ads:
UNIVERSIDADE FEDERAL DE SERGIPE
P
RÓ
-R
EITORIA DE
P
ÓS
-G
RADUAÇÃO E
P
ESQUISA
N
ÚCLEO DE
P
ÓS
-G
RADUAÇÃO E
P
ESQUISA EM
E
CONOMIA
M
ESTRADO
P
ROFISSIONAL EM
D
ESENVOLVIMENTO
R
EGIONAL E
G
ESTÃO DE
E
MPREENDIMENTOS
L
OCAIS
D
ISSERTAÇÃO DE
M
ESTRADO
ANÁLISE
DE
INSOLVÊNCIA
EMPRESARIAL:
UMA
ABORDAGEM
FINANCEIRA
FUNDAMENTALISTA
COM
APLICAÇÃO
DO
MÉTODO
ESTATÍSTICO
MULTIVARIADO
E
DA
TÉCNICA
DISCRIMINANTE
R
EGIS
S
ANTOS
M
ATEUS
S
ÃO
C
RISTÓVÃO
S
ERGIPE
–
B
RASIL
M
ARÇO
-2010
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
2
ANÁLISE
DE
INSOLVÊNCIA
EMPRESARIAL:
UMA
ABORDAGEM
FINANCEIRA
FUNDAMENTALISTA
COM
APLICAÇÃO
DO
MÉTODO
ESTATÍSTICO
MULTIVARIADO
E
DA
TÉCNICA
DISCRIMINANTE
R
EGIS
S
ANTOS
M
ATEUS
Dissertação de Mestrado apresentada ao Núcleo de Pós-Graduação
e Pesquisa em Economia da Universidade Federal de Sergipe,
como parte dos requisitos exigidos para a obtenção do título de
Mestre em Desenvolvimento Regional e Gestão de
Empreendimentos Locais.
O
RIENTADOR
:
D
R
.
R
ICARDO
O
LIVEIRA
L
ACERDA DE MELO
U
NIVERSIDADE
F
EDERAL DE
S
ERGIPE
M
ESTRADO
P
ROFISSIONAL EM
D
ESENVOLVIMENTO
R
EGIONAL E
G
ESTÃO DE
E
MPREENDIMENTOS
L
OCAIS
.
S
ÃO
C
RISTÓVÃO
–
S
ERGIPE
2010
ads:
3
FICHA CATALOGRÁFICA ELABORADA PELA BIBLIOTECA CENTRAL
UNIVERSIDADE FEDERAL DE SERGIPE
M425a
Mateus, Regis Santos
Análise de insolvência empresarial : uma abordagem financeira
fundamentalista com aplicação do método estatístico multivariado
e da técnica discriminante / Regis Santos Mateus. – São
Cristóvão, 2010.
79 f. : il.
Dissertação (Mestrado Profissional em Desenvolvimento
Regional e Gestão de Empreendimentos Locais) – Nucléo de Pós-
Graduação e Pesquisa em Economia, Pró-Reitoria de Pós-
Graduação e Pesquisa, Universidade Federal de Sergipe, 2010.
Orientador: Prof. Dr. Ricardo Lacerda de Oliveira Melo.
1. Economia. 2. Econometria. 3. Falências – Empresas. 4.
Insolvência. I. Título.
CDU 330.43:347.736:658
4
ANÁLISE
DE
INSOLVÊNCIA
EMPRESARIAL:
UMA
ABORDAGEM
FINANCEIRA
FUNDAMENTALISTA
COM
APLICAÇÃO
DO
MÉTODO
ESTATÍSTICO
MULTIVARIADO
E
DA
TÉCNICA
DISCRIMINANTE
Dissertação de Mestrado defendida por Regis Santos Mateus e aprovada em de maio de
2010 pela banca examinadora constituída pelos doutores:
____________________________________
Prof. Dr. Ricardo Oliveira Lacerda de Melo
Orientador
____________________________________
Prof. Dr. Tácito Augusto Farias
____________________________________
Prof. Dr. José Roberto Lima Andrade
5
AGRADECIMENTOS
Este conjunto é infinito, não ordenado e formado por amostragem de conveniência e
merecimento, cujos principais elementos representativos do universo desta dívida de
gratidão são:
A competência técnica do Prof. Paulo da Silva Sousa e do Economista Fábio Rodrigues!
A amizade, dedicação e mestria acadêmica do Prof. Dr. Tácito Augusto Farias!
A sinceridade, compromisso e orientação do Prof. Dr. Ricardo Lacerda!
A compreensão e contribuições de toda a família pela fortaleza que se ergue!
6
RESUMO
A insolvência empresarial representa um tema relevante para um conjunto amplo e
diversificado de agentes econômicos e pode ser resultado de um complexo de fatores
internos e externos à empresa. Tendo em vista estes fatores, assume-se o pressuposto de
que a análise fundamentalista cumpre papel relevante ao tratar destes aspectos, sejam eles
em caráter microeconômico ou num contexto macroeconômico. No intuito de investigar a
influência e o comportamento destes fatores, identificados a partir das variáveis
macroeconômicas, setoriais e dos fundamentos das empresas, utiliza-se o método estatístico
multivariado e a técnica de análise discriminante. A principal hipótese restritiva se refere à
relevância da inclusão de variáveis distintas das normalmente utilizadas em modelos de
previsão de insolvência empresarial. O processo de investigação delimita-se da seguinte
forma: em termos espaciais e de especificidade, abrange empresas de grande porte com
denominação de S.A. (Sociedade Anônima) de capital aberto atuantes no Brasil. A
delimitação temporal considera o ano de 2008 e engloba as variáveis macroeconômicas e
microeconômicas. E como delineamento de pesquisa considera-se o estudo observacional
em conjunto com a aplicação do método estatístico multivariado e mediante a técnica
estatística de análise discriminante. Diante dos vários estudos ligados à previsão de
insolvência que em muito se assemelham a esta pesquisa, provavelmente a relevância dos
índices financeiros que representam as variáveis preditoras normalmente utilizadas no
modelo discriminante e as variáveis distintamente incluídas nesta análise seja relativamente
semelhante, onde a significância estatística de cada uma destas variáveis seja coerente e
consistente no processo de análise de insolvência de empresas brasileiras.
PALAVRAS-CHAVE: Insolvência, variável macroeconômica, setorial, microeconômica,
análise fundamentalista, multivariada e discriminante.
7
ABSTRACT
The insolvency business represents an excellent subject for a wide and diverse range of
economic agents and may be the result of complex internal and external factors to the
company. Considering these factors, it is assumed the assumption that fundamental analysis
fulfills an important role in addressing these issues, whether in character microeconomic or
macroeconomic context. In order to investigate the influence and behavior of these factors,
identified from the macroeconomic, sectoral, and the fundamentals of companies, we use
the statistical method and technique of multivariate discriminant analysis. The main
restrictive assumption concerns the relevance of including variables other than those
normally used in forecasting models of corporate insolvency. The investigation process is
delimited as follows: in spatial terms of specificity and covers large companies with a
designation of SA (corporation) a publicly traded operating in Brazil. The time frame
considered the year 2008 and covers the macroeconomic and microeconomic variables.
And as research design considers the observational study in conjunction with the
application of multivariate statistical method and by the statistical technique of discriminant
analysis. Given the various studies related to prediction of bankruptcy that are very similar
to this research, probably the significance of financial ratios representing the predictor
variables normally used in the discriminant model variables and distinctly included in this
analysis is relatively similar, where the statistical significance of each of these variables is
coherent and consistent in the analysis of insolvency of Brazilian companies.
KEYWORDS: Insolvency, variable macroeconomic, sectoral, microeconomic,
fundamental analysis, multivariate and discriminant.
8
SUMÁRIO
INTRODUÇÃO ......................................................................................................................12
1 A ABORDAGEM FUNDAMENTALISTA NA INVESTIGAÇÃO DE
INSOLVÊNCIA EMPRESARIAL .......................................................................................19
1.1 Considerações sobre Influências Internas e Externas nas Finanças Empresariais ..........19
1.1.1 A Análise Fundamentalista de Empresas ..................................................................21
1.1.1.1 Abordagens de Avaliação de Empresas e o Enfoque fundamentalista.................21
1.1.1.2 A Análise Fundamentalista e a Hipótese de Eficiência de Mercado....................23
1.1.1.3 A Análise Fundamentalista na Avaliação de Empresas em Dificuldades
Financeiras................................................................................................................................27
1.1.2 A Lei de Falência e a Lei das S.A. .............................................................................29
1.2 Considerações sobre o Desenvolvimento Empírico de Modelos de Previsão..................34
1.2.1 Estudos sobre Previsão de Insolvência Empresarial...................................................34
1.2.2 A Abordagem dos Índices Financeiros nos Modelos.................................................36
2 PLANEJAMENTO AMOSTRAL E METODOLOGIA .................................................40
2.1 O Método de Amostragem.............................................................................................40
2.1.1 O Levantamento da Amostra......................................................................................41
2.1.2 Variáveis relevantes....................................................................................................44
2.1.2.1 A Variável Preditora Qualitativa..........................................................................45
2.1.2.2 A Variável Preditora Macroeconômica ................................................................47
2.1.2.3 A Variável Preditora Setorial ...............................................................................47
2.1.2.4 As Variáveis dos Fundamentos das Empresas .....................................................47
2.2 O Método Analítico Multivariado.................................................................................49
2.2.1 A Técnica de Análise Discriminante..........................................................................52
2.2.1.1 Pressupostos da Análise Discriminante................................................................53
2.2.1.2 Determinação da Função Discriminante...............................................................54
2.2.1.3 Cálculo do Escore Discriminante e Ponto de Corte .............................................54
3 ANÁLISE DE RESULTADOS...........................................................................................57
3.1 Resultados da Análise Financeira Fundamentalista .........................................................57
3.2 Resultados da Análise Exploratória de Dados..................................................................59
3.3 Resultados da Análise Confirmatória de Dados...............................................................65
3.4 Síntese de Resultados .......................................................................................................72
4 CONCLUSÕES E SUGESTÕES PARA NOVOS ESTUDOS........................................74
REFERÊNCIAS BIBLIOGRÁFICAS .................................................................................77
ANEXOS .................................................................................................................................79
9
L
ISTA DE
T
ABELAS
T
ABELA
1:
Principais Características de alguns Estudos sobre Insolvência............................34
T
ABELA
2: Resultados Preliminares da Amostra Piloto...........................................................41
T
ABELA
3: Freqüência do número de empresas de acordo com o critério de classificação
adotado para a variável RE.......................................................................................................59
T
ABELA
4: Estatísticas Descritivas das Variáveis Preditoras...................................................60
T
ABELA
5: Principais casos de possíveis dados discrepantes ..................................................62
T
ABELA
6: Correlações de Pearson entre Variáveis Preditoras ...............................................64
T
ABELA
7: Sumário de Casos Processados na Análise............................................................67
T
ABELA
8: Matriz de Covariância e Correlação (Pooled Within-Groups Matrices
a)
...............68
T
ABELA
9: Testes de Igualdade de Médias entre Grupos ........................................................69
T
ABELA
10: Centroides da Função Discriminante...................................................................70
T
ABELA
11: Resultados da Classificação (Classification Results
b,c,d)
......................................71
10
LISTA DE QUADROS
Q
UADRO
1: Principais Modelos de Previsão de Insolvência aplicados ao Brasil....................38
Q
UADRO
2: Fluxograma de decisão de acordo com a análise do DFC....................................46
Q
UADRO
3:
Índices Financeiros utilizados na análise..............................................................49
Q
UADRO
4: Identificação de Dados Discrepantes (Outliers)...................................................61
Q
UADRO
5: Visualização conjunta dos Histogramas das Variáveis Preditoras.......................63
11
L
ISTA DE
G
RÁFICOS
G
RÁFICO
1: Número de Falências Decretadas.........................................................................32
G
RÁFICO
2: Número de Falências Requeridas ........................................................................32
G
RÁFICO
3: Número de Recuperações Judiciais Requeridas ..................................................33
12
I
NTRODUÇÃO
Este trabalho apresenta como problema a ser investigado a constatação de que,
embora existam diversos métodos e técnicas aplicadas à possibilidade de previsão de
insolvência de empresas, percebe-se que as variáveis relacionadas aos fundamentos das
empresas normalmente são priorizadas, enquanto que as variáveis macroeconômicas e
setoriais são de algum modo, negligenciadas, apesar de tais variáveis assumirem
importância fundamental na identificação de empresas em dificuldades financeiras. Deste
modo, a principal hipótese restritiva que norteará todo o desenvolvimento desta pesquisa se
refere à relevância da inclusão de variáveis distintas das normalmente utilizadas em
modelos de previsão de insolvência empresarial.
A questão da insolvência empresarial representa um tema relevante para um
conjunto amplo e diversificado de agentes econômicos e pode ser resultado de um
complexo de fatores internos e externos à empresa que podem agir tanto isoladamente
como conjuntamente e estão ligados a aspectos como a organização da estrutura
empresarial, à estratégia adotada, às transformações tecnológicas ou às mudanças
relacionadas à conjuntura econômica.
Existem diversos métodos utilizados na previsão da insolvência empresarial,
principalmente a partir dos trabalhos seminais de Beaver (1966) e Altman (1968). Assim,
um amplo conjunto de inovações metodológicas foi incorporado na elaboração de modelos
de previsão do fracasso empresarial tendo em vista atingir resultados mais precisos e de
maior aplicabilidade. Atrelado a isso, têm-se os diversos problemas e questionamentos
gerados a partir da aplicação das diversas técnicas e ferramentas na elaboração dos modelos
de previsão.
Em linhas gerais, os estudos desenvolvidos neste campo de pesquisa, normalmente,
segmentam as unidades de estudo – empresas – em dois grupos distintos: solventes e
insolventes. As empresas classificadas como solventes possuem características de boa
saúde financeira e estão em situação operacional regular ou normal. E as empresas
insolventes são aquelas de má saúde financeira, ou seja, que estão em processo de
concordata ou falência. Em seguida, são identificadas características ligadas aos
demonstrativos financeiros – índices que retratam a situação econômica e financeira da
empresa – numa tentativa de predizer a qual grupo pertencerá uma determinada empresa
com a aplicação de técnicas apropriadas de análise estatística.
Entretanto, estes estudos apresentam diferenças significativas, tanto em relação aos
resultados alcançados quanto ao tratamento metodológico adotado, como: porte empresarial
(pequena, média ou grande empresa), especificidade de setor econômico de atuação das
empresas pertencentes à amostra, delimitação temporal e espacial do estudo e aplicação da
técnica de análise preditiva. No que se refere às técnicas de análise preditiva, a análise
discriminante representa uma das técnicas estatísticas comumente utilizadas em diversas
pesquisas orientadas para a previsão de insolvência empresarial, a exemplo dos trabalhos de
Altman (1968), Deakin (1972), Blum (1974), Kanitz (1978), dentre outros.
13
Embora os demonstrativos financeiros sejam de enorme relevância para as decisões
empresariais, as informações sobre expectativas futuras da atividade econômica a nível
nacional, setorial e da empresa e influências políticas e sócio-ambientais em variáveis
econômicas também assumem grande importância na tomada de decisões e no desempenho
das atividades da empresa.
Neste ponto, a análise financeira de empresas sob o enfoque fundamentalista
possibilita uma análise conjunta de elementos materiais (informações contábeis e
financeiras, disponibilidade tecnológica, capacidade financeira, fontes de recursos, capital
humano, histórico de desempenho empresarial dos sócios, etc.) e elementos subjetivos
(oportunidades de mercado, projeções de desempenho, cenários macroeconômicos, riscos
envolvidos, alternativas de investimento, valores éticos, sócio-ambientais, estratégias,
dentre outros).
Assim, assume-se o pressuposto de que a análise fundamentalista cumpre papel
relevante ao tratar tanto dos aspectos internos da empresa quanto de fatores externos, sejam
eles em caráter setorial ou num contexto macroeconômico, auxiliando na avaliação das
condições financeiras de determinada empresa e possibilitando às várias partes interessadas
(acionistas, credores e administração) anteciparem importantes decisões de acordo com os
seus interesses específicos.
Tendo em vista o problema inicialmente destacado e o enfoque de análise financeiro
sob o qual se pretende tratá-lo, o processo de investigação delimita-se da seguinte forma:
em termos espaciais e de especificidade, abrange empresas de grande porte com
denominação de S.A. (Sociedade Anônima) de capital aberto atuantes no Brasil. O
principal sistema de referência adotado para a definição da amostra é o critério de
classificação descrita pela Bovespa que agrupa as empresas em 10 setores econômicos
específicos: 1) Petróleo, Gás e Biocombustíveis; 2) Bens Industriais; 3) Construção e
Transporte; 4) Consumo Cíclico; 5) Consumo não Cíclico; 6) Financeiro e Outros; 7)
Materiais Básicos; 8) Tecnologia da Informação; 9) Telecomunicações e 10) Utilidade
Pública. A delimitação temporal considera o ano de 2008 e engloba as variáveis
macroeconômicas e microeconômicas - aqui, o termo “microeconômicas” se refere às
variáveis setorial e dos demonstrativos financeiros das empresas a serem tratadas nesta
pesquisa. Como unidade temática tem-se a análise econômico-financeira de empresas
através do exame das suposições e implicações da hipótese dos mercados eficientes; e
como delineamento de pesquisa considera-se o estudo observacional em conjunto com a
aplicação do método estatístico multivariado e mediante a técnica estatística de análise
discriminante.
Diante dos pontos acima citados surge, em sentido amplo, o seguinte
questionamento: é possível analisar a estrutura financeira de empresas numa tentativa de
identificar prováveis situações de desarranjos financeiros sob o enfoque fundamentalista e
através da utilização da técnica estatística de análise discriminante? Especificamente,
também surgem os seguintes questionamentos:
a) é possível identificar parâmetros que apontem para níveis elevados de endividamento
empresarial e que comprometam a solvência dos negócios da empresa?
14
b) a partir da utilização do método estatístico multivariado e mediante a aplicação da
técnica de análise discriminante, haverá alguma relevância na investigação do
comportamento das variáveis macroeconômicas, setoriais e dos fundamentos das empresas
analisadas?
c) será possível prever dificuldades financeiras de empresas através da técnica analítica de
discriminante?
Neste ponto, os objetivos a serem alcançados no desenvolvimento deste estudo
seguem atributos gerais e específicos. Em linhas gerais, pretende-se analisar a estrutura
financeira de empresas de capital aberto com denominação S.A. atuantes no Brasil, sob o
enfoque fundamentalista e com a aplicação da técnica de análise discriminante.
Especificamente, pretende-se:
a) identificar parâmetros que apontem para níveis elevados de endividamento empresarial e
que comprometam a solvência dos negócios da empresa;
b) investigar o comportamento dos indicadores de insolvência empresarial, a partir do
método estatístico multivariado mediante a aplicação da técnica de análise discriminante;
c) através da técnica analítica de discriminante verificar a possibilidade de previsão de
empresas em dificuldades financeiras;
d) identificar a validade da técnica aplicada à análise financeira de empresas que atuam no
Brasil;
e) verificar se o modelo discriminante estimado nesta pesquisa mediante a inclusão de
variáveis distintas das comumente utilizadas nos diversos trabalhos de que tratam o assunto
pode representar um ponto de partida para investigações futuras de análise de insolvência
empresarial.
Tendo em vista as questões de pesquisa elencadas e os objetivos explicitados, os
principais pontos a serem abordados buscando justificar a realização deste trabalho se
iniciam pela constatação de que a questão da falência de empresas é um assunto bastante
discutido no mundo, refletindo-se principalmente através do desenvolvimento de
legislações falimentares, a exemplo da Bankruptcy Reform Act de 1978 e sua revisão em
1994 (Estados Unidos); da Company Act de 1995 e Insolvency Act de 1996 (Reino Unido);
da Ley de Concursos y Quiebras Nº 24.522, julho de 1995 (Argentina); Lei Nº7643,
Reforma del Título del Código Processual, outubro de 1996 (Costa Rica); Ley de
Reorganización del Patrimonio, Decreto Legislativo Nº 845, outubro de 1996 (Peru);
Decreto Nº 350 de 1989 e Lei Nº 550 de 1999 (Colômbia); Decreto-Lei Nº 7.661 de 21 de
junho de 1945 e a Lei Nº 11.101 de 10 de junho de 2005 (Brasil).
Deste modo, normas e procedimentos regidos por legislações falimentares são
adotados quando uma firma se encontra em situação de insolvência financeira, promovendo
a recuperação ou liquidação da empresa.
Numa tentativa de evitar a falência decretada de empresas que se encontram em
estado de insolvência, garantir a integridade da empresa e a redução dos impactos negativos
relacionados a aspectos econômicos e sociais, como emprego e geração de renda, métodos
de avaliação são utilizados em macro e micro análises.
15
No sentido macro, diversos métodos de avaliação cumprem o papel de avaliar as
condições econômicas e financeiras de um determinado país e a relação destes métodos
com as finanças governamentais e corporativas. Na análise macroeconômica de um país, o
valor adicionado aos bens e serviços pelos agentes econômicos tem como resultado o
Produto Interno Bruto (PIB) que representa uma importante medida de geração de riqueza e
está fortemente associado à riqueza criada pela empresa. Deste modo, o valor adicionado
bruto realizado por cada uma das empresas (VAB
E
) de um determinado país contribui para
a formação do valor adicionado bruto nacional (VAB
N
). Assim, a relação direta
estabelecida entre VAB
E
e VAB
N
mostra que se a empresa não possui capacidade de
criação de riqueza ou contribui negativamente para isto, poderá comprometer tanto a sua
insolvência como a do país, principalmente se a esta empresa for atribuído um peso
relativamente alto em termos econômicos e financeiros a nível nacional.
Uma das formas de se verificar a importância econômico-financeira de determinada
empresa é através do seu valor de mercado (VM). O valor de mercado de cada uma das
empresas em relação ao valor de mercado total representa, justamente, o peso econômico-
financeiro específico e mostra a importância de determinada empresa em relação ao
mercado ou, mais especificamente, em relação ao setor de atuação.
No sentido micro, existem diversos indicadores de análise financeira que cumprem
o papel de avaliar o desempenho financeiro da firma e auxiliar os administradores
financeiros na tomada de decisões sobre quais investimentos a empresa deve realizar e
como ela deve pagar por esses investimentos.
Negar a relevância desse tema é negar que a manutenção das finanças corporativas
desempenha papel preponderante no crescimento e desenvolvimento das firmas e na
geração de emprego e renda na economia. Para se ter uma idéia clara a este respeito, o
Indicador Serasa de Falências e Recuperações no Brasil apontou que, no primeiro semestre
de 2007, foram requeridas 479 falências. Em 2008, no mesmo acumulado, houveram 302
falências requeridas. Além disso, destes requerimentos realizados nos anos de 2007 e 2008
foram decretadas 180 e 173 falências, respectivamente.
Reforça a importância e a atualidade do assunto a constatação de que as grandes
empresas representam considerável peso na geração de emprego e renda do trabalho
(aproximadamente 60% da massa salarial) e o desenvolvimento de suas atividades,
normalmente, estão intrinsecamente relacionadas às atividades desempenhadas pelos
pequenos empreendimentos
1
.
Para finalizar tais justificativas, um fator de enorme importância na realização desta
pesquisa consiste em associar a operacionalização do trabalho com o custo envolvido no
1
Embora o peso econômico-financeiro das grandes empresas seja consideravelmente maior e que apesar de
as intenções pretendidas nesta pesquisa ressaltarem apenas aspectos inerentes às grandes corporações, vale
ressaltar que, no Brasil, os empreendimentos de pequeno porte apresentam uma enorme representatividade
econômica e social (abrangem cerca de 98% das empresas formalmente estabelecidas, detém uma
participação em torno de 20% do PIB nacional, respondem por aproximadamente 60% dos empregos formais
e cerca de 30% da massa de salários).
16
levantamento dos dados que nortearão a análise econômico-financeira e estatística. Os
demonstrativos financeiros empresariais encontram-se disponíveis no site da Bovespa,
considerando-se que tais empresas listadas a nível Brasil são de grande porte e capital
aberto. Quanto às informações macroeconômicas e setoriais, tais coletas podem ser obtidas
através de bancos de dados existentes em sites oficiais (IBGE, SERASA, IPEA, BACEN,
etc.) e revistas de grande circulação (Exame, Conjuntura Econômica, etc.).
Assim, o assunto abordado encontra-se em estreita sintonia com as abordagens e
preocupações a nível global e está diretamente associado às discussões nacionais
macroeconômicas (renda, emprego, crescimento e desenvolvimento econômico, etc.) e
microeconômicas (comportamento da firma, decisões financeiras empresarias, etc.).
O tratamento metodológico desta pesquisa, quanto aos objetivos a que se propõe, é
do tipo analítico sobre o tema insolvência empresarial mediante o enfoque financeiro
fundamentalista. Quanto aos métodos utilizados, assume caráter quantitativo, a fim de
possibilitar que se explore através da aplicação de técnicas estatísticas multivariadas, o
desempenho conjunto das variáveis e se determine a influência ou importância de cada
uma, estando as demais presentes.
As fontes de pesquisa que auxiliaram em diversas passagens do desenvolvimento da
pesquisa, principalmente no embasamento teórico, serão: a Legislação Falimentar
Brasileira (Lei nº. 11.101/05), a Nova Lei das S/A (Lei nº. 11.638/07), artigos de jornais,
revistas, material disponível na internet e livros de finanças empresariais, de estatística, de
administração, de economia e outros.
De acordo com Pinheiro (2008, p.264), uma análise fundamentalista deverá
percorrer as seguintes etapas: a) pesquisa; b) transformação da informação em idéia; e c)
comunicação das idéias. Além disso, afirma que: “a justificativa para o uso desse tipo de
análise é antecipar o comportamento futuro de uma determinada empresa no mercado”.
Para cumprir tal objetivo, adota-se o método de análise fundamentalista no intuito de
analisar as informações e dados macroeconômicos, setoriais e dos fundamentos da empresa.
Os dados macroeconômicos proporcionam a identificação da variável
macroeconômica designada como Riqueza Criada pela empresa (RC), representada pelo
resultado da divisão entre o Valor Adicionado Bruto pela empresa (VAB
E
) e o Valor
Adicionado Nacional (VAB
N
). A variável setorial está representada pelo peso do Valor de
Mercado da Empresa (PM) e é encontrado dividindo-se o valor de mercado de cada
empresa pelo somatório do valor de mercado de todas as empresas da população-objetivo.
E as variáveis microeconômicas ou dos fundamentos das empresas são representadas pelos
índices de estrutura, liquidez e rentabilidade: Participação de Capitais de Terceiros (PCT),
Composição do Endividamento (CE), Grau de Endividamento (GE), Imobilização do
Patrimônio Líquido (IPL), Imobilização dos Recursos não Correntes (IRNC), Liquidez
Geral (LG), Liquidez Corrente (LC), Liquidez Seca (LS), Giro do Ativo (GA),
Rentabilidade do Ativo (RA) e Rentabilidade do Patrimônio (RP).
17
Assim, esta breve descrição metodológica mostra sucintamente o método adotado
no que se refere ao tratamento do problema investigado e aborda, também, os seguintes
aspectos:
- Tendo em vista que o objetivo principal é verificar prováveis situações de empresas
insolventes, assume-se que a variável predita possui caráter nominal, onde são atribuídos
valores dicotômicos (0 e 1), atribuindo-se 0 para empresas com resultado financeiro
positivo (lucro) e 1 para empresas com resultado financeiro negativo (prejuízo),
observando-se, é claro, a delimitação temporal, ou seja, o demonstrativo de resultado do
exercício no ano de 2008.
- Seguindo a mesma delimitação temporal, uma das variáveis preditoras também assume
caráter dicotômico e é identificada a partir dos Demonstrativos de Fluxo de Caixa, onde a
empresa é classificada segundo um fluxograma de decisão previamente elaborado;
- A partir dos demonstrativos patrimoniais e de resultado de exercício, os seguintes
coeficientes (também chamados de índices financeiros) compõem o conjunto de variáveis
preditoras: Participação de Capitais de Terceiros (PCT), Composição do Endividamento
(CE), Grau de Endividamento (GE), Imobilização do Patrimônio Líquido (IPL),
Imobilização dos Recursos não Correntes (IRNC), Liquidez Geral (LG), Liquidez Corrente
(LC), Liquidez Seca (LS), Giro do Ativo (GA), Rentabilidade do Ativo (RA) e
Rentabilidade do Patrimônio (RP).
Após o cumprimento da etapa de pesquisa e levantamento dos dados, tendo em vista
a sequência de variáveis identificadas nas bases da teoria financeira fundamentalista, a
etapa de transformação da informação em idéia ocorre em duas etapas distintas:
1ª.) Análise exploratória de dados
2
:
a) as variáveis identificadas são estatisticamente analisadas através de medidas de
posição, medidas de dispersão e formas de distribuição;
b) os pressupostos básicos de normalidade, linearidade e homocedasticidade do
método estatístico multivariado são verificados.
2ª.) Análise confirmatória de dados:
a) após o tratamento adequado dos dados, utiliza-se a técnica estatística de análise
multivariada denominada análise discriminante;
b) as premissas para a análise discriminante são testadas;
c) os coeficientes da função discriminante são estimados;
d) avalia-se a significância estatística da função, inclusive o grau de
aprimoramento;
e) interpreta-se o resultado da função discriminante e a validade da função.
Diante dos vários estudos ligados à previsão de insolvência que em muito se
assemelham a esta pesquisa, provavelmente os índices financeiros que representam as
variáveis preditoras normalmente utilizadas no modelo discriminante representem maior
2
As expressões “Análise Exploratória de Dados” e “Análise Confirmatória de Dados” foram citadas de
Estatística Básica (BUSSAB E MORETTIN, 1995, p.1).
18
significância estatística em relação às variáveis incluídas neste estudo. Por outro lado,
existe a possibilidade de a importância das variáveis incluídas no modelo de modo algum
serem irrelevantes. E é justamente sobre esta hipótese que se desenvolve este trabalho.
Tendo em vista a seqüência metodológica apresentada, espera-se que os resultados e
conclusões alcançados contribuam para o desenvolvimento de pesquisas ligadas à análise
de insolvência empresarial com a inclusão no modelo discriminante de variáveis distintas
das comumente utilizadas, buscando maior longevidade no desempenho das atividades da
firma e, portanto, contribuindo para geração de emprego e renda e para o crescimento e
desenvolvimento nacional, regional e local.
A parte introdutória deste trabalho detém informações pertinentes que norteiam
aspectos relevantes no processo de desenvolvimento desta pesquisa, juntamente, é claro,
com os quatro capítulos que assim se apresentam: o primeiro capítulo discorre sobre a
fundamentação teórica e a revisão da literatura mostrando a abordagem fundamentalista na
investigação de insolvência empresarial, considerando-se as influências internas e externas
às finanças empresarias e o desenvolvimento empírico dos modelos de previsão. O Capítulo
2 mostra o Planejamento Amostral e Metodologia como forma de assegurar o caráter lógico
e operacional do delineamento de pesquisa, além da eficácia científica das informações
coletadas e dos resultados atingidos. O Capítulo 3 analisa os resultados da pesquisa,
inclusive a classificação das potenciais empresas insolventes e a avaliação final do modelo
discriminante adotado. Por fim, o Capítulo 4 encerra o trabalho com as principais
conclusões desta investigação e aponta para o desenvolvimento de novas pesquisas.
19
1
A
ABORDAGEM
FUNDAMENTALISTA
NA
INVESTIGAÇÃO
DE
INSOLVÊNCIA
EMPRESARIAL
1.1
C
ONSIDERAÇÕES SOBRE
I
NFLUÊNCIAS
I
NTERNAS E
E
XTERNAS ÀS
F
INANÇAS
E
MPRESARIAIS
A relação existente entre a evolução da área financeira com os fatos históricos
possibilita uma compreensão mais sólida sobre a importância da política de endividamento
da firma, principalmente quando a função financeira, dentro de uma determinada
perspectiva histórica, encontra-se numa base previamente definida.
No final da década de 60, ao mesmo tempo em que se tornam públicos importantes
trabalhos empíricos no campo da análise financeira de empresas ao se investigar a
capacidade de honrarem com seus compromissos, a literatura teórica de WESTON (1969,
p.37) apontava para o fato de que “o conteúdo das Finanças deve ser aplicado de acordo
com os problemas prementes existentes em cada época”; Existe uma estreita ligação entre
“os novos avanços em Finanças e o desenvolvimento de teorias e instrumentos em campos
correlacionados”. Deste modo, o desenvolvimento de teorias e instrumentos deve ser
corretamente aplicado em Finanças.
Assim, os acontecimentos históricos são de enorme relevância para o correto
entendimento da função financeira e suas especificidades. Em trabalhos mais recentes,
WESTON e BRIGHAM (2000, p.6) afirmam que um estudo sistemático da administração
financeira somente se desenvolveu por volta do início do século XX, principalmente a
partir do processo de fusões, do surgimento de novas empresas e na forma de
financiamento das empresas mediante emissão de diversos tipos de títulos, trazendo
implicações ligadas ao processo de financiamento e à escolha da estrutura de capital
adequada. Tais considerações imprimiram enorme relevância à escolha da estrutura de
capital e à liquidez da empresa, trazendo grande contribuição para a abordagem tradicional
em Finanças das Empresas.
A partir de 1920, atrelado aos fatos econômicos e industriais – expansão de novas
indústrias, fusões para garantir maiores parcelas de mercado, busca por grandes margens de
lucro, etc. – têm-se as influências sobre o controle das Finanças como: ênfase na estrutura
financeira, adoção de esquemas de planejamento e controle e alguma preocupação com a
liquidez. Na década de 30, diante da profunda recessão econômica, da política do New Deal
e de uma série de reorganizações e de falências, a estrutura financeira começa a apresentar
falha, tornando a solvência e a liquidez empresarial o foco das análises financeiras como
forma de garantir a recuperação do sistema financeiro.
Da segunda metade do século XX em diante, apesar da apreensão por uma recessão
pós-guerra, houve uma série de eventos econômicos importantes como: rápida expansão
econômica e intensificação do avanço tecnológico, a partir de 1950, e o surgimento de
novas indústrias, computação de dados e aumento da importância do comércio
internacional, a partir de 1960.
20
Em relação aos aspectos inerentes à evolução da função financeira, além da ênfase
na solvência e liquidez trazida da década de 30, observou-se, também, o foco no problema
do fluxo de caixa e na rentabilidade, na análise das oportunidades com a utilização de
orçamentos de capital e a internacionalização das Finanças e da atividade empresarial.
Os problemas de solvência empresarial estão intimamente relacionados à liquidez da
empresa. A necessidade de liquidação de ativos empresariais normalmente ocorre quando o
fluxo de caixa gerado pela empresa é insuficiente para saldar os compromissos assumidos,
uma forma corretiva adotada pela empresa para fazer frente às dificuldades financeiras
existentes.
Mas, qual é o significado de dificuldade financeira? Para ROSS et al. (2002, p.683),
não é fácil definir dificuldade financeira devido ao conjunto de eventos enfrentados por
empresas que não conseguem honrar seus compromissos, quais sejam: “reduções de
dividendos, fechamentos de fábricas, prejuízos, dispensas de funcionários, renúncias de
presidentes e quedas substanciais do preço da ação”. Deste modo, define dificuldade
financeira como a incapacidade da empresa de cobrir as obrigações correntes a partir do
fluxo de caixa gerado pelas operações da empresa.
Além disso, aproxima a definição de dificuldade financeira do conceito de
insolvência, associando dois aspectos gerais e distintos, condizentes com a distinção de
insolvência de ALTMAN (1993). O primeiro aspecto diz respeito à insolvência associada a
saldos (stock-based insolvency), onde “o valor dos ativos de uma empresa é inferior ao
valor de suas dívidas”, ou seja, o valor do patrimônio líquido apresenta-se negativo no
balanço financeiro. O segundo aspecto está relacionado à insolvência associada a fluxos
(flow-based insolvency), onde “os fluxos de caixa são insuficientes para cobrir pagamentos
exigidos por contratos” ROSS et al. (2002, p.685).
De modo geral, quando as empresas estão diante de dificuldades financeiras ou
problemas de insolvência, tentam sanar tais inconvenientes mediante reestruturações
internas, instituem a concordata ou formalizam a falência. Especificamente, os problemas
de insolvência são enfrentados de diversas maneiras, envolvendo reestruturações tanto dos
ativos como dos passivos conforme citado por ROSS et al. (2002, p.685):
a) Venda de ativos importantes (Ativo);
b) Fusão com outra empresa (Ativo);
c) Redução de investimentos e gastos com pesquisa e desenvolvimento (Ativo);
d) Emissão de novos títulos (Passivo);
e) Negociação com bancos e outros credores (Passivo);
f) Troca de dívidas por ações (Passivo);
g) Entrada de pedido de concordata (Passivo).
Numa tentativa de evitar esses desarranjos financeiros empresariais, surge uma série de
métodos, técnicas e procedimentos com o fim de identificar, antecipadamente, potenciais
casos de insolvência através da utilização de indicadores financeiros publicados nos
demonstrativos financeiros empresariais.
21
A previsão de insolvência financeira é um tema de relevante para diversos
segmentos da área econômica. De acordo com PEREIRA, DOMINGUEZ e OCEJO, 2007:
"O fracasso das empresas pode resultar de um conjunto de causas
diversas e complexas, de natureza interna e externa, podendo ser
imputado, por exemplo, a uma deficiente estrutura organizativa, à
própria estratégia da empresa, tecnológicas ou à evolução da
conjuntura econômica".
Neste sentido, os fatores internos e externos à empresa assumem importância
fundamental na análise financeira de empresas, gerando com isso um amplo conjunto de
índices financeiros a serem utilizados como indicadores de insolvência futura. De acordo
com FAMÁ e GRAVA (2000, p.17): “O elenco de índices financeiros disponíveis para o
acompanhamento das empresas é grande e conhecido, embora seja possível definir outros
de acordo com os interesses específicos da análise” [...] e que “a identificação, pelo
mercado, do potencial de insolvência apresenta um caráter complementar com os estudos
iniciados por Altman” (Id.). Com isso, percebe-se a importância tanto dos índices
financeiros, inerentes à identificação de casos de insolvência do ponto de vista da empresa,
quanto a busca e adoção de índices ou variáveis que traduzam a percepção de insolvência
potencial de outros segmentos externos à empresa.. Assim, polarizam-se os estudos sobre
previsão de insolvência sob os seguintes aspectos: o primeiro está atrelado à análise dos
indicadores financeiros como forma de identificar dificuldades financeiras pela própria
empresa. Por outro lado, o segundo aspecto diz respeito ao diagnóstico da insolvência
empresarial pelo mercado mediante um prêmio de rentabilidade pelo risco assumido.
Assim, o diagnóstico da insolvência empresarial via mercado torna-se tão
importante quanto a previsão de insolvência pela própria empresa. As análises de previsão
de insolvência via mercado estão relacionadas aos “efeitos do risco de insolvência sobre os
títulos emitidos pela empresa e refletem, em última instância, eficiência de mercado”
(Ibid).
1.1.1 A Análise Fundamentalista de Empresas
A análise fundamentalista compreende a investigação, no âmbito das finanças
corporativas, das causas de natureza interna e externa que afetam a estrutura econômico-
financeira das empresas, normalmente associadas às formas de organização, às estratégias
de atuação no mercado, ao padrão tecnológico adotado e às transformações econômicas
existentes.
Deste modo, as características inerentes às firmas (empresas) assumem grande
importância e devem ser amplamente exploradas a fim de se identificar as especificidades e
variáveis relevantes para a investigação proposta.
22
1.1.1.1 Abordagens de Avaliação de Empresas e o Enfoque
fundamentalista
A avaliação desempenha fator de enorme relevância em diversos campos e em
diferentes situações, como: na avaliação e gestão de carteiras, em avaliações na análise de
aquisições e nas finanças corporativas. No caso da avaliação nas finanças corporativas, as
análises realizadas cumprem o papel de auxiliar na reestruturação empresarial e na tomada
de decisões de investimento e financiamento (DAMODARAN, 2008).
Deste modo, “o valor de uma empresa pode ser diretamente relacionado às decisões
que toma – relativas a que projetos empreende, como os financia e sua política de
dividendos” (Id.). Para determinar o valor de uma empresa, Damodaran (2008, p.11) cita
três abordagens não mutuamente excludentes:
1ª.) Avaliação por fluxo de caixa descontado: relaciona o valor de um ativo ao valor
presente dos fluxos de caixa futuros esperados relativos àquele ativo;
2ª.) Avaliação relativa: o valor de um ativo deriva da precificação de ativos
“comparáveis”, padronizados pelo uso de uma variável comum, como lucros, fluxos
de caixa, valores contábeis ou receitas.
3ª.) Avaliação de direitos contingentes
3
: utiliza modelos de precificação de opções
para medir o valor de ativos que possuam características de opções.
Na avaliação por fluxo de caixa descontado existem duas formas para se avaliar
uma empresa: valorando o patrimônio líquido, onde se avalia apenas a participação
acionária, e através da valoração da empresa como um todo, incluindo-se tanto a
participação acionária quanto a participação dos demais detentores de direitos na empresa
(de bônus e ações preferenciais, por exemplo).
Na avaliação da empresa pelo patrimônio líquido, obtém-se o valor do patrimônio
líquido descontando-se os fluxos de caixa esperados pelos acionistas (fluxos de caixa
residuais após dedução de todas as despesas, bônus fiscais, e pagamentos de juros e
principal) à taxa de retorno exigida pelos investidores sobre o patrimônio líquido da
empresa (Damodaran, 2008), ou seja:
Valor do Patrimônio Líquido =
∑
∞=
=
+
t
t
t
Ke
staCFdoAcioni
1
)1(
, onde:
- CF do Acionista = Fluxo de caixa esperado do acionista no período t;
- Ke = Custo do patrimônio líquido.
Na avaliação da empresa pelo valor da empresa, obtém-se este valor descontando-se
os fluxos de caixa esperados para a empresa (fluxos de caixa residuais após a realização de
3
Embora a abordagem da avaliação por direitos contingentes tenha sido citada, o foco de análise
prosseguirá somente com as duas primeiras abordagens de avaliação de empresas tendo em vista
a dificuldade de identificação de direitos contingentes (opção) nas empresas que constam na
amostra deste trabalho.
23
todas as despesas operacionais e impostos, mas antes do pagamento de dívidas) pelo custo
médio ponderado de capital - WACC
4
(Damodaran, 2008), ou seja:
Valor da Empresa =
∑
∞=
=
+
t
t
t
t
WACC
aCFdaEmpres
1
)1(
, onde:
- CF da Empresa
t
= fluxo de caixa esperado da empresa no período t;
- WACC = custo médio ponderado do capital.
A avaliação relativa de uma empresa considera que o valor de um ativo deriva da
precificação de ativos “comparáveis”, padronizados pelo uso de uma variável comum. Para
se obter o índice adequado através da avaliação relativa de uma empresa, pode-se: a)
relacionar os indicadores às informações fundamentalistas da empresa a ser avaliada (taxas
de crescimento de lucros e fluxos de caixa, índices de pagamentos e risco), numa tentativa
de demonstrar o relacionamento entre indicadores e características da empresa; b) estimar
os indicadores de uma empresa focalizando empresas comparáveis, controlando as
variáveis através da utilização de médias setoriais ou mediante o uso de modelos
multivariados de regressão.
Neste ponto, observa-se que as duas primeiras abordagens de avaliação da empresa
(avaliação por fluxo de caixa descontado e avaliação relativa) estão intimamente
relacionadas às informações básicas da empresa, ou seja, “o valor real da empresa pode ser
relacionado às suas características financeiras – suas perspectivas de crescimento, perfil de
risco e fluxos de caixa” (Damodaran, 2008). Este tipo de relação é conhecida como Análise
Fundamentalista.
Sob o enfoque fundamentalista, se o valor de mercado for diferente do valor real,
isto significa que as ações estão sub ou supervalorizadas. De acordo com DAMODARAN
(2008, p.5), a análise fundamentalista adota as seguintes pressuposições:
- É uma estratégia de longo prazo;
- O relacionamento entre o valor e os fatores financeiros subjacentes pode ser medido;
- O relacionamento se mantém estável ao longo do tempo;
- Desvios do relacionamento são corrigidos dentro de um período de tempo razoável.
1.1.1.2 A Análise Fundamentalista e a Hipótese de Eficiência de
Mercado
Uma das principais considerações da análise fundamentalista diz respeito ao
conceito de mercados eficientes de capitais. Segundo Ross, Westerfield e Jaffe (2002,
p.277), “mercados eficientes de capitais são aqueles nos quais os preços correntes de
4
Segundo DAMODARAN (2008, p.13), WACC representa o custo dos diversos componentes de
financiamento utilizados pela empresa, com pesos em conformidade com suas proporções de valor de
mercado.
24
mercado refletem as informações disponíveis e, portanto, o valor presente dos títulos”.
Deste modo, não existe possibilidade alguma de obtenção de lucros extraordinários através
da utilização das informações disponíveis.
A hipótese de eficiência de mercado mostra que os preços em mercados
competitivos são aleatórios, dificultando previsões precisas sobre eventos futuros. Segundo
Brealey e Myers (2005, p.75):
“Em mercados competitivos, os lucros fáceis não duram. Enquanto os
investidores tentam aproveitar as vantagens das informações nos
preços passados, os preços se ajustam imediatamente até os lucros
superiores provenientes do estudo dos movimentos de preços
passados desaparecerem. Como resultado, todas as informações nos
preços passados serão refletidas no preço de hoje das ações, e não no
preço de amanhã. Padrões nos preços não existirão mais, e mudanças
de preços em um período serão independentes de mudanças no
próximo. Em outras palavras, o preço das ações seguirá um passeio
aleatório.”
As suposições da hipótese dos mercados eficientes são apresentadas por
ALDRIGHI e MILANEZ (2005, p.44) da seguinte forma:
a) Concorrência perfeita: nenhuma decisão isolada de quaisquer dos participantes no
mercado de ativos financeiros afeta os preços;
b) Expectativas racionais: investidores são igualmente informados e possuem
expectativas estáveis sobre o preço futuro de um ativo financeiro;
c)
d) Investidores maximizam suas utilidades esperadas;
e) Aleatoriedade de novas informações sobre ativos financeiros sugerem ajustes de
portfólios;
f) Ativos são homogêneos, divisíveis e não envolvem custos de transação;
g) Todas as informações disponíveis são processadas eficientemente pelos agentes.
Diante de tais suposições, percebe-se que alterações no preço de determinado ativo
somente ocorrem se surgirem informações novas e relevantes que tragam algum impacto
sobre o retorno futuro e a percepção do risco e a liquidez do ativo (ALDRIGHI e
MILANEZ, 2005).
A teoria dos mercados eficientes tem sido amplamente discutida desde a década de 70,
principalmente por estar assentada na base teórica das expectativas racionais da teoria
econômica. Entretanto, surge como contraponto a teoria comportamental, a qual “rejeita o
pressuposto de racionalidade limitada e adota uma perspectiva que incorpora na análise
econômica contribuições da Psicologia e da Sociologia” (Id.). Estes autores afirmam que:
25
“análises empíricas e testes experimentais têm fornecido
evidências copiosas de que, em muitas situações, as decisões
financeiras desviam-se bastante daquelas implicadas pelo tipo de
racionalidade sobre a qual se sustente a HME, colocando sua
validade sob suspeição”.
Dessa forma, autores como SHILLER (2003), MALKIEL (2003) e ALDRIGHI e
MILANEZ
5
(2005) apresentam alguns exemplos denominados por eles de “anomalias” nos
mercados financeiros que contradizem a HME, quais sejam: bolhas especulativas,
previsibilidade dos retornos dos ativos, violação da lei do preço único, volatilidade
excessiva nos preços dos ativos, posse prolongada de ativos perdedores, excessiva
negociação, diversificação ingênua e aquisições de empresas e a maldição do vencedor.
Alguns possíveis casos empíricos que reafirmam aspectos contraditórios
6
da HME são
discutidos por SHILLER (2003), a exemplo do “crash de 1987” e das “bolhas de Internet”
(Internet referindo-se às companhias high-tech com valoração inconsistente). Em
momentos mais recentes, cita-se como possível caso representativo de violação da teoria
dos mercados eficientes a crise financeira internacional em 2008, arraigada a partir de
bolhas especulativas no mercado imobiliário norte americano.
Embora as informações disponíveis em mercados eficientes tragam implicações que
impedem a obtenção de lucros extraordinários ou anormais, existem determinadas
informações que causam reações de mercado, ou seja, alterações nos preços das ações, em
momentos e intensidades distintos. Para Ross, Westerfield e Jaffe (2002, p.280), “o sistema
mais comum de classificação considera três tipos de informação: 1) a respeito de preços
passados; 2) informação publicamente disponível; e 3) toda informação”.
O efeito de diferentes graus de informação refletido nos preços dos títulos influenciou a
definição de três níveis de eficiência do mercado proposta por Fama em 1970: eficiência
fraca (os preços refletem a informação obtida no histórico de preços passados), eficiência
semiforte (os preços refletem tanto os preços passados quanto outras informações
publicadas) e eficiência forte (os preços refletem todas as informações adquiridas mediante
análise criteriosa da empresa e da economia) (BREALEY e MYERS, 2005).
Diante de tais considerações, Brealey e Myers (2005, p.76) afirmam que existem
dois tipos de análise de investimento que estão associadas à hipótese de eficiência de
mercado: a análise técnica e a análise fundamentalista. Na análise técnica, buscam-se
tendências ou ciclos através da análise do histórico de preços passados. Para Ross,
Westerfield e Jaffe (2002, p.282), “o termo análise técnica refere-se a tentativas de predizer
o futuro baseando-se em padrões de variação passada de preços”. Todavia, num mercado
5
Tais autores argumentam que a Finança Comportamental representa “um novo campo de pesquisa e é
essencialmente uma reação ao fracasso da HME de explicar uma ampla gama de fenômenos financeiros
recorrentemente observados, tais como a parcial previsibilidade dos retornos dos ativos financeiros, volumes
excessivos de negociação, e a diversidade ingênua”.
6
Na expressão de Schiller (2003, p.74): “clear evidence of the irrationality of markets”
26
eficiente na forma fraca, onde os preços correntes refletem os preços passados, a análise
técnica torna-se inútil. De acordo com Bodie, Kane e Marcus (2002, p.343):
“The key to sucessful technical analysis is a sluggish response of
stock prices to fundamental supply-and-demand factors. This
prerequisite, of course, is diametrically opposed to the notion of an
efficient market”.
A análise fundamentalista procura analisar a estrutura econômica nacional e os
fundamentos empresariais numa tentativa de identificar os fatores que afetarão os lucros
futuros das empresas. As conclusões da corrente fundamentalista são fundamentadas em
“dados econômico-financeiros da empresa, relacionando-os à situação do seu setor de
atividade e da economia como um todo”. Entretanto, em um mercado eficiente na forma
semiforte, onde os preços correntes refletem toda informação publicamente disponível,
grande parte da análise fundamentalista torna-se sem utilidade. Segundo Bodie, Kane e
Marcus (2002, p.348):
“Fundamental analysts usually start with a study of past earnings and
an examination of company balance sheets. They supplement this
analysis with further detailed economic analysis, ordinarily including
an evaluation of the quality of the firm’s management, the firm’s
standing within its industry, and the prospects for the industry as a
whole. The hope is to attain insight into future performance of the
firm that is not yet recognized by the rest of the market”.
No intuito de proporcionar medidas financeiras realistas, principalmente na correta
precificação de ativos, percebe-se que tanto a análise técnica quanto a análise
fundamentalista somente fazem sentido à medida que admitem o relaxamento da hipótese
de eficiência de mercado.
Neste ponto, a análise fundamentalista apresenta duas formas de análise que, apesar
de distintos, são complementares: a análise top-down (topo para a base) e a análise bottom-
up (base para topo). (KULH, 2008 apud PINHEIRO, 2005). A primeira forma de análise
consiste em projetar cenários macroeconômicos como crescimento do PIB, alterações
internacionais, impactos na taxa de câmbio, juros e balanço de pagamentos. A partir destes
dados são realizadas projeções de desempenho futuro dos setores da economia que serão
beneficiados ou prejudicados em cada cenário no intuito de selecionar, num primeiro
momento, os setores prioritários para investimentos e, posteriormente, as empresas com
melhores perspectivas em cada setor (PINHEIRO, 2008).
Na segunda forma de análise, o setor onde a empresa desempenha suas atividades
não é o principal foco de análise. Esta análise prioriza os fundamentos individuais de cada
empresa, avaliando-as segundo a relevância de tais informações (histórico, governança
27
corporativa, perspectiva de crescimento, etc.). Após a identificação das empresas com
melhores desempenhos, a análise bottom-up considera que o desempenho dessas empresas
será superior à média, tendo em vista que elas seriam capazes de superar eventuais
circunstâncias macroeconômicas adversas (PINHEIRO, 2008).
Assim, os métodos de análise fundamentalista poderão ser de enorme relevância em
análises relacionadas ao estado de solvência empresarial, pois, se determinados indicadores
financeiros de empresas com bom desempenho se movem em tendências, espera-se que tais
empresas continuem com saúde financeira. Da mesma forma, pode-se inferir que há
tendências no movimento de determinados indicadores financeiros de empresas com mau
desempenho, possibilitando que ações sejam tomadas no intuito de evitar possíveis
dificuldades financeiras e falência empresarial.
1.1.1.3 A Análise Fundamentalista na Avaliação de Empresas em
Dificuldades Financeiras
As empresas estão em dificuldades financeiras quando se mostram incapazes de
honrar os compromissos firmados com seus credores e, a depender do grau de dificuldade
financeira apresentada, poderão chegar à falência. De acordo com Brealey e Myers, (2005,
p. 130): “A dificuldade financeira ocorre quando as promessas para os credores são
quebradas ou honradas com dificuldade levando, algumas vezes, à falência”.
Para Ross, Westerfield e Jaffe (2002), existe uma variedade de eventos pelos quais
passam as empresas em dificuldades financeiras, como: “redução de dividendos,
fechamento de fábricas, prejuízos, dispensas de funcionários, renúncias de presidentes,
quedas substanciais do preço da ação, etc.”. Estes autores ampliam a definição de
dificuldade financeira, vinculando-a a noção de insolvência e apresentam dois aspectos
gerais importantes: a insolvência associada a saldos – onde o valor do ativo de uma
empresa é inferior ao passivo, apresentando um patrimônio líquido negativo – e a
insolvência associada a fluxos – refere-se à incapacidade de pagamento de dívidas, ou seja,
diz respeito à impossibilidade de cumprir com as obrigações correntes mediante os recursos
gerados pelas operações.
As empresas lidam com situações distintas quanto às dificuldades financeiras e
tentam enfrentá-las de diversas formas (ROSS, WESTERFIELD e JAFFE, 2002), como:
venda de ativos importantes, fusão com outra empresa, redução de gastos em pesquisa e
desenvolvimento, emissão de novos títulos, negociação com bancos e outros credores, troca
de dívidas por ações, entrada de pedido de concordata, etc. “Assim, as dificuldades
financeiras podem envolver a reestruturação tanto dos ativos quanto dos passivos” (ROSS,
WESTERFIELD e JAFFE, 2002).
A medida que as dificuldades financeiras das empresas são aprofundadas e os
compromissos com os credores não são honrados, surgem duas opções para as empresas: a)
Liquidação: extinguir a empresa mediante a venda de seus ativos por seus valores residuais
e, após a dedução dos custos de venda, distribuir o resultado da venda entre os credores,
28
respeitando a prioridade de direitos; b) Reorganização: organizar um plano ou seqüência de
eventos que promovam a reestruturação financeira da empresa ou alguma maneira de
restituir os credores.
Seja na opção de liquidação ou reorganização de empresas, torna-se necessário
valorá-las corretamente, ou seja, encontrar o valor real destas empresas e compará-lo ao
valor de mercado. Todavia, a depender do grau de dificuldade financeira em que essas
empresas se encontram, nem sempre é possível a aplicação de modelos de fluxos de caixa
na valoração dessas empresas. De acordo com Damodaran (2008, p.338),
“Uma empresa em dificuldades financeiras tem algumas ou todas das
seguintes características: lucros e fluxos de caixa negativos,
incapacidade de atender aos pagamentos da dívida, ausência de
dividendos e um alto coeficiente endividamento/patrimônio líquido.
Isso torna difícil a aplicação de modelos de desconto de fluxo de
caixa a essas empresas. A solução do problema depende, em grande
parte, do grau de dificuldade em que a empresa se encontra
efetivamente”.
Diante da dificuldade em avaliar empresas em dificuldades financeiras através da
avaliação por fluxo de caixa descontado e da inaplicabilidade da avaliação de direitos
contingentes tendo em vista que os ativos a serem tratados não possuem características de
opções, percebe-se que a avaliação relativa de empresas será o ponto de partida para a
análise financeira fundamentalista de empresas na análise do grau de insolvência.
A abordagem da avaliação relativa torna-se pertinente pois relaciona os indicadores
às informações fundamentalistas da empresa a ser avaliada (taxas de crescimento de lucros
e fluxos de caixa, índices de pagamentos e risco), numa tentativa de demonstrar o
relacionamento entre indicadores e características da empresa; e estima os indicadores de
uma empresa focalizando empresas comparáveis, controlando as variáveis através da
utilização de médias setoriais ou mediante o uso de modelos multivariados de regressão.
Na análise fundamentalista, além do acompanhamento do desempenho financeiro
das empresas, vale ressaltar também a importância de dois importantes fatores que podem
contribuir para o aprofundamento das dificuldades financeiras das empresas: a) o nível de
atividade econômica
7
– a depender do segmento de atuação da empresa, mesmo num
período de recessão determinadas empresas de um segmento específico poderiam
apresentar desempenho financeiro positivo enquanto que empresas de outros segmentos
poderiam sofrer impactos negativos diante do ciclo econômico neste mesmo período; e b)
envelhecimento – após o amadurecimento da empresa, a não adoção de medidas no intuito
7
Em relação ao nível de atividade econômica, Gitman (2004, p.624) afirma que “o desempenho de
algumas empresas apresenta comportamento contracíclico no que se refere à atividade
econômica, e o de outras independe da atividade econômica”. Já em relação ao fator
envelhecimento como causa de dificuldades financeiras da empresa, afirma que “uma empresa
passa por estágios de nascimento, crescimento, maturidade e declínio eventual. Um planejamento
eficaz da administração deve ajudá-la a postergar seu declínio e a subseqüente quebra”.
29
de prolongar o crescimento da empresa poderia resultar em declínio precoce e,
consequentemente, em dificuldades financeiras (GITMAN, 2004).
Assim, considerando-se que as características econômicas e financeiras estão
relacionadas ao valor real da empresa, adotar-se-á o enfoque fundamentalista de análise,
sob a abordagem de avaliação relativa, numa tentativa de identificar o grau de insolvência
das empresas consideradas na análise.
Tendo em vista a diversidade de fatores que podem contribuir para o estado de
insolvência da empresa e a necessidade de se identificar antecipadamente as causas que a
conduz a dificuldades financeiras, tudo isto se torna relevante, pois diante de um pedido de
concordata ou liquidação empresarial, os prejuízos e ônus gerados podem trazer impactos
tanto para a empresa quanto para a sociedade, além de envolver não apenas questões
econômicas e financeiras, mas também jurídicas.
1.1.2 A Lei de Falência e a Lei das S.A.
As legislações falimentares dos diversos países normalmente estão relacionadas aos
aspectos políticos, sociais e econômicos, alem de apresentarem diferenças significativas e
interpretações distintas.
A emergência e expansão do mercado de ações, transformações do mercado de
crédito e o conhecimento mais aprimorado dos movimentos de ciclos de negócios
contribuíram para o estabelecimento de modernos tratamentos jurídicos relacionados à
falência de empreendimentos.
A Insolvência financeira de determinada firma poderá comprometer seriamente a
viabilidade econômica do negócio, podendo esta dificuldade ser de caráter reversível ou
irreversível. Algumas das dificuldades financeiras enfrentadas pelas firmas podem ser
resultado de crises setoriais temporárias, desequilíbrios macroeconômicos e falhas
administrativas.
Considerando-se o caráter reversível das dificuldades financeiras das firmas e no
intuito de preservar a integridade do negócio, estas poderão se tornar lucrativas tanto pela
adoção de medidas administrativas internas (reorganização interna) quanto por medidas de
reestruturação externa (concordata). Por outro lado, a irreversibilidade das dificuldades
financeiras poderá resultar em processo de liquidação da firma, onde os recursos existentes
devem ser distribuídos às partes de direito (acionistas, fornecedores, trabalhadores, etc.).
Neste ponto, surgem duas questões de enorme relevância: a correta identificação das
firmas que realmente devem ser recuperadas ou liquidadas e o critério adotado nesta
decisão. De acordo com CARVALHO (2003, p.4):
“A liquidação prematura de uma empresa viável é ineficiente,
uma vez que muito do valor econômico e todo o valor social
da empresa se perde. Por outro lado, a manutenção (ou
30
reestruturação) de uma empresa economicamente inviável
pode propiciar aos seus controladores a oportunidade de se
beneficiarem à custa das outras partes com direitos na
empresa”.
Em relação ao critério adotado na análise e identificação de empresas recuperáveis
ou liquidáveis, as legislações falimentares normalmente se baseiam no conceito de
viabilidade econômica e no conceito de alocação de direitos às partes (Carvalho, 2003).
Para este autor, “uma legislação baseada no conceito de viabilidade econômica requer
muito discernimento e rapidez por parte do judiciário”. Já no segundo caso, “o direito às
partes pode implicar o fechamento da empresa”. Deste modo, legislações falimentares
baseadas em ambos os conceitos podem gerar “liquidação ineficiente” ou “reorganização
ineficiente”.
Carvalho (2003) procura mostrar a relação existente entre as legislações
falimentares, o desenvolvimento do sistema financeiro e o nível de proteção a credores e
eficiência no sistema judiciário, baseado na literatura teórica e empírica de autores como La
Porta et al. (1997), Goldsmith (1969), King e Levine (1993a), (1993b), (1993c). Neste
sentido, afirma que “o reconhecimento da importância da legislação falimentar para o
crédito e para o desenvolvimento econômico levou vários países a revê-la”.
No caso do Brasil, a Lei de Falências
8
já existe desde 1945 e tem por objetivo
estabelecer normas e procedimentos que poderão ser adotados quando uma firma se
encontrar em condição de insolvência financeira. Atualmente, tem sofrido importantes
alterações visando, principalmente, adequar-se às transformações econômicas e superar as
críticas e limitações econômico-jurídicas como (Carvalho, 2003): rigidez demasiada,
condições ineficientes para recuperação de empresas economicamente viáveis, processo de
liquidação excessivamente burocratizado e má otimização dos proventos da massa falida.
De acordo com Rowat e Astigarraga (1999) apud Carvalho (2003) a legislação
falimentar brasileira apresenta “dois dispositivos legais para firmas em insolvência
financeira: 1) a falência, que consiste numa liquidação supervisionada pelo judiciário e 2) a
concordata, que é um dispositivo para reescalonar ou reduzir os pagamentos devidos a
credores não-segurados”.
Anteriormente à implementação da nova legislação regulatória do processo
falimentar brasileiro – a Lei Nº.11101/05 – uma série de críticas apontavam para a
modernização do processo de insolvência no intuito de se adequar às transformações
econômicas contemporâneas. Araujo e Funchal (2006, p.4) afirmam que:
“No Brasil, o antigo processo de insolvência era muito
demorado, levando em média dez anos para ter todo o
procedimento concluído, sendo o mais lento do mundo, muito
8
O Decreto Lei Nº 7.661 entrou em vigor em 21 de junho de 1945 no governo de Getúlio Vargas.
31
maior do que a média da América Latina de 3 anos e 7
meses”.
Deste modo, enumeram-se as seguintes limitações preexistentes até a implantação da nova
legislação falimentar (Araujo e Funchal, 2006):
a) a preferência dada aos direitos trabalhistas e fiscais inibem os direitos dos credores;
b) Ineficiência dos incentivos e mecanismos adotados na reestruturação de empresas,
resultando no fechamento de firmas potencialmente viáveis;
c) Problema da sucessão (transferência de obrigações aos compradores da propriedade
adquirida na liquidação) gerava impactos negativos no valor da empresa falida;
d) Custo elevado e tempo demasiado no processo de fechamento de firmas
economicamente inviáveis.
Diante da apresentação de tais inconsistências, Araujo e Funchal (2006) apresentam
uma série de melhorias implementadas com a nova legislação falimentar brasileira. Em
linhas gerais, destacam-se: integração do sistema de insolvência mediante amplos aspectos
legais e comerciais, eficácia na reorganização judicial e extrajudicial, e equilíbrio de
decisões entre liquidação e reorganização. Especificamente, Araujo e Funchal (2006)
apresentam as seguintes mudanças: conversão da recuperação em liquidação; requerimento
do devedor para reabilitação durante o processo de liquidação imposto a ele; novo
procedimento de reorganização extrajudicial para planos de reestruturação pré-acordados;
exigência de que a obrigação líquida vencida e não paga deverá ultrapassar 40 (quarenta)
salários-mínimos na data do pedido de falência pelo devedor; crédito trabalhista limitado a
150 salários-mínimos; prioridade do crédito segurado acima do FISCO; prioridade do
crédito não-segurado em relação a determinados créditos fiscais; venda de firmas será
realizada preferencialmente como um todo, posteriormente em blocos e por fim mediante
formação da lista de credores; comprador não mais assumirá as obrigações do devedor;
prioridade para novos créditos fornecidos durante o período de reorganização em caso de
liquidação.
Tais mudanças na Lei falimentar brasileira assumem importância fundamental para
a economia nacional na medida em que “aumentam o nível de proteção dos credores,
gerando efeitos positivos sobre o custo do crédito para as firmas que estão no mercado,
além de expandir o volume de crédito concedido” (Araujo e Funchal, 2006, p.7). Além
disso, o valor das firmas em estado de falência sofre aumento, reduzindo a procura de
valores financeiros por parte dos credores e diminuindo o custo do crédito. Tem-se,
também, a redução de custos indiretos, aumento no retorno do credor na possibilidade de
insolvência e maior eficiência na reestruturação.
De acordo com o estudo realizado por Araujo e Funchal (2006) no período de 2002
a 2006, verifica-se que nos 12 meses que antecederam à implementação da Lei de Falências
tinha-se uma média de 318 firmas falidas. Já nos 12 meses posteriores, essa média passou
para 181 firmas falidas, uma redução de aproximadamente 43% a nível nacional. O Gráfico
abaixo ilustra melhor esta discussão:
GRÁFICO
1: Número de Falências Decretadas
32
Fonte: SERASA apud Araujo e Funchal (2006)
Em relação ao número de falências requeridas, estes autores mostram que houve
uma redução de cerca de 59% a nível nacional, tendo em vista que o número médio de
falência requeridas nos 12 meses anteriores à Lei de Falências foi de 1040, passando para
uma média de 423 falências requeridas nos 12 meses posteriores à implementação da Lei,
conforme apresentado no Gráfico seguinte:
GRÁFICO
2: Número de Falências Requeridas
Fonte: SERASA apud Araujo e Funchal (2006)
Para os dados de concordatas/recuperações judiciais, Araujo e Funchal (2006)
mostram que nos 12 meses que antecederam à Lei de Falências, a média se situava em
torno de 40 firmas em concordata/recuperação judicial, enquanto que nos 12 meses
posteriores à implementação da Lei essa média foi 24 firmas em concordata/recuperação
judicial. O Gráfico abaixo ilustra a evolução do número de recuperações judiciais
requeridas no período citado:
GRÁFICO
3: Número de Recuperações Judiciais Requeridas
33
Fonte: IEGV / ACSP apud Araujo e Funchal (2006)
Em consonância com a legislação falimentar brasileira, uma outra regulamentação
legislativa foi a publicação da Lei 11.638, de 28/12/2007 e que entrou em vigor em
01/01/2008, conhecida como Lei das S.A. Tais mudanças tornam-se relevantes pois este
trabalho está pautado numa análise fundamentalista e, portanto, as alterações realizadas em
torno da forma e obrigatoriedade dos demonstrativos financeiros empresariais estão
diretamente associadas aos resultados da investigação sobre o grau de insolvência de
empresas aqui pretendido.
De acordo com Oliveira (2008), as principais alterações trazidas pela Lei das S.A.
foram:
a) Extinção da obrigatoriedade da DOAR
9
e obrigatoriedade da DFC
10
e da DVA
11
;
b) Possibilidade de escrituração fiscal nos próprios registros comerciais, sem a
utilização de livros auxiliares;
c) As contas Ativo Permanente e Patrimônio Líquido passam a ter uma nova estrutura;
d) Extinção das reservas de reavaliação e da provisão para ajuste ao valor de mercado
(PAVM) para investimentos;
e) Nova forma de avaliação de direitos e obrigações;
f) Apresentação das participações estatutárias sobre o lucro (PEL) na DRE;
g) Alteração no conceito de lucros a realizar;
h) Alteração do limite de saldo das reservas de lucros;
i) Contabilização de ativos e passivos em operações de incorporação, fusão e cisão;
j) Mudança nos critérios para avaliação de investimentos pelo método da equivalência
patrimonial (MEP);
9
DOAR – Demonstração das Origens e Aplicações de Recursos.
10
DFC – Demonstração de Fluxos de Caixa.
11
DVA – Demonstração do Valor Adicionado.
34
k) Extinção das regras da Lei 6.404/76 às sociedades de grande porte, não constituídas
sob a forma de sociedade por ações;
l) Modificação na base de cálculo do dividendo mínimo obrigatório.
Dessa forma, a Lei das S.A. imprimiu alterações substanciais na Lei 6.404/76 e
importantes modificações em determinadas regras da contabilidade geral. Apesar disso, o
presente trabalho adota como delimitação temporal o período de 2008, ou seja, os
demonstrativos financeiros do exercício 2008 e publicados em 2009. Considerando-se que a
Lei 11.638 (Lei das S.A) somente entrou em vigor em 01/01/2008, os demonstrativos
financeiros das empresas listadas na Bovespa estão compreendidos na referida Lei,
principalmente o DVA e o DFC que proporcionam algumas das variáveis preditoras
utilizadas desta pesquisa.
1.2
C
ONSIDERAÇÕES SOBRE O DESENVOLVIMENTO EMPÍRICO DE MODELOS
DE PREVISÃO
A complexidade de fatores internos e externos inerentes aos resultados econômicos
e financeiros que conduzem às situações de falência empresarial está inserida num campo
de estudo amplo e de abordagens específicas. Neste sentido, diversos trabalhos foram
desenvolvidos dentro dessa linha de pesquisa no intuito de se investigar as principais
características que influenciam as finanças empresariais e, mais especificamente, o impacto
destas características em situações de solvência ou insolvência de empresas.
A seguir, são apresentados e discutidos os principais estudos sobre insolvência de
empresas e os objetivos aos quais de propõem estes estudos. Posteriormente, são mostrados
os principais indicadores utilizados no desenvolvimento de modelos de previsão e, ao final
do capítulo, apresentam-se as principais semelhanças e diferenças entre as variáveis
utilizadas nos diversos trabalhos citados e as variáveis analisadas nesta pesquisa.
1.2.1 Estudos sobre Previsão de Insolvência Empresarial
Quanto aos objetivos aos quais se propõem os modelos de previsão de insolvência
empresarial, Pereira, Dominguez e Ocejo (2007) faz uma distinção em quatro categorias. A
primeira diz respeito aos trabalhos pioneiros de Beaver (1966) e Altman (1968), inclusive
os estudos desenvolvidos por Blum (1974), Martin (1977) e Tan & Kiang (1992). Todos
esses trabalhos tinham como objetivo geral verificar se os dados contábeis expressavam
informação suficiente sobre a futura solvência empresarial. A segunda categoria está ligada
aos trabalhos realizados por Frydman et al. (1983), Gentry et al. (1985), Aly et al. (1992),
Kon & Tan (1999) e Charitou et al. (2004) e tinham por objetivo-chave a comparação dos
diversos modelos utilizados na previsão de fracasso empresarial para distinguir as opções
mais precisas e aplicáveis. A terceira categoria, representada pelos trabalhos de Lizarraga
(1998) e Grice & Dugan (2001), tinham por fim a comprovação da eficácia de
determinados modelos num espaço e tempo definidos. Por fim, a quarta categoria, que
35
compreende os trabalhos de Wilcox (1971) e Santomero & Vinso (1977), visavam o
desenvolvimento teórico formal para explicar os resultados.
Neste sentido, os métodos e técnicas aplicados para tal fim representam um
conjunto amplo e diversificado na literatura sobre insolvência empresarial. Segundo
Pereira, Dominguez e Ocejo (2007), as técnicas mais comumente utilizadas neste tipo de
análise são: Análise Discriminante, Logit, Probit, Redes Neuronais e Indução de Regras e
Árvores de Decisão. A tabela abaixo resume as principais características inerentes a cada
uma das técnicas citadas conforme os objetivos dos pesquisadores:
T
ABELA
1: Principais Características de alguns Estudos sobre Insolvência
Fonte: Extraído de Pereira, Dominguez e Ocejo, 2007, p.137
Além das técnicas acima elucidadas, outras técnicas também são aplicadas em
estudos sobre insolvência empresarial, como: Regressão Múltipla, Análise Fatorial, Lógica
Nebulosa, Análise por Envoltória de Dados, Modelo de Cox, técnicas de programação
matemática (a exemplo do support vector machine) e Termômetro de Kanitz.
No tocante à validação dos resultados dos modelos, Pereira, Dominguez e Ocejo
(2007, p.116) afirmam que esta etapa é realizada, de modo geral, “através de uma amostra
36
secundária que pode ser contemporânea ou posterior à inicial”. Entretanto, alguns trabalhos
consideram que os resultados somente se aplicam à base de dados utilizados na elaboração
do modelo, sendo questionáveis e pouco recomendáveis.
Uma das técnicas aplicadas na identificação de uma amostra consistente para a
validação dos resultados dos modelos é a técnica de mineração de dados (data mining).
Dentre os métodos de amostragem a partir da técnica data mining, destacam-se: 1) Método
Holdout – considera “p” exemplos para treino e (1-p) para validação, sendo os valores mais
usuais p=2/3 e (1-p)=1/3; 2) Método Cross-Validation – na validação cruzada todos os
elementos disponíveis são utilizados e permite a seleção de parâmetros do modelo que
tenha apresentado melhores resultados, já que se obtém K funções pois os modelos são
treinados e validados K vezes e o erro final de generalização obtém-se pela média dos erros
de validação obtidos durante K vezes.
Vale ressaltar que existem outros métodos de amostragem inerentes à técnica data
mining, como: amostragem aleatória, Leave-One—Out, Stratified e Bootstrap (Flexer,
1996; Santos & Azevedo, 2005; Quintela, 2005 apud Pereira, Dominguez e Ocejo, 2007).
Assim, os métodos apresentados possibilitam a eficácia na elaboração do modelo.
Todavia, existe uma técnica bastante habitual utilizada para validar o desempenho do
modelo, denominada matriz de confusão. Esta técnica indica o número de classificações
corretas e as previsões realizadas para cada caso, sobre um conjunto de exemplos T. As
linhas da matriz de confusão representam os casos reais e as colunas as previsões efetuadas
pelo modelo. A matriz de confusão de um classificador ideal possui todos os restantes
elementos iguais a zero. Além disso, possibilita o cálculo de determinadas medidas
estatísticas, como: Especificidade (Erro tipo I), Sensibilidade (erro tipo II), Acuidade ou
Precisão e Taxa de erro total (Pereira, Dominguez e Ocejo, 2007).
No desenvolvimento deste trabalho, utiliza-se a técnica estatística Análise
Discriminante, tendo em vista a elaboração de um modelo de previsão de insolvência
empresarial, embasado na literatura já desenvolvida por outros autores e nos aspectos
teóricos da análise fundamentalista, numa tentativa de identificar as influências internas e
externas que afetam o grau de solvabilidade empresarial.
1.2.2 A Abordagem dos Índices Financeiros nos Modelos
A utilização de índices financeiros na análise de empresas é de grande relevância,
pois possibilita uma avaliação acurada da situação da empresa. Neste sentido, a discussão
em torno de quais índices financeiros são relevantes para a análise e previsão de insolvência
de empresas estão descritos em vários importantes estudos.
Nos estudos de BEAVER (1966), adotou-se uma abordagem de análise quantitativa
no intuito de identificar o poder dos índices financeiros em prever situações de falência
empresarial. Foram utilizados 30 índices, sendo que os principais foram: fluxo de caixa,
rentabilidade, endividamento, liquidez e atividade. Foram analisadas 79 empresas
37
classificadas como falidas e 79 empresas não falidas, no período de 1954 a 1964,
considerando para cada empresa falida e não falida o mesmo setor e porte específico, alem
de cinco exercícios contábeis antes da falência. Para verificar a consistência dos índices,
utilizou métodos e técnicas estatísticas como a comparação de médias, teste de
classificação dicotômica e análise de probabilidades que possibilitaram classificar
potenciais empresas insolventes. Em seus resultados, os índices mais consistentes com o
modelo foram: Fluxo de Caixa sobre Dívida, Retorno sobre Ativos e Endividamento sobre
Ativos.
Já nos estudos realizados por ALTMAN (1968), foram classificados cinco
principais categorias de índices: liquidez, rentabilidade, alavancagem, solvência e
atividade, tendo como critérios de escolha inicial a popularidade na literatura, relevância
potencial para o estudo e a inserção de alguns índices. Foram analisadas 66 empresas,
sendo 33 empresas classificadas como falidas e 33 classificadas como não falidas, no
período de 1946 a 1965. Para verificar a consistência dos índices, utilizou métodos e
técnicas estatísticas e destacou-se por introduzir a análise de discriminante múltipla (MDA)
na análise e previsão de insolvência de empresas.
Nos estudos de KANITZ (1978), cinco índices foram utilizados para prever
insolvência de empresas: rentabilidade do patrimônio (RP), liquidez geral (LG), liquidez
seca (LS), liquidez corrente (LC) e grau de endividamento (GE). Foram analisadas 21
empresas classificadas como falidas e 21 empresas classificadas como não falidas, no
período de 1972 a 1974. Deu origem ao Termômetro de Kanitz; se o resultado da soma dos
pesos multiplicados pelos índices selecionados for menor que -3, a empresa encontra-se em
dificuldades financeiras. Se o resultado se situa entre 0 e -3, a empresa encontra-se numa
situação que exige cautela (estado de penumbra). Por fim, se o resultado se situar acima de
zero, a empresa não apresenta dificuldades financeiras.
Além dos estudos acima citados, outros autores também desenvolveram trabalhos
com linhas de raciocínio semelhantes, ou seja, adotaram a técnica estatística de análise
discriminante como base para encontrar uma função matemática para a previsão de
empresas insolventes. Segue abaixo Quadro contendo as principais funções matemáticas
desenvolvidas a partir de trabalhos realizados no Brasil e seus respectivos autores:
Autor
Função Matemática
Significado de variáveis
Ponto
Crítico
Altman
Z
1
= -1,44 + 4,03x
2
+ 2,25x
3
+ 0,14x
4
+
0,42x
5
Z
2
= -1,84 – 0,51x
1
+ 6,32x
3
+ 0,71x
4
+
0,53x
5
Z = escore, fator de insolvência ou total de
pontos obtidos;
X1 = ativo circ. – passivo circ. / ativo total;
X2 = reservas e lucros suspensos / ativo
total;
X3 = lucro líquido + desp. Financ. +
imposto de renda / ativo total;
X4 = patrimônio líquido / exigível total;
X5 = vendas / ativo total
Z1 < 0:
insolvente;
Z1 0:
solvente.
Z2 < 0:
insolvente;
Z2 0:
solvente.
38
Elizabetsky
Z = 1,93x
32
– 0,20x
33
+ 1,02x
35
+ 1,33x
36
-
1,12x
37
Z = escore, fator de insolvência ou total de
pontos obtidos;
X32 = lucro líquido / vendas;
X33 = disponível / ativo permanente;
X35 = contas a receber /ativo total;
X36 = estoques / ativo total;
X37 = passivo circ. / ativo total
Z < 0,5:
insolvente;
Z 0,5:
solvente.
Kanitz
Fi = 0,05x
1
+ 1,65x
2
+ 3,55x
3
- 1,06x
4
–
0,33x
5
Fi = escore, fator de insolvência ou total de
pontos obtidos;
X1 = lucro líquido / patrimônio líquido;
X2 = ativo circ. + realiz. a longo prazo /
exigível total;
X3 = ativo circ. – estoques / passivo circ.
X4 = ativo circ. / passivo circ.;
X5 = exigível total / patrimônio líquido
Fi < -3:
insolvente;
-3 < Fi <0:
indefinida;
Fi 0:
solvente.
Matias
Z = 23,792x
1
– 8,26x
2
– 9,868x
3
– 0,764x
4
– 0,535x
5
+ 9,91x
6
Z = escore, fator de insolvência ou total de
pontos obtidos;
X1 = patrimônio líquido / ativo total;
X2 = financ. e emprést. banc. / ativo circ.;
X3 = fornecedores / ativo total;
X4 = ativo circ. / passivo circ.;
X5 = lucro operac. / lucro bruto;
X6 = disponível / ativo total;
Z < 0:
insolvente;
Z 0:
solvente.
Pereira
Z = 0,722 – 5,124E
23
+11,016L
19
–
0,342L
21
– 0,048L
26
– 8,605R
13
- 0,004R
29
Z = escore, fator de insolvência ou total de
pontos obtidos;
E23 = duplicatas descontadas / duplicatas a
receber;
L19 = estoque final / custo das mercadorias
vendidas;
L21 = fornecedores / vendas;
L26 = estoque médio /custo das
mercadorias vendidas;
R13 = (lucro oper. + despesas financ.) /
(ativo total – investimento médio);
R29 = exigível total / (lucro líquido + 0,1
imobilizado médio + saldo devedor da
correção monetária).
Z < 0:
insolvente;
Z 0:
solvente.
Q
UADRO
1: Principais Modelos de Previsão de Insolvência aplicados ao Brasil
Fonte:Elaboração própria a partir de Matarazzo (p.240 e 241, 2003).
Percebe-se nos estudos apresentados que os modelos desenvolvidos a partir da
análise discriminante normalmente consideram em suas amostras dois grupos distintos para
coleta de dados: um grupo de empresas insolventes e outro de empresas solventes. Além
disso, as variáveis analisadas sempre estão atreladas aos fundamentos da empresa, ou seja,
índices financeiros calculados através da utilização dos demonstrativos financeiros (balanço
patrimonial e demonstrativo de resultados).
39
No desenvolvimento desta pesquisa, adota-se um raciocínio a priori semelhante aos
trabalhos citados, tendo em vista a coleta de empresas pertencentes a grupos distintos de
classificação quanto à saúde financeira, como também pela utilização da técnica estatística
de análise discriminante. Entretanto, esta pesquisa se distingue destes trabalhos em dois
pontos principais:
1º) diferentemente de outros estudos que agrupavam as empresas em grupos distintos,
considerando-se que estas empresas ou estavam no grupo de empresas de boa saúde
financeira ou no grupo de empresas falidas (situação de falência), nesta pesquisa, a
classificação qualitativa das empresas em grupos distintos se dá pela classificação
dicotômica em 0 e 1 das empresas listadas na Bovespa, sendo 0 para a empresa que
apresenta lucro e 1 para a empresa que apresenta prejuízo, eliminando-se a necessidade de
se obter demonstrativos de empresas falidas;
2º) além da utilização dos índices financeiros como variáveis preditoras já comumente
conhecidos nos diversos trabalhos outrora desenvolvidos, acrescentam-se nesta pesquisa
uma variável macroeconômica (RC) e uma variável setorial (PM), considerando-se a
abordagem da teoria fundamentalista de análise de empresas.
40
2
PLANEJAMENTO AMOSTRAL E METODOLOGIA
2.1 O Método de Amostragem
Em linhas gerais, os levantamentos por amostragem
12
se classificam em dois tipos:
descritivos e analíticos. Conforme aponta COCHRAN (1965, p.18), um levantamento
descritivo tem por fim “a obtenção de uma determinada informação sobre um grande grupo
de indivíduos” enquanto que em “levantamentos analíticos, fazem-se comparações entre
diferentes subgrupos da população, a fim de descobrir se entre eles existem diferenças que
proporcionem formular ou verificar hipóteses sobre esta população”. Além disso, segundo
afirmação deste mesmo autor, “muitos levantamentos fornecem dados que servem a ambos
os objetivos”. Acredita-se que esta última afirmação é a que mais se aproxima dos objetivos
desta pesquisa.
Este trabalho, segundo a natureza lógica e estrutural, é reconhecido como um estudo
observacional analítico e, de acordo com a ausência total do controle de variáveis desta
pesquisa, no âmbito das ciências sociais aplicadas, os dados coletados das n empresas num
mesmo ano são de corte transversal ou levantamento amostral.
Segundo critério de classificação de pesquisas adotado por BOLFARINI e
BUSSAB (2005, p.12), esta pesquisa possui objetivo analítico com aplicação de métodos
estatísticos multivariados e com amplitude de coleta amostral.
De acordo com SILVA (1998, p.15-16) “levantamentos por amostragem produzem
instantâneos das realidades estudadas” e apresentam as seguintes características
operacionais:
a) aplicam-se a conjuntos reais e finitos (população de estudo)
b) a população de estudo é composta de elementos que possuem características ou atributos
para a identificação de parâmetros ou valores populacionais;
c) as medidas estatísticas estimadas nas populações de estudo proporcionam informações
disponíveis para valores populacionais desconhecidos.
O enfoque abstrato outrora estabelecido (problema formulado, estabelecimento das
questões de pesquisa e expectativas sobre os resultados), apontou para a necessidade de se
definir a “representação concreta e observável do objeto da pesquisa”: população-objetivo,
população de estudo e identificação das variáveis.
A população-objetivo – aquilo que idealmente se deseja a informação – está
representada pelo conjunto de empresas com as seguintes características: 1) grande porte;
2) denominação S.A; 3) de capital aberto e 4) atuantes no Brasil. A população de estudo –
parte identificável e acessível do conjunto – diz respeito ao subconjunto da população-
objetivo formado por empresas com as mesmas características.
12
“O levantamento por amostragem permite a obtenção de informações a respeito de valores populacionais
desconhecidos, por meio da observação de apenas uma parte (amostra) do seu universo de estudo
(população)”. (SILVA, 1998, p.2).
41
O sistema de referência adotado no levantamento amostral diz respeito às
informações disponibilizadas no site da bmfbovespa (Bolsa de Valores de São Paulo).
Segundo estas informações e a delimitação temporal que norteia este trabalho percebe-se
que no ano de 2008 haviam 392 empresas listadas pela Bovespa com as características
acima elencadas. Deste modo, a população objetivo deste estudo é representada por estas
392 empresas. Tendo em vista que os dados financeiros destas empresas somente são
disponibilizados no ano seguinte, ressalta-se que os dados coletados referem-se ao exercício
financeiro de 2008 e publicados em 2009.
Com isso, fica estabelecido que a população objetivo é finita, enumerável e passível
de descrição e que o interesse, nesta fase, é estudar a proporção de elementos (empresas)
desta população que possuem determinada característica. Assim, a característica de
interesse é identificar prováveis empresas insolventes.
2.1.1 O Levantamento da Amostra
O levantamento da amostra, ou seja, do número de unidades elementares ou
amostrais teve como ponto de partida uma amostra piloto composta de 44 empresas (mais
de 10% da população objetivo) que fazem parte do rol de empresas listadas na Bovespa.
Esta amostra piloto foi selecionada mediante procedimentos probabilísticos
13
onde foram
enumeradas todas as empresas listadas de 1 a 392 e a partir dos quais foram gerados
números aleatórios no software Excel pela fórmula de cálculo ALEATÓRIOENTRE
(1;392) para a escolha de cada uma das 44 empresas. Considerando-se que o critério de
classificação em prováveis solventes e prováveis insolventes foi o resultado do exercício no
período (lucro ou prejuízo), obtiveram-se os seguintes resultados:
T
ABELA
2: Resultados preliminares da Amostra Piloto
Classificação Nº de empresas Proporção (%)
Prováveis solventes (0) 30 Q = 1 - P = 68%
Prováveis Insolventes (1) 14 P = 32%
Para este tipo de classificação, observa-se que a característica de interesse (ou categoria de
interesse) é representada por uma variável dicotômica, onde:
⋅
⋅⋅⋅⋅⋅⋅⋅
=
contráriocaso
insolventeprovávelumaéiempresaase
Y
i
,0
,1
Então,
µ
==
∑
=
N
i
i
Y
N
P
1
1
é a proporção de prováveis empresas insolventes. Conforme
SILVA (1998, p.42), “o número de amostras ordenadas de tamanho n, com reposição é,
n
N
, enquanto que, sem reposição, é dado pelo coeficiente binomial
n
N
”. Em
13
“A amostragem probabilística caracteriza-se por garantir, a priori, que todo elemento pertencente ao
universo de estudo possua probabilidade, conhecida e diferente de zero, de pertencer à amostra sorteada”
(SILVA, 1998, p.24).
42
COCHRAN (1965, p.83), encontra-se que “a probabilidade de que a amostra contenha a
unidades da categoria C é dada pela fórmula”:
( )
( )
ana
QP
ana
n
a
−
−
=
!!
!
Pr
, onde:
n: tamanho da amostra;
P: proporção da categoria analisada (característica de interesse) e Q = 1 - P.
Nesta fase inicial de análise, percebe-se que a probabilidade de se observar 14
prováveis empresas insolventes desta amostra é de aproximadamente 0,128 ou 12,8%.
Além disso, considerando-se uma aproximação normal, o intervalo de confiança para P
pode ser encontrado pela seguinte fórmula:
( ) ( )
−
−+
−
−−
1
.
1;
1
.
1
n
QP
fzP
n
QP
fzP
αα
Utilizando-se os dados já identificados, encontra-se o seguinte intervalo de
confiança para a proporção P de prováveis empresas insolventes (0,19 ; 0,45). Dito de outra
forma, este intervalo de confiança mostra os limites inferior e superior dentro do qual é
esperado encontrar, probabilisticamente, o valor médio da variável predita. Conforme
ressalta SILVA (1995, p.47-48),
“o uso da distribuição normal como modelo para a distribuição da
média amostral possibilita esperar que 95% das estimativas sejam
diferentes do valor populacional por no máximo 1,96 desvios-
padrão”.
Deste modo, poderão ocorrer diversos valores para P, mas 95% deles estarão
compreendidos entre os limites inferior e superior. Disto, observa-se que o valor P da
amostra piloto varia em 13% (0,32 +/- 0,13) por ser justamente o resultado do produto entre
1,96 vezes o desvio-padrão. Encontra-se o valor do desvio-padrão de P da seguinte forma:
( )
07,0
144
68,032,0
392
44
1
1
.
1)( ≅
−
−=
−
−=
x
n
QP
fPDP
Este dado é de enorme relevância, pois orienta o pesquisador quanto ao erro
amostral que será fixado, principalmente por ser um dos componentes do cálculo do
tamanho efetivo da amostra. Além disso, conforme já consagrado na literatura estatística,
“quanto menor o erro-padrão, maior será a precisão e a confiabilidade dos resultados
obtidos” (SILVA, 1995). Mas, o tamanho da amostra também resulta da “conciliação do
43
atendimento do plano de análise proposto com as limitações dos recursos disponíveis” (id.).
Neste trabalho, para a determinação do tamanho da amostra, adota-se como erro amostral B
= 10% e nível de confiança 95% (Z
α
= 1,96). Perceba que o erro amostral fixado para o
cálculo do tamanho da amostra supera em 3 pontos percentuais o erro calculado a partir da
amostra piloto.
De posse de tais informações preliminares sobre a amostra piloto, torna-se essencial
definir o método apropriado de amostragem que garanta uma estimação adequada para o
tamanho da amostra definitiva. Conforme BOLFARINI e BUSSAB (2005, p.61), o método
de Amostragem Aleatória Simples é o “mais simples e mais importante para a seleção de
uma amostra. Além de servir como um plano próprio, o seu procedimento é usado de modo
repetido em procedimentos de múltiplos estágios”.
O método de amostragem aleatória simples se apresenta sob duas formas: restrita
(sem reposição) e irrestrita (com reposição). Neste trabalho, o método de amostragem
utilizado é o aleatório simples sem reposição; resumidamente, apresentam-se as seguintes
propriedades deste método (SILVA, 1995, p.35-36): a) Não há repetição de nenhum
elemento na amostra sorteada; b) a ordem dos elementos na amostra não é considerada; c)
antes de efetuado o sorteio, a probabilidade de qualquer elemento ser sorteado numa fixada
etapa do sorteio é igual a 1/N; d) antes de efetuado o sorteio, a probabilidade de um
elemento pertencer à amostra sorteada é igual a n/N. Disto, deduz-se que o método de
amostragem aleatório simples é eqüiprobabilístico.
No caso específico de Amostragem Aleatória Simples sem reposição (ou
Amostragem Aleatória Simples Restrita ou, ainda, Amostragem Acidental Simples),
COCHRAN (1965, p.110-111) mostra uma utilização prática para o cálculo do tamanho da
amostra na metodologia de estimação de proporções com amostragem aleatória simples
sem reposição:
a) Primeiramente, calcula-se n
0
pela seguinte fórmula:
D
QP
n
.
0
=
, onde
2
=
α
Z
B
D
;
b) Em segundo lugar, efetua-se a verificação do quociente entre n
0
/N, também
chamado de fração de amostragem
f
. Se este quociente for desprezível
14
, então se
adota n
0
como tamanho efetivo da amostra. Caso contrário, o tamanho efetivo
n
da
amostra é encontrado pela seguinte fórmula:
( )
−
+
=
N
n
n
n
1
1
0
0
14
Segundo COCHRAN (1965, p.44-45), introduz-se o fator (N – n)/N quando a população é finita. Na
prática, estas correções podem ser ignoradas se a fração de amostragem f = n
0
/N não exceder 5%. Em muitos
casos, adota-se também o valor de 10%. A consequência de se ignorar as correções é a superestimação do
erro-padrão da estimativa.
44
Assim, seguindo a metodologia de cálculo acima citada, o tamanho efetivo da
amostra para os fins aos quais se pretende esta pesquisa é de 70 empresas, pois:
0026,0
96,1
1,0
2
2
≅
=
=
α
Z
B
D
84
0026,0
68,032,0.
0
≅==
x
D
QP
n
2143,0
392
84
0
≅=
N
n
. Como este valor não é desprezível, já que
n
0
representa mais de 20%
da população objetivo, então:
( ) ( )
70
392
184
1
84
1
1
0
0
≅
−
+
=
−
+
=
N
n
n
n
Unidades amostrais (empresas).
Assim, define-se o plano de amostragem com o estabelecimento do tamanho efetivo
da amostra em 70 unidades amostrais, ou seja, a população de estudo é representada por 70
empresas e é um subconjunto da população-objetivo composta por 392 empresas. Além
disso, o desenho amostral fora definido como um modelo de sorteio (ou tipo de amostra)
aleatório simples sem reposição.
2.1.2 Variáveis Relevantes
Uma vez estabelecidas as unidades amostrais que compõem a população de estudo,
a etapa final do processo de amostragem se refere à identificação das variáveis condizentes
com os objetivos traçados na pesquisa.
Conforme preestabelecido, a variável predita é de natureza categórica que assume os
valores dicotômicos 0 e 1. Estes valores são atribuídos à condição assumida pelo resultado
do exercício financeiro (RE) de cada empresa (lucro ou prejuízo), sendo tais resultados
financeiros coletados no Demonstrativo de Resultado do Exercício (DRE). Quanto às
variáveis preditoras, a análise exploratória de dados cumpre papel essencial no processo de
escolha e aplicação destas no modelo discriminante.
45
2.1.2.1 A Variável Preditora Qualitativa
As recentes mudanças inerentes à legislação voltada para o ramo empresarial
trouxeram, dentre outros pontos de destaque, a necessidade de se focalizar a Demonstração
do Fluxo de Caixa (DFC). De acordo com Matarazzo (2003, p.365),
“as principais informações dessa demonstração referem-se à
capacidade financeira da empresa de: a) autofinanciamento
das operações (compra, produção e vendas); b) independência
do sistema bancário no curto prazo; c) gerar recursos para
manter e expandir o nível de investimentos e d)amortizar
dívidas bancárias de curto e de longo prazo”.
Deste modo, considerando-se a importância atribuída à DFC, opta-se neste trabalho
pela inclusão de uma variável preditora de natureza qualitativa nominal no intuito de
verificar se o fluxo de caixa da empresa também contribui para a identificação de prováveis
empresas insolventes. Para isso, elaborou-se um fluxograma de decisão que possibilita a
análise da Geração Bruta de Caixa – GBC - (para verificar se a empresa possui capacidade
de autofinanciamento das operações), da Geração Operacional de Caixa – GOC - (para
verificar se a empresa paga suas dívidas no curto prazo, possui capacidade de investimento
e amortiza dívidas de longo prazo), da Geração Corrente de Caixa – GCC - (para verificar
se a empresa possui capacidade para amortizar dívidas de curto e longo prazo e se possui
capacidade para realizar investimentos) e da Geração Líquida de Caixa – GLC -(para
verificar se a empresa consegue reforçar a sua tesouraria).
46
Q
UADRO
2: Fluxograma de decisão de acordo com a análise do DFC
Fonte: Matarazzo, 2003, p.376 (com adaptações)
Deste modo, percebe-se que uma determinada empresa pode ser classificada em
níveis que variam de 1 a 4. Considerando-se que os níveis 1 e 2 representam as situações
desfavoráveis quanto ao fluxo de caixa da empresa, atribui-se o valor binário 1 para estes
casos. De forma semelhante, para os níveis 3 e 4 atribui-se o valor binário 0. Assim,
enquanto que o valor binário 1 representa a situação insatisfatória da empresa em relação ao
fluxo de caixa, o valor binário 0 representa a situação satisfatória para este mesmo método
de análise, dando origem à variável binária FC (0;1).
GBC?
Aumento da Nec.
de Capital de
Giro?
GOC?
GOC menor
que Emprést.
e Financ. de
c
urto
p
razo?
GCC?
Classificação: 1
-Deficiência de autofinanciamento
de operações;
-Não paga dívidas bancárias;
-Não possui capacidade para
investir.
Classificação: 2
-Não paga dívidas bancárias;
-Possui capacidade para investir.
Classificação: 3
-Paga dívidas bancárias;
-Não possui capacidade para
investir.
Classificação: 4
-Não paga dívidas bancárias;
-Possui capacidade para investir.
Não
Não
Não
Não
Não
Sim
Sim
Sim
Sim
Sim
47
2.1.2.2 A Variável Preditora Macroeconômica
As mudanças ocorridas na legislação ligada às demonstrações financeiras do ramo
empresarial enfatizaram, a exemplo da DFC, um importante demonstrativo financeiro
denominado Demonstração do Valor Adicionado (DVA).
A DVA cumpre o papel de informar o quanto de riqueza foi gerada por cada uma
das empresas num determinado período, ou seja, qual a participação da empresa na
formação do Produto Interno Bruto do país (PIB).
Deste modo, a variável macroeconômica considerada na análise está atrelada ao
Valor Adicionado (VA), ou seja, ao valor que as atividades das firmas agregam aos bens e
serviços consumidos em seu processo produtivo e representa a contribuição ao Produto
Interno Bruto (PIB) pelas diversas atividades econômicas. A publicação sobre Indicadores
de Volume e Valores Correntes do Instituto Brasileiro de Geografia e Estatística (IBGE)
fornece o VA. Em seguida, obtém-se a partir das Demonstrações do Valor Agregado
(DVA) de cada uma das empresas selecionadas na amostra o Valor Adicionado Bruto
(VAB
i
) e está em estreita consonância com as recentes mudanças na legislação brasileira
aplicada ao ramo empresarial dos empreendimentos de grande porte. Por fim, a divisão
(VAB
i
/ VA, com i = 1, 2,...n e VA ≠ 0), resulta na variável macroeconômica identificada
nesta análise como Riqueza Criada pela Empresa (RC
i
, com i = 1, 2, ...,n).
2.1.2.3 A Variável Preditora Setorial
A variável setorial cumpre o papel de identificar as particularidades do setor e do
ambiente no qual a empresa está inserida. A identificação de variáveis que, a priori,
demonstrassem alguma relevância para a análise das empresas conforme o segmento e setor
de atuação foram verificadas na Revista Exame Melhores e Maiores. Das revistas
analisadas no período de 2003 a 2009, verificou-se que as empresas de melhor desempenho
eram classificadas por pontos obtidos (mediante metodologia própria de cálculo) e
disponibilizava os seguintes indicadores: Vendas (em US$ milhões), Lucro Líquido
Ajustado (em US$ milhões), Patrimônio Líquido Ajustado (em US$ milhões), Margem das
Vendas (em %), Giro (em número índice), Riqueza Criada por Empregado (em US$),
Negociação em Bolsa (indicador categórico) e Controle Acionário (por nacionalidade).
Entretanto, a quantidade de dados faltantes e a redundância existente entre vários
destes indicadores setoriais analisados e os índices atrelados aos fundamentos das empresas
imviabiliza a utilização destes no modelo.
Neste trabalho, a variável considerada está ligada ao Valor de Mercado (VM) de
cada empresa neste setor, identificada pelo coeficiente de participação no Valor de
Mercado Total (VMT) da população-objetivo (conjunto formado por todas as empresas
listadas na Bovespa). Assim, o coeficiente de participação (VM
i
/ VMT, com i = 1,2,...,n e
VMT ˃ 0) resulta na variável setorial PM
i
, com i = 1,2,...,n.
48
2.1.2.4 Variáveis Preditoras dos Fundamentos das Empresas
De acordo com Matarazzo (2003, p.149), podemos analisar as Demonstrações
Financeiras através da subdivisão em “análise da situação financeira e análise da situação
econômica”. Deste modo, os índices financeiros encontrados nestas análises mostram,
quanto à análise da situação financeira, a estrutura de capitais e o grau de liquidez da
empresa; e quanto à análise da situação econômica, os índices de rentabilidade.
Além disso, considerando-se as fórmulas mais conhecidas sobre previsão de
falências através da utilização da técnica de análise discriminante (Kanitz, Altman,
Elizabetsky, Matias e Pereira), observou-se que tais fórmulas, normalmente, seguem o
modelo: índices de estrutura de capitais, liquidez e rentabilidade.
Assim, os índices dos fundamentos das empresas representam as variáveis
preditoras quantitativas contínuas analisadas neste trabalho e que são de suma importância
na identificação de potenciais empresas insolventes. Estão organizados da seguinte forma:
a) Índices de estrutura de capitais:
- Participação de Capitais de Terceiros (PCT);
- Composição do Endividamento (CE);
- Imobilização do Patrimônio Líquido (IPL);
- Imobilização dos Recursos não Correntes (IRNC).
b) Índices de Liquidez:
- Liquidez Geral (LG);
- Liquidez Corrente (LC);
- Liquidez Seca (LS).
c) Índices de Rentabilidade:
- Giro do Ativo (GA);
- Rentabilidade do Ativo (RA);
- Rentabilidade do Patrimônio Líquido (RP).
O Quadro abaixo agrupa estes índices e contém as fórmulas utilizadas para o
cálculo, as relações existentes entre os componentes dos demonstrativos financeiros e a
forma de interpretação:
49
Q
UADRO
3:
Índices Financeiros utilizados na análise
Fonte: Extraído de Matarazzo (2005, p.152) com adaptações
2.2 O Método Analítico Multivariado
Os primeiros estudos
15
ligados ao que hoje se conhece como análise estatística
multivariada se devem aos trabalhos desenvolvidos por Francis Galton (1822-1911),
principalmente em Natural Inheritance (Galton, 1889) onde as idéias de regressão foram
desenvolvidas em termos de observações que apresentam características de amostras de
uma distribuição normal bivariada. Nesta mesma época, outros estudiosos que também se
destacaram foram Francis Ysidro Edgeworth (1845-1926), que explorou outros métodos de
estimação da regressão linear e questões matemáticas da distribuição normal multivariada;
Karl Pearson (1857-1936) que definiu o coeficiente de correlação produto-momento como
o melhor estimador do coeficiente de correlação da distribuição normal bivariada; George
Udny Yule (1871-1951), que se concentrou em esclarecer o coeficiente de correlação
parcial e múltiplo; Student (1908a) e Student (1908b), que mediante tais pesquisas
investigou a significância de uma média amostral através da análise do erro padrão numa
distribuição normal padrão e concretizou a distribuição-t de Student; e R. A. Fisher (1890-
1962), que incorporou às diversas bases estatísticas uma visão geométrica e importantes
técnicas estatísticas de análise, como a análise discriminante. Segundo ANDERSON (1996,
p.21) “At the end of the nineteenth century the basic parameters and statistics of
multivariate normal analysis had been defined and studied”.
15
Os diversos estudos e autores citados foram extraídos do artigo de ANDERSON, T. W. R. A. Fisher and
Multivariate Analysis. Statistical Science, 1996, vol. 11. nº. 1, 20-34.
50
De modo geral, considera-se análise multivariada qualquer análise simultânea de
mais de duas variáveis. De acordo com HAIR Jr. et al. (2005, p.26).: “análise multivariada
refere-se a todos os métodos estatísticos que simultaneamente analisam múltiplas medidas
sobre cada indivíduo ou objeto sobre investigação”.
De forma mais específica, a definição do termo multivariada assume dois diferentes
pontos de vista:
1º.) o termo multivariada designa o exame de relações entre mais de duas variáveis;
2º) o termo multivariada é aplicado na análise de variáveis que assumem uma distribuição
normal multivariada.
O primeiro ponto de vista assume que o caráter multivariado está atrelado ao
número de variáveis sob análise. Por outro lado, o segundo ponto de vista somente admite
que um processo analítico assuma caráter multivariado se todas as variáveis assumem
condição de aleatoriedade e não podem ser interpretadas separadamente, ou seja, devem ser
inter-relacionadas (HAIR Jr. et al., 2005).
O constructo analítico multivariado tem por base a variável estatística, que
representa “uma combinação linear de variáveis com pesos empiricamente determinados”.
Conforme descrito por HAIR JR. et al., “uma variável estatística de n variáveis ponderadas
(X
1
até X
n
) pode ser enunciada matematicamente como”:
Valor da variável estatística = w
1
X
1
+ w
2
X
2
+ w
3
X
3
+ ... + w
n
X
n
, onde X
n
é a variável
observada e w
n
é o peso determinado pela técnica multivariada.
A variável estatística possibilita a interpretação do caráter multivariado da análise.
Além de mostrar o efeito coletivo mediante a aplicação de determinada técnica,
proporciona a identificação do grau de participação de cada variável separadamente no
processo de mensuração da variável estatística.
Percebe-se que um dos objetivos essenciais da análise multivariada, considerando-
se o modelo acima enunciado, é a mensuração de um valor específico que representa uma
combinação de um conjunto de variáveis selecionadas. Neste ponto, “a mensuração é
importante para representar com precisão o conceito de interesse e é instrumental na
seleção do método multivariado apropriado para análise” (HAIR Jr. et al., 2005).
Mas, um processo de mensuração somente atingirá seu objetivo se as variáveis em
análise forem devidamente tratadas. Segundo Bussab e Morettin(1995, p.3), as variáveis
podem ser quantitativas e qualitativas. As primeiras subdividem-se em variáveis
quantitativas discretas – “cujos possíveis valores formam um conjunto finito ou enumerável
de números e que resultam, frequentemente, de uma contagem” – e variáveis quantitativas
contínuas - “cujos possíveis valores formam um intervalo de números reais e que resultam,
normalmente, de uma mensuração”. Já as variáveis qualitativas podem ser variáveis
qualitativas nominais – “para as quais não existe nenhuma ordenação nas possíveis
realizações” – e variáveis qualitativas ordinais – “para as quais existe uma certa ordem nos
possíveis resultados”. Conforme descrição de Corrar, Paulo e Dias Filho(2007, p.3):
51
“Variáveis quantitativas discretas possuem características
mensuráveis em que somente os valores inteiros fazem sentido,
normalmente proveniente de uma contagem. Variáveis quantitativas
contínuas – possuem características mensuráveis em que os valores
fracionados também fazem sentido, consequentemente assumindo
valores em uma escala contínua. Variáveis qualitativas nominais não
apresentam ordenação entre as categorias. E variáveis qualitativas
ordinais apresentam ordenação entre as categorias”.
Para Gujarati (2006, p.23), “o pesquisador sempre deve ter em mente que os
resultados de sua pesquisa terão a mesma qualidade dos dados coletados”. Dessa forma,
procura enquadrar as variáveis em quatro categorias amplas: escalas de razão, de intervalo,
ordinal e nominal. A escala de razão apresenta as seguintes propriedades:
a) razão – faz sentido relacionar quantitativamente dois valores específicos assumidos
por dada variável;
b) distância – faz sentido a diferença entre dois valores específicos assumidos por dada
variável;
c) ordenamento natural – os valores ao longo da escala podem ser ascendentes ou
descendentes.
Uma escala intervalar compreende apenas as propriedades distância e ordenamento natural
da escala de razão. Numa escala ordinal, enquadra-se apenas a propriedade ordenamento
natural. Por fim, uma escala nominal não admite nenhuma das propriedades descritas na
escala de razão.
Tendo em vista as variações existentes entre os tipos de variáveis a serem
analisadas, no âmbito da análise multivariada existem diversas técnicas que cumprem o
papel de explorar o efeito conjunto dos dados e, consequentemente, o desempenho conjunto
das variáveis e a influência de cada uma, estando as demais presentes. Deste modo, torna-se
relevante atentar para a correta aplicação da técnica analítica multivariada, considerando-se
os dados recolhidos e, portanto, os tipos de variáveis (dependentes e independentes)
consideradas.
A análise dos dados cumpre papel de grande importância na medida em que
possibilita identificar os tipos de variáveis e as escalas de medição adequadas, associando-
as às técnicas estatísticas de análise multivariada mais adequadas. Todavia, torna-se
necessário verificar se as variáveis se enquadram em técnicas de dependência ou
interdependência
16
. Em relação às técnicas de dependência, Hair Jr. (2005, p.35) afirma
que:
16
De acordo com HAIR at all (2005, p.35), uma técnica de dependência pode ser definida como aquela na
qual uma variável ou conjunto de variáveis é identificado(a) como a variável dependente a ser predita ou
explicada por outras variáveis conhecidas como variáveis independentes. Uma técnica de interdependência,
por outro lado, é aquela na qual nenhuma variável ou grupo de variáveis é definida(o) como independente ou
dependente, envolvendo a análise simultânea de todas as variáveis no conjunto.
52
“as diferentes técnicas de dependência podem ser classificadas por
duas características: (1) o número de variáveis dependentes e (2) o
tipo de escala de medida empregada nas variáveis. Primeiro, quanto
ao número de variáveis dependentes, as técnicas de dependência
podem ser classificadas como as que têm uma única variável
dependente, diversas variáveis dependentes ou mesmo relações entre
variáveis dependentes e independentes. Segundo, as técnicas de
dependência também podem ser classificadas como as que têm
variáveis dependentes métricas (quantitativas / numéricas) ou não-
métricas (qualitativas / categóricas)”.
Em relação às técnicas de interdependência, as variáveis não podem ser
classificadas como dependentes ou independentes; as análises de todas as variáveis são
realizadas simultaneamente. Mas, de modo semelhante às técnicas de dependência, as
propriedades de medidas das técnicas devem ser consideradas.
2.1.1 A Técnica de Análise discriminante
Em vários aspectos teóricos e práticos da análise multivariada, R. A. Fisher (1890-
1962) imprimiu enormes contribuições neste campo. “He initiated the rigorous derivation
of the distributions of many basic statistics, such as the product-moment, partial and
multiple correlation coefficients”. Neste sentido, “His insight into the analysis that
multiple measurements afforded led him to discriminant analysis” (Anderson, 1996, p.
20)
17
.
A análise discriminante representa uma das técnicas estatísticas multivariadas que
tem por objetivo “entender diferenças de grupos e prevê a probabilidade de que uma
entidade (indivíduo ou objeto) pertencerá a uma classe ou grupo em particular com base em
diversas variáveis independentes métricas” (HAIR Jr., 2005). De forma mais específica, o
propósito básico da análise discriminante é estimar a relação entre uma variável dependente
não métrica (variável qualitativa) e um conjunto de variáveis independentes métricas
(variáveis quantitativas).
Em Corrar, Paulo e Dias Filho (2007, p.6), observa-se a conceituação de análise
discriminante da seguinte forma: “é uma técnica multivariada utilizada quando a única
variável dependente é qualitativa, podendo ser dicotômica ou multicotômica e as variáveis
independentes são quantitativas ou qualitativas”. Nesta definição, houve a inclusão de
variáveis independentes não-métricas (qualitativas). Apesar disso, estes mesmos autores
ressaltam
18
que em relação às variáveis independentes, “na Análise Discriminante elas
17
Para pesquisas mais aprofundadas, ver o trabalho pioneiro de FISHER (1936) “The Use of Multiple
Measurements in Taxonomic Problems”, que embora não esteja se referindo à esfera financeira, traz
importantes contribuições metodológicas e um desenvolvimento aritmético e funcional de enorme
importância para a aplicação da técnica de análise discriminante. Resumidamente, observa-se que o
procedimento aritmético apresentado por FISHER (1936) procura estabelecer uma função linear que
maximiza o quociente da diferença entre as médias específicas para desvios-padrão relacionados a grupos
distintos.
18
Ver Corrar, Paulo e Dias Filho (2007, p.235).
53
geralmente são métricas com valores contínuos, mas também podem assumir valores que
representam categorias”. Além disso, afirmam que existem técnicas mais adequadas
19
quando se consideram variáveis independentes não-métricas.
2.1.1.1 Pressupostos da análise discriminante
No processo de investigação deste trabalho, a discriminação entre grupos considera
apenas variáveis independentes métricas e uma variável dependente não-métrica
dicotômica, estando de acordo com a definição de análise discriminante. Mas, além de
estarem condizentes com a conceituação, as variáveis consideradas devem atender aos
pressupostos da análise discriminante.
Deste modo, as suposições
20
subjacentes à análise discriminante são:
a) Normalidade multivariada: a combinação linear entre as variáveis das funções segue
uma distribuição normal, ou seja, a distribuição das probabilidades das variáveis
deve atender à hipótese de normalidade e à premissa do Teorema do Limite Central,
onde as distribuições das amostras serão aproximadamente normais, considerando-
se grandes amostras. Embora existam vários testes de normalidade e mesmo que as
variáveis apresentem distribuição normal quando consideradas isoladamente, isso
não garante a existência de normalidade multivariada. Os testes mais comumente
utilizados são: plotagem dos gráficos das distribuições das variáveis independentes,
fazendo-se uma comparação a uma distribuição normal teórica; testes de
normalidade Jarque-Bera, Kolmogorov-Smirnov, Shapiro-Wilks e Ardeson-Darling.
b) Linearidade: refere-se à combinação linear entre todas as variáveis independentes.
O não atendimento desta suposição poderá afetar a robustez dos testes e induzir ao
erro tipo I.
c) Ausência de outliers: os outliers devem ser identificados, transformados e, se
necessário, eliminados.
d) Ausência de multicolinearidade: os coeficientes da função discriminante poderão
ser distorcidos se existir forte correlação entre duas ou mais variáveis
independentes. A situação desejada é ter diversas variáveis independentes com fraca
correlação entre si e fortemente correlacionadas com a variável dependente.
e) Homogeneidade das matrizes de variância-co-variância: se tal suposição não for
atendida, isto poderá causar erro na determinação do escore de corte ótimo, ou seja,
a função discriminante poderá classificar elementos em grupos de maior variância.
Neste trabalho, o pressuposto de normalidade multivariada é analisado através do
método de análise gráfica de histogramas por comparação a linhas teóricas de curva
19
Por exemplo: Regressão Logística e Redes Neurais.
20
Os pressupostos citados é uma síntese das idéias apresentadas por HAIR JR. (2005), CORRAR et al. (2007,
p.242-243) e GUJARATI (2006).
54
normal. O pressuposto de linearidade é avaliado mediante o exame diagramático de
dispersão das variáveis no intuito de identificar padrões não-lineares nos dados. A
identificação de observações atípicas (outliers) é realizada através de visualização gráfica
em box plot tendo em vista visualizar pontos mais distantes em relação ao centro médio das
observações. A multicolinearidade é analisada pelo coeficiente de correlação. Por fim, a
homogeneidade das matrizes de variância-co-variância é avaliada através do teste
estatístico M de Box afim de verificar a similaridade das matrizes de dispersão das
variáveis independentes entre os grupos.
2.1.1.2 Determinação da função discriminante
A equação que representa uma função discriminante, ou seja, uma combinação
linear para a análise discriminante, assume a seguinte forma:
Z
jk
= a + w
1
X
1k
+ w
2
X
2k
+ w
3
X
3k
+ ... + w
n
X
nk
, onde:
Z
jk
é o escore discriminante da função discriminante j para o objeto k;
a é o intercepto;
X
n
é a variável independente n para o objeto k;
w
n
é o peso discriminante para a variável independente.
A partir desta função discriminante, obtém um escore Z discriminante que
representa o resultado composto da multiplicação de cada variável independente por seu
peso correspondente. A discriminação dos grupos se dá através do estabelecimento dos
pesos da variável estatística (variável predita não métrica) para cada variável preditora, no
intuito de maximizar a variância entre grupos relativa à variância dentro dos grupos. Com
isso, pode-se calcular o(s) centróide(s), que representa o cálculo da média dos escores
discriminantes para todos os indivíduos ou objetos.
Para testar a significância estatística da função discriminante verifica-se a distância
entre os centróides de grupos, ou seja, a medida do afastamento entre os grupos sob análise.
Considera-se que a função discriminante identifica eficientemente os grupos se a
sobreposição das distribuições dos escores discriminantes para os grupos é pequena (Hair
Jr. et al., 2005).
2.1.1.3 Cálculo do Escore Discriminante e Ponto de Corte
A obtenção dos centróides representa a média de cada grupo e possibilita o cálculo
do ponto de corte ou escore crítico. Também permite o cálculo do valor médio entre as
médias de cada grupo e a discriminação de novos indivíduos ou objetos.
55
Diante de amostras de tamanhos iguais
21
, o ponto de corte ótimo pode ser obtido
simplesmente calculando-se o valor médio das médias dos grupos. Deste modo, pode ser
definido como:
2
BA
EC
Ζ
+
Ζ
=Ζ
, onde:
Z
EC
= escore de corte crítico para amostras de mesmo tamanho;
Z
A
= centróide do grupo A;
Z
B
= centróide do grupo B.
Todavia, se as amostras forem de tamanhos diferentes
22
, tem-se a existência de dois
escores discriminantes distintos para cada grupo; com isso, deve-se ponderar tais escores
atribuindo-lhes peso, tendo em vista a quantidade de indivíduos ou objetos de cada amostra.
Pode-se obter o escore de corte ótimo da seguinte forma:
BA
ABBA
ED
NN
NN
+
Ζ
+
Ζ
=Ζ
, onde:
Z
ED
= escore de corte crítico para amostras de tamanhos diferentes;
N
A
= quantidade de observações do grupo A;
N
B
= quantidade de observações do grupo B;
Z
A
= centróide para o grupo A;
Z
B
= centróide para o grupo B.
Uma outra forma de cálculo para escore de corte é apresentada em Corrar, Paulo e
Dias Filho (2007, p.240), que considera a probabilidade de determinado indivíduo ou
objeto pertencer a um ou outro grupo, bem como a variância comum aos dois grupos. A
seguinte fórmula define o que eles denominam de Escore Crítico Refinado (ECR):
×
−
+
+
=
BB
AA
BA
BA
R
PC
PC
LNEC
µµ
σ
µµ
2
2
, onde:
µ
A
e
µ
B
= médias dos escores discriminantes dos grupos;
LN = logaritmo natural da expressão entre parênteses;
C
A
= custo de classificar erroneamente no grupo A uma observação do grupo B;
C
B
= custo de classificar erroneamente no grupo B uma observação do grupo A;
p
A
= probabilidade a priori de um indivíduo ou objeto ser do grupo A;
p
B
= probabilidade a priori de um indivíduo ou objeto ser do grupo B;
σ
2
= variância comum aos dois grupos. Pode ser encontrada da seguinte forma:
21
Ver HAIR JR. et al. (2005, p.224).
22
Ver HAIR JR. et al. (2005, p.224).
56
(
)
(
)
2
11
22
2
−+
−+−
=
BA
BBAA
nn
nn
σσ
σ
,
onde n
A
e n
B
representam a quantidade de observações dos grupos A e B, e σ
2
A
e σ
2
B
são
variâncias dos escores discriminantes dos grupos A e B.
Uma outra abordagem apresentada por Corrar et al. (2005, p.241) diz respeito à
análise dos indivíduos ou objetos, pertencentes aos dois grupos, inseridos na intersecção
das curvas de distribuição. A esta intersecção ou superposição das curvas de distribuição
das amostras dos dois grupos dá-se o nome de Zona de Indecisão
23
pois representa a região
de dúvida (overlap area) na classificação dos elementos. A análise da Zona de Indecisão
permite avaliar se o modelo discriminante de dois grupos satisfaz à investigação pretendida
ou se é necessário a utilização de um modelo múltiplo, ou seja, mais de dois grupos
discriminantes. Os limites X
1
e X
2
da Zona de Indecisão podem ser definidos calculando-se
o intervalo de confiança da seguinte forma:
σ
α
××+−=
gL
t
n
zX
;
2
21
1
1
σ
α
××+−=
gL
t
n
zX
;
1
12
1
1 ,
onde:
=
21
,zz médias dos valores de z calculados para as amostras de cada grupo;
n
1
e n
2
= quantidade de elementos em cada amostra dos grupos;
tα;gL = estatística t para o nível de confiança desejado (tα) e graus de liberdade (gL) dados
por n
1
e n
2
– 2;
σ = desvio-padrão obtido através da variância ponderada dos z´s dos grupos.
Na investigação pretendida por este trabalho, o escore de corte ótimo é calculado
considerando-se amostras de tamanhos distintos e avalia-se a aplicação de um modelo
discriminante de dois grupos apresenta eficácia na discriminação de grupos através da
análise da Zona de Indecisão.
23
Ver CORRAR et al. (2007, p.241)
57
3
ANÁLISE DE RESULTADOS
Os resultados apresentados a seguir estão organizados em quatro etapas no intuito
melhor identificar, descrever e associar as questões, objetivos e achados pertinentes ao
trabalho desenvolvido. Na primeira etapa, são descritos os resultados inerentes à análise
fundamentalista que serve de embasamento para a identificação das principais variáveis
utilizadas na pesquisa. Na segunda etapa, têm-se os resultados da análise exploratória de
dados, contribuindo para o conhecimento de características específicas das variáveis
previamente identificadas na primeira etapa. Na terceira etapa, os resultados encontrados na
análise confirmatória de dados mostram as principais implicações a partir da utilização do
método estatístico de análise multivariada e da técnica analítica discriminante. Por fim, a
última etapa traz uma síntese dos resultados discutidos nas etapas anteriores.
3.1 Resultados da Análise Financeira Fundamentalista
A relação causal que embasa a modelagem deste trabalho é a teoria financeira
fundamentalista. E o principal motivo da utilização desta teoria está atrelado ao problema
identificado e descrito no primeiro parágrafo da introdução desta pesquisa.
Resgata-se a problemática deste trabalho da seguinte forma: os modelos de previsão
do fracasso empresarial, normalmente, priorizam as variáveis relacionadas aos fundamentos
das empresas, ou seja, coeficientes e percentuais calculados a partir do Balanço de
Pagamentos e do Demonstrativo de Resultados. Neste ponto, surge a seguinte pergunta: as
variáveis macroeconômicas e setoriais não exercem influência nos desajustes financeiros
empresariais?
Os resultados da análise financeira fundamentalista tem por base a identificação de
variáveis de caráter quantitativo em três estágios: 1º) a nível macroeconômico, 2º) a nível
setorial e 3º) a nível microeconômico ou intrinsecamente relacionado aos fundamentos das
empresas. Uma observação relevante é o fato de os demonstrativos financeiros serem
utilizados nos três estágios de análise: No primeiro estágio – macroeconômico – o DVA
proporcionou a identificação da variável riqueza criada pela empresa (RC), ou seja, o
quanto ela contribui para a formação do Valor Adicionado e, portanto, para a geração do
PIB. No segundo estágio – setorial – o Valor de Mercado das empresas contribuiu para a
identificação da variável (PM) de cada empresa em relação ao setor de atuação. No terceiro
estágio – microeconômico – as variáveis de estrutura, liquidez e rentabilidade foram
extraídas do BP e do DRE. No estágio microeconômico, mediante a utilização de dados do
DFC e de critérios de verificação provenientes da teoria contábil de análise de balanços,
identificou-se a variável dependente qualitativa da investigação.
Através desta metodologia de análise, os resultados alcançados se encontram
agrupados numa matriz de dados M
70x15
, conforme mostrado no Anexo I da página 79. Essa
matriz contém 70 unidades amostrais representadas por cada uma das empresas sob análise;
58
e para cada uma destas unidades amostrais estão associadas 15 características que retratam
as condições de estrutura, liquidez e rentabilidade da empresa. Estas características formam
o conjunto de variáveis - sendo RE a variável predita qualitativa nominal, FC a variável
preditora qualitativa nominal e as demais variáveis classificadas como variáveis preditoras
quantitativas contínuas – que apóiam as etapas posteriores de análise (exploratória e
confirmatória).
3.2 Resultados da Análise Exploratória de Dados
Tendo em vista as variáveis identificadas tendo como relação causal a teoria
financeira fundamentalista, uma das fases de grande relevância nesta pesquisa é a análise
exploratória dos dados que muito contribui para o levantamento de importantes estatísticas
e análises gráficas.
De posse da amostra composta por 70 empresas de grande porte com denominação
S.A e atuantes no Brasil, foram extraídos os principais dados, coeficientes e valores
binários diretamente dos demonstrativos financeiros (BP, DRE, DFC e DVA).
Do DRE foi extraída a variável dependente dicotômica (RE), agrupando em dois
grupos distintos as empresas de boa e má saúde financeira. Àquelas classificadas como de
má saúde financeira foi atribuído o valor 1. Para o outro grupo foi atribuído o valor 0.
Considerando-se o critério de classificação adotado, obteve-se as seguintes estatísticas:
T
ABELA
3
: Freqüência do número de empresas de acordo com
o critério de classificação adotado para a variável RE
Frequency Percent Valid Percent
Cumulative
Percent
0 52
74,3
74,3
74,3
1 18
25,7
25,7
100,0
Valid
Total 70
100,0
100,0
(1) Prejuízo: potencial insolvente e (0) Lucro: potencial solvente
Fonte: Dados compilados com o SPSS 17.0
A partir da Tabela acima, observa-se que as empresas em potencial de insolvência
representa 25,7% dos casos observados contra 74,3% dos casos classificados como
potenciais solventes. Estatisticamente, isto nos revela que a amostra selecionada possui dois
grupos distintos de tamanhos desiguais e representa enorme importância para a análise
discriminante no que se refere ao cálculo dos escores discriminantes.
No caso das variáveis preditoras quantitativas contínuas, algumas das principais
medidas estatísticas de posição e dispersão são mostradas na tabela abaixo:
59
T
ABELA
4: Estatísticas Descritivas das Variáveis Preditoras
Fonte: Adaptação proveniente dos dados compilados no SPSS 17.0
As medidas de posição mostram que algumas das variáveis podem apresentar
determinados valores incomuns ou dados discrepantes na amostra (outliers). Um forte
indício de possíveis casos de outliers pode ser observado nas estatísticas de médias
calculadas bem como os desvios-padrão das médias elevados para algumas variáveis, como
é o caso das variáveis de liquidez (LG, LC e LS).
A análise gráfica destes casos ratifica a existência de possíveis dados discrepantes e
o Quadro 4 reúne os gráficos de caixa (Box plot) a fim de identificar os casos específicos
que apresentam outliers. Percebe-se que os casos de maiores destaques são: caso 48 (ou
Empresa 48) – possível outlier das variáveis de liquidez; caso 64 – possível outlier das
variáveis PCT e RP; caso 32 – possível outlier das variáveis GE e RA; e os casos 70 e 35 –
possíveis outliers das variáveis PCT e IPL. A Tabela 6 apresenta os principais casos de
observações atípicas (dados discrepantes), a freqüência com que eles aparecem e as
respectivas variáveis preditoras associadas.
60
Q
UADRO
4: Identificação de Dados Discrepantes (Outliers)
Fonte: Compilação de dados no SPSS 17.0
61
T
ABELA
5: Principais casos de possíveis dados discrepantes
CASOS FREQUÊNCIA
VARIÁVEIS
1 1 IPL
8 1 IPL
11 1 LG
13 2 GE e RA
20 2 GE e RA
32 2 GE e RA
34 1 RP
35 2 PCT e IPL
36 1 LG
44 3 PCT, IRNC e RP
48 3 LG; LC e LS
64 2 PCT e RP
70 1 IPL
Fonte: Elaboração própria
Em relação às medidas de dispersão (dados da Tabela 5), excetuando-se as variáveis
CE e IRNC, pois são as variáveis que mais se aproximam da distribuição normal, percebe-
se que grande parte das variáveis são assimetricamente distribuídas. As estatísticas de
assimetria (Skewness) e Curtose (Kurtosis) mostram que as variáveis RC, PM, PCT, GE,
LG, LC, LS e GA possuem distribuição assimétrica positiva ou à direita. Por outro lado, as
variáveis IPL, RA e RP apresentam distribuição assimétrica negativa ou à esquerda. Em
seguida, tem-se um quadro de visualização que, de modo complementar às estatísticas da
tabela acima, possibilita o exame da forma da distribuição das variáveis preditoras
(apresentação conjunta de histogramas).
Riqueza Criada (RC)
Valor de Mercado (PM)
Part. Cap. De Terceiros (PCT)
62
Composição do Endivid. (CE)
Imobilização do Pat. Liq. (IPL)
Imob. De Rec. Não Cor. (IRNC)
Liquidez Corrente (LC)
Liquidez Seca (LS)
Liquidez Geral (LG)
Giro do Ativo (GA)
Rentabilidade do Ativo (RA)
Rentabilidade do Pat. (RP)
Grau de Endividamento (GE)
Q
UADRO
5: Visualização conjunta dos Histogramas das Variáveis Preditoras
Fonte: Compilação de dados no SPSS 17.0
Tais análises são de suma importância na medida em que uma das suposições da
técnica de análise discriminante é justamente a normalidade da distribuição das variáveis
observadas. Isto sugere a adoção de possíveis medidas corretivas, sejam na correção de
valores coletados, tendo em vista as possíveis observações atípicas identificadas, ou mesmo
numa possível transformação dos valores. Entretanto, conforme aponta HAIR Jr. et. al.
63
(2005), CORRAR et. al. (2007) e MAROCO (2007), atender ao pressuposto de
normalidade multivariada é bastante complicado porque mesmo que seja observada a
normalidade das variáveis individualmente, isto não garante a normalidade multivariada.
Outro tópico de verificação na análise exploratória de dados é a estatística de
correlação de Pearson entre variáveis preditoras. Conforme a Tabela 7, cada variável
aparece correlacionada com, no mínimo, uma dentre as demais e, no máximo, com três
dentre as variáveis consideradas na análise. A variável com maior número de correlações é
a variável GE, considerando-se o nível de significância de 1% com a variável CE e nível de
significância de 5% com as variáveis IRNC e RA. As maiores correlações ocorrem entre as
variáveis de liquidez, sendo estas correlações classificadas como quase perfeitas ou
aproximadamente perfeitas.
Tabela 7: Correlações de Pearson entre Variáveis Preditoras
FONTE: Dados compilados no SPSS 17.0
64
Nesta etapa de apresentação dos resultados da análise exploratória dos dados, as
verificações realizadas mostram, em linhas gerais, as principais características dos dados
coletados e, por conseguinte, das variáveis consideradas no estudo. Especificamente, este
tratamento estatístico cumpre o papel de apoiar a análise de alguns dos principais
pressupostos do método analítico multivariado, inclusive as suposições inerentes às
técnicas de análise mais adequadas às relações das variáveis em estudo. Considerando-se os
aspectos acima, alguns esclarecimentos se fazem necessários:
a) no conjunto das variáveis, a existência de observações atípicas podem afetar o
pressuposto de normalidade multivariada. Isto se verifica através das estatísticas de
assimetria e curtose e da visualização dos histogramas. A influência de tais casos
será tratada na análise confirmatória de dados;
b) as correlações de Pearson sinalizam mais atenção para a suposição de ausência de
multicolinearidade entre as variáveis independentes na utilização da técnica de
análise discriminante;
c) em relação às correlações observadas entre a variável predita RE e as variáveis
preditoras, este fato não estabelece necessariamente relação causal. Conforme
mostrado na TABELA, somente as variáveis preditoras GE e RA apresentaram um
valor de correlação satisfatório, pelo menos ao nível de significância de 5%;
d) existe um número excessivo de variáveis preditoras relativamente ao número de
unidades amostrais classificadas como prováveis insolventes. Isto sugere, a priori,
que sejam identificadas as variáveis mais representativas para a análise
discriminante e eliminadas as variáveis desnecessárias.
Assim, atribui-se à análise exploratória dos dados a identificação prévia das
principais características estatísticas existentes nas variáveis selecionadas mediante a
relação causal atribuída à teoria financeira fundamentalista. Conforme apontam Kendall e
Stuart (1961) apud Gujarati (2006, p.17) “Uma relação estatística, por mais forte e
sugestiva que seja, nunca pode estabelecer uma conexão causal: nossas idéias de causação
devem se originar fora da estatística, em última análise, de alguma teoria”. Além disso, a
análise exploratória dos dados possibilita a resolução de eventuais problemas encontrados
nos dados, orienta na escolha da técnica de análise mais adequada aos dados existentes e no
prosseguimento de etapas posteriores da análise de modo mais consistente.
3.3 Resultados da Análise Confirmatória dos Dados
Diante dos resultados encontrados na análise exploratória dos dados, esta etapa tem
por fim apresentar os principais resultados encontrados na análise de insolvência das
empresas que formam a população de estudo e a possibilidade de utilização destes
resultados na população-objetivo, tendo em vista a problemática previamente descrita no
primeiro parágrafo da introdução deste trabalho, além das questões de pesquisa elencadas e
dos objetivos pretendidos.
65
Primeiramente, o número excessivo de variáveis preditoras traz conseqüências
indesejáveis para este tipo de análise. Deste modo, a análise exploratória norteia a escolha
prévia das variáveis inseridas no modelo discriminante. Os fatores específicos considerados
na identificação e escolha das variáveis mais representativas são: dados discrepantes,
assimetrias apresentadas e correlações entre variáveis.
As variáveis RC e PM não apresentam nenhuma observação atípica, CONFORME e
apresentam fraca correlação com as demais variáveis preditoras, apesar de serem
assimetricamente distribuídas e moderadamente correlacionadas entre si. Mesmo assim,
estão incluídas no processo inicial de análise.
Em relação às variáveis que retratam a estrutura financeira empresarial, as variáveis
CE e IRNC são as que mais se aproximam de uma distribuição normal e, por isso, estão
inseridas na análise embora sejam fracamente correlacionadas com a variável predita,
apesar de a correlação não estabelecer necessariamente relação causal. Por outro lado, a
variável de estrutura GE apresenta moderada correlação com a variável predita e também
faz parte do conjunto de variáveis preditoras. As variáveis PCT e IPL se distribuem em
vários casos distintos de possíveis outliers, são assimetricamente distribuídas (com
assimetria negativa e positiva, respectivamente) e possuem fraca correlação com a variável
predita. Por estes motivos, estão previamente excluídas da análise.
As variáveis de liquidez são fracamente correlacionadas com as demais variáveis
preditoras e com a variável predita. Por outro lado, são fortemente correlacionadas entre si
– apresentam correlação aproximadamente perfeita. Isto inviabiliza a utilização destas
variáveis em conjunto. Por isso, a única variável previamente incluída na análise é a
variável LG, pois é a que apresenta menor assimetria, levando-se em consideração as
estatísticas de assimetria e curtose.
Dentre as variáveis que proporcionam dados da rentabilidade da empresa, a variável
RA está inserida na análise por apresentar moderada correlação com a variável predita,
apesar de se correlacionar com a variável de estrutura GE e de possuir distribuição
assimétrica positiva. Tendo em vista a exclusão da variável de estrutura PCT, as variáveis
GA e RP apresentam fraca correlação com as demais variáveis preditoras, embora também
sejam fracamente correlacionadas com variável predita. Em relação à assimetria, ambas
possuem distribuição assimétrica, mas a variável GA apresenta melhor distribuição, tendo
em vista as estatísticas de assimetria e curtose.
Assim, as variáveis preditoras inseridas previamente na análise discriminante são:
RC, PM, CE, GE, IRNC, LG, GA, RA e RP. Deste modo, a utilização do software SPSS
17.0 pela adoção da análise discriminante stepwise proporciona as informações necessárias
quanto ao procedimento de análise, a significância estatística das variáveis, os testes de
suposições e a acurácia das predições. A análise discriminante stepwise representa um
procedimento mais rigoroso, pois a análise inicia sem nenhuma variável e nos passos
subseqüentes a inclusão/exclusão das variáveis ocorre conforme o grau de capacidade
discriminante para a principal função estimada. E o método de inclusão/exclusão adotado
66
pelo método stepwise é o Wilks’lambda
24
, ou seja, a razão entre a soma dos quadrados dos
erros e a soma dos quadrados totais (SQE/SQT), maximizando as diferenças entre grupos e
minimizando a heterogeneidade dentro dos grupos. O critério de α utilizado é 0,05 para
inclusão e 0,10 para exclusão.
Tabela 7: Sumário de Casos Processados na Análise
Unweighted Cases N Percent
Valid 57
81,4
Missing or out-of-range group
codes
0
,0
At least one missing
discriminating variable
0
,0
Both missing or out-of-range
group codes and at least one
missing discriminating variable
0
,0
Unselected 13
18,6
Excluded
Total 13
18,6
Total 70
100,0
Fonte: Proveniente de dados compilados no SPSS 17.0
Esta tabela revela que a população de estudo foi dividida em duas partes: a primeira
é composta por 57 unidades amostrais (empresas) e representa cerca de 81,4% do total da
amostra. Este subconjunto da população de estudo é utilizado no processo de estimação do
modelo. A segunda parte compreende 13 unidades amostrais - aproximadamente 18,6% da
população de estudo - e é utilizado na validação do modelo, ou seja, este segundo
subconjunto amostral é formado por dados de empresas que não foram inseridos no
desenvolvimento do modelo discriminante e somente é utilizado para verificar a precisão da
equação discriminante estimada.
A premissa de ausência de multicolinearidade visualiza-se através das matrizes de
co-variância e correlação. De modo geral, percebe-se que as correlações bivariadas são
baixas, exceto entre as variáveis GE e RA (-0,802: alta correlação negativa). Pelo fato de
estas variáveis apresentarem moderada correlação com a variável predita, são mantidas no
modelo para fins de verificação em etapas posteriores.
Tabela 8: Matriz de Covariância e Correlação (Pooled Within-Groups Matrices
a)
FC PM GE RA RC CE IRNC LG GA RP
24
Conforme aponta Maroco (2007, p.542), “Uma vez calculado o Wilks’lambda e feita a sua aproximação à
distribuição F-Snedecor ou à Qui-quadrado é possível definir uma probabilidade de significância mínima para
que as variáveis em estudo possam ser incluídas/excluídas da análise”.
67
FC ,212
,000
-,360
,023
-9,244E-6
-,004
-,023
-,443
-,029
,005
PM ,000
1,560E-5
,000
,000
-2,349E-6
,000
,000
-,002
,000
,000
GE -,360
,000
50,835
-30,133
-,002
-,731
-1,830
-7,183
-,166
,497
RA ,023
,000
-30,133
27,770
,001
,441
,782
3,199
,223
-,839
RC -9,244E-6
-2,349E-6
-,002
,001
6,864E-5
,001
,000
-,001
,001
,000
CE -,004
,000
-,731
,441
,001
,096
,001
,799
,028
,157
IRNC
-,023
,000
-1,830
,782
,000
,001
,457
,332
-,003
-,402
LG -,443
-,002
-7,183
3,199
-,001
,799
,332
58,404
-,570
-,286
GA -,029
,000
-,166
,223
,001
,028
-,003
-,570
,256
-,050
Covariance
RP ,005
,000
,497
-,839
,000
,157
-,402
-,286
-,050
4,575
FC 1,000
,101
-,110
,010
-,002
-,026
-,073
-,126
-,125
,005
VM ,101
1,000
-,018
,013
-,072
-,154
,091
-,079
-,152
,041
GE -,110
-,018
1,000
-,802
-,027
-,330
-,380
-,132
-,046
,033
RA ,010
,013
-,802
1,000
,019
,270
,219
,079
,084
-,074
RC -,002
-,072
-,027
,019
1,000
,264
-,037
-,022
,306
,006
CE -,026
-,154
-,330
,270
,264
1,000
,007
,337
,179
,236
IRNC
-,073
,091
-,380
,219
-,037
,007
1,000
,064
-,010
-,278
LG -,126
-,079
-,132
,079
-,022
,337
,064
1,000
-,148
-,017
GA -,125
-,152
-,046
,084
,306
,179
-,010
-,148
1,000
-,047
Correlation
RP ,005
,041
,033
-,074
,006
,236
-,278
-,017
-,047
1,000
a. The covariance matrix has 55 degrees of freedom.
Fonte: Proveniente de dados compilados no SPSS 17.0
Em seguida, o teste de homogeneidade das matrizes de variância-co-variância
verifica-se através do teste denominado Box’s M e adota as seguintes hipóteses:
H
0
: matrizes de co-variância são iguais;
H
1
: matrizes de co-variância na são iguais.
Conforme mostrado no Quadro, a hipótese H
0
não pode ser rejeitada, tendo em vista que o
resultado do teste é inferior (0,000) a um nível de significância de 5%. As principais
explicações para a violação dessa premissa podem ser atribuídas a dois principais fatores:
tamanho da amostra e ausência de normalidade multivariada. Tendo em vista que o
planejamento amostral fora realizado neste trabalho e supondo que este procedimento está
correto, a possibilidade de a normalidade multivariada está comprometida torna-se
plausível, principalmente pelos resultados de normalidade das variáveis apresentados na
68
análise exploratória dos dados. Considerando que os resultados encontrados nas etapas
posteriores são satisfatórios, percebe-se que as violações verificadas não inviabilizam o
estudo.
A seleção das variáveis discriminantes sob análise se refere à identificação de k
variáveis discriminantes pertencentes ao conjunto de p variáveis (p ≥ k). As hipóteses sob
teste são:
H
0
: µ
1i
= µ
2i
= ... = µ
ki
H
1
: pelo menos uma média difere das demais para a variável i (i = 1,..., p).
No Tabela 10, considerando-se um nível de significância de 5%, observa-se que as
variáveis de significância estatística são: FC, PM, GE e RA pois:
p-value de FC = 0,005 < α = 0,05
p-value de PM = 0,026 < α = 0,05
p-value de GE = 0,001 < α = 0,05
p-value de RA = 0,011 < α = 0,05
Tabela 9: Testes de Igualdade de Médias entre Grupos
Wilks' Lambda F df1 df2 Sig.
FC ,864
8,651
1
55
,005
VM ,913
5,236
1
55
,026
GE ,826
11,618
1
55
,001
RA ,889
6,859
1
55
,011
RC ,992
,468
1
55
,497
CE 1,000
,003
1
55
,954
IRNC ,998
,086
1
55
,771
LG ,997
,189
1
55
,666
GA ,972
1,606
1
55
,210
RP ,999
,032
1
55
,858
Fonte: Proveniente de dados compilados no SPSS 17.0
No processo final de interação da análise discriminante stepwise as variáveis FC,
PM e GE se destacam como as principais variáveis preditoras que maximizam a capacidade
discriminativa da seguinte função discriminante:
Z = -0,830 + 1,448.FC -120,943.PM + 0,97GE
69
O escore Z representa a variável predita da função discriminante em relação às
variações ocorridas nas variáveis preditoras. Até aqui, a função discriminante informa que
se os coeficientes são positivos, então as variações existentes nas variáveis a eles atrelados
contribuem positivamente com as variações ocorridas na variável predita – este é o caso das
variáveis FC e GE. Do mesmo modo, se forem negativos, deduz-se que as variações
verificadas nas variáveis a eles ligadas contribuem negativamente com as variações
ocorridas na variável predita – é o caso da variável VM. Por outro lado, a variável FC
indica que se a empresa possui um fluxo de caixa considerado insatisfatório (valor binário
1) então as possibilidades de se observarem empresas com má saúde financeira (provável
insolvente) são maiores do que para as empresas com fluxo de caixa satisfatório.
A verificação sobre o efeito final dos parâmetros estimados sobre o escore Z se dá
pelo cálculo do escore de corte crítico (Z
ED
), de acordo com os valores dos centróides dos
grupos 0 e 1:
Tabela 10:
Centroides da
Função
Discriminante
Function
RE
1
0 -,410
1 1,258
Fonte: Proveniente
de dados
compilados no
SPSS 17.0
Tendo em vista que os grupos possuem tamanhos diferenciados
25
, o escore de corte
crítico (encontrado conforme anteriormente descrito no Capítulo 2, sub-capítulo 2.2, item
2.2.1.3) é Z
ED
= 0,848. Deste modo, a regra que classifica uma determinada empresa como
provável solvente ou insolvente fica assim estabelecida:
.insolvente provável de ticascaracterís possui empresa a então , Zquemenor ZSe
,insolvente provável de ticascaracterís possui empresa a então , Zquemaior ZSe
ED
ED
Como demonstração da aplicação destes resultados, selecionando uma das empresas
da população de estudo (amostra), por exemplo, o caso nº 8 e substituindo os valores
25
Das 57 empresas utilizadas para a estimação do modelo, 43 foram classificadas como prováveis solventes e
14 foram classificadas como prováveis insolventes.
70
relacionados às variáveis do modelo discriminante, verifica-se que esta empresa
aleatoriamente selecionada possui características de provável insolvente (grupo 1), pois:
Z = -0,830 + 1,448.1 - 120,943 x 0,00000314 + 0,97 x 1,19
Z = 1,77. Como Z ˃ Z
ED
, então a empresa pertence ao grupo 1.
A avaliação final do modelo discriminante (Tabela 11) estabelece que a função
discriminante estimada classifica corretamente 80,7% dos casos utilizados na subamostra
de estimação do modelo. E, aproximadamente 70% dos casos separados para a validação da
amostra - a subamostra formada pelos casos não utilizados na estimação do modelo
discriminante - são corretamente classificados pela função discriminante estimada. Deste
modo, o modelo discriminante estabelecido, os testes realizados e a avaliação final deste
modelo corroboram com os objetivos desta pesquisa (ver introdução, p.14) na medida em
que são identificados parâmetros associados ao comprometimento da solvência dos
negócios de empresas brasileiras, mediante a aplicação do método estatístico multivariado e
da técnica de análise discriminante.
Tabela 11: Resultados da Classificação (Classification Results
b,c,d)
Predicted Group Membership
RE
0 1
Total
0 43
0
43
Count
1 11
3
14
0 100,0
,0
100,0
Original
%
1 78,6
21,4
100,0
0 43
0
43
Count
1 11
3
14
0 100,0
,0
100,0
Cases Selected
Cross-validated
a
%
1 78,6
21,4
100,0
0 9
0
9
Count
1 4
0
4
0 100,0
,0
100,0
Cases Not Selected Original
%
1 100,0
,0
100,0
a. Cro
ss validation is done only for those cases in the analysis. In cross validation, each case is classified by the functions derived from all
cases other than that case.
b. 80,7% of selected original grouped cases correctly classified.
c. 69,2% of unselected original grouped cases correctly classified.
d. 80,7% of selected cross-validated grouped cases correctly classified.
Fonte: Proveniente de dados compilados no SPSS 17.0
71
Por fim, um dos objetivos específicos assinalados na introdução deste trabalho é
verificar se o modelo discriminante estimado nesta pesquisa mediante a inclusão de
variáveis distintas das comumente utilizadas nos diversos trabalhos de que tratam o assunto
pode representar um ponto de partida para investigações futuras de análise de insolvência
empresarial. Neste sentido, o modelo discriminante final (Z = -0,830 + 1,448.FC -
120,943.PM + 0,97GE) mostra que das três variáveis distintamente incluídas na análise
(RC, PM e FC), duas destas variáveis são estatisticamente significantes, ou seja, mostram-
se relevantes para modelos de discriminação de empresas com prováveis condições de
insolvência, principalmente diante das sete variáveis normalmente utilizadas em modelos
correlatos, onde apenas a variável preditora GE se destaca. Disto, infere-se que os
resultados encontrados validam a hipótese de apontamento para investigações posteriores.
3.4 Síntese de Resultados
O desenvolvimento desta pesquisa tem por base a investigação da situação
econômico-financeira de empresas de grande porte e capital aberto e os riscos destas
empresas se tornarem insolventes. Para isso, assume-se o pressuposto de que a análise
fundamentalista cumpre um papel relevante na identificação das principais variáveis
inerentes ao procedimento analítico adotado.
Embora tenham sido elencadas algumas variáveis com o intuito de identificar
possíveis influências de caráter macroeconômico e setorial na situação econômico-
financeira da empresa, percebe-se que uma única variável que represente a influência de
características macroeconômicas, como também uma única variável para perceber
influências a nível setorial não é suficiente para contribuir de forma relevante na
classificação de prováveis empresas insolventes.
Por outro lado, conforme demonstrado nas etapas de estimação do modelo
discriminante, a variável preditora PM (Peso da Empresa no Mercado) faz parte do
conjunto das variáveis estatisticamente significantes, pelo menos ao nível de significância
de 5%. Quanto à variável RC (Riqueza Criada), que deveria refletir as influências
macroeconômicas, não é estatisticamente significante, pelo menos neste caso.
Do mesmo modo, as variáveis preditoras aqui consideradas como representativas
das características a nível microeconômico, ou seja, atreladas às características dos
fundamentos das empresas, também se mostram estatisticamente significantes, inclusive a
variável preditora binária FC (Fluxo de Caixa).
Diante do questionamento de pesquisa
26
outrora realizado sobre a possibilidade de
analisar a estrutura financeira de empresas numa tentativa de identificar prováveis situações
de insolvência sob o enfoque fundamentalista e através da utilização da técnica estatística
de análise discriminante, os resultados apresentados no decorrer deste trabalho,
principalmente, quanto aos resultados apresentados pela análise confirmatória de dados,
corroboram com uma afirmação bastante positiva, tendo em vista que o modelo
26
Ver introdução.
72
discriminante consegue classificar as empresas oriundas da população de estudo em mais
de 80% dos casos e, na amostra de validação, aproximadamente 70% das empresas são
corretamente classificadas.
Quanto aos questionamentos específicos, os resultados encontrados mostram que:
a) para este tipo de planejamento amostral, é possível identificar parâmetros que apontem
para níveis elevados de endividamento empresarial e que comprometam a solvência dos
negócios da empresa.
b) a utilização do método estatístico multivariado e a aplicação da técnica de análise
discriminante são ferramentas de enorme relevância na investigação do comportamento das
variáveis macroeconômicas, setoriais e dos fundamentos das empresas analisadas.
Em linhas gerais, a análise da estrutura financeira de empresas (de capital aberto
com denominação S.A. atuantes no Brasil) tendo por base a utilização da teoria financeira
fundamentalista atende parcialmente os objetivos pretendidos desta pesquisa pelo fato de a
variável macroeconômica não se mostrar estatisticamente relevante. Especificamente, os
objetivos alcançados pela pesquisa foram:
a) identificação de parâmetros que apontem para níveis elevados de endividamento
empresarial e que comprometam a solvência dos negócios da empresa;
b) investigação satisfatória das variáveis ligadas à insolvência empresarial, a partir do
método estatístico multivariado mediante a aplicação da técnica de análise discriminante;
c) validação da técnica aplicada à análise financeira de empresas que atuam no Brasil.
73
4
CONCLUSÕES E SUGESTÕES PARA NOVOS ESTUDOS
Nesta pesquisa, a principal hipótese restritiva que norteia o desenvolvimento
teórico e empírico refere-se à relevância da inclusão de variáveis distintas das comumente
utilizadas em pesquisas de insolvência empresarial. Disto, infere-se que o modelo
discriminante estimado serve apenas como caráter investigativo para o desenvolvimento de
pesquisas posteriores com a inclusão destas e de outras variáveis que sejam estatisticamente
significantes de acordo com a técnica estatística adotada. Por este motivo, as empresas que
constam na população de estudo servem como referências para explorar o modelo
pretendido e, de modo algum, poderão ser consideradas solventes ou insolventes para fins
analíticos de mercado, principalmente pelas limitações abaixo citadas. De qualquer forma,
para evitar equívocos de interpretação quanto a estes pontos, os nomes das empresas foram
excluídos, renomeando-as como Empresa 1, Empresa 2, ... Empresa 70.
As situações limítrofes deste trabalho são descritas em quatro fases distintas. A
primeira está associada à base teórica de relação causal para a estimação do modelo
discriminante tendo em vista que a análise financeira fundamentalista consiste basicamente
em dois tipos principais e não excludentes: a análise top down e a análise bottom up.
De acordo com PINHEIRO (2008, p.265) a análise top down consiste na tomada de
decisões num contexto global, seguindo para uma análise setorial e, por fim concluem-se
determinadas características de interesse em relação à empresa analisada. Com isso, a
abordagem top down evolui analiticamente da macroeconomia para a microeconomia. Por
outro lado, a análise bottom up considera “o comportamento e as perspectivas de cada
empresa para detectar quais oferecem melhor oportunidade de investimento” (id.).
A partir destes esclarecimentos, a primeira limitação desta pesquisa é o fato de a
análise financeira fundamentalista ser utilizada para justificar a inclusão de variáveis no
modelo discriminante (Riqueza Criada pela empresa – RC – e Peso de Mercado – PM) que
reflitam características macroeconômicas e setoriais condizentes com os resultados
econômico-financeiros das empresas sem considerar prospecções de cenários macro ou
microeconômicos. Dessa forma, a análise fundamentalista contribui para a identificação
destas variáveis a nível macroeconômico e setorial. Porém, estas variáveis são analisadas
não em termos de prospecção ou conjuntura, mas conjuntamente com as demais variáveis
microeconômicas ou dos fundamentos da empresa (índices de estrutura, liquidez e
rentabilidade).
A segunda limitação diz respeito à veracidade dos dados existentes no principal
sistema de referências utilizado para o levantamento dos demonstrativos financeiros das
empresas (bmfbovespa). Tendo em vista a dificuldade de obtenção destes dados em outros
sistemas de referências, a pesquisa encontra-se limitada, justamente, pela falta de formas
comparativas para os dados amostrados.
A terceira e última limitação desta pesquisa se refere à delimitação temporal, ou
seja, as análises foram realizadas considerando apenas os dados de 2008. Isto se deve pelas
dificuldades de obtenção dos dados e custos envolvidos.
74
Após a apresentação das limitações identificadas na pesquisa, considera-se de
grande importância o resgate de alguns pontos fundamentais outrora citados no início deste
trabalho como forma de facilitar a apresentação e o fechamento final.
Em relação ao tratamento metodológico, o roteiro básico que orientou o
desenvolvimento desta pesquisa pode ser descrito da seguinte forma: a) adequação da teoria
financeira fundamentalista ao problema de pesquisa; b) identificação e caracterização das
principais variáveis envolvidas no estudo através da análise exploratória dos dados; c)
aplicação do método multivariado e da técnica de análise discriminante e d) análise
confirmatória dos dados.
A teoria financeira fundamentalista cumpre o papel de orientar a identificação de
variáveis condizentes com a problemática explicitada e as questões de pesquisa elencadas.
A problemática se refere ao enfoque dado pelos diversos modelos de previsão de
insolvência empresarial aos índices financeiros identificados nos demonstrativos
financeiros empresariais sem a devida consideração de outras variáveis que também
exercem influência na situação econômico-financeira da empresa.
Diante do problema identificado, o trabalho se desenvolve numa tentativa de
responder às questões de pesquisa levantadas. O questionamento central desta pesquisa diz
respeito à relevância ou não de outras variáveis incluídas no processo de discriminação
entre prováveis empresas solventes e insolventes e se o método de análise multivariada e a
técnica de análise discriminante são ferramentas relevantes nesta análise.
Os resultados encontrados são significativos na medida em que, além das variáveis
tradicionalmente utilizadas, as variáveis PM e FC também se mostram estatisticamente
significantes. Além disso, a técnica de análise discriminante utilizada na busca dos
resultados consegue classificar corretamente mais de 80% dos casos da subamostra
utilizada na estimação do modelo discriminante. Na amostra de validação, o modelo
estimado classifica aproximadamente 70% dos casos. Apesar dos casos de outliers, nenhum
dos casos foi excluído. Em vez disso, foram excluídas algumas das variáveis que
apresentaram maiores freqüências de observações atípicas.
Embora tenha sido aplicada a técnica de análise discriminante, segue como sugestão
para novas investigações a utilização de outras técnicas estatísticas de grande importância
para tipos correlatos de pesquisa. A técnica de regressão logística (ou logit) representa uma
das possíveis técnicas de análise estatística que poderá ser bastante útil em processos de
investigação deste tipo, principalmente pelo fato de ser menos exigente em relação aos
pressupostos exigidos pela análise discriminante. E a forma final de interpretação desta
técnica traz resultados interessantes; enquanto que as variações ocorridas entre as variáveis
preditoras e preditas da análise discriminante são analisadas em termos absolutos, na
regressão logística as variações verificadas nas variáveis preditoras causam variações no
logaritmo natural das razões de chance que é exatamente a variável predita em termos de
probabilidade.
75
Outro encaminhamento possível para investigações posteriores diz respeito à
aplicação da técnica de regressão ordinal, levando-se em consideração a adequabilidade dos
dados existentes já que a variável predita assume caráter qualitativo ordinal, em
contraponto à natureza qualitativa nominal atribuída à variável predita na análise
discriminante. Além disso, a aplicação da análise exploratória dos dados como etapa
anterior à aplicação da regressão ordinal poderá ser útil na identificação da forma de
concentração dos grupos ordenados, orientando a escolha adequada da função link a ser
utilizada no modelo ordinal (funções link: cauchit, log-log negativa, log-log complementar,
logit e probit).
Um terceiro encaminhamento sugestivo para a realização de pesquisas futuras é a
aplicação da análise probit. Este técnica tem como pressuposto fundamental a condição de
normalidade das variáveis analisadas aproximando-se, deste modo, da técnica de análise
discriminante na medida em que adota como uma de suas suposições a normalidade
multivariada.
Em relação ao procedimento amostral, embora tenha sido aplicado no levantamento
e determinação do tamanho da amostra o delineamento amostral aleatório simples sem
reposição, talvez a adoção do procedimento amostral aleatório estratificado possibilite
resultados mais precisos em estudos futuros.
A complexidade de fatores inerentes às ciências sociais implica, também, na
investigação futura de outras variáveis preditoras de caráter qualitativo em estudos
semelhantes, como o estilo de gerenciamento adotado pela corporação, impressões
subjetivas dos colaboradores e acionistas, capacidade de inovação tecnológica, dentre
outras.
Por fim, a constatação de que o modelo discriminante estabelecido, os testes
realizados e a avaliação final deste modelo estão em estreita sintonia com os objetivos
traçados nesta pesquisa, espera-se que outras pesquisas também sejam desenvolvidas com a
aplicação da economia financeira, além do método estatístico multivariado, na análise do
grau de insolvência de empresas de características distintas das que foram adotadas neste
trabalho, a exemplo das micro, pequenas e médias empresas, como também de empresas de
grande porte de capital fechado.
76
REFERÊNCIAS BIBLIOGRÁFICAS
AGARWAL, Vineet; TAFFLER, Richard J. Twenty-five years of z-scores in the UK: do
they really work? Cranfield of School Management and The Management School,
University of Edinburgh. Version 5.1: December 7, 2005. Disponível em cranfiel.ac.uk.
Acesso em 13 de junho de 2009.
ALDRIGHI, Dante Mendes; MILANEZ, Daniel Yabe. Finança Comportamental e a
Hipótese dos Mercados Eficientes. Revista de Economia Contemporânea. Rio de Janeiro, 9
(1): 41-72, jan/abr, 2005.
ALTMAN, E., "Financial Ratios, Discriminant Analysis and the Prediction of Corporate
Bankruptcy," Journal of Finance, Setembro 1968.
ANDERSON, T. W. R. A. Fisher and Multivariate Analysis. Statistical Science, 1996, vol.
11. nº. 1, 20-34. Disponível em projecteuclid.org. Acesso em 15 de junho de 2009.
ARAUJO, Aloísio; FUNCHAL, Bruno. A Nova Lei de Falências Brasileira: Primeiros
Impactos. Disponível em www.anpec.org.br. Acesso em 10 de agosto de 2008.
BEAVER, W.H., Financial Ratios and Predictions of Failure, Empirical Research in
Accouting Selected Studies, Suplemento do Journal of Accouting Research, 1966, 77-111.
BECKER, William E. and GREENE, William H. Using the Nobel Laureates in Economics
to Teach Quantitative Methods. Available at SSRN: http://ssrn.com/abstract=601481
BODIE. Z.; KANE, A.; MARCUS, A. Investments 5. ed. Boston: McGraw-Hill/irwin,
c2002.
BOLFARINE, Heleno; BUSSAB, Wilton O. Elementos de Amostragem. São Paulo:
Blucher, 2005.
BREALEY, Richard A.; MYERS, Stewart C. Finanças Corporativas: Financiamento e
Gestão de Risco. Porto Alegre: Bookman, 2005.
BUSSAB, Wilton O.; MORETTIN, Pedro A. Estatística Básica. 4ª. ed. São Paulo: Atual,
1995.
CAMPOS FILHO, Ademar. Demonstração dos Fluxos de Caixa: uma ferramenta
indispensável para administrar sua empresa. Atlas, 1999.
CARVALHO, Antônio Gledson de. Lei de falência, acesso ao crédito empresarial e taxas
de juros no Brasil. Texto preparado para a FEBRABAN, maio, 2003. Disponível em
www.febraban.org.br, acesso em 05 de outubro de 2008.
77
CHUNG, Kim-Choy; TAN, Shin Shin; HOLDSWOTH, David K. International Journal of
Business and Management. January, 2008, vol.3, nº1.
COCHRAN, WILLIAM G. Técnicas de Amostragem. Fundo de Cultura, 1965.
CORRAR, Luiz J.; PAULO, Edílson; DIAS FILHO, José Maria (coords.). Análise
Multivariada: para os cursos de administração, ciências contábeis e economia. São Paulo:
Atlas, 2007.
DAMODARAN, A. Avaliação de Investimentos: Ferramentas e Técnicas para
determinação do valor de qualquer ativo. Rio de Janeiro: Qualitmark,2008.
FAMÁ, Rubens; GRAVA, J. William. Liquidez e a Teoria dos Elementos Causadores de
Insolvência. Cadernos de Pesquisas em Administração, São Paulo, v.01. nº12, 2º
trim./2000.
GITMAN, Lawrence Jeffrey. Princípios de Administração Financeira. São Paulo: Addison
Wesley, 2004.
Greene, William H., Marginal Effects in the Bivariate Probit Model (June 1996). NYU
Working Paper No. EC-96-11. Available at SSRN: http://ssrn.com/abstract=1293106
GUJARATI, Damodar N. Econometria Básica. Rio de Janeiro: Elsevier, 2006.
HAIR JR., Joseph F.; ANDERSON, Rolph E.; TATHAM, Ronald L.; BLACK, William C.
Análise Multivariada de Dados. 5ª. ed. Bookman, 2005.
KANITZ, Stephen Charles. Como Prever Falências. São Paulo: McGraw do Brasil, 1978.
KUHL, Marcos Roberto. O mercado de capitais reflete no preço das ações o desempenho
empresarial medido por indicadores contábeis? Dissertação de Mestrado. Curitiba, 2007.
MALKIEL, Burton G. The Efficient Hypothesis and Its Critics. Journal of Economics
Perspectives, vol. 17, nº 1, winter 2003, pages 59-82.
MALHOTRA, Naresh K. Pesquisa de Marketing: uma orientação aplicada. 3ª. ed., Porto
Alegre: Bookman, 2001.
MAROCO, João. Análise Estatística com utilização do SPSS. Silabo, 2007.
MATARAZZO, Dante Carmine. Análise financeira de balanços: abordagem básica e
gerencial. 6ª. ed. São Paulo: Atlas, 2003.
MELLAGI FILHO, Armando. Mercado financeiro e de capitais: uma introdução. 3 ed. São
Paulo: Atlas, 1998.
78
NAGANO, Marcelo Seido; MERLO, Edgard Monforte; SILVA, Maristela Cardoso da. As
variáveis fundamentalistas e seus impactos na taxa de retorno de ações no Brasil, Revista
FAE, Curitiba, v.6, nº2, p. 13-28, mai/dez. 2003.
OLIVEIRA, Luciano. Mudanças na Lei 6.404: Novas regras de Contabilidade Geral.
Disponível em www.editoraferreira.com.br. Acesso em 15 de fevereiro de 2008.
PEREIRA , José Manuel, DOMINGUEZ , Miguel Á. Crespo e OCEJO , José L. Sáez.
Modelos de previsão do fracasso empresarial: aspectos a considerar . Tékhne, jun. 2007,
no.7, p.111-148.
PINHEIRO, Juliano Lima. Mercado de capitais: fundamentos e técnicas. 4ª. ed. São Paulo:
Atlas, 2008.
PONDÉ, João Luiz. Organização das Grandes Corporações. In KUPFER, David;
HASENCLEVER, Lia (Orgs). Economia Industrial: fundamentos teóricos e práticas no
Brasil. Rio de Janeiro: Elsevier, 2002.
ROSS, Stephen A.; WESTERFIELD, Randolph W,; JAFFE, Jeffrey F. Administração
Financeira. São Paulo: Atlas, 2002.
SCARPEL, Rodrigo Arnaldo. Modelos de Previsão de Insolvência: uma abordagem
discriminante paramétrica e não paramétrica. Instituto Tecnológico de aeronáutica. SPOLM
2003.
SEGUNDO FILHO, José. Controles Financeiros e Fluxo de Caixa. Qualitymark, 2005.
SHILLER, Robert J. From Efficient Markets Theory to Behavioral Finance. Journal of
Economics Perspectives, vol. 17, nº 1, winter 2003, pages 83-104.
SILVA, Nilza Nunes da. Amostragem Probabilística: um curso introdutório. São Paulo:
EdUSP, 1998.
TORRES, Ricardo; BONOMO, Marco; FERNANDES, Cristiano. A aleatoriedade do
passeio na Bovespa: testando a eficiência do mercado acionário brasileiro. Ensaios
Econômicos EPGE 402, 2000.
WEBSTER, Allen L. Estatística Aplicada à Administração e Economia. São Paulo:
McGraw-Hill, 2006.
WESTON, J. Fred. Finanças de Empresas: Campo e Metodologia. São Paulo: Atlas, 1969.
WESTON, J. Fred; BRIGHAM, Eugene F. Fundamentos da Administração Financeira. São
Paulo: Makron Books, 2000.
ZYLBERSTAJN, Décio e SZTAJN, Rachel, orgs., Direito & Economia: Análise
Econômica do Direito e das Organizações. Rio de Janeiro, Elsevier, 2005.
79
APÊNDICE
I
-
Informações extraídas dos demonstrativos financeiros com exercício contábil em
2008:
Legenda: Resultado de Exercício (lucro: 0; prejuízo:1), Fluxo de caixa (satisfatório: 0; insatisfatório: 1)Riqueza Criada pela empresa
(RC), Peso do Valor de Mercado da Empresa (PM), Participação de Capitais de Terceiros (PCT), Composição do Endividamento (CE),
Grau de Endividamento (GE), Imobilização do Patrimônio Líquido (IPL), Imobilização dos Recursos não Correntes (IRNC), Liquidez
Geral (LG), Liquidez Corrente (LC), Liquidez Seca (LS), Giro do Ativo (GA), Rentabilidade do Ativo (RA) e Rentabilidade do
Patrimônio (RP).
Fonte: Elaboração própria.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
