Denise Manfredini Lin; Angélica Castilho Gasparotto

DOI: 10.22167/2675-6528-202600718

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

O presente estudo investigou a persistência da volatilidade no mercado secundário de debêntures brasileiras e sua relação com as garantias contratuais. Utilizando 208.461 observações de debêntures indexadas ao IPCA, coletadas entre 2021 e 2025, a metodologia combinou modelagem GARCH com regressão logística. A análise GARCH comparou as especificações GARCH(1,1) e IGARCH(1,1) para testar a hipótese de persistência integral versus reversão à média, enquanto a regressão logística examinou como choques de risco sistêmico influenciavam a precificação de títulos corporativos. Os resultados indicaram que os choques de volatilidade se dissiparam gradualmente ao longo de aproximadamente duas semanas, refutando a hipótese de persistência permanente. Nesse cenário de risco elevado, porém transitório, a regressão logística demonstrou que debêntures com garantias reais negociaram com deságios substancialmente menores. Concluiu-se que a proteção contratual mitiga o prêmio de risco exigido pelo mercado, evidenciando o papel complementar da volatilidade condicional e das garantias na alocação de risco.

Palavras-chave: Colateralização; Mercado secundário; Risco sistêmico; Títulos corporativos; Volatilidade condicional.

1. Introdução

O mercado financeiro brasileiro, em particular o segmento de debêntures corporativas, tem experimentado transformações significativas. Entre 2021 e 2025, o Brasil vivenciou um dos ciclos de aperto monetário mais intensos desde a adoção do regime de metas de inflação. A taxa Selic, que em 2020 atingiu seu patamar histórico mínimo de dois por cento ao ano, foi rapidamente elevada pelo Banco Central, alcançando 13,75% em meados de 2022 e quinze por cento no terceiro trimestre de 2025. Esse ambiente de juros elevados impulsionou uma expansão notável do mercado de debêntures, motivada pela busca das empresas por financiamento alternativo e pelo crescente interesse dos investidores em ativos de renda fixa privada com retornos superiores aos títulos públicos.

Apesar de o arcabouço regulatório para emissões corporativas ter sido formalizado em 1988 com o Sistema Nacional de Debêntures (SND), a expansão mais vigorosa do mercado de debêntures teve início a partir de meados da década de 2000. Esse crescimento foi impulsionado pelo aprimoramento da gestão da dívida pública e pelo alongamento dos prazos dos títulos do Tesouro Nacional, que permitiram a formação de curvas de rendimento de referência. A partir de 2005, empresas brasileiras passaram a substituir o endividamento externo por emissões domésticas de crédito privado, mitigando o risco cambial em favor do risco de taxa de juros (Lopes et al., 2007). A legislação de 2011, que instituiu isenções fiscais para debêntures de infraestrutura, também tornou esses títulos mais atrativos. Em 2022, o mercado doméstico de debêntures corporativas consolidou-se como fonte essencial de financiamento, com um estoque de aproximadamente R$ 918 bilhões, equivalente a nove por cento do Produto Interno Bruto nacional (B3, 2023). Essa trajetória de crescimento manteve-se nos anos seguintes, e em 2024, o mercado de crédito privado registrou volumes recordes em emissões primárias e negociações no mercado secundário (ANBIMA, 2024), reforçando a consolidação das debêntures como alternativa relevante aos empréstimos bancários tradicionais (Borensztein et al., 2022; Leigh e Xu, 2025).

Nesse cenário dinâmico, a precificação adequada das debêntures exige uma análise de risco que transcenda o rating de crédito dos emissores. A estrutura do mercado secundário sugere que o desenho dos contratos e a liquidez dos títulos desempenham um papel crucial na formação do prêmio exigido pelos investidores. As garantias reais, por exemplo, atuam como um mecanismo de sinalização em ambientes de informação assimétrica, reduzindo a percepção de risco e o custo de captação. A literatura brasileira sobre precificação de debêntures tem tradicionalmente enfatizado fatores estáticos observáveis no momento da emissão, como o rating, que, embora influencie o prêmio de risco primário, explica apenas uma fração da variabilidade (Paiva, 2011; Sheng e Saito, 2005).

Contudo, essa abordagem estática possui limitações significativas. O rating de crédito, embora capture a sensibilidade da inadimplência a fatores sistêmicos, não esgota os determinantes do spread (Hilscher e Wilson, 2011). Além disso, pesquisas sobre títulos corporativos fora do contexto norte-americano ainda são escassas (Goldstein e Namin, 2023). Mais importante, a análise estática não captura a dinâmica temporal da incerteza nem o papel das garantias contratuais em ambientes de volatilidade persistente. A variável de deságio, definida como o desvio do preço de mercado em relação ao valor de face, serve como proxy para a percepção de risco, onde valores positivos indicam negociação abaixo do par, sinalizando maior prêmio de risco exigido pelos investidores.

Para preencher essa lacuna, o presente estudo investiga as propriedades estocásticas do deságio por meio de modelos GARCH e IGARCH, mensurando a persistência dos choques de volatilidade ao longo do tempo. Em seguida, analisa como essa volatilidade se reflete na precificação de títulos com diferentes estruturas de garantias, utilizando um modelo Logit para verificar se debêntures com garantias reais negociam consistentemente com deságios menores. Assim, o objetivo deste trabalho é investigar a persistência da volatilidade no mercado secundário de debêntures brasileiras e sua relação com garantias contratuais, estabelecendo uma conexão empírica entre a persistência do risco de mercado e a proteção contratual.

2. Material e Métodos

A estratégia empírica deste estudo fundamentou-se na premissa de que a configuração dos contratos de crédito está intrinsecamente vinculada à natureza e à persistência dos choques que atingem o mercado. Para compreender como a incerteza se propaga e altera a exigência de proteções contratuais, o arcabouço metodológico analisou, primeiramente, as propriedades estocásticas do deságio médio no mercado secundário por meio de modelos de variância condicional da família GARCH e, em seguida, relacionou essa dinâmica de incerteza com as decisões de colateralização dos emissores mediante regressão logística.

A pesquisa caracterizou-se como um estudo empírico de natureza quantitativa, com o objetivo de investigar a persistência da volatilidade no mercado secundário de debêntures brasileiras e sua relação com garantias contratuais. A unidade de análise consistiu em observações de debêntures negociadas no mercado secundário, com foco em títulos indexados ao IPCA.

Os dados foram coletados por meio de web scraping no portal https://www.debentures.com.br/, uma plataforma mantida pela ANBIMA que centraliza informações do mercado secundário de debêntures. O procedimento de coleta automatizada foi implementado no software R (versão 4.5.1), utilizando os pacotes rvest e httr, abrangendo o período de junho de 2021 a junho de 2025.

A coleta de dados envolveu duas etapas principais. Na primeira, realizou-se a extração diária de preços, volumes e códigos ISIN das transações no mercado secundário. Na segunda etapa, procedeu-se à busca individualizada das características contratuais de cada série de debênture, incluindo informações sobre garantias, indexador, vencimento e valor nominal na emissão.

A base bruta inicial continha 303.851 observações de negociações. Para focar no objetivo do estudo, excluíram-se as debêntures não indexadas ao IPCA, o que reduziu a base para 212.741 observações. Após a remoção de 4.280 registros inconsistentes, a base de dados final para análise totalizou 208.461 observações.

Na amostra final, a predominância de títulos indexados ao IPCA foi de 70,0% do total de observações, enquanto os títulos indexados ao DI representaram 28,4%. As demais categorias de indexadores somaram menos de 2% da amostra. Quanto à estrutura de garantias, 70,9% das observações referiam-se a debêntures quirografárias ou subordinadas, e 29,1% correspondiam a títulos com garantia real ou flutuante.

Como proxy para a percepção de risco no mercado secundário, calculou-se a variável Deságio (d). Esta variável foi definida como o desvio do preço unitário de mercado em relação ao valor de face do título, conforme a expressão d = -(%PUcurva – 100)/100, onde %PUcurva representa o percentual do preço unitário em relação ao valor de face. Valores positivos de deságio indicaram negociação abaixo do par, sinalizando maior prêmio de risco exigido pelos investidores.

A primeira etapa da análise empírica investigou as propriedades estocásticas da série do deságio médio diário agregado de todas as emissões IPCA negociadas. Como a série em nível não satisfez o requisito de estacionariedade na média, a análise foi conduzida sobre a variação percentual do deságio médio diário, calculada como r₁ = (đt – đt-1) × 100. Testes preliminares, como o ARCH-LM (Engle, 1982), confirmaram a presença de heterocedasticidade condicional nos retornos, justificando a aplicação de modelos GARCH.

Para capturar a persistência dos choques de volatilidade, estimou-se um modelo GARCH(1,1) (Bollerslev, 1986), no qual a variância condicional depende de inovações passadas e de sua própria trajetória defasada. Formalmente, o modelo GARCH(1,1) foi definido como σ²τ = ω + αε²t−1 + βσ²t-1, onde εt é uma sequência de variáveis aleatórias independentes e identicamente distribuídas com média zero e variância unitária, seguindo uma distribuição t-Student padronizada.

Para testar a hipótese de persistência unitária dos deságios no mercado secundário de debêntures, estimou-se também o modelo IGARCH (Engle e Bollerslev, 1986), que assume que a soma dos coeficientes α + β é igual a um, implicando que os choques de volatilidade são permanentes. O modelo IGARCH(1,1) foi especificado como σ²t = ω + αε²t−1 + (1 − α)σ²t−1. Ambos os modelos foram estimados utilizando o pacote rugarch no software R (versão 4.5.1).

Na segunda etapa do trabalho, utilizou-se uma regressão logística para investigar a relação entre o deságio individual e a probabilidade de uma debênture possuir garantia real ou flutuante. A variável dependente binária assumiu valor unitário para debêntures com garantia real ou flutuante e zero para as demais. O modelo logístico foi definido por logit(p1) = β’χ (Ekström et al., 2018).

A especificação estimada para a regressão logística foi logit[P(Git = 1)] = βο + β₁dit + β2log10(Qtdit + 1), onde dit representou o deságio individual da observação i no instante t, e log10(Qtdit + 1) foi a variável de controle para o volume de negociação. A estimação foi realizada no software R (versão 4.5.1) utilizando a função glm do pacote stats.

Considerando a estrutura de dados em painel, onde múltiplas observações temporais pertencem ao mesmo ativo, os erros-padrão foram ajustados para correlação intracluster, agrupados por emissão. Este procedimento garantiu a robustez da inferência estatística, mitigando a dependência temporal dos dados e assegurando a validade dos resultados obtidos.

3. Resultados e Discussão

A análise empírica deste estudo revelou padrões consistentes na dinâmica da volatilidade e na precificação de debêntures no mercado secundário brasileiro, com base em 208.461 observações de títulos indexados ao IPCA entre junho de 2021 e junho de 2025. A investigação foi dividida em duas etapas principais: a primeira focou na mensuração da persistência dos choques de volatilidade por meio de modelos GARCH, enquanto a segunda examinou a relação entre o deságio e a presença de garantias contratuais utilizando regressão logística. Os achados fornecem uma compreensão aprofundada de como o risco de mercado e as proteções contratuais interagem na formação dos prêmios exigidos pelos investidores.

Evidências dos Modelos GARCH para a Dinâmica de Volatilidade

A primeira etapa da análise concentrou-se nas propriedades estocásticas da série de deságios médios diários das debêntures IPCA. Testes preliminares, como o ARCH-LM de Engle (1982) e o Ljung-Box, confirmaram a presença de heterocedasticidade condicional e autocorrelação na variância dos retornos do deságio. O teste ARCH-LM, com uma estatística qui-quadrado de 272,59 (p-valor < 0,0001) para 12 defasagens, rejeitou a hipótese nula de ausência de efeitos ARCH. Similarmente, o teste de Ljung-Box, com uma estatística de 307,89 (p-valor < 0,0001), reforçou a existência de autocorrelação na variância condicional, validando a aplicação de modelos GARCH para capturar a dinâmica da volatilidade.

Para modelar a persistência dos choques de volatilidade, foram estimados os modelos GARCH(1,1) e IGARCH(1,1), assumindo uma distribuição t-Student para as inovações. Essa escolha foi motivada pela presença de caudas pesadas nas séries financeiras de alta frequência, um resultado consistente com a literatura sobre mercados emergentes. O parâmetro shape estimado em 6,33 para o GARCH(1,1) e 5,15 para o IGARCH(1,1) confirmou que a distribuição dos retornos do deságio possui curtose superior à distribuição normal, indicando a ocorrência mais frequente de eventos extremos do que o previsto por uma distribuição gaussiana.

A seleção entre as especificações GARCH(1,1) e IGARCH(1,1) foi realizada com base em critérios de informação e no teste de razão de verossimilhança. O modelo GARCH(1,1) apresentou valores inferiores nos critérios AIC (2,068 vs. 2,077), BIC (2,102 vs. 2,106) e Hannan-Quinn (2,081 vs. 2,088), indicando um melhor ajuste aos dados. Adicionalmente, o teste de razão de verossimilhança resultou em uma estatística LR de 11,75, com p-valor de 0,0006, permitindo rejeitar a hipótese nula de que o IGARCH(1,1) é adequado ao nível de 1% de significância. Este resultado confirmou a superioridade estatística do GARCH(1,1), validando-o como o modelo preferencial para representar a dinâmica da volatilidade dos deságios.

No modelo GARCH(1,1), os coeficientes associados aos choques de volatilidade (α) e à persistência (β) foram ambos positivos e estatisticamente significativos. O coeficiente α, estimado em 0,0736, captura o impacto das inovações recentes na volatilidade condicional, sugerindo que surpresas de curto prazo têm um efeito moderado na incerteza futura. O coeficiente β, estimado em 0,8717, reflete a persistência da volatilidade ao longo do tempo, indicando que aproximadamente 87% da variância de um período é transmitida para o período subsequente, independentemente de novos choques.

A soma dos coeficientes α + β, igual a 0,9427, está próxima, mas inferior à unidade, o que caracteriza um processo estacionário em covariância. Isso garante a existência de uma variância incondicional finita, calculada como ω/(1 – α – β), e reflete a elevada volatilidade intrínseca ao mercado secundário de debêntures corporativas. A proximidade de α + β a 1 implica uma meia-vida significativa para os choques de volatilidade. A meia-vida, calculada como ln(0,5)/ln(α + β), foi de 11,7 dias úteis, demonstrando que os choques de volatilidade no mercado de debêntures IPCA se dissipam gradualmente ao longo de aproximadamente duas semanas.

Essa dinâmica temporal da volatilidade foi observada em diversos episódios. Em 2023, o pico mais acentuado de volatilidade coincidiu com eventos de crédito sistêmicos, como as crises da Americanas S.A. em janeiro e da Light S.A., que elevaram os spreads de crédito e a percepção de risco. Outro pico, no início de 2024, refletiu um ajuste técnico nos retornos do deságio, impulsionado pela baixa liquidez sazonal e pela adaptação regulatória à Resolução CVM 175, que alterou os procedimentos de marcação a mercado de instrumentos de renda fixa, gerando uma reavaliação generalizada dos preços. Em meados de 2022, o aumento gradual da volatilidade esteve associado ao ciclo de elevação da taxa Selic pelo Banco Central, que atingiu 13,75% ao ano em agosto daquele ano, repercutindo nos prêmios de risco exigidos.

Evidências do Modelo Logit para Deságio e Garantias

A segunda etapa da pesquisa investigou a relação entre o deságio individual e a probabilidade de uma debênture possuir garantia real, utilizando um modelo de regressão logística. A estimação foi realizada com erros-padrão robustos agrupados por emissão, considerando a estrutura de dados em painel, onde múltiplas observações temporais são agrupadas por ativo. A escolha do modelo Logit, em detrimento de alternativas como o Probit, justificou-se pela maior facilidade de interpretação dos coeficientes em termos de odds ratios e pela robustez computacional, além de diferenças negligenciáveis para a magnitude dos efeitos observados neste estudo.

Os resultados do modelo Logit, apresentados em termos de Efeitos Marginais Médios (AME), indicaram que o efeito marginal médio do deságio é negativo, em -0,256. Embora o p-valor de 0,105 não tenha atingido o limiar convencional de significância de 5% com erros-padrão robustos, a magnitude do efeito sugere uma associação economicamente relevante. Este achado indica que um aumento de um ponto percentual no deságio reduz, em média, 0,256 ponto percentual a probabilidade de a debênture possuir garantia real, o que, à primeira vista, pode parecer contraintuitivo, pois a teoria de custos de agência sugere que emissores de maior risco deveriam oferecer mais garantias.

Uma interpretação alternativa, mais consistente com a literatura empírica, é que debêntures com garantias reais são precificadas pelo mercado com prêmios de risco menores, resultando em deságios também menores. Nesta perspectiva, a colateralização atua como um mecanismo de sinalização de qualidade creditícia, permitindo que emissores que oferecem garantias consigam emitir títulos que negociam mais próximos do par, reduzindo o deságio observado no mercado secundário. A relação negativa capturada pelo modelo Logit reflete, portanto, a internalização pelo mercado do efeito protetor das garantias reais sobre o risco de crédito.

A magnitude do efeito marginal do deságio reforça essa interpretação. Uma debênture negociando com 5% de deságio, por exemplo, teria aproximadamente 1,28 ponto percentual menor probabilidade de possuir garantias em comparação a uma debênture negociando ao par, tudo o mais constante. Embora numericamente modesto, este efeito é economicamente significativo quando considerado ao longo da distribuição completa de deságios observada na amostra. Este resultado é corroborado pela distribuição do deságio por estrutura de garantias, onde debêntures com garantia real apresentaram mediana e média inferiores às de títulos quirografários ou subordinados, com uma diferença estatisticamente significativa (p < 0,001).

A variável de controle para o volume de negociação, log10(Qtd + 1), também apresentou um efeito marginal negativo e estatisticamente significativo ao nível de 5% (p-valor = 0,043), com um coeficiente de -0,013. Este resultado indica que títulos com maior liquidez no mercado secundário têm uma probabilidade ligeiramente menor de serem colateralizados. Isso pode refletir dois mecanismos complementares: empresas de maior porte e melhor qualidade creditícia, que geralmente não precisam oferecer garantias, tendem a ter títulos mais líquidos. Além disso, a própria presença de garantias reais pode impor custos transacionais que reduzem a liquidez, como menor free float ou maiores fricções em casos de transferência de propriedade.

A transformação logarítmica aplicada ao volume de negociação é uma prática padrão em modelos com variáveis de escala, visando reduzir a influência de outliers e permitir uma interpretação em termos de elasticidades. O efeito marginal de -0,013 implica que um aumento de 10% no volume negociado está associado a uma redução de aproximadamente 0,13 ponto percentual na probabilidade de colateralização. Este efeito, embora estatisticamente significativo, é quantitativamente pequeno, sugerindo que a liquidez, embora correlacionada com garantias, não é um determinante de primeira ordem na decisão de colateralização.

Uma limitação importante desta análise é a potencial endogeneidade na relação entre deságio e garantias. Se os emissores antecipam racionalmente que debêntures com garantias negociarão com prêmios menores no secundário, a decisão de colateralização pode ser endógena ao deságio esperado. A identificação de variáveis instrumentais válidas para isolar a relação causal é desafiadora neste contexto, mas estudos futuros poderiam explorar características regulatórias ou setoriais como fontes de variação exógena para aprofundar a compreensão dessa causalidade.

Em síntese, os resultados empíricos revelam um padrão consistente na relação entre risco de mercado e estrutura contratual no mercado secundário de debêntures IPCA. A modelagem GARCH demonstrou que, embora o mercado esteja sujeito a choques de volatilidade persistentes, ele possui mecanismos de reversão à média que operam em um horizonte de aproximadamente duas semanas. Essa característica temporal da incerteza, que é persistente o suficiente para exigir proteções contratuais, mas não permanente a ponto de inviabilizar o mercado, estabelece o contexto no qual as decisões de colateralização adquirem relevância prática. Complementarmente, a análise logística corrobora que a precificação no mercado secundário internaliza racionalmente a presença de garantias reais, atribuindo prêmios de risco menores a títulos com colateral. A significância da variável de volume de negociação ressalta a importância da liquidez como fator correlacionado com a estrutura de garantias, possivelmente refletindo características intrínsecas dos emissores ou do desenho das emissões. Em conjunto, estas evidências indicam que a volatilidade condicional e a oferta de garantias atuam como mecanismos complementares de alocação de risco no mercado brasileiro de debêntures.

4. Conclusão

O presente estudo investigou a persistência da volatilidade no mercado secundário de debêntures brasileiras e sua relação com as garantias contratuais, estabelecendo uma conexão empírica entre a dinâmica do risco de mercado e a proteção oferecida pelos contratos. Verificou-se, por meio da modelagem GARCH, que os choques de volatilidade no mercado de debêntures indexadas ao IPCA se dissiparam gradualmente ao longo de aproximadamente duas semanas, com uma meia-vida de 11,7 dias úteis, refutando a hipótese de persistência permanente. Essa dinâmica temporal, embora transitória, revelou um regime de incerteza persistente o suficiente para influenciar as decisões de precificação. Complementarmente, a análise de regressão logística demonstrou que debêntures com garantias reais negociaram com deságios substancialmente menores no mercado secundário. Este achado indicou que a colateralização atua como um mecanismo eficaz de sinalização de qualidade creditícia, mitigando o prêmio de risco exigido pelos investidores e evidenciando o papel complementar da volatilidade condicional e das garantias na alocação de risco.

A principal contribuição deste trabalho reside na documentação empírica de padrões temporais de persistência com reversão à média no mercado secundário brasileiro de debêntures, fornecendo um parâmetro quantitativo inédito para a gestão de risco e a formulação de políticas regulatórias. Contudo, o estudo apresenta limitações, como a potencial endogeneidade na relação entre deságio e garantias, a restrição da amostra a debêntures indexadas ao IPCA e a análise exclusiva do mercado secundário. Para estudos futuros, sugere-se a exploração de características regulatórias ou setoriais como fontes de variação exógena para aprofundar a compreensão da causalidade. Recomenda-se também a incorporação de diferentes indexadores, controles contábeis detalhados dos emissores e dados do mercado primário, a fim de ampliar o entendimento sobre os determinantes da colateralização e seus efeitos na precificação de risco. Em suma, as evidências reforçam que a volatilidade condicional e a oferta de garantias são mecanismos complementares de alocação de risco, racionalmente precificados pelos agentes de mercado em um ambiente de informação assimétrica.

Referências Bibliográficas

Associação Brasileira das Entidades dos Mercados Financeiro e de Capitais [ANBIMA]. 2024. Debentures incentivadas registram recorde de R$ 120,3 bilhões em emissões em 2024. Disponível em: <https://www.anbima.com.br/pt_br/imprensa/debentures-incentivadas-registram-recorde-de-r-120-3-bilhoes-em-emissoes-em-2024.html>. Acesso em: 10 out. 2025.

Bollerslev, T. 1986. Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3): 307-327.

Borensztein, E.; Cavallo, E. A.; Pereira dos Santos, P. 2022. Infrastructure bonds: the case of Brazil. Washington, D.C.: Inter-American Development Bank. (Technical Note).

Brasil, Bolsa, Balcão [B3]. 2023. Relatório Anual 2022. São Paulo: B3, 2022. Disponível em: <https://ri.b3.com.br/pt-br/informacoes-financeiras/relatorio-anual/>. Acesso em: 08 out. 2025.

Ekström, M.; Esseen, P.-A.; Westerlund, B.; Grafström, A.; Jonsson, B. G.; Ståhl, G. 2018. Logistic regression for clustered data from environmental monitoring programs. Ecological Informatics, 43(1):165-173.

ENGLE, R. F. 1982. Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica, 50 (4): 987-1007.

Engle, R. F.; Bollerslev, T. 1986. Modelling the persistence of conditional variances. Econometric Reviews, 5(1): 1-50.

Goldstein, M. A.; Namin, E. S. 2023. Corporate bond liquidity and yield spreads: A review. Research in International Business and Finance 65 (3): 101925.

Hilscher, J.; Wilson, M. 2011. Credit ratings and credit risk. SSRN Electronic Journal (working paper). DOI: 10.2139/ssrn.1474863.

Leigh, D.; Xu, R. 2025. Monetary policy transmission to lending rates: Evidence from Brazil. Fundo Monetário Internacional, WP/25/152. Disponível em: https://www.imf.org/en/Publications/WP/Issues/2025/07/25/Monetary-Policy-Transmission-to-Lending-Rates-Evidence-from-Brazil-568783. Acesso em: 08 out. 2025.

LOPES, C. F. L. R.; ANTUNES, L. P.; CARDOSO, M. A. S. 2007. O mercado de debentures no Brasil: evolução recente e perspectivas. Revista do BNDES, Rio de Janeiro 14 (27): 43-70.

Paiva, E.V.S. 2011. Formação de preço de debentures no Brasil. Tese de Doutorado. Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo, SP, Brasil.

Sheng, H.H.; Saito, R. 2005. Determinantes de spread das debentures no mercado brasileiro. Revista de Administração 40(2): 193-205.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Economia, Investimentos e Banking do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy