Avaliação de empresas por múltiplos aplicado ao mercado brasileiro
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/12/12139/tde-10022020-181354/ |
Resumo: | O objeto deste estudo é a metodologia de avaliação de empresas conhecida como avaliação relativa ou por múltiplos, com os objetivos de identificar: quais características melhor explicam as diferenças do preço relativo das empresas listadas na bolsa de valores brasileira; e quais modelos estimados apresentam melhores resultados. A pesquisa contribui para uma melhor compreensão da metodologia de avaliação de empresas por múltiplos, agregando maior grau de confiabilidade na utilização da técnica. A forma tradicional de estimação de valor de empresas por múltiplos utiliza uma média dos valores dos múltiplos das empresas consideradas comparáveis, sendo estas selecionadas com base em características semelhantes da empresa em avaliação. Na presente pesquisa ao aplicar a técnica de regressão linear múltipla é realizada uma forma de controle das diferenças das empresas, uma vez que a natureza das empresas envolve muitas especificidades e que sempre existirá algum grau de diferença entre as mesmas. Assim, com os modelos estimados é possível precificar os múltiplos de forma mais confiável, ao ponderar os impactos das características das empresas. A análise foi realizada de 2015 a 2018 e foram identificadas, para os múltiplos de valor de mercado P/L (preço sobre lucro) e P/PLC (preço sobre patrimônio líquido contábil), as variáveis explicativas: crescimento; taxa de distribuição de dividendos; risco; e rentabilidade. Para os múltiplos de valor de empresa EV/EBITDA (valor da empresa sobre EBITDA), EV/IC (valor da empresa sobre capital investido) e EV/Receita (valor da empresa sobre receita), foram identificadas as variáveis explicativas: crescimento; taxa de reinvestimento; risco; rentabilidade; taxa de tributação; e margem operacional. As variáveis determinantes dos múltiplos ou explicativas foram extraídas do modelo de Fluxo de Caixa Descontado e das variáveis de padronização utilizadas (lucro, EBITDA, patrimônio líquido contábil, capital investido e receita). Os modelos estimados para o múltiplo ln(EV/Receita) foram os que apresentaram melhor resultado. Os modelos estimados para múltiplos de lucro estão em segundo lugar - na comparação entre os mesmos, o múltiplo ln(P/L) apresenta maiores R2, enquanto os modelos estimados para o múltiplo ln(EV/EBITDA) melhor satisfazem as suposições da regressão linear múltipla. Os modelos estimados para os múltiplos de patrimônio contábil foram os que apresentaram piores resultados. |
id |
USP_c55b8fc40cc5a9852cff491857b39af0 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-10022020-181354 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Avaliação de empresas por múltiplos aplicado ao mercado brasileiroMultipli valuation applied to the brazilian market abstractAvaliação de empresasAvaliação por múltiplosAvaliação relativaDeterminantes dos múltiplosMultiple valuationRelative valuationValuationValue driversO objeto deste estudo é a metodologia de avaliação de empresas conhecida como avaliação relativa ou por múltiplos, com os objetivos de identificar: quais características melhor explicam as diferenças do preço relativo das empresas listadas na bolsa de valores brasileira; e quais modelos estimados apresentam melhores resultados. A pesquisa contribui para uma melhor compreensão da metodologia de avaliação de empresas por múltiplos, agregando maior grau de confiabilidade na utilização da técnica. A forma tradicional de estimação de valor de empresas por múltiplos utiliza uma média dos valores dos múltiplos das empresas consideradas comparáveis, sendo estas selecionadas com base em características semelhantes da empresa em avaliação. Na presente pesquisa ao aplicar a técnica de regressão linear múltipla é realizada uma forma de controle das diferenças das empresas, uma vez que a natureza das empresas envolve muitas especificidades e que sempre existirá algum grau de diferença entre as mesmas. Assim, com os modelos estimados é possível precificar os múltiplos de forma mais confiável, ao ponderar os impactos das características das empresas. A análise foi realizada de 2015 a 2018 e foram identificadas, para os múltiplos de valor de mercado P/L (preço sobre lucro) e P/PLC (preço sobre patrimônio líquido contábil), as variáveis explicativas: crescimento; taxa de distribuição de dividendos; risco; e rentabilidade. Para os múltiplos de valor de empresa EV/EBITDA (valor da empresa sobre EBITDA), EV/IC (valor da empresa sobre capital investido) e EV/Receita (valor da empresa sobre receita), foram identificadas as variáveis explicativas: crescimento; taxa de reinvestimento; risco; rentabilidade; taxa de tributação; e margem operacional. As variáveis determinantes dos múltiplos ou explicativas foram extraídas do modelo de Fluxo de Caixa Descontado e das variáveis de padronização utilizadas (lucro, EBITDA, patrimônio líquido contábil, capital investido e receita). Os modelos estimados para o múltiplo ln(EV/Receita) foram os que apresentaram melhor resultado. Os modelos estimados para múltiplos de lucro estão em segundo lugar - na comparação entre os mesmos, o múltiplo ln(P/L) apresenta maiores R2, enquanto os modelos estimados para o múltiplo ln(EV/EBITDA) melhor satisfazem as suposições da regressão linear múltipla. Os modelos estimados para os múltiplos de patrimônio contábil foram os que apresentaram piores resultados.The object of this study is the company valuation methodology known as relative valuation or multiples valuation, in order to identify: which characteristics best explain the differences in the relative price of companies listed on the Brazilian stock exchange; and which estimated models have the best results. The research contributes to a better understanding of the methodology of valuation of companies by multiples, adding greater degree of reliability in the use of the technique. The traditional way of estimating company value by multiples uses an average of the values of multiples of companies considered comparable, which are selected based on similar characteristics of the company under evaluation. In the present research, applying the multiple linear regression technique, a form of controlling the differences of the companies is performed, since the nature of the companies involves many specificities and that there will always be some degree of difference between them. Thus, with the estimated models, it is possible to price the multiples more reliably by weighing the impacts of business characteristics. The analysis was performed from 2015 to 2018 and the explanatory variables were identified for the market value multiples P/L (price on profit) and P/PLC (price on book equity) are: growth; dividend distribution rate; risk; and profitability. For the EV/EBITDA (company value over EBITDA), EV/IC (company value over invested capital) and EV/Revenue (company value over revenue) multiples, the following explanatory variables were identified: growth; reinvestment rate; risk; profitability; tax rate; and operating margin. The determinants of the multiples or explanatory variables were extracted from the Discounted Cash Flow model and the standardization variables used (profit, EBITDA, book value, invested capital and revenue). The estimated models for the multiple ln(EV/Revenue) presented the best results. Estimated models for profit multiples are in second place - when comparing them, the ln(P/L) multiple has higher R2, while the estimated ln(EV/EBITDA) best fits the assumptions of multiple linear regression. The estimated models for the accounting equity multiples showed the worst results.Biblioteca Digitais de Teses e Dissertações da USPMontini, Alessandra de ÁvilaKanazawa, Marcelo Notomi2019-11-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/12/12139/tde-10022020-181354/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2020-02-18T00:19:02Zoai:teses.usp.br:tde-10022020-181354Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212020-02-18T00:19:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Avaliação de empresas por múltiplos aplicado ao mercado brasileiro Multipli valuation applied to the brazilian market abstract |
title |
Avaliação de empresas por múltiplos aplicado ao mercado brasileiro |
spellingShingle |
Avaliação de empresas por múltiplos aplicado ao mercado brasileiro Kanazawa, Marcelo Notomi Avaliação de empresas Avaliação por múltiplos Avaliação relativa Determinantes dos múltiplos Multiple valuation Relative valuation Valuation Value drivers |
title_short |
Avaliação de empresas por múltiplos aplicado ao mercado brasileiro |
title_full |
Avaliação de empresas por múltiplos aplicado ao mercado brasileiro |
title_fullStr |
Avaliação de empresas por múltiplos aplicado ao mercado brasileiro |
title_full_unstemmed |
Avaliação de empresas por múltiplos aplicado ao mercado brasileiro |
title_sort |
Avaliação de empresas por múltiplos aplicado ao mercado brasileiro |
author |
Kanazawa, Marcelo Notomi |
author_facet |
Kanazawa, Marcelo Notomi |
author_role |
author |
dc.contributor.none.fl_str_mv |
Montini, Alessandra de Ávila |
dc.contributor.author.fl_str_mv |
Kanazawa, Marcelo Notomi |
dc.subject.por.fl_str_mv |
Avaliação de empresas Avaliação por múltiplos Avaliação relativa Determinantes dos múltiplos Multiple valuation Relative valuation Valuation Value drivers |
topic |
Avaliação de empresas Avaliação por múltiplos Avaliação relativa Determinantes dos múltiplos Multiple valuation Relative valuation Valuation Value drivers |
description |
O objeto deste estudo é a metodologia de avaliação de empresas conhecida como avaliação relativa ou por múltiplos, com os objetivos de identificar: quais características melhor explicam as diferenças do preço relativo das empresas listadas na bolsa de valores brasileira; e quais modelos estimados apresentam melhores resultados. A pesquisa contribui para uma melhor compreensão da metodologia de avaliação de empresas por múltiplos, agregando maior grau de confiabilidade na utilização da técnica. A forma tradicional de estimação de valor de empresas por múltiplos utiliza uma média dos valores dos múltiplos das empresas consideradas comparáveis, sendo estas selecionadas com base em características semelhantes da empresa em avaliação. Na presente pesquisa ao aplicar a técnica de regressão linear múltipla é realizada uma forma de controle das diferenças das empresas, uma vez que a natureza das empresas envolve muitas especificidades e que sempre existirá algum grau de diferença entre as mesmas. Assim, com os modelos estimados é possível precificar os múltiplos de forma mais confiável, ao ponderar os impactos das características das empresas. A análise foi realizada de 2015 a 2018 e foram identificadas, para os múltiplos de valor de mercado P/L (preço sobre lucro) e P/PLC (preço sobre patrimônio líquido contábil), as variáveis explicativas: crescimento; taxa de distribuição de dividendos; risco; e rentabilidade. Para os múltiplos de valor de empresa EV/EBITDA (valor da empresa sobre EBITDA), EV/IC (valor da empresa sobre capital investido) e EV/Receita (valor da empresa sobre receita), foram identificadas as variáveis explicativas: crescimento; taxa de reinvestimento; risco; rentabilidade; taxa de tributação; e margem operacional. As variáveis determinantes dos múltiplos ou explicativas foram extraídas do modelo de Fluxo de Caixa Descontado e das variáveis de padronização utilizadas (lucro, EBITDA, patrimônio líquido contábil, capital investido e receita). Os modelos estimados para o múltiplo ln(EV/Receita) foram os que apresentaram melhor resultado. Os modelos estimados para múltiplos de lucro estão em segundo lugar - na comparação entre os mesmos, o múltiplo ln(P/L) apresenta maiores R2, enquanto os modelos estimados para o múltiplo ln(EV/EBITDA) melhor satisfazem as suposições da regressão linear múltipla. Os modelos estimados para os múltiplos de patrimônio contábil foram os que apresentaram piores resultados. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-11-19 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www.teses.usp.br/teses/disponiveis/12/12139/tde-10022020-181354/ |
url |
http://www.teses.usp.br/teses/disponiveis/12/12139/tde-10022020-181354/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809090570332667904 |