A Study of the Influence of Factors on the Models of the Market Price of Common Stock and Its Elasticity with a Neutral Approach to Dividend Policy as an Artificial Intelligence Tool

No mundo das empresas de capital aberto, o preço de uma única ação é mais do que apenas um número em uma tela; é um reflexo da saúde de uma empresa, de sua promessa futura e da confiança que os investidores depositam nela. Para os proprietários dessas empresas, o objetivo final é maximizar esse valor, garantindo que sua riqueza cresça ao longo do tempo. No entanto, alcançar esse objetivo é complicado por um debate persistente: quanto do lucro de uma empresa deve ser pago aos acionistas como dividendos e quanto deve ser mantido para financiar o crescimento futuro? Algumas teorias sugerem que o pagamento de dividendos não importa de forma alguma, enquanto outras argumentam que a decisão é crucial. Uma terceira perspectiva, mais equilibrada, sugere que uma empresa pode encontrar um caminho "neutro", um que respeite os interesses de todas as partes interessadas e garanta a estabilidade a longo prazo. É neste meio-termo que começa um novo estudo de Sergey Krylov, da Universidade Federal de Ural, visando entender exatamente como diferentes alavancas financeiras puxam o preço de uma ação para cima ou para baixo quando uma empresa segue essa abordagem neutra.

O pesquisador propôs-se a construir um mapa preciso dessas forças financeiras. Ele focou em um conjunto específico de fatores que determinam o preço de mercado de uma ação: quanto de lucro a empresa gera por ação, quão eficientemente ela utiliza seu dinheiro para gerar retornos, a taxa de desconto geral que o mercado aplica aos ganhos futuros, a taxa de retorno que os investidores exigem e a taxa de crescimento esperada dos dividendos. O desafio era que esses fatores não atuam isoladamente; eles estão entrelaçados em modelos matemáticos complexos. Para desvendá-los, Krylov empregou um método conhecido como análise de fatores determinísticos, que ele trata aqui como uma forma de inteligência artificial. Neste contexto, a "inteligência" não é um robô tomando decisões, mas um processo sistemático e computável de previsão. Funciona partindo de um ponto inicial conhecido, alterando um fator específico de cada vez enquanto mantém todos os outros constantes, e calculando exatamente o quanto essa mudança isolada desloca o preço final. Isso permite que uma empresa veja, com clareza, o impacto isolado de uma decisão antes que ela seja tomada.

Para testar essa abordagem, o estudo aplicou esses modelos a uma empresa hipotética de capital aberto chamada "Gamma". Os pesquisadores estabeleceram um cenário de base usando dados do final de um ano de relatório e então criaram uma previsão para o ano seguinte, ajustando os fatores principais para ver o que aconteceria. Observaram que, quando o nível de capitalização de mercado, que atua como uma taxa de desconto para fluxos de caixa futuros, subiu de 15,3% para 16,1%, o preço esperado da ação caiu significativamente 104,839 rublos. Por outro outro lado, quando os lucros por ação da empresa aumentaram de 157,48 rublos para 164,53 rublos, o preço da ação subiu 78,817 rublos. O estudo também acompanhou como essas mudanças afetavam a "elasticidade" do preço da ação, uma medida de quão sensível o preço é a mudanças em fatores específicos. Por exemplo, a sensibilidade do preço ao retorno sobre o investimento da empresa mudou ligeiramente conforme outras condições mudavam, demonstrando que a relação entre essas variáveis é dinâmica e responsiva.

Os resultados desta simulação forneceram uma decomposição clara e passo a passo de como cada fator contribuiu para o resultado final. Quando todas as mudanças foram combinadas, o efeito líquido foi um aumento modesto no preço da ação de 12,145 rublos. Esse pequeno ganho foi a soma de várias forças maiores e opostas: a queda causada pela maior taxa de desconto de mercado foi parcialmente compensada pelos ganhos provenientes de lucros mais altos e melhores retornos de investimento. O estudo também revelou que, se a taxa de crescimento de dividendos permanecesse constante em 5%, ela não teria efeito imediato na mudança de preço neste cenário específico, destacando como alguns fatores podem permanecer neutros sob certas condições. Ao isolar esses efeitos, o método permite que os gestores prevejam exatamente como uma decisão específica, como alterar a política de dividendos ou melhorar a eficiência do investimento, repercutirá no preço da ação.

Este trabalho confirma que o uso de um método sistemático de substituição em cadeia para analisar esses modelos complexos é uma ferramenta viável e eficaz para a gestão financeira. Oferece uma maneira de ir além do palpite, proporcionando uma forma estruturada de prever como as ações de uma empresa serão percebidas pelo mercado. O estudo sugere que, ao compreender a influência precisa de cada fator, uma empresa de capital aberto pode gerir melhor o preço de suas ações e sua política de dividendos de uma forma que apoie o desenvolvimento sustentável. Embora o método dependa da suposição de que os fatores mudam independentemente, o que é uma simplificação do mundo real, os resultados oferecem uma estrutura poderosa para a tomada de decisões. A pesquisa conclui que esta abordagem, enquadrada como uma ferramenta de inteligência artificial para previsão, pode ajudar as empresas a navegar pelas complexidades do mercado de ações, garantindo que suas estratégias não sejam apenas esperanças, mas passos calculados para maximizar o valor do acionista.