A Incerteza da Política Econômica Afeta Operações de Fusões e Aquisições? Evidências do Mercado Brasileiro

Batista, Alexandre Teixeira Norberto; Lamounier, Wagner Moura; Mário, Poueri do Carmo

doi:10.15728/bbr.2023.20.2.2.pt

Alexandre Teixeira Norberto Batista

conceitualização

metodologia

análise de dados

curadoria de dados

pesquisa

redação do manuscrito original

redação - revisão e edição

Universidade Federal de Minas Gerais, Belo Horizonte, MG, Brazil

https://orcid.org/0000-0003-1490-1662

Wagner Moura Lamounier

conceitualização

validação de dados e experimentos

supervisão

redação - revisão e edição

Universidade Federal de Minas Gerais, Belo Horizonte, MG, Brazil

https://orcid.org/0000-0001-7154-6877

Poueri do Carmo Mário

conceitualização

validação de dados e experimentos

supervisão

redação - revisão e edição

Universidade Federal de Minas Gerais, Belo Horizonte, MG, Brazil

https://orcid.org/0000-0003-4307-6040

alexandretnb@yahoo.com.br

wagner@face.ufmg.br

poueri@gmail.com

CONTRIBUIÇÕES DE AUTORIA ATNB: Conceitualização, Metodologia, Análise formal, Tratamento dos Dados, Investigação, Escrita - rascunho original, Escrita - revisão & edição. WML: Conceitualização, Validação, Supervisão, Escrita - revisão & edição. PCM: Conceitualização, Validação, Supervisão, Escrita - revisão & edição.

CONFLITO DE INTERESSE Os autores declaram não ter nenhum conflito de interesse.

Variáveis Explanatórias	Descrição	Fonte
LNEPU	Logaritmo natural da média ponderada entre os meses de cada ano do índice EPU Brasil.	Nguyen e Phan (2017Nguyen, N. H., & Phan, H. V. (2017). Policy Uncertainty and Mergers and Acquisitions. Journal of Financial and Quantitative Analysis, 52(2), 613-644. https://doi.org/10.1017/S0022109017000175 https://doi.org/10.1017/S002210901700017... ); Bonaime et al. (2018Bonaime, A., Gulen, H., & Ion, M. (2018). Does policy uncertainty affect mergers and acquisitions? Journal of Financial Economics, 129(3), 531-558. https://doi.org/10.1016/j.jfineco.2018.05.007 https://doi.org/10.1016/j.jfineco.2018.0... ); Borthwick et al. (2020Borthwick, J., Ali, S., & Pan, X. (2020). Does policy uncertainty influence mergers and acquisitions activities in China? A replication study. Pacific-Basin Finance Journal, 62, 101381. https://doi.org/10.1016/j.pacfin.2020.101381 https://doi.org/10.1016/j.pacfin.2020.10... ); Sha et al. (2020Sha, Y., Kang, C., & Wang, Z. (2020). Economic policy uncertainty and mergers and acquisitions: Evidence from China. Economic Modelling, 89, 590-600. https://doi.org/10.1016/j.econmod.2020.03.029 https://doi.org/10.1016/j.econmod.2020.0... ).
LNIIE	Logaritmo natural da média ponderada entre os meses de cada ano do índice IIE Brasil.
De nível da Firma
LNAT	Logaritmo natural do ativo total.
ROA	Relação entre o lucro operacional antes dos juros e impostos e o ativo total.
VREC	Variação da receita operacional líquida com relação a t-1.
ALAV	Relação entre a dívida total bruta e o ativo total.
CX	Relação entre o caixa e equivalentes e o ativo total.
MTB	Índice Market-to-Book. Relação entre o valor de mercado e o valor contábil do patrimônio líquido.
RET	Retorno cumulativo das ações durante o período t.
VOL	Desvio-padrão dos retornos diários das ações durante o período t.
De nível da Indústria
IMTB	Mediana do índice Market-to-Book para cada setor no período t
IRET	Mediana dos retornos para cada setor no período t
IVOL	Mediana dos desvios-padrão anualizados dos retornos diários para cada setor no período t
HHI	Índice Herfindahl-Hirschman: somatório do quadrado das participações de mercado das empresas do setor.
De nível Macroeconômico
INVOP	Oportunidades de investimento: primeiro componente principal extraído da combinação linear entre quatro índices: índice de Confiança do Consumidor -ICC; índice de Atividade Econômica - IBC; Índice de Expectativas Futuras - IEX; e variação do PIB ao ano.
SELIC	Variação da taxa Selic ao ano.

Nota: o cálculo das variáveis de nível da indústria não se restringiu às empresas da amostra. Neste caso, consideraram-se todas as empresas listadas com dados disponíveis no setor no período t para o cálculo das medianas e do HHI. No cálculo da variável de nível macroeconômico INVOP, considerou-se a média entre os meses de cada ano para os índices ICC, IBC e IEX, que são divulgados mensalmente pelo Banco Central do Brasil (https://www3.bcb.gov.br/sgspub/). Detalhamentos dos resultados da PCA estão dispostos no ^{Apêndice A} APÊNDICE A: Resultados da Análise de Componentes Principais Na Tabela A1 a seguir, são apresentados os resultados da PCA. Os resultados foram obtidos com as variáveis ICC, IBC, IEX e variação real do PIB ao ano. Considerou-se a média entre os meses de cada ano para os índices ICC, IBC e IEX, que possuem periodicidade mensal, para coincidir com a periodicidade das séries empregadas na análise de regressão, que são anuais. Para obtenção da matriz de correlação e dos componentes extraídos, foram utilizados todo o histórico de dados disponíveis para essas variáveis, com início em 2003, pois é o ano em que se inicia a divulgação das séries dos índices analisados, até a data de realização da análise (2020). Tabela A1: Autovalores e Proporção da Variância Total Explicada Componente Autovalor Diferença Proporção Acumulado 1 2,43362 1.33377 0,6084 0,6084 2 1,09985 0,711264 0,2750 0,8834 3 0,388591 0,310659 0,0971 0,9805 4 0,0779318 0 0,0195 1,0000 Fonte: Elaborado pelos autores. Por meio de combinações lineares entre as variáveis originais, foram extraídos 4 componentes, entretanto apenas o primeiro componente foi considerado para a variável INVOP, pois explica a maior parte da variância total das variáveis incluídas, com proporção de 60,84%. Segundo Hair et al. (2009, p. 112), a análise de componentes principais é mais adequada quando “a redução dos dados é uma preocupação prioritária, focando o número mínimo de fatores necessários para explicar a proporção máxima da variância total representada no conjunto original de variáveis”. Portanto, é um método de extração de componentes menos restritivo e mais simples que a análise de fatores comuns. Na Tabela A2, são demonstrados os autovetores, que denotam a importância de cada variável para o componente extraído e o sinal indica a direção em que estão relacionados. Tabela A2: Autovetores e Componentes Principais Variável Comp. 1 Comp. 2 Comp. 3 Comp. 4 IBC -0,0417 0,9303 0,3282 0,1582 ICC 0,6129 0,1856 -0,0801 -0,7639 IEX 0,5836 0,1328 -0,5723 0,5606 PIB 0,5311 -0,2870 0,7472 0,2780 Fonte: Elaborado pelos autores. O teste de esfericidade de Bartlett testa a hipótese nula de que a matriz de correlação é uma matriz identidade. Os resultados para esse teste apontaram um valor-p inferior a 0,05, o que indica a existência de correlações significantes entre as variáveis e permite dar seguimento à análise (Hair et al., 2009). Referência Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2009). Multivariate Data Analysis (7th ed). Prentice Hall. . Em função de limitações nos dados disponíveis, algumas variáveis empregadas para o cálculo de INVOP se diferem das empregadas por Bonaime et al. (2018Bonaime, A., Gulen, H., & Ion, M. (2018). Does policy uncertainty affect mergers and acquisitions? Journal of Financial Economics, 129(3), 531-558. https://doi.org/10.1016/j.jfineco.2018.05.007
https://doi.org/10.1016/j.jfineco.2018.0... ).
Fonte: Elaborado pelos autores.

Variável	N	Média	Mediana	Desv.Pad	CV	Mínimo	Máximo
FA (t+1)	980	0,164	0	0,371	2,257	0,000	1,000
(Ln) EPU	980	5,144	4,987	0,441	0,086	4,347	5,726
(Ln) IIE-Br	980	4,652	4,638	0,093	0,020	4,497	4,766
(Ln) AT	980	15,712	15,656	1,594	0,101	10,973	19,874
ROA	980	0,045	0,045	0,067	1,500	-0,221	0,231
VREC	958	0,056	0,034	0,273	4,880	-0,631	1,569
ALAV	977	0,292	0,296	0,165	0,565	0,000	0,686
CX	977	0,088	0,667	0,079	0,900	0,000	0,409
MTB	977	2,238	1,425	2,229	0,996	0,170	11,896
RET	968	0,141	0,059	0,482	3,417	-0,721	1,889
VOL	980	0,300	0,251	0,164	0,545	0,136	1,131
IMTB	980	1,399	1,313	0,601	0,430	0,208	4,905
IRET	980	0,059	0,012	0,256	4,352	-0,345	0,750
IVOL	980	0,376	0,361	0,077	0,203	0,241	0,699
HHI	980	0,123	0,062	0,125	1,014	0,041	0,683
INVOP	980	-0,191	-0,738	1,929	-10,096	-3,322	2,658
SELIC	980	0,103	0,099	0,023	0,228	0,064	0,140

Nota: N: número de observações. DesvPad: Desvio-Padrão. CV: Coeficiente de Variação. Obs.: A matriz de correlação entre as variáveis empregadas nas regressões e sua análise encontram-se no ^{Apêndice B} APÊNDICE B: Matriz de Correlação O relacionamento preliminar entre as variáveis analisadas neste estudo pode ser constatado na tabela a seguir: Tabela B1: Matriz de Correlação entre as variáveis empregadas nas regressões FA (t+1) 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 2 (Ln) EPU -0.07 3 (Ln) IIE -0.03 0.75 4 (Ln) AT 0.13 0.00 0.00 5 ROA 0.03 -0.18 -0.11 -0.01 6 VREC 0.07 -0.23 -0.13 0.05 0.17 7 ALAV 0.04 0.02 0.00 0.30 -0.33 0.01 8 CX 0.03 0.02 0.01 -0.03 0.08 0.00 0.10 9 MTB 0.00 -0.13 -0.09 -0.10 0.32 0.08 0.07 0.08 10 RET 0.05 0.11 0.12 -0.04 0.25 0.18 -0.10 0.05 0.22 11 VOL -0.02 0.17 0.17 -0.34 -0.29 -0.07 0.00 -0.11 -0.05 0.05 12 IMTB 0.04 -0.27 -0.21 -0.10 0.15 0.11 -0.06 0.03 0.24 0.08 -0.15 13 IRET 0.01 0.25 0.26 -0.03 0.02 0.01 -0.05 0.00 0.08 0.53 0.05 0.20 14 IVOL -0.05 0.46 0.50 -0.01 -0.17 -0.14 -0.01 0.06 -0.15 0.02 0.25 -0.56 0.03 15 HHI 0.05 0.01 -0.01 0.27 -0.05 0.03 -0.07 0.10 -0.03 -0.07 -0.06 -0.02 -0.14 0.29 16 INVOP 0.05 -0.85 -0.66 -0.01 0.18 0.21 -0.04 -0.02 0.15 0.04 -0.16 0.35 -0.01 -0.48 -0.01 17 SELIC -0.03 0.46 0.37 -0.02 -0.09 -0.17 0.03 0.03 -0.08 -0.04 0.15 -0.26 0.00 0.38 0.03 -0.48 Nota: Em negrito correlações significativas a 10%. Fonte: Elaborado pelos autores. Constataram-se correlações moderadas e fortes em alguns casos entre as variáveis independentes do modelo, no entanto o VIF médio foi de 1,96 para a especificação com EPU e 1,63 para a especificação com IIE-Br. As correlações que levam em conta a variável FA(t+1) foram significativas em quatro casos: EPU, AT, VREC e RET, com sinal negativo na variável de incerteza. Cabe destaque para algumas correlações que consideram as variáveis de incerteza. Percebeu-se que o ROA, variação da receita, Market-to-Book nos níveis da firma e da indústria reagem negativamente a oscilações de incerteza, com maior intensidade para a incerteza política. A volatilidade das ações tende a acompanhar positivamente as medidas de incerteza, com destaque para a volatilidade mediana da indústria que possui intensidade moderada. Tal evidência mostra que essa medida pode ser capaz de capturar efeitos da incerteza no ambiente, refletida em maior dispersão dos retornos a nível setorial e é um fato que pode justificar a sua utilização como uma proxy de incerteza. A variável INVOP possui forte correlação negativa com a incerteza (considerando os índices EPU, IIE-Br e a volatilidade mediana da indústria). Isso mostra que momentos de elevada incerteza estão fortemente associados a condições econômicas pobres, refletidas nas expectativas dos agentes sobre a atividade econômica. Por outro lado, a taxa de juros possui associação positiva com a incerteza. Os efeitos causais da incerteza sobre as variáveis financeiras e de mercado ainda são nebulosos. Nesse sentido, com a análise do relacionamento preliminar entre essas variáveis, sugere-se que sua causalidade seja testada em novos estudos. deste documento.
Fonte: Elaborado pelos autores com dados da pesquisa.

	Variável Dependente FA (t+1)
	(1)				(2)
	(Ln) EPU	Erro Padrão	\|z\|	(Ln) IIE-Br	Erro Padrão	\|z\|
Incerteza	-0,754	0,386	-1,96^*	-0,263	1,153	-0,23
(Ln) AT	0,338	0,091	3,73^***	0,337	0,088	3,82^***
ROA	1,513	1,921	0,79	1,670	1,936	0,86
VREC	0,262	0,459	0,57	0,338	0,438	0,77
ALAV	-0,054	0,355	-0,15	-0,033	0,350	-0,09
CX	2,145	0,907	2,37^**	2,160	0,884	2,44^**
MTB	-0,053	0,042	-1,27	-0,052	0,042	-1,24
RET	0,453	0,269	1,69^*	0,422	0,259	1,63
VOL	1,286	0,778	1,65^*	1,260	0,766	1,65
IMTB	0,203	0,310	0,66	0,183	0,293	0,62
IRET	-0,181	0,678	-0,27	-0,411	0,704	-0,58
IVOL	-0,052	1,959	-0,03	0,086	2,645	0,03
HHI	-6,539	3,378	-1,94^*	-6,330	3,253	-1,95^*
INVOP	-0,092	0,058	-1,59	0,047	0,082	0,57
SELIC	0,088	2,138	0,04	-0,603	3,567	-0,17
Constante	-3,206	1,911	-1,68^*	-5,769	5,808	-0,99
Obs.		943			943
Pseudo-R2		0,0704			0,0671

	Variável Dependente FA (t+1)
	(3)				(4)
	(Ln) EPU	Erro Padrão	\|z\|	(Ln) IIE-Br	Erro Padrão	\|z\|
Incerteza	-0,745	0,298	-2,5^**	-0,352	0,800	-0,44
(Ln) AT	0,283	0,072	3,93^***	0,283	0,071	3,97^***
ROA	0,714	1,589	0,45	0,983	1,509	0,65
VREC	0,300	0,428	0,7	0,383	0,398	0,96
ALAV	-0,065	0,343	-0,19	-0,037	0,334	-0,11
CX	1,905	0,765	2,49^**	1,901	0,760	2,5^**
MTB	-0,049	0,047	-1,06	-0,049	0,046	-1,06
RET	0,457	0,183	2,5^**	0,365	0,156	2,34^**
HHI	-6,429	3,118	-2,06^**	-6,087	3,168	-1,92^*
INVOP	-0,090	0,046	-1,95^**	0,045	0,072	0,63
Constante	-1,719	1,432	-1,2	-3,911	4,153	-0,94
Obs.		943			943
Pseudo-R2		0,0656			0,0619

	Variável Dependente FA (t+1)
	(5)			(6)
	(Ln) EPU	Erro-Padrão	\|z\|	(Ln) IIE-Br	Erro Padrão	\|z\|
Incerteza	-0,638	0,300	-2,13^**	-0,045	0,729	-0,06
(Ln)AT	0,252	0,042	6,03^***	0,251	0,040	6,25^***
ROA	0,756	1,586	0,48	0,975	1,497	0,65
VREC	0,403	0,423	0,95	0,474	0,400	1,19
ALAV	0,322	0,235	1,37	0,340	0,233	1,46
CX	1,778	0,844	2,11^**	1,785	0,850	2,1^**
MTB	-0,023	0,044	-0,52	-0,021	0,044	-0,49
RET	0,412	0,159	2,59^***	0,320	0,129	2,49^**
HHI	0,126	0,737	0,17	0,112	0,737	0,15
INVOP	-0,069	0,046	-1,48	0,054	0,069	0,79
Constante	-2,747	1,500	-1,83^*	-5,780	3,475	-1,66*
Obs.		943			943
Pseudo-R2		0,0384			0,035

Modelos	Bonaime et al. (2018Bonaime, A., Gulen, H., & Ion, M. (2018). Does policy uncertainty affect mergers and acquisitions? Journal of Financial Economics, 129(3), 531-558. https://doi.org/10.1016/j.jfineco.2018.05.007 https://doi.org/10.1016/j.jfineco.2018.0... )	Borthwick et al. (2020Borthwick, J., Ali, S., & Pan, X. (2020). Does policy uncertainty influence mergers and acquisitions activities in China? A replication study. Pacific-Basin Finance Journal, 62, 101381. https://doi.org/10.1016/j.pacfin.2020.101381 https://doi.org/10.1016/j.pacfin.2020.10... )	Nguyen e Phan (2017Nguyen, N. H., & Phan, H. V. (2017). Policy Uncertainty and Mergers and Acquisitions. Journal of Financial and Quantitative Analysis, 52(2), 613-644. https://doi.org/10.1017/S0022109017000175 https://doi.org/10.1017/S002210901700017... )	Sha et al. (2020Sha, Y., Kang, C., & Wang, Z. (2020). Economic policy uncertainty and mergers and acquisitions: Evidence from China. Economic Modelling, 89, 590-600. https://doi.org/10.1016/j.econmod.2020.03.029 https://doi.org/10.1016/j.econmod.2020.0... )	Modelo 1	Modelo 3
País	EUA	China	EUA	China	Brasil	Brasil
Obs.	115.796	20.966	88.768	29.588	943	943
Pseudo-R2	-	0.02	0.07	0.01	0.07	0.07
Variáveis
Economic Policy Uncertainty	-	-	-	+	-	-
Tamanho	+	+	+	+	+	+
Rentabilidade dos Ativos	+	+	n/a	.	.	.
Variação das Vendas	+	+	+	n/a	.	.
Alavancagem	-	+	-	.	.	.
Caixa e Equivalentes	+	+	n/a	+	+	+
Capital de Giro Operacional	n/a	n/a	+	n/a	n/a	n/a
Market-to-book	+	-	+	.	.	.
Retornos Passados	+	+	+	+	+	+
Volatilidade dos Retornos	-	+	n/a	n/a	+	n/a
Shiller’s CAPE	+	.	n/a	n/a	n/a	n/a
Market-to-book (mediana do setor)	.	+	n/a	n/a	.	n/a
Retornos Passados (mediana do setor)	+	.	n/a	n/a	.	n/a
Volatilidade (mediana do setor)	-	-	n/a	n/a	.	n/a
Choques Econômicos no Setor	+	-	n/a	n/a	n/a	n/a
Herfindahl-Hirschman	n/a	n/a	n/a	n/a	-	-
Oportunidades de Investimento	-	-	n/a	n/a	.	-
Taxa de Juros	+	+	n/a	n/a	.	n/a
Incerteza Macroeconômica	-	+	n/a	n/a	n/a	n/a
Idade da Firma	n/a	n/a	+	n/a	n/a	n/a
Constante	.	-	-	-	-	.

Componente	Autovalor	Diferença	Proporção	Acumulado
1	2,43362	1.33377	0,6084	0,6084
2	1,09985	0,711264	0,2750	0,8834
3	0,388591	0,310659	0,0971	0,9805
4	0,0779318	0	0,0195	1,0000

Variável	Comp. 1	Comp. 2	Comp. 3	Comp. 4
IBC	-0,0417	0,9303	0,3282	0,1582
ICC	0,6129	0,1856	-0,0801	-0,7639
IEX	0,5836	0,1328	-0,5723	0,5606
PIB	0,5311	-0,2870	0,7472	0,2780

		FA (t+1)	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16
2	(Ln) EPU	-0.07
3	(Ln) IIE	-0.03	0.75
4	(Ln) AT	0.13	0.00	0.00
5	ROA	0.03	-0.18	-0.11	-0.01
6	VREC	0.07	-0.23	-0.13	0.05	0.17
7	ALAV	0.04	0.02	0.00	0.30	-0.33	0.01
8	CX	0.03	0.02	0.01	-0.03	0.08	0.00	0.10
9	MTB	0.00	-0.13	-0.09	-0.10	0.32	0.08	0.07	0.08
10	RET	0.05	0.11	0.12	-0.04	0.25	0.18	-0.10	0.05	0.22
11	VOL	-0.02	0.17	0.17	-0.34	-0.29	-0.07	0.00	-0.11	-0.05	0.05
12	IMTB	0.04	-0.27	-0.21	-0.10	0.15	0.11	-0.06	0.03	0.24	0.08	-0.15
13	IRET	0.01	0.25	0.26	-0.03	0.02	0.01	-0.05	0.00	0.08	0.53	0.05	0.20
14	IVOL	-0.05	0.46	0.50	-0.01	-0.17	-0.14	-0.01	0.06	-0.15	0.02	0.25	-0.56	0.03
15	HHI	0.05	0.01	-0.01	0.27	-0.05	0.03	-0.07	0.10	-0.03	-0.07	-0.06	-0.02	-0.14	0.29
16	INVOP	0.05	-0.85	-0.66	-0.01	0.18	0.21	-0.04	-0.02	0.15	0.04	-0.16	0.35	-0.01	-0.48	-0.01
17	SELIC	-0.03	0.46	0.37	-0.02	-0.09	-0.17	0.03	0.03	-0.08	-0.04	0.15	-0.26	0.00	0.38	0.03	-0.48

\frac{\partial p (x)}{\partial x_{j}} = G^{'} (β_{0} + x β) β_{j} = \frac{e^{Z}}{1 + e^{Z}} \frac{1}{1 + e^{Z}} β_{j} \frac{e^{Z}}{{(1 + e^{Z})}^{2}} β_{j}

Component	Eigenvalue	Difference	Proportion	Accumulated
1	2.43362	1.33377	0.6084	0.6084
2	1.09985	0.711264	0.2750	0.8834
3	0.388591	0.310659	0.0971	0.9805
4	0.0779318	0	0.0195	1.0000

Variable	Comp. 1	Comp. 2	Comp. 3	Comp. 4
IBC	-0.0417	0.9303	0.3282	0.1582
ICC	0.6129	0.1856	-0.0801	-0.7639
IEX	0.5836	0.1328	-0.5723	0.5606
GDP	0.5311	-0.2870	0.7472	0.2780

		MA t+1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16
2	(Ln) EPU	-0.07
3	(Ln) IIE	-0.03	0.75
4	(Ln) SIZE	0.13	0.00	0.00
5	ROA	0.03	-0.18	-0.11	-0.01
6	VSALES	0.07	-0.23	-0.13	0.05	0.17
7	LEV	0.04	0.02	0.00	0.30	-0.33	0.01
8	CX	0.03	0.02	0.01	-0.03	0.08	0.00	0.10
9	MTB	0.00	-0.13	-0.09	-0.10	0.32	0.08	0.07	0.08
10	RET	0.05	0.11	0.12	-0.04	0.25	0.18	-0.10	0.05	0.22
11	VOL	-0.02	0.17	0.17	-0.34	-0.29	-0.07	0.00	-0.11	-0.05	0.05
12	IMTB	0.04	-0.27	-0.21	-0.10	0.15	0.11	-0.06	0.03	0.24	0.08	-0.15
13	IRET	0.01	0.25	0.26	-0.03	0.02	0.01	-0.05	0.00	0.08	0.53	0.05	0.20
14	IVOL	-0.05	0.46	0.50	-0.01	-0.17	-0.14	-0.01	0.06	-0.15	0.02	0.25	-0.56	0.03
15	HHI	0.05	0.01	-0.01	0.27	-0.05	0.03	-0.07	0.10	-0.03	-0.07	-0.06	-0.02	-0.14	0.29
16	INVOP	0.05	-0.85	-0.66	-0.01	0.18	0.21	-0.04	-0.02	0.15	0.04	-0.16	0.35	-0.01	-0.48	-0.01
17	SELIC	-0.03	0.46	0.37	-0.02	-0.09	-0.17	0.03	0.03	-0.08	-0.04	0.15	-0.26	0.00	0.38	0.03	-0.48

[1] alexandretnb@yahoo.com.br

Brasil

Brasil

A Incerteza da Política Econômica Afeta Operações de Fusões e Aquisições? Evidências do Mercado Brasileiro

Resumo