Este é um artigo de acesso aberto, licenciado por Creative Commons Atribuição 4.0 Internacional (CC BY 4.0), sendo permitidas reprodução, adaptação e distribuição desde que o autor e a fonte originais sejam creditados.
RESUMOEste trabalho investigou a relação entre o Custo de Capital Próprio e a Transparência dos Lucros no mercado brasileiro de capitais. Para isso, apoiado em uma revisão de literatura, especialmente com base no estudo de Barth et al. (2013), foram analisados os dados de 246 empresas entre os anos de 2005 e 2014. As análises foram realizadas a partir de estatísticas descritivas, correlações e regressões. Inicialmente, foram estimadas regressões em dados em painel com Efeitos Fixos e, ao se observar altos desvios-padrão das variáveis e possibilidade de heterocedasticidade, foram realizadas estimativas de regressões quantílicas e por GLS para controlar esses fenômenos. Em seus resultados, pode-se verificar que as variáveis de lucro das companhias apresentaram altos desvios-padrão no período analisado, influenciando as análises por Efeitos Fixos. A partir dos modelos por regressões quantílicas na mediana e por GLS, foi possível verificar que, apesar de a segregação das empresas por portfólios baseados em seu tamanho não ter apresentado influência nas análises, a relação do Custo de Capital Esperado com a Transparência dos Lucros foi negativa e significante. Com isso, conclui-se que, no período analisado, quanto maior foi a Transparência dos Lucros, menor foi o Custo de Capital Próprio das empresas. Assim, destacam--se como principais contribuições deste estudo a identificação dos modelos mais adequados à análise de lucros heterocedásticos no mercado brasileiro, assim como suas evidências de redução do Custo de Capital Próprio com o aumento da Transparência dos Lucros.
Palavras-chave:Custo de Capital Próprio, Transparência dos Lucros, regressão quantílica.
ABSTRACTThis research paper investigates the relationship between the Cost of Equity and the Earnings Transparency in the Brazilian capital market. For this purpose, supported by a literature review, especially based on Barth et al. (2013), data were analyzed from 246 companies between 2005 and 2014. The data analysis was performed using descriptive statistics, correlations and regressions. Initially regressions were estimated with fixed effects panel data and by the observation of high standard deviations of the variables and the possibility presence of heteroscedasticity, estimates were made by quantile regressions and GLS to control these phenomena. In the results, it can