011) é definida
por:
k 
=
cov ariância
k
0
com defasagem k
var iância
Segundo Gujarati e Porter (2011) desde que a covariância e a variância sejam
mensuradas nas mesmas unidades de medida,  k é um número sem unidades. Ele se situa
26
entre - 1 e + 1, como qualquer coeficiente de correlação faz. Se colocado  k , contra k, o
gráfico obtido é conhecido como correlograma da população.
^
^
Se a covariância da amostra com defasagem k for,  k , e a variância da amostra for,  0
, segundo o autor a equação será:

^
k
 (Y  Y )(Y

t k
t

Y)
n

^
0 
 (Yt  Y )2
n

Em que, n é o tamanho da amostra e Y é a média da amostra.
Sendo assim, segundo Gujarati e Porter (2011) a função de correlação amostral, com
defasagem k é:
^
^
k 
k
^
0
Que é simplesmente a razão da covariância da amostra (com defasagem k) e a
^
variância da amostra. O gráfico de  k contra k é conhecido como correlograma amostral.
De acordo com Batista (2009) as correlações significativas da FAC indicam a ordem
do modelo de médias móveis.
3.2.3 Função de autocorrelação parcial (FACP)
De acordo com Batista (2009) as funções de autocorrelação parcial são usadas para
facilitar a identificação do modelo, e indicam a ordem do modelo autoregressivo (AR).
Em um processo AR(p) segundo Ehlers (2007) não existe correlação direta entre X t e
X t  p 1 , X t  p 2 ,... E substituindo k = p+1, p+2,... Obtém-se que todos os coeficientes de
correlação parcial serão nulas para k > p. Por exemplo, substituindo o k = p+1 segue que:
 ( p  1)  1  ( p)  ...   p  (1)   p1
27
Segundo Ehlers (2007) o fato de que a FACP é igual a zero para k > p é sugerido em
Box e JenKins (1970) como uma ferramenta para determinar a ordem p do processo
autoregressivo para séries temporais observadas.
3.2.4 Processos Estocásticos
Uma série temporal é um acaso particular de um processo estocástico.
Para Morettin e Toloi (2006) os modelos que são empregados para relatar as séries
temporais são processos estocásticos, ou seja, processos controlados por leis probabilísticas.
Seja T um conjunto arbitrário, um processo estocástico é uma família Z, dado pela
equação, (MORETTIN; TOLOI, 2006)
Z = {(t), t ɛ T}, para cada t ɛ T, Z(t) é uma variável aleatória.
3.2.5 Estacionariedade
Segundo Morettin e Toloi (2006), um pressuposto frequente em análise de séries
temporais é de que a série é estacionária, ou seja, ela se desenvolve no tempo aleatoriamente
ao redor de uma média constante, refletindo alguma forma de equilíbrio estável.
Na maioria dos procedimentos de análise de séries temporais, o que se encontra na
prática, é uma série que apresenta alguma forma de não estacionariedade (MORETTIN E
TOLOI, 2006).
Para Oliveira (2012) caso a série seja não estacionária, será necessário transformar os
dados originais. Seguindo o que foi apresentado por Morettin e Toloi (2006), os autores
discorrem que a transformação mais comum consiste em tomar diferenças sucessivas da série
original, até se obter uma série estacionária.
De acordo com Batista (2009) para ajustar os modelos de Box e Jenkins (1970) a uma
série temporal, é necessário que ela esteja estacionária. Porém, em sua maioria, as séries
apresentam componentes como tendência e ou sazonalidade, que são uma forma de não
estacionariedade.
A estacionariedade é uma característica fundamental para a previsão do futuro com
base na regressão de séries temporais, solidificando a premissa de que o futuro se comportará
de acordo com o passado (OLIVEIRA; 2012).
28
3.2.6 Teste de Estacionariedade
Entre os testes que conseguem identificar se a série é estacionaria, o teste adequado
para a realização do trabalho foi o teste de Dichey-Fuller aumentado (DFA). Esse teste é
aplicado para concluir se a série é estacionária, ou seja, se ela está livre de componentes como
tendência e sazonalidade.
Gujarati e Porter (2011) apresentam a seguinte equação para DFA:
m
 Y t =  0 +  1t +  Yt 1 +   i  Y t i +  t
t 1
Em que,  t é um termo de erro de ruído branco puro e  Y t 1 =(Y t 1 -Y t  2 ),  Y t  2 = ( Y t  2 Y t 3 ).
Hipóteses:
H 0 :   0 , série não estacionária.
H1 :   0 , série estacionária.
A decisão quanto a rejeitar ou não H 0 é feita com base em valores críticos simulados
por Dickey-Fuller.
3.2.7 Ruído Branco
De acordo com Bueno (2012) um processo fundamental de séries temporais
estocásticas discretas é o ruído branco. A série será um ruído branco, se cada valor nela tiver
média zero, variância constante e não for correlacionado a qualquer realização da própria
série (autocorrelação igual zero).
É possível verificar se uma série temporal é um ruído branco através de testes, como o
teste de Box e Pierce e o teste de Ljung e Box.
3.2.7.1 Testes para verificação de Ruído Branco
De acordo com Gujarati e Porter (2011) pode-se testar a hipótese conjunta de que
todos os  k , até determinadas defasagens são simultaneamente iguais a zero. Isso pode ser
feito por meio da estatística Q, desenvolvida por Box e Pierce. A estatística Q é
29
frequentemente utilizada como um teste para verificar se uma série temporal é um ruído
branco. E dada pela equação:
m
Q  n  k2
k 1
Sendo, n = tamanho da amostra, m = tamanho da defasagem.
As hipóteses a serem testadas são as seguintes:
H 0 : todos os verdadeiros  k são iguais à zero.
H 1 : pelo menos um  k é diferente de zero.
Antes de finalizar o teste é necessário encontrar o qui-quadrado localizado em tabelas
estatísticas. Feito esse procedimento, obtêm-se a conclusão do teste da seguinte forma: se Q >
qui-quadrado, rejeita-se a hipótese nula H0 , ou seja ,a série não é ruído branco.
Teste de Ljung-Box.
Conforme Gujarati e Porter (2011) Ljung e Box apresentaram uma pequena alteração
no teste de Box e Pierce. O Teste LB assim como ele é chamado é utilizado para verificar se a
série possui ruído branco e é indicada quando o número de amostras é pequeno, obtendo
melhores resultados do que a estatística Q.
A equação que expressa esse teste é:
m
LB = n(n+2)

k 1
(
 k2
nk
)
Se o modelo for apropriado, a estatística do teste terá aproximadamente uma
distribuição qui-quadrado com (K - p - q) graus de liberdade, onde K é o número de
defasagens tomadas, p e q são as ordens do modelo ajustado (ANDRADE, 2004).
hipóteses para esse teste são:
H 0 : todos os verdadeiros  k são iguais à zero.
H 1 : pelo menos um  k é diferente de zero.
A decisão de rejeitar H 0 é feita se LB>
3.2.8 Métodos de estimação de séries temporais.
((K - p - q).
As
30
A metodologia utilizada para o ajuste dos modelos é a teoria apresentada por Box e
Jenkins (1976) que formalizam a teoria da utilização de componentes autoregressivos e de
médias móveis na modelagem de séries temporais.
3.2.8.1 Modelos autorregressivos e de médias móveis (ARMA)
Gujarati e Porter (2011) evidenciam que é muito provável que um modelo possua
características tanto de AR quanto de MA e seja, ARMA. Em que há um termo
autorregressivo e um termo de média móvel.
De acordo com Batista (2009) o modelo autorregressivo e de médias móveis de ordem
ARMA (p,q) é a combinação dos processos autorregressivos de ordem p, AR(p), e de médias
móveis de ordem q, MA(q).
Se q = 0, tem-se o modelo ARMA (p,0), isto é, autorregressivo de ordem p, AR(p).
Segundo Batista (2009) esse modelo pode ser escrito como uma soma ponderada finita de
valores passados de Zt mais um ruído branco αt, ou seja,



p
Z t  1 Z t 1  ...   p Z t  p   t    j Z t  j   t
j 1
Isolando αt, tem-se:


αt = Z  1 Z t 1  ...   p Z t  p



αt  Z t  1B Z t  ...   p B p Z t
αt  1  1B  ...   p B p Z t

em que
(B) =( 1 –
1B
- ... – pBp) é o polinômio autorregressivo de ordem p.
Portanto,

 B  Z t   t
Ou

Z t   1 B  t
31
Batista (2009) ressalta que como
(B) é finito, o processo AR(p) é invetível para
qualquer p e será estacionário se as raízes do polinômio,
(B) = 0, estiverem fora do círculo
unitário. Se p = 0, tem-se o modelo ARMA(0,q), isto é, de médias móveis de ordem q,
MA(q). Este modelo pode ser escrito como uma soma ponderada finita de ruídos branco do
presente e do passado, ou seja,

Z t   t  1 t 1  ...   q t q
Com Ө0 = 1. Pode-se escrever a equação anterior da seguinte forma:

Z t   t  1 B t  ...   q B q t



Z t  1  1 B  ...   q B q  t
Em que, Ө(B) = 1 – Ө1 B - ... – ӨqBq é o polinômio de médias móveis de ordem q.
Portanto,

Z t   B  t
Batista (2009) diz que como Ө (B) é finito, o processo MA(q) é estacionário para
qualquer p e será invertível se as raízes do polinômio, Ө (B) = 0, estiverem fora do círculo
unitário.
Se p e q forem diferentes de 0, o modelo ARMA (p,q), pode ser escrito segundo
Batista (2009) como:



Z t  1 Z t 1  ...   p Z t  p   t  1 t 1  ...   q t q
ou

 B  Z t   B  t
em que,
respectivamente.
(B) e Ө (B) são polinômios autorregressivos e de médias móveis,
32
Outra forma de se escrever tal equação segundo Batista (2009) é por:

Z t   1 B  B  t
As condições de estacionariedade e invertibilidade são, respectivamente, que as raízes
dos polinômios,
(B) = 0 e Ө (B) = 0, estejam fora do círculo unitário. (BATISTA, 2009).
No resultado do trabalho os parâmetros ( i e Өi) foram substituídos por (p(i) e q (i))
respectivamente.
3.2.8.2 Modelos ARIMA
O modelo autorregressivo, integrado, de média móveis, ARIMA (p,d,q) é o caso mais
geral dos modelos de Box e Jenkins (BATISTA; 2009).
Quando a série não apresenta o componente sazonal, mas apresenta a componente
tendência, ou estes componentes são não-estacionários homogêneos, ela pode ser representada
pelo modelo ARIMA.
Box et al. (1994) apud Batista (2009) consideram o modelo

 ( B) Z t   B  t
Em que, φ(B) é um operador autorregressivo não-estacionário de ordem, p + d, com d raízes
sobre o círculo unitário e p raízes fora, ou seja



 B  Z t   B d Z t   B 1  B d Z t
Logo

 B d Z t   B  t
em que ∆d Zt é estacionária. Fazendo
33

Wt  d Z t
e substituindo na equação anterior, tem-se
 B Wt   B  t
Portanto o modelo que foi substituído pode ser representado por um modelo ARMA
(p,q).
De acordo com Morettin e Toloi (2006) o processo ARIMA apresenta os seguintes
passos para o ajuste:
i.
Identificação;
ii.
Estimação;
iii.
Diagnóstico;
iv.
Previsão.
O primeiro passo, identificação, de acordo com Morettin e Toloi (2006) tem o objetivo
de determinar os valores de p, d e q do modelo ARIMA. O segundo tópico, estimação dos
parâmetros do modelo ARIMA, será realizado após o processo de identificação, em dado
momento será necessário usar um procedimento reiterado de estimação não-linear de mínimos
quadrados e as estimativas preliminares encontradas na fase de identificação serão usadas
como valores iniciais neste procedimento.
Ainda segundo Morettin e Toloi (2006) o terceiro passo consiste em verificar se o
modelo representa os dados adequadamente. Estima-se um modelo com parâmetros extras e
examina-se se estes são significativos e se sua admissão diminui significativamente a
variância residual. Este modelo é útil quando se sabe em que direção pode estar ocorrendo a
inadequação do modelo. O quarto e último tópico, previsão, é representado por cinco tipos de
abordagens: métodos de suavização exponencial, modelos de regressão uniequacionais,
modelos de regressão de equação simultânea, processo auto-regressivo integrado de média
móvel (ARIMA) e modelos de vetores autoregressivos.
34
3.2.9 Intervenção
Para mensurar os efeitos dos processos de fusão e aquisição sobre a rentabilidade das
empresas adquirente será utilizada a análise de intervenção, para a aplicação da metodologia.
Na análise de intervenção será utilizado series temporais compreendidas entre os anos de
1994 a 2013, coletadas a partir do banco de dados do Economática.
A intervenção ocorre quando a trajetória de uma série temporal é distorcida em função
de algum fenômeno ou por uma decisão adotada por parte dos agentes econômicos, assim
podendo ser naturais ou induzidas pelo homem. Essa nomenclatura foi elaborada por Glass
(1972) e baseada em BOX & TIAO (1965) que já usavam esse método sem denominá-lo de
intervenção (SAMOHYL, et al., 2002).
O processo de identificação de certo evento pode ser prejudicado pela intervenção,
quando o modelo não é especificado corretamente, assim gerando previsões inadequadas
(SAMOHYL, et al., 2002).
Deste modo, os maiores efeitos da intervenção são observados na variação do nível, na
direção ou inclinação da série em análise, os seus efeitos também são visíveis na alteração das
variáveis dos erros e introdução de novos componentes no modelo, por exemplo, introduzir
componentes autorregressivos em um processo de médias móveis. Outro exemplo é em
relação à variabilidade da série, onde se pode torná-la mais estável ou mais variável a partir
das intervenções (SOUZA; 1991).
De acordo com Morettin e Toloi (2006) uma intervenção pode afetar uma série
temporal de várias maneiras. Na sua manifestação, ela pode ser abrupta ou residual; na sua
duração, pode ser permanente ou temporária.
Samohyt et al. (2002) ressalta que para examinar o efeito da intervenção em uma série
temporal são empregados testes estatísticos paramétricos e não-paramétricos. Existem, dois
tipos comuns de intervenção: a que causa impacto temporário na série e aquela que tem
impacto de forma permanente. Algumas intervenções têm um impacto imediato e duradouro.
Por outro lado, outras intervenções influenciam fortemente no instante de sua ocorrência,
porém à medida que o tempo passa tal influência acaba diminuindo até o seu
desaparecimento.
Souza (1991) acredita que os efeitos de intervenção podem ser observados ao longo do
tempo, e também podem ser variáveis. Sendo que o seu efeito é determinado pela estrutura da
função de transferência, do seu modelo e dos seus parâmetros estimados. Quando a
intervenção a ser feita é complexa, o seu efeito ocorre gradativamente e se houver mais de
35
uma intervenção, é possível existir uma interação entre elas, confundindo parte de seus
efeitos.
Pacotes estatísticos e econométricos são ferramentas utilizadas para estimar as
estruturas mencionadas acima, tentando identificar efeitos que poderiam ser negligenciados
ou até mesmo descartados quando séries temporais com muitas quebras estruturais são
analisadas. (SAMOHYL, et al., 2002). Os efeitos da intervenção podem ser lesados por três
fatores básicos: a tendência, o efeito sazonal e o erro aleatório. Esses fatores conduzem a
conclusões erradas. (SOUZA; 1991).
Souza (1991) acrescenta que a utilidade de análise de intervenção pode se manifestar
nas mais diversas áreas: como ciências sociais e políticas, economia, sociologia, história,
psicologia, meio ambiente e etc.
O modelo proposto para a análise de intervenção, para o presente trabalho, de acordo
com Morettin e Tolloi (2006) é calculado pela expressão:
=∑
em que,
(B)
+
, j=1
é a variável-resposta do modelo; k é o número de intervenções da série;
(B), é o
valor da função de transferência, sendo B o operador translação para o passado, em que,
(B), j=1,...,k, são funções racionais da forma
;
, é a variável binária;
, o ruído do
modelo, representado por um modelo Arma (p,q).
Geralmente, de acordo com Morettin e Toloi (2006), as estruturas básicas indicadoras
de intervenções podem ser representadas por dois tipos de variáveis binárias:
Função degrau (“Step funcion”)
{
}
A variável Step possui valor igual a 0 antes da ocorrência do evento e valor igual a 1
posteriormente a ele.
Função impulso
36
{
}
A intervenção do tipo impulso corresponde a uma variável dummy, que assume valor 1
no momento da ocorrência do evento e 0 nos momentos em que o evento não ocorreu.
Nestas estruturas t é o tempo e T é o tempo que a intervenção ocorreu.
No resultado do trabalho os parâmetros das intervenções abruptas temporárias que são
descritos como ω(j) e δ(j) serão utilizados como Om (j) e Del (j), respectivamente.
3.3 Operacionalização das variáveis e eventos estudados
Para a elaboração dos modelos foram utilizadas variáveis que medem a rentabilidade
das empresas, demonstradas no quadro 2, as variáveis selecionadas foram: Retorno sobre o
ativo total (ROA), que de acordo com Pessanha et al. (2012) mede a eficiência absoluta da
empresa para auferir lucros com seus ativos disponíveis, esse índice é calculado pela formula,
lucro líquido, após o IR, sobre o ativo total; Retorno sobre o patrimônio líquido (ROE), que
segundo Angotti (2010), representa o retorno que uma empresa obtém com relação aos seus
próprios recursos investidos, ou seja, seu patrimônio líquido, esse índice é calculado pela
fórmula, lucro líquido, após o IR, sobre o patrimônio líquido; Margem Líquida (ML),
conforme Angott (2010) este índice mede a capacidade da empresa em criar lucros em relação
às suas vendas (após as deduções), calculada pela fórmula, lucro liquido sobre a receita
líquida. E por fim o índice que mede a rentabilidade do valor das ações, encontrado através da
fórmula, Ln do fechamento do valor da ação atual subtraindo o valor da ação de um dia
anterior.
Quadro 2. Descrição das variáveis utilizadas nas análises
Variáveis
Retorno sobre o ativo total (ROA)
Retorno sobre o patrimônio líquido
(ROE)
Margem Líquida (ML)
Retorno sobre ações
Fonte: Elaborado pela autora.
Fórmula
Lucro líquido, após o IR, dividido pelo ativo
total.
Lucro líquido, após o IR, dividido pelo
patrimônio liquido.
Lucro líquido, após IR, dividido pela Receita
líquida.
(Ln t)-(Ln t-1) em que,
Ln t = valor do fechamento da ação do dia
atual.
Ln t-1 = valor do fechamento da ação do dia
anterior
37
Todas as variáveis escolhidas tem grande representatividade na rentabilidade das
empresas e possibilitam de acordo com Camargos e Barbosa (2005) a identificação da
evolução do desempenho econômico e financeiro da organização.
A princípio foram analisadas todas as empresas do setor de tecnologia da informação,
listadas na BMF&Bovespa no ano de 2014, após a verificação da ocorrência de eventos de
fusões e aquisições, foram selecionadas para o trabalho, somente, as empresas que
apresentavam F&A. Sendo assim, as organizações selecionadas para este trabalho foram:
Belmatech, Ideiasnet, Itautec, Linx, Positivo Informática, Senior Solution e Totvs.
Com a finalidade de identificar os efeitos dos processos de fusão e aquisição sobre a
rentabilidade das empresas de tecnologia da informação adquirentes, foi aplicada a análise de
intervenção. Para a utilização da metodologia de Box e Jenkins (1976), conhecida como
modelos Arima (autorregressivos e de médias móveis), e análise de intervenção. Os dados
para análise do estudo foram retirados do banco de dados do Economática, e foram utilizadas
séries trimestrais contidas entre os anos de 1994 e 2013, para as varáveis ROA (retorno dos
ativos), ROE (retorno do patrimônio líquido), ML (margem líquida) e séries diárias contidas
no mesmo período de tempo para a variável retorno das ações.
Para as variáveis ROA, ROE e ML, somente as empresas: Ideiasnet, Itautec e Totvs,
apresentaram séries possíveis de captar as intervenções, as séries dessas variáveis das demais
empresas não possibilitaram o ajuste. E para a variável retorno das ações, as empresas
possíveis de ajustes foram: Belmatech, Ideiasnet, Itautec, Positivo Informática e Senior
Solution. As intervenções foram definidas de acordo com a ocorrência da fusão ou da
aquisição nas empresas do setor de TI, conforme o quadro 3.
Quadro 3 (continua). Operações de Fusões e Aquisições estudadas.
38
Quadro 3 (conclusão). Operações de Fusões e Aquisições estudadas.
Fonte: Elaborado pela autora.
39
4 ANÁLISE E DISCUSSÃO
4.1 Análise de Intervenção
Realizou-se a metodologia das séries temporais nas variáveis de retorno da
rentabilidade das empresas adquirentes com o objetivo de capturar os eventos de F&A nessas
empresas. As séries temporais têm como características a não-estacionariedade, apresentando
componentes como tendência e sazonalidade, deste modo, se torna primordial corrigir a nãoestacionaridade. Porém, segundo Morettin e Toloi (2006) são raras as séries temporais de
retornos que apresentam tendência ou sazonalidade, com exceção eventualmente de retornos
intradiários. Posto isto, para que fosse confirmada a estacionariedade das séries temporais dos
retornos estudados foi aplicado o teste de raiz unitária, a saber: teste de Dike-Fuller
aumentado (ADF), proposto por Dickey e Fuller (1988) (MORETTIN; TOLOI, 2006).
O primeiro passo para a análise foi verificar visualmente através do gráfico da série
original e das funções de autocorrelação (FAC) e autocorrelação parcial (FACP), se a série
possuía visualmente a presença de algum componente. Esses gráficos estão demonstrados nas
Figuras de 1 a 8.
Após a análise visual foi aplicado o teste de raiz unitária, Dickey-Fuller Aumentado
(GUJARATI; PORTER, 2011), comprovando a estacionariedade das séries.
Após a
constatação, foram gerados os modelos ajustados das séries estudadas e escolhidos os
melhores modelos através do Critério de Informação de Akaike e o Critério do Erro
Quadrático Médio de Previsão (EQMP), demonstrados nas Tabelas de 2 a 5.
Para verificar se o modelo ajustado constitui um ruído branco, foi utilizado o teste de
Ljung-Box.
Para a plotagem dos gráficos de autocorrelação e autocorrelação parcial das séries
originais e mais adiante dos modelos ajustados, foram utilizadas as defasagens de acordo com
as proposições de Gujarati e Porter (2011), para os autores a escolha da defasagem é uma
questão empírica. Uma regra informal frequentemente utilizada é de um terço até um quarto
da série temporal. Assim como os autores utilizam em seu trabalho, aqui também será
utilizado um número de defasagens que não corresponde ao intervalo de um terço a um quarto
da série temporal, isto é necessário para que o comportamento da série seja melhor perceptível
visualmente.
40
Figura 1.
SÉRIES ORIGINAIS DO RETORNO SOBRE O ATIVO (ROA) PARA AS EMPRESAS: (1)
IDEIASNET, (2) ITAUTEC E (3) TOTVS.
Plot of v ariable: ROA_IDEIASNET
ROA_IDEIASNET
0,0
0,0
-0,2
-0,2
-0,4
-0,4
-0,6
-0,6
-0,8
-0,8
-1,0
-1,0
-1,2
-1,2
-1,4
0
5
10
15
20
25
30
35
40
45
50
-1,4
55
Cas e Numbers
(3)
ROA_TOTVS
Plot of variable: ROA_TOTVS
0,20
0,15
0,15
0,10
0,10
0,05
0,05
0,00
0,00
0
2
4
6
8
-0,05
10 12 14 16 18 20 22 24 26 28 30 32 34 36
Case Numbers
Fonte: Elaborada pela autora
0,2
0,2
0,1
0,1
0,0
0,0
-0,1
-0,1
-0,2
-0,2
-0,3
-0,3
-0,4
-5
0
5
10
15 20
25 30
35
40 45
Cas e Numbers
0,20
-0,05
-2
Plot of variable: ROA_ITAUTEC
(2)
(2)
0,2
0,2
ROA_ITAUTEC
(1)
50
55
60 65
70
75
-0,4
80
41
Figura 2.
FUNÇÃO DE AUTOCORRELAÇÃO (FAC) E AUTOCORRELAÇÃO PARCIAL (FACP)
PARA AS SÉRIES DO RETORNO SOBRE O ATIVO (ROA) PARA AS EMPRESAS: (1)
IDEIASNET, (2) ITAUTEC E (3) TOTVS.
Conf. Limit
Partial Autocorrelation Function
ROA_IDEIASNET
(Standard errors assume AR order of k-1)
Corr. S.E.
Autocorrelation Function
(1)
ROA_IDEIASNET
Lag
Lag
(Standard errors are white-noise estimates)
Corr. S.E.
Q
p
1
+,286 ,1387
2
+,211 ,1387
3
+,126 ,1387
4
+,332 ,1387
5
-,028 ,1387
6
+,012 ,1387
7
+,025 ,1387
31,26 ,0001
8
+,013 ,1387
31,39 ,0003
9
-,106 ,1387
32,26 ,0004
10
+,023 ,1387
1
+,286 ,1348
4,51 ,0337
2
+,276 ,1334
8,77 ,0124
3
4
5
6
7
8
9
10
+,233 ,1321
11,90 ,0078
+,420 ,1307
22,21 ,0002
+,184 ,1294
24,24 ,0002
+,192 ,1280
26,48 ,0002
+,173 ,1266
28,35 ,0002
+,213 ,1252
+,043 ,1237
+,114 ,1223
0
-1,0
-0,5
0,0
0,5
0
1,0
0
-1,0
Conf. Limit
-0,5
0,0
0,5
1,0
Conf. Limit
(2)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
(3)
Lag
Autocorrelation Function
ROA_ITAUTEC
(Standard errors are white-noise estimates)
Corr. S.E.
Q
+,518 ,1132
20,90
+,362 ,1124
31,25
+,260 ,1117
36,67
+,352 ,1109
46,74
+,129 ,1101
48,12
+,018 ,1093
48,15
-,023 ,1085
48,19
-,055 ,1077
48,45
-,004 ,1069
48,45
-,005 ,1061
48,45
+,018 ,1053
48,48
+,034 ,1044
48,58
+,025 ,1036
48,64
-,030 ,1028
48,72
-,019 ,1019
48,76
+,001 ,1011
48,76
+,011 ,1002
48,77
+,013 ,0993
48,79
+,036 ,0985
48,92
+,019 ,0976
48,96
0
0
-1,0
-0,5
0,0
0,5
1,0
Autoc orrelation Func tion
ROA_TOTVS
(Standard errors are white-nois e es timates )
Corr. S.E.
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
p
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0001
,0001
,0002
,0003
Partial Autocorrelation Function
ROA_TOTVS
(Standard errors assume AR order of k-1)
Corr. S.E.
p
Lag
1,12 ,2889
1
+,174 ,1715
2
-,030 ,1617
1,16 ,5602
2
-,062 ,1715
3
+,009 ,1591
1,16 ,7621
3
+,026 ,1715
4
+,354 ,1566
6,26 ,1804
4
+,358 ,1715
5
-,217 ,1539
8,26 ,1426
5
-,408 ,1715
6
-,231 ,1512
10,58 ,1023
6
-,078 ,1715
7
-,126 ,1485
11,31 ,1259
7
-,064 ,1715
8
+,262 ,1457
14,53 ,0690
8
+,205 ,1715
9
-,020 ,1429
14,55 ,1041
9
+,112 ,1715
10
-,071 ,1400
14,81 ,1394
10
-,076 ,1715
Fonte: Elaborada pela autora
0,0
0,5
0
1,0
1,0
Conf. Limit
+,174 ,1642
-0,5
0,5
Conf. Limit
1
0
-1,0
Q
Conf. Limit
Partial Autoc orrelation Func tion
ROA_ITAUTEC
(Standard errors as s ume AR order of k -1)
Corr. S.E.
+,518 ,1155
+,128 ,1155
+,043 ,1155
+,243 ,1155
-,218 ,1155
-,103 ,1155
-,003 ,1155
-,123 ,1155
+,164 ,1155
+,045 ,1155
+,011 ,1155
+,089 ,1155
-,115 ,1155
-,102 ,1155
+,029 ,1155
-,023 ,1155
+,085 ,1155
+,086 ,1155
+,011 ,1155
-,026 ,1155
0
-1,0
-0,5
0,0
0
-1,0
-0,5
0,0
0,5
1,0
42
Figura 3
SÉRIES ORIGINAIS DO RETORNO SOBRE O PATRIMÔNIO LIQUÍDO (ROE) PARA
AS EMPRESAS: (1) IDEIASNET, (2) ITAUTEC E (3) TOTVS.
(2)
ROE_IDEIASNET
Plot of variable: ROE_IDEIASNET
0,4
0,4
0,2
0,2
0,0
0,0
-0,2
-0,2
-0,4
-0,4
-0,6
-0,6
-0,8
-0,8
-1,0
-1,0
-1,2
-1,2
-1,4
-1,4
-1,6
0
5
10
15
20
25
30
35
40
45
50
-1,6
55
Case Numbers
(3)
ROE_TOTVS
Plot of variable: ROE_TOTVS
0,4
0,3
0,3
0,2
0,2
0,1
0,1
0,0
0,0
0
2
4
6
8
-0,1
10 12 14 16 18 20 22 24 26 28 30 32 34 36
Case Numbers
Fonte: Elaborada pela autora
0,4
0,4
0,2
0,2
0,0
0,0
-0,2
-0,2
-0,4
-0,4
-0,6
-0,6
-0,8
-0,8
-1,0
-5
0
5
10
15
20
25
30
35
40
45
Case Numbers
0,4
-0,1
-2
Plot of variable: ROE_ITAUTEC
ROE_ITAUTEC
(1)
50
55
60
65
70
75
-1,0
80
43
Figura 4.
FUNÇÃO DE AUTOCORRELAÇÃO (FAC) E AUTOCORRELAÇÃO PARCIAL (FACP)
PARA AS SÉRIES DO RETORNO SOBRE O PATRIMÔNIO LÍQUIDO (ROE) PARA AS
EMPRESAS: (1) IDEIASNET, (2) ITAUTEC E (3) TOTVS.
Conf. Limit
Conf. Limit
(1)
Lag
1
2
3
Autocorrelation Function
ROE_IDEIASNET
(Standard errors are white-noise estimates)
Corr. S.E.
+,212 ,1348
+,182 ,1334
+,155 ,1321
Partial Autocorrelation Function
ROE_IDEIASNET
(Standard errors assume AR order of k-1)
Corr. S.E.
p
Lag
2,48 ,1153
1
+,212 ,1387
4,33 ,1145
2
+,143 ,1387
5,71 ,1267
3
+,098 ,1387
+,324 ,1387
Q
4
+,370 ,1307
13,70 ,0083
4
5
+,098 ,1294
14,27 ,0140
5
-,050 ,1387
6
+,103 ,1280
14,92 ,0209
6
-,001 ,1387
7
+,077 ,1266
15,29 ,0324
7
-,008 ,1387
8
+,135 ,1252
16,47 ,0362
8
-,004 ,1387
9
-,058 ,1237
16,69 ,0539
9
-,125 ,1387
10
+,023 ,1223
16,72 ,0808
10
+,006 ,1387
0
-1,0
(2)
-0,5
0,0
0,5
0
-1,0
0
1,0
Autoc orrelation Function
Lag
p
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0001
,0001
,0002
,0003
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Conf. Limit
Autocorrelation Function
ROE_TOTVS
(Standard errors are white-noise estimates)
Corr. S.E.
Q
p
Lag
(Standard errors assume AR order of k-1)
Corr. S.E.
+,509 ,1155
+,151 ,1155
+,026 ,1155
+,252 ,1155
-,234 ,1155
-,123 ,1155
+,017 ,1155
-,138 ,1155
+,169 ,1155
+,047 ,1155
-,005 ,1155
+,095 ,1155
-,131 ,1155
-,112 ,1155
+,028 ,1155
-,040 ,1155
+,100 ,1155
+,097 ,1155
+,004 ,1155
-,025 ,1155
0
-1,0
-0,5
0,0
+,186 ,1642
1,28 ,2575
1
+,186 ,1715
2
+,053 ,1617
1,39 ,4995
2
+,019 ,1715
1,86 ,6030
3
+,099 ,1715
11,97 ,0176
4
+,481 ,1715
12,42 ,0295
5
-,353 ,1715
-,132 ,1715
4
5
+,109 ,1591
+,498 ,1566
-,103 ,1539
6
-,150 ,1512
13,40 ,0371
6
7
-,099 ,1485
13,84 ,0541
7
-,120 ,1715
8
+,239 ,1457
16,53 ,0354
8
+,117 ,1715
9
-,108 ,1429
17,10 ,0473
9
+,089 ,1715
10
-,178 ,1400
18,72 ,0441
10
-,105 ,1715
0
-1,0
-0,5
Fonte: Elaborada pela autora
0,0
1,0
0,5
0
1,0
0,5
1,0
Partial Autocorrelation Function
ROE_TOTVS
(Standard errors assume AR order of k-1)
Corr. S.E.
1
3
0,5
ROE_ITAUTEC
(Standard errors are white-noise estimates)
Corr. S.E.
Q
+,509 ,1132
20,26
+,372 ,1124
31,18
+,256 ,1117
36,46
+,358 ,1109
46,86
+,117 ,1101
47,99
+,005 ,1093
47,99
-,030 ,1085
48,07
-,064 ,1077
48,42
-,017 ,1069
48,44
-,025 ,1061
48,50
+,005 ,1053
48,50
+,018 ,1044
48,53
+,010 ,1036
48,54
-,048 ,1028
48,76
-,041 ,1019
48,91
-,024 ,1011
48,97
-,008 ,1002
48,97
-,002 ,0993
48,97
+,025 ,0985
49,04
+,007 ,0976
49,04
0
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
(3)
0,0
Partial Autocorrelation Function
ROE_ITAUTEC
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
-0,5
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
Conf. Limit
44
Figura 5
SÉRIES ORIGINAIS DO RETORNO SOBRE A MARGEM LIQUÍDA PARA AS
EMPRESAS: (1) IDEIASNET, (2) ITAUTEC E (3) TOTVS.
Plot of v ariable: ML_IDEIASNET
ML_IDEIASNET
0
-200
-200
-400
-400
-600
-600
-800
-800
-1000
-1000
-1200
-1200
-1400
-1400
0
5
10
15
20
25
30
35
40
45
50
-1600
55
Cas e Numbers
0,2
0,1
0,1
0,0
0,0
-0,1
-0,1
-0,2
-0,2
0,20
0,20
0,15
0,15
0,10
0,10
0,05
0,05
0,00
0,00
-0,05
-0,05
-0,10
-0,10
-0,15
-0,15
-0,20
-2
0
2
4
6
8
-0,20
10 12 14 16 18 20 22 24 26 28 30 32 34 36
Case Numbers
Fonte: Elaborada pela autora
-0,3
-5
0
5
10
15
20
25
30
35
40
45
Case Numbers
Plot of variable: ML_TOTVS
ML_TOTVS
0,2
0
-1600
(3)
Plot of variable: ML_ITAUTEC
( 200
(2) (2)
200
ML_ITAUTEC
(1)
50
55
60
65
70
75
-0,3
80
45
Figura 6
FUNÇÃO DE AUTOCORRELAÇÃO (FAC) E AUTOCORRELAÇÃO PARCIAL (FACP)
PARA AS SÉRIES DO RETORNO SOBRE A MARGEM LIQUÍDA (ML) PARA AS
EMPRESAS: (1) IDEIASNET, (2) ITAUTEC, (3) TOTVS.
Conf. Limit
(1)
Lag
Autoc orrelation Func tion
ML_IDEIASNET
(Standard errors are white-nois e es timates )
Corr. S.E.
Q
Conf. Limit
p
Lag
Partial Autoc orrelation Func tion
ML_IDEIASNET
(Standard errors as s ume AR order of k -1)
Corr. S.E.
1
+,564 ,1360
17,19 ,0000
1
+,564 ,1400
2
+,347 ,1346
23,82 ,0000
2
+,042 ,1400
3
-,063 ,1333
24,04 ,0000
3
-,402 ,1400
4
-,043 ,1319
24,14 ,0001
4
+,226 ,1400
5
-,026 ,1305
24,18 ,0002
5
+,129 ,1400
6
-,007 ,1290
24,19 ,0005
6
-,255 ,1400
7
-,008 ,1276
24,19 ,0011
7
+,065 ,1400
8
-,010 ,1261
24,20 ,0021
8
+,146 ,1400
9
-,010 ,1247
24,20 ,0040
9
-,158 ,1400
10
-,011 ,1232
24,21 ,0071
10
-,023 ,1400
11
-,012 ,1216
24,22 ,0119
11
+,132 ,1400
12
-,015 ,1201
24,24 ,0189
12
-,087 ,1400
13
-,016 ,1186
24,25 ,0289
13
-,068 ,1400
14
-,017 ,1170
24,28 ,0425
14
+,103 ,1400
15
-,018 ,1154
24,30 ,0602
15
-,033 ,1400
0
-1,0
(2)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
-0,5
0,0
0,5
0
1,0
0
-1,0
Conf. Limit
Autocorrelation Function
ML_ITAUTEC
(Standard errors are white-noise estimates)
Corr. S.E.
Q
+,728 ,1132
41,35
+,591 ,1124
69,02
+,410 ,1117
82,50
+,300 ,1109
89,81
+,121 ,1101
91,02
+,027 ,1093
91,08
-,002 ,1085
91,08
-,024 ,1077
91,13
-,021 ,1069
91,17
+,004 ,1061
91,17
+,037 ,1053
91,30
+,071 ,1044
91,76
+,070 ,1036
92,22
+,040 ,1028
92,37
+,018 ,1019
92,40
+,046 ,1011
92,61
+,019 ,1002
92,64
+,008 ,0993
92,65
+,029 ,0985
92,73
+,034 ,0976
92,86
0
0
-1,0
-0,5
0,0
0,5
1,0
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
p
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
,0000
-0,5
0,0
Partial Autocorrelation Function
ML_ITAUTEC
(Standard errors assume AR order of k -1)
Corr. S.E.
+,728 ,1155
+,131 ,1155
-,128 ,1155
+,003 ,1155
-,188 ,1155
-,019 ,1155
+,114 ,1155
-,009 ,1155
+,029 ,1155
+,043 ,1155
+,001 ,1155
+,046 ,1155
-,033 ,1155
-,089 ,1155
+,002 ,1155
+,119 ,1155
-,046 ,1155
-,002 ,1155
+,071 ,1155
-,050 ,1155
0
-1,0
-0,5
0,0
0,5
0,5
1,0
1,0
Conf. Limit
(3)
Lag
Autocorrelation Function
ML_TOTVS
(Standard errors are white-noise estimates)
Corr. S.E.
Q
p
Conf. Limit
Lag
Partial Autoc orrelation Func tion
ML_TOTVS
(Standard errors as s ume AR order of k -1)
Corr. S.E.
1
+,587 ,1642
12,77 ,0004
1
+,587 ,1715
2
+,411 ,1617
19,23 ,0001
2
+,102 ,1715
3
+,301 ,1591
22,80 ,0000
3
+,037 ,1715
4
+,156 ,1566
23,79 ,0001
4
-,088 ,1715
5
+,179 ,1539
25,15 ,0001
5
+,137 ,1715
6
+,127 ,1512
25,85 ,0002
6
-,027 ,1715
7
+,114 ,1485
26,44 ,0004
7
+,035 ,1715
8
+,096 ,1457
26,87 ,0007
8
-,016 ,1715
9
+,084 ,1429
27,21 ,0013
9
+,039 ,1715
10
+,066 ,1400
27,43 ,0022
10
-,023 ,1715
0
-1,0
-0,5
Fonte: Elaborada pela autora
0,0
0,5
0
1,0
Conf. Limit
0
-1,0
-0,5
0,0
0,5
1,0
46
Figura 7
SÉRIES ORIGINAIS DO RETORNO SOBRE AS AÇÕES PARA AS EMPRESAS: (1)
BELMATECH, (2) IDEIASNET, (3) ITAUTEC, (5) POSITICO INF. (6) SENIOR
SOLUTION.
RETORNO AÇÕES BELMATECH
0,2
0,2
0,1
0,1
0,0
0,0
-0,1
-0,1
-0,2
-0,2
-0,3
-100
100
0
300
200
500
400
700
600
900
800
Plot of variable: RETORNO AÇÕES IDEIASNET
(2)
RETORNO AÇÕES IDEIASNET
Plot of variable: RETORNO AÇÕES BELMATECH
(1)
0,6
0,6
0,4
0,4
0,2
0,2
0,0
0,0
-0,2
-0,2
-0,4
-0,4
-0,6
-0,6
-0,8
-200
-0,3
1100
1300
1500
1000
1200
1400
1600
200
0
600
400
800
-0,8
1000
1400
1800
2200
2600
3000
1200
1600
2000
2400
2800
Case Numbers
Cas e Numbers
RETORNO AÇÕES ITAUTEC
Plot of variable: RETORNO AÇÕES ITAUTEC
0,6
0,6
0,5
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
0,0
0,0
-0,1
-0,1
-0,2
-0,2
-0,3
-0,3
-0,4
-200
200
0
600
400
1000
800
1400
1200
1800
1600
2200
2000
-0,4
3000
2600
2400
2800
RETORNO AÇÕES SENIOR
Plot of variable: RETORNO AÇÕES SENIOR
0,06
0,06
0,04
0,04
0,02
0,02
0,00
0,00
-0,02
-0,02
-0,04
-0,04
-0,06
-5
0
5
10 15 20
25 30 35 40 45 50 55 60 65
Case Numbers
Fonte: Elaborada pela autora
Plot of variable: RETORNO AÇÕES POSITIVO
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0,2
0,0
0,0
-0,2
-0,2
-0,4
-100
100
0
300
200
500
400
700
600
900
800
-0,4
1100
1300
1500
1700
1000
1200
1400
1600
Case Numbers
Case Numbers
(5)
(4)
RETORNO AÇÕES POSITIVO
(3)
-0,06
70 75 80
47
Figura 8
FUNÇÃO DE AUTOCORRELAÇÃO (FAC) E AUTOCORRELAÇÃO PARCIAL (FACP)
PARA AS SÉRIES DO RETORNO SOBRE A AÇÃO PARA AS EMPRESAS: (1)
BELMATECH, (2) IDEIASNET, (3) ITAUTEC, (4) POSITIVO E (5) SENIOR SOLUTION.
(1)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Autocorrelation Function
RET ORNO AÇÕES_BELMATECH
(Standard errors are white-noise estimates)
Corr. S.E.
+,041 ,0256
+,071 ,0256
+,055 ,0256
-,005 ,0255
+,025 ,0255
-,014 ,0255
-,031 ,0255
-,002 ,0255
-,043 ,0255
+,007 ,0255
+,040 ,0255
+,021 ,0255
+,067 ,0255
+,041 ,0255
+,026 ,0255
+,044 ,0254
+,001 ,0254
+,020 ,0254
+,018 ,0254
-,037 ,0254
+,001 ,0254
-,022 ,0254
-,015 ,0254
-,077 ,0254
-,014 ,0254
-,008 ,0254
-,044 ,0254
+,006 ,0253
-,025 ,0253
+,034 ,0253
0
-1,0
-0,5
0,0
0,5
Q
2,54
10,31
14,91
14,95
15,90
16,18
17,68
17,68
20,58
20,66
23,15
23,84
30,72
33,38
34,44
37,45
37,45
38,09
38,57
40,71
40,71
41,49
41,82
51,12
51,42
51,53
54,52
54,58
55,58
57,36
0
1,0
p
,1111
,0058
,0019
,0048
,0072
,0128
,0135
,0238
,0147
,0236
,0168
,0214
,0037
,0026
,0030
,0018
,0029
,0038
,0050
,0041
,0061
,0072
,0096
,0010
,0014
,0021
,0013
,0019
,0021
,0019
Conf. Limit
Partial Autocorrelation Function
RET ORNO AÇÕES_BELMATECH
(Standard errors assume AR order of k-1)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Corr. S.E.
+,041 ,0256
+,070 ,0256
+,050 ,0256
-,014 ,0256
+,018 ,0256
-,017 ,0256
-,032 ,0256
+,000 ,0256
-,037 ,0256
+,013 ,0256
+,046 ,0256
+,023 ,0256
+,058 ,0256
+,032 ,0256
+,012 ,0256
+,028 ,0256
-,007 ,0256
+,013 ,0256
+,016 ,0256
-,033 ,0256
+,002 ,0256
-,014 ,0256
-,008 ,0256
-,081 ,0256
-,006 ,0256
-,004 ,0256
-,043 ,0256
+,006 ,0256
-,028 ,0256
+,034 ,0256
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
48
(2)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Autocorrelation Function
RET ORNO AÇÕES_IDEIASNET
(Standard errors are white-noise estimates)
Corr. S.E.
-,171 ,0188
-,017 ,0188
-,012 ,0188
+,080 ,0188
-,037 ,0188
+,060 ,0188
-,051 ,0188
+,042 ,0188
+,069 ,0188
+,007 ,0188
-,001 ,0188
+,001 ,0188
-,032 ,0188
+,058 ,0188
+,024 ,0188
-,000 ,0188
-,021 ,0188
+,042 ,0188
-,020 ,0188
+,059 ,0188
+,001 ,0188
-,030 ,0188
+,055 ,0188
+,000 ,0188
+,023 ,0188
-,033 ,0188
-,009 ,0188
+,004 ,0188
+,055 ,0187
-,028 ,0187
0
-1,0
-0,5
0,0
0,5
Q
82,32
83,16
83,59
101,8
105,7
116,0
123,3
128,3
141,7
141,8
141,8
141,8
144,6
154,1
155,8
155,8
157,1
162,1
163,1
173,0
173,0
175,5
183,9
183,9
185,4
188,5
188,7
188,7
197,4
199,7
0
1,0
p
0,000
,0000
,0000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
Conf. Limit
Partial Autocorrelation Function
RET ORNO AÇÕES_IDEIASNET
(Standard errors assume AR order of k-1)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Corr. S.E.
-,171 ,0189
-,048 ,0189
-,024 ,0189
+,075 ,0189
-,011 ,0189
+,059 ,0189
-,031 ,0189
+,027 ,0189
+,085 ,0189
+,028 ,0189
+,020 ,0189
-,004 ,0189
-,039 ,0189
+,043 ,0189
+,035 ,0189
+,018 ,0189
-,018 ,0189
+,021 ,0189
-,013 ,0189
+,050 ,0189
+,027 ,0189
-,026 ,0189
+,045 ,0189
-,005 ,0189
+,030 ,0189
-,026 ,0189
-,025 ,0189
-,002 ,0189
+,032 ,0189
-,008 ,0189
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
49
(3)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Autocorrelation Function
RET ORNO AÇÕES_IT AUTEC
(Standard errors are white-noise estimates)
Corr. S.E.
-,064 ,0187
-,003 ,0187
-,012 ,0187
-,027 ,0187
+,018 ,0187
+,015 ,0187
+,034 ,0187
+,038 ,0187
-,008 ,0187
+,059 ,0187
+,008 ,0187
+,011 ,0187
+,002 ,0187
-,023 ,0187
-,000 ,0187
-,001 ,0187
+,023 ,0187
+,018 ,0187
-,004 ,0187
+,003 ,0187
+,013 ,0187
+,008 ,0187
+,019 ,0187
-,001 ,0187
+,008 ,0187
-,010 ,0187
+,002 ,0187
+,000 ,0187
+,027 ,0186
+,026 ,0186
0
-1,0
-0,5
0,0
0,5
Q
11,68
11,71
12,10
14,22
15,18
15,86
19,15
23,17
23,34
33,17
33,33
33,64
33,66
35,15
35,15
35,15
36,61
37,57
37,61
37,64
38,13
38,33
39,35
39,35
39,52
39,80
39,81
39,81
41,98
43,98
0
1,0
p
,0006
,0029
,0071
,0066
,0096
,0145
,0077
,0032
,0055
,0003
,0005
,0008
,0014
,0014
,0024
,0038
,0038
,0044
,0067
,0098
,0125
,0169
,0182
,0252
,0327
,0409
,0534
,0688
,0565
,0480
Conf. Limit
Partial Autocorrelation Function
RET ORNO AÇÕES_IT AUT EC
(Standard errors assume AR order of k-1)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Corr. S.E.
-,064 ,0188
-,007 ,0188
-,012 ,0188
-,029 ,0188
+,015 ,0188
+,017 ,0188
+,036 ,0188
+,042 ,0188
-,001 ,0188
+,061 ,0188
+,018 ,0188
+,014 ,0188
+,003 ,0188
-,022 ,0188
-,007 ,0188
-,005 ,0188
+,017 ,0188
+,013 ,0188
-,003 ,0188
-,000 ,0188
+,015 ,0188
+,011 ,0188
+,019 ,0188
+,003 ,0188
+,008 ,0188
-,009 ,0188
-,001 ,0188
-,005 ,0188
+,024 ,0188
+,027 ,0188
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
50
(4)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Autocorrelation Function
RET ORNO AÇÕES_POSITIVO
(Standard errors are white-noise estimates)
Corr. S.E.
+,063 ,0248
-,009 ,0248
-,037 ,0248
-,017 ,0248
+,033 ,0248
-,047 ,0248
-,048 ,0248
-,032 ,0248
+,008 ,0248
+,016 ,0247
-,068 ,0247
+,054 ,0247
+,057 ,0247
+,025 ,0247
+,032 ,0247
+,018 ,0247
-,011 ,0247
-,007 ,0247
+,020 ,0247
-,002 ,0247
-,014 ,0247
-,011 ,0247
-,016 ,0246
+,021 ,0246
-,006 ,0246
+,055 ,0246
+,037 ,0246
+,035 ,0246
+,027 ,0246
-,050 ,0246
0
-1,0
-0,5
0,0
0,5
Q
6,35
6,47
8,67
9,15
10,92
14,53
18,26
19,93
20,03
20,45
27,91
32,65
37,94
38,93
40,61
41,16
41,35
41,43
42,07
42,07
42,40
42,60
43,04
43,79
43,84
48,91
51,11
53,15
54,36
58,50
0
1,0
p
,0118
,0394
,0340
,0575
,0530
,0243
,0109
,0106
,0178
,0253
,0034
,0011
,0003
,0004
,0004
,0005
,0008
,0013
,0017
,0027
,0038
,0053
,0069
,0081
,0113
,0043
,0034
,0028
,0030
,0014
Conf. Limit
Partial Autocorrelation Function
RET ORNO AÇÕES_POSIT IVO
(Standard errors assume AR order of k-1)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Corr. S.E.
+,063 ,0248
-,012 ,0248
-,036 ,0248
-,013 ,0248
+,034 ,0248
-,053 ,0248
-,042 ,0248
-,025 ,0248
+,008 ,0248
+,009 ,0248
-,070 ,0248
+,064 ,0248
+,048 ,0248
+,009 ,0248
+,030 ,0248
+,027 ,0248
-,019 ,0248
-,006 ,0248
+,028 ,0248
+,004 ,0248
-,009 ,0248
-,010 ,0248
-,005 ,0248
+,023 ,0248
-,015 ,0248
+,059 ,0248
+,032 ,0248
+,023 ,0248
+,021 ,0248
-,043 ,0248
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
51
Conf. Limit
(5)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Autocorrelation Function
RETORNO AÇÕES SENIOR
(Standard errors are white-noise estimates)
Corr. S.E.
Q
-,389 ,1125
11,95
-,017 ,1117
11,97
-,100 ,1110
12,78
-,046 ,1102
12,95
+,135 ,1094
14,48
-,037 ,1087
14,60
+,050 ,1079
14,82
-,074 ,1071
15,30
+,027 ,1063
15,36
-,082 ,1055
15,96
+,049 ,1047
16,18
+,120 ,1039
17,51
-,190 ,1031
20,90
+,039 ,1023
21,05
-,023 ,1014
21,10
+,042 ,1006
21,28
+,010 ,0998
21,29
-,055 ,0989
21,60
-,019 ,0981
21,63
-,060 ,0972
22,02
+,157 ,0963
24,69
-,023 ,0954
24,74
-,032 ,0946
24,86
-,004 ,0937
24,86
+,018 ,0928
24,90
+,117 ,0918
26,51
-,034 ,0909
26,65
-,135 ,0900
28,89
-,047 ,0890
29,16
+,060 ,0881
29,63
0
0
-1,0
-0,5
0,0
0,5
1,0
p
,0005
,0025
,0051
,0115
,0128
,0236
,0385
,0537
,0815
,1009
,1345
,1314
,0749
,1004
,1336
,1680
,2136
,2505
,3030
,3397
,2611
,3095
,3576
,4134
,4681
,4354
,4828
,4183
,4568
,4847
Conf. Limit
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Partial Autocorrelation Function
RETORNO AÇÕES SENIOR
(Standard errors assume AR order of k-1)
Corr. S.E.
-,389 ,1147
-,198 ,1147
-,226 ,1147
-,245 ,1147
-,041 ,1147
-,047 ,1147
+,024 ,1147
-,027 ,1147
+,016 ,1147
-,101 ,1147
-,056 ,1147
+,107 ,1147
-,127 ,1147
-,113 ,1147
-,073 ,1147
-,060 ,1147
-,075 ,1147
-,097 ,1147
-,128 ,1147
-,207 ,1147
-,021 ,1147
+,013 ,1147
-,087 ,1147
-,051 ,1147
+,067 ,1147
+,165 ,1147
+,148 ,1147
-,074 ,1147
-,190 ,1147
-,157 ,1147
0
-1,0
-0,5
0,0
0,5
1,0
Fonte: Elaborada pela autora
Após a confirmação de que as séries são estacionárias, de forma geral, foi possível
verificar a existência de correlação significativa tanto no primeiro lag das funções de
autocorrelação como no primeiro lag das funções de autocorrelação parcial, deste modo
propondo um modelo com estrutura autorregressiva e de médias móveis de ordem 1.
Nessa parte do trabalho foram consideradas as intervenções com base na ocorrência
de F&A definidas no quadro 3. A partir da análise do desempenho gráfico da série,
reconheceu-se, que a intervenção ocorreu de forma abrupta e temporária. O que levou a
concluir que a variável dummy assumiu valor 1 no momento em que a F&A ocorreu e
assumiu valor zero quando não houve fusões e aquisições.
{
É importante destacar que durante o trabalho todas as observações correspondentes
aos eventos de F&A foram testadas como prováveis intervenções nas séries, porém foram
colocadas no modelo apenas aquelas que apresentaram significância estatística, nos casos em
que nenhuma observação se mostrou estatisticamente significante foram colocadas todas as
observações. Foram testados os efeitos da intervenção abrupta e contínua, levando em
consideração que o impacto de um evento de F&A tem a característica de ser contínuo,
contudo essa intervenção também não se mostrou estatisticamente significante.
As estimativas dos parâmetros autorregressivos (AR), de médias móveis (MA) e da
variável de intervenção são significantes para algumas empresas e para outras não, conforme
resultado das Tabelas (2,3,4 e 5). O teste de Ljung e Box aceita a hipótese nula de ruído
52
branco, ou seja, da não presença de autocorrelação significativa nos resíduos. O que
demonstra que os modelos ajustados são ruído branco. Em seguida são apresentadas as
funções de autocorrelação e autocorrelação parcial após o ajuste dos modelos para as
variáveis ROA, ROE, ML e Retorno das Ações para cada uma das empresas, em que foi
possível estabelecer um ajuste de modelo, apresentados nas figuras de 9 a 12.
Tabela 2. Estimativas dos parâmetros, erros padrões e valor P de modelos ARIMA com
intervenções para a variável retorno do ativo (ROA) para as empresas: Ideiasnet,
Itautec e Totvs.
Modelo
Estimativas
Intervenções
Ideiasnet
(29)
(30)
Arima (1,0,1)
p(1)
q(1)
Om(1)
Del(1) Om(2) Del(2)
,9360
,6873
,0401
,6410
,0129
,6410
Erro Padrão
(,0723) (,1425)
(,1995) (1,8380) (,2200) 2,7011)
Valor P
0,0000 0,0000
0,8413
0,7280 0,9534
0,8130
Itautec
(45)
(49)
(51)
Arima (0,0,2) q(1)
q(2)
Om(1)
Del(1) Om(2)
Del(2) Om(3) Del(3)
-,4507
-,2338
,0392
,9076
,0219
,9353
,0233
,8747
Erro Padrão
(,1408) (,1123) (,0366) (,2997) (,0472) (,2230) (,0443) (,4420)
Valor P
0,0021
0,0411
0,2880
0,0034 0,6434
0,0000 0,6025 0,0523
Totvs
(13)
(16)
(19)
Arima(0,0,1)
q(1)
Om(1) Del(1) Om(2) Del(2) Om(3) Del(3)
,3770
,0618
,8505
-,0018 -1,1830 ,0239
,1944
Erro Padrão
(,1753)
(,0578) (,3796) (,0088) (,3793) (,0736) (12,1390)
Valor P
0,0433
0,2967 0,0348 0,8406 0,0053 0,7478 0,9846
Erro Padrão
Valor P
(20)
(21)
Om(4) Del(4) Om(5) Del(5)
,0530
,5737
,0465
1,0539
(,2971) (2,1926) (,0905) (,1825)
0,8588 0,8588 0,6072 0,0000
(22)
Om(6)
-,0502
(,0858)
0,5663
Del(6)
,3640
(1,146)
0,7548
Fonte: Elaborada pela autora
Ao analisar a variável retorno sobre o ativo (ROA) para a empresa Ideiasnet, pode-se
afirma, por meio da tabela 2, que apenas os parâmetros p(1) e q(1) tiveram significância
estatística, apresentando os valores P de 0, os parâmetros das intervenções abruptas
temporárias nas observações 29 (Om (1) e Del (1)) e 30 (Om(2) e Del(2)) não apresentaram
significância estatística. A observação 29 corresponde à F&A das empresas Carvopar
Participações, Bolsa de Mulher e Virtualab Holding, e a observação 30 a operação de fusão e
aquisição da Officer, pela empresa Ideiasnet.
53
Em relação à mesma variável para a empresa Itautec, afirma-se, por meio da mesma
tabela, que apenas os parâmetros q(1) e q(2) tiveram significância estatística, apresentando
respectivamente, o valor P de 0,0021 e 0,0411 os parâmetros das intervenções abruptas
temporárias nas observações 45 (Del (1)) e 49 (Del(2)) apresentaram significância estatística,
porém é preciso que os dois parâmetros (Om e Del) possuam tal significância para que seja
captada uma intervenção, os parâmetros das intervenções abruptas temporárias nas
observações 45 (Om(1)), 49 (Om (2)) e 51 (Om(3) Del(3)) não apresentaram significância
estatística. Nesse contexto a observações 45, 49 e 51, representam, respectivamente, os
eventos de F&A das empresas Itautec.com, Tallard Technologies e Itautec Informática, pela
empresa Itautec.
Para a empresa Totvs, em relação a variável ROA, pode-se concluir, por meio da
tabela 2, que apenas o parâmetro q(1), teve significância estatística, apresentando o valor P de
0,0433, os parâmetros das intervenções abruptas temporárias nas observações 13 ((Del (1)),
16 (Del (2)), 21 (Del (5)) apresentaram significância estatística, porém pode se utilizar da
mesma explicação, anteriormente dita, para demostrar o porque da não significância para a
intervenção e os parâmetros das intervenções abruptas temporárias nas observações 13
(Om(1)), 16 (Om (2), 19 (Om(3) e Del (3)), 20(Om(4) e Del (4)), 21(Om (5)) e 22 (Om(6) e
Del (6)) não apresentaram significância estatística. A observação 13 corresponde às operações
de F&A de 55% da TQTVD software, 70% da Midbyte Informática, Inteligência Org., BCS,
Engenheiros Associados, BCS Flex e HBA Informática, a observação 16 se refere a F&A com
a empesa Setware Informática, a observação 19 à aquisição de 40% da R.O, a observação 20
corresponde as aquisições de 10% da TOOLS e 20% da YMF, e por fim, a observação 22
equivale às aquisições de 30% da Midbyte Informática, M2I e M2S Serviços de Suporte.
A partir dos resultados apresentados na tabela 2, pode-se afirma, que a intervenção
representada pela ocorrência de fusão e aquisição não foi significativa para nenhuma das
empresas testadas com a variável ROA. Assim, em nenhuma série as operações demonstraram
uma alteração no comportamento da série original a ponto de se converterem em uma
intervenção. Este fato poderia ser justificado pelo tamanho das empresas adquiridas,
ressaltando que na maioria dos casos as empresas adquiridas do setor de TI são de pequeno
porte, sendo este um possível motivo para a insignificância estatística das operações de F&A
nas empresas do setor de tecnologia da informação. Outro possível motivo para essa
insignificância é o fato da variável ROA ser baseada no ativo total da empresa, conforme
Pessanha et al. (2012) esta variável examina a competência da administração na criação de
54
lucros com seus próprios ativos disponíveis, deste modo pode-se concluir que o evento de
fusão e aquisição prejudicou a geração de lucros. O que pode justificar a não captura de uma
intervenção no momento da fusão ou aquisição.
Tabela 3. Estimativas dos parâmetros, erros padrões e valor P de modelos ARIMA com
intervenções para a variável retorno do patrimônio líquido (ROE) para as empresas:
Ideiasnet, Itautec e Totvs.
Modelo
Estimativas
Intervenções
Ideiasnet
(29)
(30)
Arima (1,0,1)
p(1)
q(1)
Om(1)
Del(1) Om(2) Del(2)
,9408
,6958
,0878
,6456
,0395 ,6456
Erro Padrão
(,0716) (,1484) (,2420) (,9387) (,2630) (1,148)
Valor P
0,0000 0,0000 0,7184
0,4950 0,8811 0,5765
Itautec
Arima (1,0,0)
Erro Padrão
Valor P
Totvs
Arima (0,0,1)
Erro Padrão
Valor P
p(1)
,4482
(,1100)
0,0001
q(1)
-,3221
(,1389)
0,0271
(45)
Om(1)
Del(1)
,0934
,9146
(,1018) (,2741)
0,3623
0,0013
(21)
Om (1) Del (1)
,1515
,9842
(,0649) (,0584)
0,0263
0,0000
(49)
Om(2) Del(2)
,0510
,9326
(,1280) (,2545)
0,6916 0,0004
(51)
Om(3)
,0424
(,1252)
0,7357
Del(3)
,8917
(,4607)
0,0570
Fonte: Elaborada pela autora
Ao se analisar a variável (ROE), nota-se conforme a tabela 3, que não há diferenças
significativas com relação a variável (ROA) para as empresas Ideiasnet e Itautec, já em
relação a empresa Totvs, a tabela 3, apresenta que houve uma operação de F&A significativa
estatisticamente, o parâmetro q(1), teve significância estatística, apresentando o valore P de
0,0271, e os parâmetros da intervenção abrupta temporária na observação 21 (Om (1) e Del
(1)) apresentaram significância estatística, com valor P de 0,0263 e 0, respectivamente. A
observação 21 corresponde à operação de F&A da Totvs com as empresas Henry Software e
70% do Totalbanco.
De acordo com os resultados obtidos nas tabelas 2 e 3, nota-se que apenas um evento
de F&A foi estatisticamente significante, deste modo não se pode afirmar que empresas de TI
que participaram dos processos de fusão e aquisição manifestam um comportamento
diferenciado, tanto no ROA quanto no ROE.
Tal resultado é também constatado por Araújo et al. (2005), em seu trabalho sobre o
impacto das F&A nos bancos que participaram desse processo, o resultado obtido foi de que
55
os bancos que participaram de F&A não possuem retornos maiores dos que não participaram,
tanto em relação aos ativos (ROA) quanto ao patrimônio líquido (ROE). No trabalho de
Araujo et al. (2005) buscou-se comprovar que não há relação entre fusão e aquisição com o
aumento dos retornos.
Tabela 4. Estimativas dos parâmetros, erros padrões e valor P de modelos ARIMA com
intervenções para a variável margem líquida (ML) para as empresas: Ideiasnet, Itautec
e Totvs.
ML
Estimativas
Intervenções
Ideiasnet
(29)
(30)
Arima(0,0,2) q(1)
q(2)
Om(1)
Del(1) Om(2)
Del(2)
-,7129
-,8781
-,3195
-,7203 -,8515
-,3548
Erro Padrão (,0735)
(,0736)
(210,53) (283,18) (178,38) (220,63)
Valor P
0,0000
0,0000
0,9983
0,9963 0,9963
0,9991
Itautec
(51)
Arima(0,0,4) q(1)
q(2)
q(3)
q(4) Om(1)
Del(1)
-,5676 -,6319 -,2682 -,4658 ,13278 ,66379
Erro Padrão (,1213) (,1278) (,1234) (,1193) (,0255) (,2488)
Valor P
0,0000 0,0000 0,0332 0,0002 0,0000
0,0095
Totvs
(21)
Arima(0,0,1) q(1)
Om(1)
Del(1)
-,5600
,09412
1,0355
Erro Padrão (0,1253)
(0,0380) (0,047)
Valor P
0,0000
0,0189
0,0000
Fonte: Elaborada pela autora
Em relação a variável margem líquida (ML), no que tange a empresa Ideiasnet,
verifica-se um análogo desempenho do que aqueles apresentados nas variáveis ROA e ROE.
Já referente a empresa Itautec, nota-se, que o evento correspondente a observação 51 passa a
ser significativo, por meio da tabela 4 pode-se afirmar que os parâmetros q(1), q(2), q(3) e
q(4) tiveram significância estatística, apresentando, respectivamente, os valores P de 0, 0,
0,0332 e 0,0002, e os parâmetros da intervenção abrupta temporária na observação 51 (Om
(1) e Del (1)) com seus valores P, respectivos, 0 e 0,0095 que também apresentaram
significância estatística. A observação 51 corresponde à operação de F&A da empresa Itautec
com a Itautec Informática.
Em relação a empresa Totvs percebe-se, também, que o evento de F&A
correspondente a observação 21, sendo essa a operação de F&A com as empresas Henry
Software e com 70% do Totalbanco, com o parâmetro q(1) de valor P 0 e os parâmetros da
intervenção abrupta temporária (Om (1) e Del (1)) com Valores P de 0,0189 e 0,
56
respectivamente, continua a ser estatisticamente significativa assim como ocorreu com a
variável ROE.
Uma possível justificativa para a ocorrência das intervenções na variável margem
líquida das empresas Itautec e Totvs, que não haviam sido capturadas nas variáveis ROA e
ROE é o fato de que a ML expressa a relação entre o lucro líquido da empresa e a sua receita
líquida de vendas, assim os resultados das F&A podem aparecer mais rapidamente nessa
variável no que nas demais.
Comparando o resultado com o trabalho de Pessanha et al. (2012), percebe-se que de
maneira geral ambos chegam ao mesmo resultado, o de que não são todas as operações de
fusão e aquisição que são capazes de modificar a série original de forma a representarem uma
intervenção. Assim como no trabalho de Pessanha et al. (2012) em que houve o caso de um
banco possuir 13 operações de F&A, mas apenas três representaram uma intervenção, o
mesmo ocorre com as empresas de TI, em que, na variável ML a empresa Totvs de seis
operações de F&A, possíveis de ajuste, apenas uma teve uma intervenção estatisticamente
significante. E o mesmo cenário pode ser observado na empresa Itautec e para a Ideiasnet
nenhuma operação de F&A teve a intervenção significativa.
Tabela 5 (continua). Estimativas dos parâmetros, erros padrões e valor P de modelos
arima com intervenções para a variável retorno das ações para as empresas: Belmatech,
Ideiasnet, Itautec, Positivo Informática e Senior Solution.
Modelo
Estimativas
Intervenções
Belmatech
Arima
(1,0,2)
Erro Padrão
Valor P
p(1)
q(1)
q(2)
,4999
,42775 -,0643
(,19272) (,19249) (,02845)
Ideiasnet
Arima
(4,0,2)
Erro Padrão
Valor P
p(1) p(2) p(3)
p(4) q(1) q(2)
,0304 ,6743 ,1162 ,1134 ,2127 ,6961
(,0935)(,0795)(,0260)(,0195)(,0930)(,0921)
Itautec
Arima
(1,0,0)
Erro Padrão
Valor P
0,0196
0,0264
0,0238
(177)
Om (1) Del(1)
0,0643 -0,5650
(,0219) (,1922)
(335)
Om(2) Del(2)
-,0204 ,95663
(,0086) (,0176)
,7445 ,0000 ,0000 ,0000 ,0000 ,0000
0,0015 0,0033 0,0182
(2298)
Om(1) Del(1)
,0561 -0,0775
(,0484) (,6209)
0,2472 0,9005
p(1)
-0,0625
(0,0187)
0,0008
(118)
Om (1) Del(1)
,13296 -,4721
(,0527) (,1928)
0,0118 0,0144
0,0000
57
Tabela 5 (conclusão). Estimativas dos parâmetros, erros padrões e valor P de modelos
arima com intervenções para a variável retorno das ações para as empresas: Belmatech,
Ideiasnet, Itautec, Positivo Informática e Senior Solution.
Modelo
Estimativas
Intervenções
Positivo Inf.
Arima (0,0,1)
Erro Padrão
Valor P
Senior Solut.
Arima (1,0,0)
Erro Padrão
Valor P
p(1)
-,4088
(,1094)
(221)
Om(1)
,04645
(,0357)
0,1939
(66)
Om(1)
,0253
(,0124)
0,0003
0,0796
q(1)
-0,0639
(-0,024)
0,0104
Del(1)
,49563
(,4046)
0,2207
(741)
Om(2) Del(2)
,0730
-,2340
(,0383) (,5480)
0,0570 0,6694
Del(1)
,3266
(,3112)
0,2974
Fonte: Elaborada pela autora
Dirigindo a análise para a variável retorno das ações, conforme a tabela 5, conclui-se
que a empresa Belmatech possui dois eventos de F&A com intervenções significantes, os
parâmetros p(1), q(1) e q(2), tiveram significância estatística, apresentando os valores P de 0 e
os parâmetros das intervenções abruptas temporárias nas observações 177 (Om (1) e Del (1))
e 335 (Om(2) e Del(2)) com seus Valores P, respectivos de, 0,0015, 0,0033 e 0,0182, 0
também apresentam significância estatística. A observação 177 representa o evento de F&A
da empresa Belmatech com a Rentec.
Já a empresa Ideiasnet demonstra não ter nenhum evento significativo, apenas os
parâmetros p(2), p(3), p(4), q(1) e q(2) possuem significância estatística, com os valores P 0, e
os parâmetros da intervenção abrupta temporária na observação 2298 (Om(1) e Del(1)) não
representa significância estatística. A observação 2298 equivale a F&A que ocorreu entre a
empresa Ideiasnet e a empresa Ciashop.
Conforme a tabela 5, em relação a variável retorno das ações a empresa Itautec tem
significância estatística no parâmetro p(1), expondo um valor P de 0,0008 e nos parâmetros da
intervenção abrupta temporária na observação 118 (Om(1) e Del(1)) com seus valores P,
respectivos, de 0,0118 e 0,0144. A observação 118 condiz com a operação de F&A da
empresa Itautec com a Equipamentos Comerciais do Amazonas.
Ao analisar a variável retorno das ações para a empresa Positivo, pode-se afirma, por
meio da tabela 5, que apenas o parâmetro q(1), teve significância estatística, apresentando o
valor P de 0,014, já os parâmetros das intervenções abruptas temporárias nas observações 221
58
(Om (1) e Del (1)) e 741 (Om(2) e Del(2)) não apresentaram significância estatística. As
observações 221 e 741 relatam as operações de F&A, respectivamente, com as empresas
Boreo Comercio de Equipamentos e Kennex.
Para a empresa Senior Solution, a variável retorno das ações, de acordo com a tabela
5, mostra que somente o parâmetro p(1), apresentou significância estatística, exibindo um
valor P de 0,003, os parâmetros da intervenção abrupta temporária na observação 66 (Om(1) e
Del(1)) não apresentam significância estatística. A observação 66 corresponde a aquisição da
empresa Senior Solution Consultoria e Informática pela empresa Senior Solution.
Com base nos resultados expostos na tabela 5, pode-se afirma, que a intervenção
representada pela ocorrência de fusão e aquisição não foi significativa apenas para as
empresas Ideiasnet, Positivo Informática e Senior Solution, entre as empresas testadas com a
variável retorno das ações. Deste modo, mostrando que nas séries das demais empresas as
operações demonstraram uma alteração no comportamento da série original a ponto de se
tornarem em uma intervenção.
Em relação a como os processos de fusão e aquisição influenciam no preço das ações e
assim no seu retorno, a Teoria dos Mercados Eficientes, elaborada por Fama (1970) auxilia no
entendimento a essa questão, Rebelo Junior (2004) descreve a teoria de Fama, em que, em
mercados eficientes não há oportunidade para ganhos sem risco, ou seja, não há maneiras de
obtenção de lucros anormais mediante o uso da informação e caso exista elas são rapidamente
corrigidas. A consequência disto é que até possa ser possível adivinhar o preço de um ativo,
porém não consistentemente. Em sua análise de mercados eficientes Fama acredita que toda a
informação pública é instantaneamente reproduzida no preço do ativo, deste modo os preço
dos ativos negociados sempre refletem inteiramente as informações disponíveis sobre os
mesmos. Assim não existe nenhuma informação histórica que permita prever o preço futuro,
posto que os preços já contemplam essa informação.
Baseada na teoria dos mercados eficientes, pode-se concluir que o fato de haver uma
operação de F&A reflete imediatamente nos preços das ações não abrindo oportunidades para
atitudes de especulação.
59
Figura 9.
FUNÇÃO DE AUTOCORRELAÇÃO E AUTOCORRELAÇÃO PARCIAL PARA AS
SÉRIES DA VARIÁVEL RETORNO DO ATIVO (ROA) APÓS O AJUSTE DOS
MODELOS PARA AS EMPRESAS: (1) IDEIASNET, (1) ITAUTEC E (3) TOTVS.
Conf. Limit
(1)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Autocorrelation Function
ROA_IDEIASNET: ARIMA (1,0,1) residuals (Intervention analysis);
(Standard errors are white-noise estimates)
Corr. S.E.
Q
-,038 ,1348
,08
+,001 ,1334
,08
-,091 ,1321
,55
+,230 ,1307
3,66
-,078 ,1294
4,02
-,019 ,1280
4,04
-,023 ,1266
4,08
+,078 ,1252
4,47
-,143 ,1237
5,80
-,013 ,1223
5,81
+,005 ,1208
5,82
+,270 ,1194
10,93
-,119 ,1179
11,96
-,070 ,1163
12,32
-,008 ,1148
12,33
+,105 ,1132
13,19
-,078 ,1116
13,68
-,059 ,1100
13,97
-,064 ,1084
14,32
-,014 ,1068
14,34
0
0
-1,0
-0,5
0,0
0,5
1,0
p
,7791
,9614
,9069
,4541
,5465
,6709
,7710
,8126
,7594
,8306
,8853
,5346
,5311
,5806
,6542
,6588
,6894
,7308
,7646
,8129
Conf. Limit
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Partial Autocorrelation Function
ROA_IDEIASNET: ARIMA (1,0,1) residuals (Intervention analysis);
(Standard errors assume AR order of k-1)
Corr. S.E.
-,038 ,1387
-,000 ,1387
-,091 ,1387
+,226 ,1387
-,070 ,1387
-,030 ,1387
+,017 ,1387
+,015 ,1387
-,122 ,1387
-,009 ,1387
+,012 ,1387
+,245 ,1387
-,066 ,1387
-,090 ,1387
+,022 ,1387
-,014 ,1387
-,020 ,1387
-,044 ,1387
-,088 ,1387
-,052 ,1387
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
(2)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Autocorrelation Function
ROA_ITAUTEC: ARIMA (0,0,2) residuals (Intervention analy sis);
(Standard errors are white-noise estimates)
Corr. S.E.
Q
-,028 ,1132
,06
+,028 ,1124
,13
+,023 ,1117
,17
+,308 ,1109
7,89
-,093 ,1101
8,61
-,085 ,1093
9,21
-,043 ,1085
9,37
-,131 ,1077
10,84
-,020 ,1069
10,88
-,032 ,1061
10,97
-,058 ,1053
11,26
-,014 ,1044
11,28
-,004 ,1036
11,28
-,074 ,1028
11,80
-,047 ,1019
12,01
-,016 ,1011
12,04
-,027 ,1002
12,11
+,002 ,0993
12,11
+,018 ,0985
12,14
-,028 ,0976
12,23
-,007 ,0967
12,23
+,014 ,0958
12,25
-,033 ,0949
12,37
-,036 ,0940
12,51
-,027 ,0930
12,60
0
0
-1,0
-0,5
0,0
0,5
1,0
p
,8027
,9387
,9823
,0956
,1259
,1621
,2272
,2109
,2843
,3602
,4214
,5050
,5871
,6222
,6782
,7415
,7936
,8416
,8794
,9080
,9331
,9519
,9643
,9735
,9811
Conf. Limit
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Partial Autocorrelation Function
ROA_ITAUTEC: ARIMA (0,0,2) residuals (Intervention analysis);
(Standard errors assume AR order of k-1)
Corr. S.E.
-,028 ,1155
+,028 ,1155
+,025 ,1155
+,309 ,1155
-,083 ,1155
-,117 ,1155
-,068 ,1155
-,244 ,1155
+,039 ,1155
+,050 ,1155
-,028 ,1155
+,108 ,1155
-,059 ,1155
-,143 ,1155
-,048 ,1155
-,100 ,1155
+,001 ,1155
+,108 ,1155
+,034 ,1155
-,006 ,1155
-,047 ,1155
-,110 ,1155
-,091 ,1155
-,034 ,1155
-,013 ,1155
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
(3)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Autocorrelation Function
ROA_TOTVS: ARIMA (0,0,1) residuals (Intervention analysis );
(Standard errors are white-noise estimates)
Corr. S.E.
Q
-,006 ,1642
,00
+,099 ,1617
,38
+,082 ,1591
,64
+,360 ,1566
5,93
-,180 ,1539
7,30
+,004 ,1512
7,30
+,090 ,1485
7,67
+,211 ,1457
9,76
-,033 ,1429
9,81
+,004 ,1400
9,81
+,029 ,1371
9,85
+,047 ,1341
9,98
-,088 ,1310
10,43
-,029 ,1278
10,48
-,105 ,1246
11,18
-,000 ,1213
11,18
-,025 ,1179
11,23
-,119 ,1143
12,30
-,092 ,1107
12,99
+,055 ,1069
13,26
0
0
-1,0
-0,5
0,0
0,5
1,0
Fonte: Elaborada pela autora
p
,9702
,8290
,8867
,2045
,1995
,2942
,3628
,2826
,3662
,4573
,5435
,6180
,6588
,7266
,7396
,7981
,8446
,8313
,8390
,8660
Conf. Limit
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Partial Autocorrelation Function
ROA_TOTVS: ARIMA (0,0,1) residuals (Intervention analysis );
(Standard errors assume AR order of k-1)
Corr. S.E.
-,006 ,1715
+,099 ,1715
+,084 ,1715
+,358 ,1715
-,205 ,1715
-,078 ,1715
+,074 ,1715
+,153 ,1715
+,111 ,1715
-,078 ,1715
-,109 ,1715
-,049 ,1715
-,011 ,1715
+,037 ,1715
-,150 ,1715
-,061 ,1715
+,042 ,1715
-,099 ,1715
-,018 ,1715
+,050 ,1715
0
-1,0
-0,5
0,0
0,5
1,0
60
Figura 10.
FUNÇÃO DE AUTOCORRELAÇÃO E AUTOCORRELAÇÃO PARCIAL PARA AS
SÉRIES DA VARIÁVEL RETORNO DO PATRIMÔNIO LÍQUIDO (ROE) APÓS O
AJUSTE DOS MODELOS PARA AS EMPRESAS: (1) IDEIASNET, (2) ITAUTEC E (3)
TOTVS.
Conf. Limit
Conf. Limit
(1)
Lag
1
2
3
4
5
6
Autocorrelation Function
ROE_IDEIASNET: ARIMA (1,0,1) residuals (Intervention analysis);
(Standard errors are white-noise estimates)
Corr. S.E.
Q
-,033 ,1348
,06
-,023 ,1334
,09
-,097 ,1321
,63
+,232 ,1307
3,77
-,090 ,1294
4,26
-,033 ,1280
4,32
p
,8087
,9568
,8900
,4381
,5132
,6330
7
8
9
10
11
12
13
14
15
16
17
-,043
+,074
-,158
-,032
-,007
+,290
-,145
-,086
-,034
+,102
-,082
,7279
,7796
,6975
,7728
,8387
,4143
,3804
,4164
,4848
,4986
,5315
,1266
,1252
,1237
,1223
,1208
,1194
,1179
,1163
,1148
,1132
,1116
0
-1,0
-0,5
0,0
0,5
4,44
4,79
6,42
6,49
6,49
12,40
13,91
14,46
14,54
15,36
15,89
0
1,0
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Partial Autocorrelation Function
ROE_IDEIASNET: ARIMA (1,0,1) residuals (Intervention analysis);
(Standard errors assume AR order of k-1)
Corr. S.E.
-,033 ,1387
-,024 ,1387
-,099 ,1387
+,227 ,1387
-,089 ,1387
-,035 ,1387
-,005 ,1387
+,004 ,1387
-,134 ,1387
-,029 ,1387
-,002 ,1387
+,262 ,1387
-,099 ,1387
-,095 ,1387
-,004 ,1387
-,044 ,1387
-,007 ,1387
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
(2)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Autocorrelation Function
ROE_ITAUTEC: ARIMA (1,0,0) residuals (Intervention analysis);
(Standard errors are white-noise estimates)
Corr. S.E.
Q
-,061 ,1132
,29
+,113 ,1124
1,30
-,076 ,1117
1,76
+,330 ,1109
10,61
-,083 ,1101
11,18
-,080 ,1093
11,72
-,060 ,1085
12,03
-,114 ,1077
13,15
-,009 ,1069
13,16
-,047 ,1061
13,35
-,029 ,1053
13,43
-,014 ,1044
13,44
-,003 ,1036
13,44
-,071 ,1028
13,93
-,053 ,1019
14,20
-,032 ,1011
14,30
-,021 ,1002
14,34
-,004 ,0993
14,34
+,017 ,0985
14,38
-,035 ,0976
14,50
+,003 ,0967
14,50
+,012 ,0958
14,52
-,012 ,0949
14,54
-,043 ,0940
14,75
-,022 ,0930
14,80
0
0
-1,0
-0,5
0,0
0,5
1,0
p
,5928
,5217
,6239
,0313
,0480
,0686
,0998
,1069
,1557
,2048
,2665
,3377
,4141
,4551
,5103
,5764
,6427
,7063
,7614
,8041
,8470
,8819
,9104
,9279
,9458
Conf. Limit
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Partial Autocorrelation Function
ROE_ITAUTEC: ARIMA (1,0,0) residuals (Intervention analysis);
(Standard errors assume AR order of k-1)
Corr. S.E.
-,061 ,1155
+,110 ,1155
-,064 ,1155
+,317 ,1155
-,050 ,1155
-,167 ,1155
-,016 ,1155
-,237 ,1155
+,024 ,1155
+,071 ,1155
-,050 ,1155
+,114 ,1155
-,046 ,1155
-,159 ,1155
-,038 ,1155
-,112 ,1155
-,008 ,1155
+,112 ,1155
+,032 ,1155
-,010 ,1155
-,028 ,1155
-,101 ,1155
-,079 ,1155
-,041 ,1155
-,020 ,1155
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
(3)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Autocorrelation Function
ROE_TOTVS: ARIMA (0,0,1) residuals (Intervention analysis);
(Standard errors are white-noise estimates)
Corr. S.E.
Q
-,086 ,1642
,27
+,099 ,1617
,65
-,062 ,1591
,80
+,449 ,1566
9,02
-,218 ,1539
11,03
-,060 ,1512
11,19
-,143 ,1485
12,11
+,248 ,1457
15,01
-,102 ,1429
15,53
-,061 ,1400
15,72
-,118 ,1371
16,46
+,217 ,1341
19,08
-,083 ,1310
19,49
-,019 ,1278
19,51
+,015 ,1246
19,52
+,257 ,1213
24,02
-,082 ,1179
24,51
-,018 ,1143
24,54
-,024 ,1107
24,58
+,170 ,1069
27,11
0
0
-1,0
-0,5
0,0
0,5
1,0
Fonte: Elaborada pela autora.
p
,6010
,7242
,8502
,0607
,0508
,0829
,0970
,0589
,0775
,1080
,1251
,0866
,1089
,1465
,1911
,0891
,1063
,1383
,1748
,1324
Conf. Limit
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Partial Autocorrelation Function
ROE_TOTVS: ARIMA (0,0,1) residuals (Intervention analysis);
(Standard errors assume AR order of k-1)
Corr. S.E.
-,086 ,1715
+,092 ,1715
-,047 ,1715
+,439 ,1715
-,192 ,1715
-,174 ,1715
-,113 ,1715
+,084 ,1715
+,129 ,1715
-,040 ,1715
-,102 ,1715
+,038 ,1715
-,026 ,1715
+,056 ,1715
+,142 ,1715
+,127 ,1715
-,078 ,1715
-,096 ,1715
-,057 ,1715
+,069 ,1715
0
-1,0
-0,5
0,0
0,5
1,0
61
Figura 11.
FUNÇÃO DE AUTOCORRELAÇÃO E AUTOCORRELAÇÃO PARCIAL PARA AS
SÉRIES DA VARIÁVEL RETORNO DA MARGEM LÍQUIDA (ML) APÓS O AJUSTE
DOS MODELOS PARA AS EMPRESAS: (2) IDEIASNET, (3) ITAUTEC E (7) TOTVS.
Conf. Limit
(1)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
(2)
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
(3)
Lag
Autocorrelation Function
ML_IDEIASNET: ARIMA (0,0,2) residuals (Intervention analysis);
(Standard errors are white-noise estimates)
Corr. S.E.
Q
-,017 ,1360
,02
-,019 ,1346
,04
+,000 ,1333
,04
-,005 ,1319
,04
-,001 ,1305
,04
-,000 ,1290
,04
-,003 ,1276
,04
-,005 ,1261
,04
-,002 ,1247
,04
-,003 ,1232
,04
-,003 ,1216
,04
-,006 ,1201
,04
-,005 ,1186
,05
-,004 ,1170
,05
-,007 ,1154
,05
-,007 ,1138
,05
-,006 ,1122
,06
0
0
-1,0
-0,5
0,0
0,5
1,0
Autocorrelation Function
ML_ITAUTEC: ARIMA (0,0,4) residuals (Intervention analysis);
(Standard errors are white-noise estimates)
Corr. S.E.
Q
+,095 ,1132
,71
-,004 ,1124
,71
+,092 ,1117
1,39
+,062 ,1109
1,70
+,076 ,1101
2,17
-,109 ,1093
3,17
-,070 ,1085
3,58
-,033 ,1077
3,67
-,083 ,1069
4,28
+,017 ,1061
4,31
-,012 ,1053
4,32
-,019 ,1044
4,35
+,046 ,1036
4,55
-,016 ,1028
4,58
+,012 ,1019
4,59
+,072 ,1011
5,09
-,105 ,1002
6,18
-,069 ,0993
6,67
+,027 ,0985
6,74
+,004 ,0976
6,75
+,045 ,0967
6,96
+,016 ,0958
6,99
+,033 ,0949
7,11
+,030 ,0940
7,21
-,056 ,0930
7,57
0
0
-1,0
-0,5
0,0
0,5
1,0
Autocorrelation Function
ML_TOTVS: ARIMA (0,0,1) residuals (Intervention analysis);
(Standard errors are white-noise estimates)
Corr. S.E.
Q
Conf. Limit
(2)
Conf. Limit
Partial Autocorrelation Function
ML_IDEIASNET: ARIMA (0,0,2) residuals (Intervention analysis);
(Standard errors assume AR order of k-1)
Corr. S.E.
-,017 ,1400
-,019 ,1400
-,000 ,1400
-,005 ,1400
-,001 ,1400
-,000 ,1400
-,003 ,1400
-,005 ,1400
-,003 ,1400
-,003 ,1400
-,003 ,1400
-,007 ,1400
-,005 ,1400
-,005 ,1400
-,007 ,1400
-,007 ,1400
-,006 ,1400
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
Conf. Limit
Partial Autoc orrelation Func tion
ML_ITAUTEC: ARIMA (0,0,4) res iduals (Interv ention analy s is );
(Standard errors as s ume AR order of k -1)
Corr. S.E.
+,095 ,1155
-,013 ,1155
+,095 ,1155
+,044 ,1155
+,069 ,1155
-,132 ,1155
-,056 ,1155
-,044 ,1155
-,066 ,1155
+,050 ,1155
+,012 ,1155
-,002 ,1155
+,043 ,1155
-,030 ,1155
-,009 ,1155
+,063 ,1155
-,125 ,1155
-,061 ,1155
+,043 ,1155
+,007 ,1155
+,065 ,1155
+,055 ,1155
+,011 ,1155
-,012 ,1155
-,075 ,1155
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
p
,8977
,9820
,9982
,9998
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Lag
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
p
,3990
,7003
,7072
,7906
,8246
,7876
,8268
,8853
,8918
,9324
,9596
,9762
,9838
,9909
,9951
,9953
,9918
,9926
,9955
,9974
,9982
,9990
,9994
,9996
,9997
Partial Autocorrelation Function
ML_TOTVS: ARIMA (0,0,1) residuals (Intervention analysis);
(Standard errors assume AR order of k-1)
Corr. S.E.
p
Lag
1
-,002 ,1642
,00 ,9918
1
-,002 ,1715
2
+,323 ,1617
3,99 ,1361
2
+,323 ,1715
3
+,018 ,1591
4,00 ,2613
3
+,022 ,1715
4
+,002 ,1566
4,00 ,4057
4
-,114 ,1715
5
-,043 ,1539
4,08 ,5378
5
-,064 ,1715
6
+,035 ,1512
4,14 ,6583
6
+,080 ,1715
7
-,007 ,1485
4,14 ,7637
7
+,037 ,1715
8
-,038 ,1457
4,21 ,8380
8
-,084 ,1715
9
-,007 ,1429
4,21 ,8971
9
-,031 ,1715
10
-,105 ,1400
4,77 ,9060
10
-,071 ,1715
11
-,007 ,1371
4,77 ,9417
11
+,016 ,1715
0
-1,0
-0,5
Fonte: Elaborada pela autora
0,0
0,5
0
1,0
0
-1,0
-0,5
0,0
0,5
1,0
62
Figura 12.
FUNÇÃO DE AUTOCORRELAÇÃO E AUTOCORRELAÇÃO PARCIAL PARA AS
SÉRIES DO RETORNO DE AÇÕES APÓS O AJUSTE DOS MODELOS PARA AS
EMPRESAS: (1) BELMATECH, (2) IDEIASNET, (3) ITAUTEC, (4) POSITIVO e (5)
SENIOR SOLUTION.
(1)
Autocorrelation Function
RETORNO AÇÕES BELMATECH: ARIMA (1,0,2) residuals (Intervention analysis);
(Standard errors are white-noise estimates)
Lag
Corr. S.E.
Q
p
1
+,001 ,0256
,00 ,9734
2
-,007 ,0256
,08 ,9629
3
+,022 ,0256
,85 ,8385
4
-,026 ,0255
1,85 ,7641
5
+,018 ,0255
2,37 ,7963
6
-,017 ,0255
2,79 ,8348
7
-,034 ,0255
4,57 ,7122
8
-,008 ,0255
4,67 ,7924
9
-,047 ,0255
8,13 ,5215
10
-,002 ,0255
8,13 ,6161
11
+,029 ,0255
9,44 ,5818
12
+,014 ,0255
9,73 ,6395
13
+,052 ,0255
13,83 ,3858
14
+,030 ,0255
15,22 ,3636
15
+,015 ,0255
15,57 ,4109
16
+,033 ,0254
17,30 ,3663
17
-,009 ,0254
17,44 ,4252
18
+,013 ,0254
17,71 ,4749
19
+,008 ,0254
17,81 ,5353
20
-,036 ,0254
19,78 ,4720
21
+,005 ,0254
19,82 ,5326
22
-,025 ,0254
20,81 ,5328
23
-,014 ,0254
21,10 ,5748
24
-,076 ,0254
30,01 ,1845
25
-,008 ,0254
30,10 ,2206
26
+,002 ,0254
30,11 ,2632
27
-,034 ,0254
31,95 ,2339
28
+,015 ,0253
32,29 ,2632
29
-,019 ,0253
32,82 ,2851
30
+,041 ,0253
35,38 ,2291
0
0
-1,0
-0,5
0,0
0,5
1,0
Partial Autocorrelation Function
RETORNO AÇÕES BELMATECH: ARIMA (1,0,2) residuals (Intervention analysis);
(Standard errors assume AR order of k-1)
Lag
Corr. S.E.
1
+,001 ,0256
2
-,007 ,0256
3
+,022 ,0256
4
-,026 ,0256
5
+,019 ,0256
6
-,018 ,0256
7
-,033 ,0256
8
-,010 ,0256
9
-,046 ,0256
10
-,001 ,0256
11
+,028 ,0256
12
+,016 ,0256
13
+,049 ,0256
14
+,029 ,0256
15
+,015 ,0256
16
+,029 ,0256
17
-,009 ,0256
18
+,013 ,0256
19
+,009 ,0256
20
-,027 ,0256
21
+,008 ,0256
22
-,019 ,0256
23
-,009 ,0256
24
-,080 ,0256
25
-,005 ,0256
26
-,006 ,0256
27
-,037 ,0256
28
+,009 ,0256
29
-,026 ,0256
30
+,038 ,0256
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
Conf. Limit
63
(2)
Autocorrelation Function
RET ORNO AÇÕES_IDEIASNET : ARIMA (4,0,2) residuals (Intervention analysis);
(Standard errors are white-noise estimates)
Lag
Corr. S.E.
Q
p
1
+,001 ,0188
,00 ,9590
2
+,001 ,0188
,00 ,9979
3
+,007 ,0188
,14 ,9867
4
+,001 ,0188
,14 ,9976
5
-,010 ,0188
,44 ,9941
6
+,007 ,0188
,57 ,9969
7
-,033 ,0188
3,65 ,8196
8
+,010 ,0188
3,94 ,8622
9
+,077 ,0188
20,66 ,0143
10
-,016 ,0188
21,37 ,0187
11
-,004 ,0188
21,42 ,0293
12
-,031 ,0188
24,10 ,0198
13
-,036 ,0188
27,77 ,0098
14
+,034 ,0188
31,02 ,0055
15
+,018 ,0188
31,99 ,0065
16
-,016 ,0188
32,70 ,0081
17
-,030 ,0188
35,19 ,0059
18
+,023 ,0188
36,71 ,0057
19
-,022 ,0188
38,14 ,0057
20
+,046 ,0188
44,07 ,0015
21
-,005 ,0188
44,15 ,0023
22
-,033 ,0188
47,22 ,0014
23
+,044 ,0188
52,70 ,0004
24
-,008 ,0188
52,89 ,0006
25
+,007 ,0188
53,04 ,0009
26
-,046 ,0188
59,11 ,0002
27
-,024 ,0188
60,69 ,0002
28
-,008 ,0188
60,87 ,0003
29
+,045 ,0187
66,65 ,0001
30
-,030 ,0187
69,27 ,0001
0
0
-1,0
-0,5
0,0
0,5
1,0
Partial Autocorrelation Function
RET ORNO AÇÕES_IDEIASNET : ARIMA (4,0,2) residuals (Intervention analysis);
(Standard errors assume AR order of k-1)
Lag
Corr. S.E.
1
+,001 ,0189
2
+,001 ,0189
3
+,007 ,0189
4
+,001 ,0189
5
-,010 ,0189
6
+,007 ,0189
7
-,033 ,0189
8
+,010 ,0189
9
+,077 ,0189
10
-,016 ,0189
11
-,004 ,0189
12
-,033 ,0189
13
-,036 ,0189
14
+,035 ,0189
15
+,019 ,0189
16
-,011 ,0189
17
-,034 ,0189
18
+,017 ,0189
19
-,021 ,0189
20
+,046 ,0189
21
+,002 ,0189
22
-,029 ,0189
23
+,037 ,0189
24
-,014 ,0189
25
+,012 ,0189
26
-,044 ,0189
27
-,022 ,0189
28
-,005 ,0189
29
+,033 ,0189
30
-,025 ,0189
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
Conf. Limit
64
(3)
Autocorrelation Function
RET ORNO AÇÕES IT AUT EC: ARIMA (1,0,0) residuals (Intervention analysis);
(Standard errors are white-noise estimates)
Lag
Corr. S.E.
Q
p
1
-,001 ,0187
,00 ,9653
2
-,010 ,0187
,31 ,8543
3
-,015 ,0187
,96 ,8108
4
-,025 ,0187
2,70 ,6087
5
+,018 ,0187
3,58 ,6114
6
+,019 ,0187
4,63 ,5917
7
+,035 ,0187
8,18 ,3173
8
+,040 ,0187
12,66 ,1242
9
-,003 ,0187
12,68 ,1776
10
+,063 ,0187
23,87 ,0080
11
+,008 ,0187
24,06 ,0125
12
+,010 ,0187
24,37 ,0181
13
+,003 ,0187
24,40 ,0277
14
-,023 ,0187
25,87 ,0269
15
-,004 ,0187
25,93 ,0388
16
+,001 ,0187
25,93 ,0550
17
+,021 ,0187
27,22 ,0549
18
+,018 ,0187
28,13 ,0602
19
-,002 ,0187
28,14 ,0809
20
+,004 ,0187
28,19 ,1050
21
+,016 ,0187
28,89 ,1167
22
+,010 ,0187
29,15 ,1407
23
+,020 ,0187
30,26 ,1421
24
-,000 ,0187
30,26 ,1763
25
+,005 ,0187
30,33 ,2123
26
-,008 ,0187
30,53 ,2463
27
+,002 ,0187
30,54 ,2904
28
+,001 ,0187
30,55 ,3377
29
+,031 ,0186
33,30 ,2661
30
+,028 ,0186
35,58 ,2222
0
0
-1,0
-0,5
0,0
0,5
1,0
Partial Autocorrelation Function
RET ORNO AÇÕES IT AUT EC: ARIMA (1,0,0) residuals (Intervention analysis);
(Standard errors assume AR order of k-1)
Lag
Corr. S.E.
1
-,001 ,0188
2
-,010 ,0188
3
-,015 ,0188
4
-,025 ,0188
5
+,017 ,0188
6
+,019 ,0188
7
+,035 ,0188
8
+,040 ,0188
9
-,001 ,0188
10
+,065 ,0188
11
+,011 ,0188
12
+,013 ,0188
13
+,003 ,0188
14
-,022 ,0188
15
-,009 ,0188
16
-,003 ,0188
17
+,015 ,0188
18
+,010 ,0188
19
-,002 ,0188
20
+,001 ,0188
21
+,018 ,0188
22
+,011 ,0188
23
+,019 ,0188
24
+,002 ,0188
25
+,005 ,0188
26
-,008 ,0188
27
-,000 ,0188
28
-,004 ,0188
29
+,028 ,0188
30
+,025 ,0188
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
Conf. Limit
65
(4)
Autocorrelation Function
RET ORNO AÇÕES POSIT IVO: ARIMA (0,0,1) residuals (Intervention analysis);
(Standard errors are white-noise estimates)
Lag
Corr. S.E.
Q
p
1
-,001 ,0248
,00 ,9651
2
-,007 ,0248
,09 ,9565
3
-,035 ,0248
2,06 ,5606
4
-,018 ,0248
2,58 ,6312
5
+,039 ,0248
5,01 ,4148
6
-,046 ,0248
8,40 ,2101
7
-,043 ,0248
11,41 ,1216
8
-,030 ,0248
12,91 ,1150
9
+,008 ,0248
13,01 ,1620
10
+,020 ,0247
13,67 ,1888
11
-,074 ,0247
22,61 ,0201
12
+,055 ,0247
27,64 ,0063
13
+,050 ,0247
31,76 ,0026
14
+,021 ,0247
32,45 ,0035
15
+,030 ,0247
33,88 ,0035
16
+,017 ,0247
34,37 ,0049
17
-,012 ,0247
34,62 ,0070
18
-,009 ,0247
34,76 ,0102
19
+,022 ,0247
35,58 ,0119
20
-,003 ,0247
35,60 ,0172
21
-,014 ,0247
35,93 ,0223
22
-,009 ,0247
36,07 ,0299
23
-,017 ,0246
36,54 ,0364
24
+,024 ,0246
37,52 ,0389
25
-,009 ,0246
37,66 ,0500
26
+,055 ,0246
42,64 ,0211
27
+,031 ,0246
44,26 ,0195
28
+,033 ,0246
46,02 ,0174
29
+,031 ,0246
47,66 ,0160
30
-,053 ,0246
52,39 ,0070
0
0
-1,0
-0,5
0,0
0,5
1,0
Partial Autocorrelation Function
RET ORNO AÇÕES POSITIVO: ARIMA (0,0,1) residuals (Intervention analysis);
(Standard errors assume AR order of k-1)
Lag
Corr. S.E.
1
-,001 ,0248
2
-,007 ,0248
3
-,035 ,0248
4
-,018 ,0248
5
+,038 ,0248
6
-,047 ,0248
7
-,044 ,0248
8
-,029 ,0248
9
+,005 ,0248
10
+,013 ,0248
11
-,075 ,0248
12
+,057 ,0248
13
+,050 ,0248
14
+,012 ,0248
15
+,028 ,0248
16
+,031 ,0248
17
-,018 ,0248
18
-,011 ,0248
19
+,029 ,0248
20
+,004 ,0248
21
-,009 ,0248
22
-,009 ,0248
23
-,006 ,0248
24
+,024 ,0248
25
-,015 ,0248
26
+,057 ,0248
27
+,034 ,0248
28
+,025 ,0248
29
+,028 ,0248
30
-,043 ,0248
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
Conf. Limit
66
Conf. Limit
(5)
Autocorrelation Function
RETORNO AÇÕES SENIOR SOLUTION: ARIMA (1,0,0) residuals (Intervention
analysis );
(Standard errors are white-noise estimates)
Lag
Corr. S.E.
Q
p
1
-,081 ,1125
,52 ,4726
2
-,243 ,1117
5,23 ,0732
3
-,135 ,1110
6,71 ,0817
4
-,030 ,1102
6,79 ,1475
5
+,101 ,1094
7,64 ,1774
6
+,038 ,1087
7,76 ,2560
7
-,057 ,1079
8,04 ,3289
8
-,071 ,1071
8,48 ,3883
9
+,000 ,1063
8,48 ,4868
10
-,037 ,1055
8,60 ,5705
11
+,085 ,1047
9,25 ,5984
12
+,117 ,1039
10,53 ,5700
13
-,163 ,1031
13,04 ,4451
14
-,043 ,1023
13,21 ,5098
15
+,018 ,1014
13,24 ,5835
16
+,048 ,1006
13,48 ,6377
17
-,003 ,0998
13,48 ,7037
18
-,071 ,0989
13,99 ,7298
19
-,088 ,0981
14,79 ,7355
20
-,005 ,0972
14,80 ,7878
21
+,194 ,0963
18,86 ,5940
22
+,027 ,0954
18,94 ,6490
23
-,079 ,0946
19,64 ,6637
24
-,029 ,0937
19,73 ,7118
25
+,064 ,0928
20,22 ,7354
0
0
-1,0
-0,5
0,0
0,5
1,0
Conf. Limit
Partial Autocorrelation Function
RETORNO AÇÕES SENIOR SOLUTION: ARIMA (1,0,0) residuals (Intervention
analysis );
(Standard errors assume AR order of k-1)
Lag
Corr. S.E.
1
-,081 ,1147
2
-,251 ,1147
3
-,193 ,1147
4
-,147 ,1147
5
-,012 ,1147
6
-,023 ,1147
7
-,059 ,1147
8
-,078 ,1147
9
-,043 ,1147
10
-,113 ,1147
11
+,019 ,1147
12
+,096 ,1147
13
-,132 ,1147
14
-,026 ,1147
15
-,032 ,1147
16
-,014 ,1147
17
-,062 ,1147
18
-,083 ,1147
19
-,127 ,1147
20
-,116 ,1147
21
+,089 ,1147
22
+,008 ,1147
23
-,061 ,1147
24
+,004 ,1147
25
+,101 ,1147
0
-1,0
-0,5
0,0
0,5
1,0
Fonte: Elaborada pela autora
Após a análise das funções de autocorrelação (FAC) e autocorrelação parcial (FACP)
depois do ajuste para cada uma das séries estudadas, somada a confirmação da hipótese nula
de ruído branco pelo teste de LB, demonstraram que as dinâmicas das séries estudadas estão
sendo bem explicadas pelos coeficientes dos modelos ajustados.
A partir dos dados obtidos, pode-se concluir que houve um aumento médio na
rentabilidade das ações da Belmatech de 0,0643 após a ocorrência da fusão e aquisição
envolvendo a empresa Rentec. As operações de F&A da Belmatech com as empresas
Snackcontrol Sistema, Logic Controls e MisterChef
causou uma redução média na
rentabilidade dessa mesma variável de 0,0204. O que mostra que o retorno das ações se
comportou de maneira diferente para cada evento de F&A da empresa Belmatech.
Das cinco F&A que a Itautec participou entre 1994 e 2013 apenas duas foram
estatisticamente significantes, a operação de F&A realizada com a empresa Itautec
Informática ocasionou um aumento de 0,13278 em sua margem líquida, e a operação
envolvendo a empresa Equipamentos Comercias do Amazonas levou a um incremento de
0,1329 na rentabilidade das ações da empresa Itautec.
A empresa Totvs entre as empresas estudadas é a que mais apresentou eventos de
fusão e aquisição no período analisado, mas apenas a F&A com a empresa Henry Software e
com 70% do Totalbanco que foram estatisticamente significantes, essa operação de F&A
representou um aumento de 0,1515 da rentabilidade do patrimônio líquido e 0,094 em sua
margem líquida.
67
5 CONSIDERAÇÕES FINAIS
A importância do estudo sobre fusões e aquisições se deve à crescente utilização dessa
estratégia no ambiente coorporativo, em que as organizações estão buscando cada vez mais
um diferencial competitivo. Um correto planejamento é essencial, pois ele é responsável pela
criação de um ambiente adequado para o aprendizado, evolução e inovação coorporativa; isso
garante um melhor desenvolvimento da empresa servindo de base também para a sua
expansão e crescimento. O tema de F&A é muito discutido, sendo os seus resultados nem
sempre satisfatórios, deste modo é necessário que sejam realizados mais estudos sobre o
assunto, o setor escolhido, o de tecnologia da informação, é o líder no ranking de F&A das
empresas brasileiras, desde 2008, posto isto se torna de suma importância analisar como as
estratégias de fusões e aquisições influenciaram as empresas que passaram por esses
processos.
Os impactos que as F&A representaram nas empresas de TI foram avaliados pela
metodologia de Box e Jenkins (1976) com a análise de intervenção, a partir desta metodologia
buscou encontrar as F&A que tenham levado a uma alteração no comportamento da série
original a ponto de se tornarem uma intervenção. Os resultados encontrados demonstraram
que apenas três empresas se mostraram sensíveis estatisticamente às fusões e aquisições, e
entre elas somente a empresa Belmatch em uma das operações de F&A, envolvendo as
empresas Snackcontrol Sistema, Logic Controls e MisterChef apresentou uma intervenção
negativa em sua rentabilidade das ações, esse resultado demonstra o caráter positivo das
intervenções para a rentabilidade das empresas de TI após os eventos de F&A.
Cabe aqui ressaltar as limitações deste trabalho, em que são analisadas apenas
operações de curto prazo, deste modo eventos de F&A que poderiam ter causado uma
mudança na rentabilidade das empresas de TI em longo prazo, não foram captadas como
intervenção no curto prazo. Somado ao caráter probabilístico da metodologia aplicada, o que
pode ter proporcionado um viés aos resultados.
Os resultados obtidos foram extraídos do software Statistica, que é um pacote
estatístico amplamente utilizado na academia. Porém o software utilizado, não captura
intervenções que tenham ocorrido entre as dez primeiras ou dez últimas observações das
séries, essa característica do software impossibilita medir a sensibilidade das empresas e suas
respectivas rentabilidades com os eventos de F&A que se enquadram nesses intervalos.
68
Diante dos resultados obtidos, fica evidente que há a necessidade de trabalhos futuros
para o desenvolvimento dessa pesquisa, as sugestões para trabalhos futuros está no intuito de
identificar os motivos dos processos de combinação das empresas de Tecnologia da
Informação, sugerindo a análise para as barreiras a entrada, em que a intenção das empresas
que passam por esse processo não seria necessariamente o aumento de seus retornos, mas sim
a diminuição de concorrentes e o aumento da parcela de atuação no mercado. Outra
alternativa seria o exame da sensibilidade do ROA, ROE, ML e o retorno das ações com
impactos subsequentes a data da fusão e aquisição, o que poderia identificar uma estratégia de
longo prazo para empresas que passaram por esse processo. Ainda como sugestão fica a
escolha de outra metodologia que possa capturar o impacto de eventos de F&A que não a de
intervenção, e por fim pode-se desenvolver pesquisas diferenciando os impactos das fusões e
das aquisições.
69
REFERÊNCIAS BIBLIOGRÁFICAS
Agência Paulista de Promoção de Investimentos e Competitividade (2013). Pesquisa geral
pelo site. Disponível em <http://www.investe.sp.gov.br.> Acesso em: 25/12/2013.
ANDRADE, J. S. Apontamentos de Econometria Aplicada. 2004. Disponível em
<http://www4.fe.uc.pt/jasa/estudos/econometria.pdf>. Acesso em: 23/01/2014.
ARAUJO, C. A. G.; GOLDNER, F.; BRANDÃO, M.M.; OLIVEIRA, F. R. Estratégias de
Fusão e Aquisição Bancária no Brasil: evidências empíricas sobre retornos. Revista
Contemporânea de Economia e Gestão. v.5, nº 2, p. 07-20, jul/dez. 2007.
Associação das Empresas Brasileiras de Tecnologia da Informação (2014) Pesquisa geral no
site. Acesso em 2 de fevereiro de 2014. Disponível em http://assespro.org.br
BATISTA, A. L. F. Modelos de séries temporais e redes neurais artificiais na previsão de
vazão. 2009. 89f. Dissertação (Mestrado em Engenharia de Sistemas), Universidade Feral de
Lavras, Minas Gerais, 2009.
BATISTA, G. C.; RAUPP, F. M. Proposta de um plano de negócios para abertura de uma
franquia de lavanderia. In: Observatório de la Economía Latinoamericana, n° 195, 2014.
BOX, G. E. P.; JENKINS, G. M. Time series analysis: forecasting and control. San
Francisco: Holden-Day, 1976.
BRAGA, J.C. Temporalidade da riqueza: teoria da dinâmica e financeirização do
capitalismo. Campinas: Editora IE Unicamp, 2000.
BRASIL. Lei n. 6.404, de 15 de dezembro de 1976. Dispõe sobre as Sociedades por Ações.
Brasília: Diário Oficial da República Federativa do Brasil, 1976. 108 p.
BRASSCOM. Associação Brasileira das Empresas de Tecnologia da Informação e
Comunicação.
2012.
Inteligência,
Disponível
em
<http://www.brasscom.org.br/brasscom/Portugues/>. Acesso em: 05/01/2014.
BUENO, R. L. S. Econometria de Séries Temporais. 2. Ed. São Paulo: Cengage Learning,
2011.
CAMARGOS, M. A.; BARBOSA, F. V. Fusões, aquisições e takeovers: um levantamento
teórico dos motivos, hipóteses testáveis e evidencias empíricas. Caderno de Pesquisas em
Administração, São Paulo, v. 10, n. 2, p.17-38, abril/junho 2003.
CAMARGOS, M. A.; BARBOSA, F. V. Análise do desempenho econômico-financeiro e da
criação de sinergias em processos de fusões e aquisições do mercado brasileiro ocorrido entre
1995 e 1999. Cadernos de Pesquisas em Administração, São Paulo, V.12, n.2, p.99-115,
abril/junho 2005.
CASA GRANDE, M. A união faz a força. Gestão & Negócios, 58 ed., 2013. Disponível em:
<http://revistagestaoenegocios.uol.com.br/gestao-motivacao/57/artigo293377-1.asp>. Acesso
em: 05/01/2014.
70
CASTELLS, M. A Sociedade em Rede, São Paulo: Editora Paz e Terra, 2000.
CASTRO, E. F. Fusões e aquisições no setor bancário: a importância do processo pósaquisição. 1996. 97 p. Dissertação (Mestrado em Administração) – Escola de Administração
de Empresas de São Paulo, Fundação Getúlio Vargas, São Paulo, 1996.
EHLERS, R. S. Análise de Séries Temporais. 4ª ed., Laboratório de Estatística e
Geoinformação, Departamento de Estatística, UFPR, Curitiba, PR, 2007.
FAMA, E. Efficient Capital Markets: a review of theory and empirical work, Journal of
Finance 25, p. 383-417, 1969. Publicado em maio de 1970.
GARCIA, S.F.A.; GATAROSSA, Â.A.L.B.; NEVES, M.F. 2004. O ambiente institucional e
as decisões de marketing em fusões: o caso da indústria de cerveja. In: SEMINÁRIOS EM
ADMINISTRAÇÃO (SEMEAD), 7, 2004, São Paulo. Anais... São Paulo, USP, 2004.
GUJARATI, D. N.; PORTER, D. C. Econometria Básica. 5. Ed. Porto Alegre: AMGH,
2011.
ISHIMOTO, J.C. Motivações dos processos de fusões e aquisições no setor de
telecomunicações: Uma visão setorial. 48p. Monografia (Graduação em Ciências
Econômicas) – Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto,
Universidade de São Paulo, Ribeirão Preto, 2012.
KIRCHNER, V. Fusões e Aquisições no Brasil Pós Plano Real. 2009. 66 f. Trabalho de
Conclusão de Curso (Graduação em Economia) – Centro de Ciências Sociais Aplicadas,
Universidade Regional de Blumenau, Blumenau. 2009.
KPMG. Corporate Finance Ltda, Pesquisa de fusões e aquisições 2013. 3º trimestre. São
Paulo,
novembro.
Disponível
em:<http://www.kpmg.com/BR/PT/Estudos_Analises/artigosepublicacoes/Documents/Fusoes
%20e%20Aquisicoes/2013/FA-3-trimestre-2013.pdf> Acesso em: 03/01/2014.
LAURINDO, F. J. B. et al. O papel da tecnologia da informação (TI) na estratégia das
organizações. Gestão & Produção. v.8, n.2, São Carlos, 2001.
MATIAS, A. B.; PASIN, R. M. A geração de sinergias e seus impactos na rentabilidade das
empresas nos casos de fusões e aquisições. Revista de Administração, São Paulo v.36, n.1,
p.5-13, jan/mar 2001.
MATTOS, L. B.; CASSUCE, F. C. C.; CAMPOS, A. C. Determinantes dos investimentos
diretos estrangeiros no Brasil, 1980-2004. Revista de Economia Contemporânea, Rio de
Janeiro, v. 11, n. 1, abr. 2007.
MORETTIN, P. A.; TOLOI, C. M. C. Análise de séries temporais. 2. Ed. São Paulo: Edgard
Blucher, 2006.
OLIVEIRA, S. Um estudo em séries temporais na análise da receita nominal de vendas
de veículos e motos. 2012. Universidade Federal de Lavras, Minas Gerais, 2012.
71
ORSI, A. Incorporação de bases externas de conhecimento: a gestão do conhecimento nas
fusões e aquisições de empresas. 2003. 137 f. Dissertação (mestrado) - Faculdade de
Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo. 2003.
PENROSE, E. (1958) A teoria do crescimento da firma, Ed. Unicamp, 2006.
PERROTTI, P. S. R.; BARRUECO, F. M.; PERROTTI, M. F. R. Manual de Fusões e
Aquisições das empresas. Realização: Perrotti e Barrueco Advogados Associados &
Investtech
Part.
E
Investimentos.
Disponível
em
<http://www.bmaiscompet.com.br/arquivos/7Manual-aquisicoes-final.pdf>
Acesso
em:
09/11/2013.
PESSANHA, G. R. G.; CALEGARIO, C. L. L.; SÁFADI, T.; AZARA, L. N. Impactos das
estratégias de fusão e aquisição na rentabilidade dos bancos adquirentes: uma aplicação dos
modelos de intervenção no setor bancário brasileiro. Revista de Administração Mackenzie.
São Paulo, v. 13, n° 5, set/out. 2012.
PIRES, M. G. A. Integração Pós-Fusão dos Sistemas e da Tecnologia da Informação nas
Fusões e Aquisições em Instituições Bancárias. 2011. 308 f. Tese (Doutorado) – Faculdade
de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo. 2011.
PITASSI, C.; MORENO, R. O impacto da tecnologia da informação nas estratégias de
aquisição voltadas para a incorporação de capacitações. In: ENAPAD, 2001, Campinas.
Anais. Campinas: ANPAD, XXV, 2001.
RAMOS, B.; MAMEDES, S.; SEIXAS, V. Proposta de metodologia para implantação da
gestão de mudança organizacional na visão do gerenciamento de projetos: Um estudo de
caso sobre a fusão de empresas na área da Tecnologia da Informação. 112p. Trabalho de
Conclusão de Curso (Pós Graduação em Gerenciamento de Projetos) – Centro Tecnológico,
Universidade Federal Fluminense, Niterói, 2009.
REBELO JUNIOR, T. S.; IKEDA, R. H. Mercados eficientes e arbitragem: um estudo sob o
enfoque das finanças comportamentais. Revista Contabilidade & Finanças. São Paulo, vol.
15, n°34, jan/abril. 2004.
REBOUÇAS, F. Setor de Tecnologia da Informação no Brasil. Infoescola. 2012. Disponível
em:
<http://www.infoescola.com/economia/setor-de-tecnologia-da-informacao-no-brasil/>
acesso em: 10/12/2013.
RICKEN, S.V. Due diligence: um instrumento de apoio nos processos de cisão, fusão,
incorporação, e aquisição de empresas. 85p. Trabalho de Conclusão de Curso (Graduação em
Ciências Contábeis) – Centro Sócio Econômico, UFSC, Florianópolis, 2008.
ROHDE, G. M. A evolução das operações de fusões e aquisições no Brasil entre 1994 e
2012. 2013. 86p. Trabalho de Conclusão de Curso (Graduação em Ciências Econômicas) Faculdade de Ciências Econômicas, UFRGS, Porto Alegre, 2013.
72
SACCOL, A. Z.; PEDRON, C. D.; LIBERALI NETO, G.; MACADAR, M. A.; CAZELLA.
Avaliação do impacto dos sistemas ERP sobre variáveis estratégicas de grandes empresas no
Brasil. Revista de Administração Contemporânea, Curitiba v.8, n.1, p.3-7, jan/mar 2004.
SAMOHYL, R. W.; SILVA, W. V.; ARAUJO, F. P.; FIGUEIREDO, J. N. O uso da análise
de intervenção em séries temporais univariadas: uma aplicação empírica no mercado
automobilístico brasileiro. In: XXXIV Simpósio Brasileiro de Pesquisa Operacional, 2002,
RJ. XXXIV SBPO, 2002.
SILVA, J. Análise da variação de valor das empresas brasileiras de tecnologia de
informação e comunicação durante a crise do subprime. 2011. Trabalho de Conclusão de
Curso (Graduação em Administração) – Escola de Administração, UFRGS, Porto Alegre,
2011.
SILVA JÚNIOR, A.; RIBEIRO, A. H. P. Parceria e alianças estratégicas. In: BARROS,
Betania Tanure de (org.). Fusões, aquisições & parcerias. São Paulo: Atlas, 2001, cap. 4.
SOUZA, A. M. Aplicação e performance da análise de intervenção em séries
macroeconômicas brasileiras. 81 p. Monografia (Pós Graduação em Especialista em
Estatística e Modelagem) – Universidade Federal de Santa Maria, Santa Maria, 1991.
TIGRE, P. B.; MARQUES, F.S. Impactos dos modelos de negócios na geração de empregos
em tecnologias da informação na América Latina, Innovation/innovación/Inovação-RICE,
vol.2, n°1, 2010.