Estimando impactos de fatores comuns e específicos nos spreads de bonds perpétuos conversíveis (CoCos)

• Ano de defesa: 2023
• Autor(a) principal: Vitor, Pedro Jose Gimenez
• Orientador(a): Maranhão, André Nunes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Debêntures conversíveis; Empresas - Finanças; Títulos (Finanças); Taxas de juros; Créditos
• Palavras-chave em Inglês: Contingent convertible perpetual bonds; Company – Finance; Fixed income securities; Interest rates; Credit spreads
• Link de acesso: https://hdl.handle.net/10438/34171

Títulos perpétuos contingent convertibles, ou CoCos, passaram a ganhar relevância dentro da estrutura de capitais de empresas do setor financeiro após a elaboração de Basileia III, que permite que esses ativos sejam considerados como parte do capital regulatório da empresa. O objetivo desses títulos é de reduzir a necessidade de resgates dos governos em instituições financeiras sistematicamente importantes em casos de falência/insolvência. Esses títulos são negociados diariamente e preços/spreads de crédito variam de acordo com a demanda do mercado por tais ativos. O objetivo do presente do trabalho é entender quais variáveis, entre fatores comuns, específicos e exógenos, possuem maior poder explicativo para esse comportamento dos spreads de acordo com diferentes metodologias de estimação desses impactos. Para tanto, utilizamos uma base de 100 títulos de 25 emissores diferentes no intervalo de 2012 a 2022. Pelos resultados, foi constatado que o comportamento dos bonds CoCos são mais sensíveis às covariáveis de renda variável do que de renda fixa e que os fatores comuns de mercado têm um maior poder explicativo do que os fatores específicos dos emissores. Não encontramos evidência de que o choque exógeno da recessão causada pela pandemia do Covid-19 impactou de forma significativa o comportamento dos spreads dos bonds analisados. Combinamos determinados fatores comuns de mercado e específicos dos emissores, selecionados através de diferentes metodologias: seleção estatística de variáveis, métodos de regularização e método de seleção estatística bottom-up. Dentre os principais modelos, identificamos capacidade explicativa no conceito R2 -ajustado de respectivamente 50.1% (seleção estatística bottom-up) e 47.7% (métodos estatísticos de seleção e regressão) das variações dos spreads de crédito.