UNIVERSIDADE DE SO PAULO

FACULDADE DE ECONOMIA, ADMINISTRAO E CONTABILIDADE

DEPARTAMENTO DE CONTABILIDADE E ATURIA

CONTRIBUIO AO ESTUDO DA SOLVNCIA

EMPRESARIAL: UMA ANLISE DE MODELOS DE
PREVISO ESTUDO EXPLORATRIO
APLICADO EM EMPRESAS MINEIRAS.

Poueri do Carmo Mrio

Orientador.: Prof. Dr. Luiz Nelson G. de Carvalho

So Paulo
2002

Reitor da Universidade de So Paulo

Prof. Dr. Adolpho Jos Melfi
Diretor da Faculdade de Economia, Administrao e Contabilidade
Prof. Dr. Eliseu Martins
Chefe do Departamento de Contabilidade e Aturia
Prof. Dr. Reinaldo Guerreiro
Coordenador do Curso de Ps-Graduao em Controladoria e Contabilidade
Prof. Dr. Diogo Toledo do Nascimento

UNIVERSIDADE DE SO PAULO
FACULDADE DE ECONOMIA, ADMINISTRAO E CONTABILIDADE
DEPARTAMENTO DE CONTABILIDADE E ATURIA

CONTRIBUIO AO ESTUDO DA SOLVNCIA

EMPRESARIAL: UMA ANLISE DE MODELOS DE
PREVISO ESTUDO EXPLORATRIO
APLICADO EM EMPRESAS MINEIRAS

Poueri do Carmo Mrio

Orientador.: Prof. Dr. Luiz Nelson G. de Carvalho

Dissertao apresentada ao Departamento

de Contabilidade e Aturia na Faculdade
de
Economia,
Administrao
e
Contabilidade da Universidade de So
Paulo, como requisito parcial para a
obteno do ttulo de Mestre em
Controladoria e Contabilidade.

So Paulo
2002

Ficha Catalogrfica

Mrio, Poueri do Carmo

Contribuio ao estudo da solvncia empresarial : uma anlise de
modelos de previso estudo exploratrio aplicado em empresas mineiras /
Poueri do Carmo Mrio. -- So Paulo : FEA/USP, 2002.
209 p.
Dissertao - Mestrado
Bibliografia.
1. Finanas das empresas 2.Balano 3. Falncia I. Faculdade de
Economia, Administrao e Contabilidade da USP. II. Ttulo.
CDD 658.15

ii

Dedico este trabalho

minha esposa Renata
e minha me
Maria do Carmo

In memoriam de Arthur Mrio

iii

Mas o capitalismo no poderia ter florescido sem duas novas atividades

que haviam sido desnecessrias, enquanto o futuro fora uma questo de
acaso ou vontade divina. A primeira foi a contabilidade, atividade humilde,
mas que encorajou a disseminao das novas tcnicas de numerao e
contagem. A outra foi a previso, uma atividade bem menos humilde e bem
mais desafiadora que associa assumir riscos com as compensaes
diretas.
Peter L. Bernstein Desafio aos Deuses.

iv
AGRADECIMENTOS

Mais uma etapa da vida finda-se com esta dissertao, para que outras
possam se iniciar. A cada uma dessas etapas, percebemos o quo importante
so para ns aqueles que, direta ou indiretamente, serviram de apoio ou
inspirao para a consecuo da jornada.
De valor inestimvel minha famlia, pois foi o porto seguro onde podia
recostar-me, doando-me seu amor e carinho e revitalizando minhas foras.
minha me e irmos, meu muito obrigado por terem me ensinado o sentido de
honra e unio. Aos meus irmos Artur e Talestre, um especial obrigado pela
parceria durante esta fase e ajuda durante toda minha vida.
minha esposa, uma grande mulher e o meu maior tesouro, agradeo a
compreenso e o amor incondicional, mesmo quando colocada em segundo
plano, devido lide da etapa. Graas ao casamento, afortunei-me ainda mais ao
ser recebido como filho por Adinair e Vnia, e como irmo por Rodrigo, aos quais
agradeo a afetividade e carinho que me deram em seu lar.
Diz-se que a gua lmpida da fonte sacia a sede do caminhante como
nenhuma outra. A oportunidade de estar na maior fonte de conhecimento contbil
do pas demonstrou que isso verdade. Aos professores do Curso de Mestrado
em Controladoria e Contabilidade agradeo eternamente por no terem me dado
um receiturio, mas a oportunidade de aprender por mim, com sua posio
sempre questionadora e instigante, a posio do verdadeiro mestre: no ser
repetidor de uma verdade pronta e acabada, mas um cientista que avista
perspectivas sobre a verdade.

v
Em especial, agradeo ao mestre Nelson de Carvalho, por acreditar e
orientar este trabalho, pois no teria logrado xito sem sua participao, e por terme servido de inspirao e referncia do que ser um Contador.
Ressalto agradecimentos sinceros aos Professores Doutores Alexsandro
Broedel Lopes, um jovem talento, e Eliseu Martins, um dos gigantes da
Contabilidade em que todos ns nos apoiamos, ambos inspiradores do presente
e futuro da pesquisa contbil, pelas contribuies dadas durante o exame de
qualificao.
Enriqueceram-me

as

novas

amizades

que

fiz

durante

curso:

transformaram-se em minha famlia de So Paulo, a qual no permitiu que

momentos de solido ocorressem. Muito obrigado a Andra, Cludia, Sofie e
Vincius (especialmente), pela amizade e coleguismo dentro e fora da sala de
aula, ajudando-me a vencer essa etapa. Aos tantos outros amigos da Faculdade e
da Fipecafi, conquistados graas a Deus, agradeo, carinhosamente pelo apoio.
A Oscar agradeo a confiana depositada ao me lanar na carreira
docente, e a Luciano Leo o apoio de um verdadeiro amigo, imprescindvel para
vencer essa jornada. Aos velhos amigos Luiz, Mayrink, Prmola e Virliz, o
obrigado por manterem nossa amizade mesmo com minha tamanha ausncia.
Fizeram valer para mim essa citao: A amizade de um grande homem um
benefcio dos deuses (Voltaire).
E a Deus, que me deu o dom da vida e a chance de poder vencer mais
essa etapa, agradeo e louvo com singelas mas verdadeiras palavras, pela vida
de todos aqui e daqueles que no foram possveis de se nomear, mas que sabem
o quo importantes so para mim.

vi
Sumrio

GLOSSRIO ..................................................................................................................VIII
RESUMO.......................................................................................................................... XII
ABSTRACT ....................................................................................................................XIV
1-

INTRODUO................................................................................................... 1
1.1-

A ANLISE DE CRDITO ................................................................................7

1.2-

OS INSTITUTOS LEGAIS DA FALNCIA E DA CONCORDATA ..............................10

2-

METODOLOGIA DA PESQUISA ................................................................. 16

2.1-

CARACTERIZAO DO PROBLEMA ................................................................16

2.2-

OBJETIVO DO ESTUDO ...............................................................................18

2.3-

METODOLOGIA UTILIZADA ...........................................................................20

3-

CREDIT SCORING ........................................................................................... 25

3.1-

CONCEITO ................................................................................................26

3.2-

ESCOLHA DO SISTEMA DE CREDIT SCORING .................................................29

3.3-

FERRAMENTAS USADAS EM MODELOS DE CREDIT SCORING ........................35

3.4-

ESTUDOS SOBRE PREVISO DE INSOLVNCIA...............................................36

3.5-

AVALIAO DE SISTEMAS DE CREDIT SCORING.............................................41

4-

A ANLISE DISCRIMINANTE..................................................................... 43
4.1-

BREVE HISTRICO .....................................................................................44

4.2-

ESTRUTURA

CONCEITUAL E REPRESENTAO MATEMTICA DE UMA EQUAO

DISCRIMINANTE .........................................................................................45

4.3-

PROCEDIMENTOS PARA ELABORAO DE UMA EQUAO DISCRIMINANTE ........48

4.4-

CONSIDERAES AO CAPTULO ...................................................................64

5-

ESTUDOS BRASILEIROS.............................................................................. 67
5.1-

O TERMMETRO DE KANITZ.....................................................................68

5.2-

O MODELO DE ELISABETSKY .......................................................................84

5.3-

O MODELO DE ALTMAN ............................................................................100

5.4-

O MODELO DE SILVA ................................................................................108

vii
6-

CONSIDERAES SOBRE OS ESTUDOS BRASILEIROS................... 117

6.1-

PREMISSAS BSICAS ................................................................................117

6.2-

PROCEDIMENTOS PARA DESENVOLVIMENTO ...............................................122

6.3-

ANLISE QUALITATIVA ..............................................................................125

ESTUDO EMPRICO..................................................................................................... 132

7.1-

CAPACIDADE PREDITIVA DOS MODELOS BRASILEIROS ..................................136

7.2-

MODELO HBRIDO DESENVOLVIDO NA PESQUISA .........................................140

7.3-

AVALIAO DOS DADOS ............................................................................149

8-

CONSIDERAES FINAIS E CONCLUSES ......................................... 159

9-

REFERENCIAL BIBLIOGRFICO ........................................................... 165

10-

APNDICES ................................................................................................... 170

10.1- APNDICE A............................................................................................170

10.2- APNDICE B............................................................................................172
10.3- APNDICE C............................................................................................209

viii

Glossrio
O objetivo deste simplificado glossrio o de apoiar a leitura da
dissertao, pois os termos aqui apresentados sero utilizados no decorrer
do texto sem a preocupao de maiores explicaes.
Em funo dessa simplificao, convida-se leitura das obras de Estatstica
referenciadas para maiores informaes, caso o leitor prefira ter acesso a
maiores detalhes.

Autocorrelao serial: significa dependncia temporal dos valores sucessivos

dos resduos, ou seja, os resduos so correlacionados entre si. Quando acontece
a autocorrelao, as estimativas dos parmetros de regresso no so eficientes,
pois h superestimao dos desvios padres quando ela positiva e
subavaliao quando negativa. A autocorrelao positiva a mais danosa, pois
se pode rejeitar Ho quando verdadeira (erro Tipo I). Quando os resduos so
diretamente relacionados entre si, pode-se exprimir que:

e t = r.e t 1 + v p

, para r > 0.

Normalmente, as fontes de autocorrelao so devidas a omisso de varivel

explicativa, m especificao da forma matemtica (ex: linear, ao invs de
quadrtica ou exponencial), m especificao do verdadeiro termo aleatrio e
ajuste imperfeito de sries estatsticas.
Correlao: determina a fora do relacionamento entre duas observaes
emparelhadas. Indica at que ponto os valores de uma varivel esto
relacionados com os de outra. O resultado da anlise o coeficiente de
correlao que quantifica o grau de correlacionamento (coeficiente de Pearson).
Varia de 1 a +1.

ix

Covarincia: resume em um nico nmero a tendncia e a fora de relao linear

entre duas sries. Tal nmero a mdia da multiplicao dos desvios de cada
srie em relao s suas respectivas mdias. uma medida anloga
correlao. Esta ltima a mdia dos desvios de uma nica srie em relao
mdia da srie. A covarincia segue o mesmo raciocnio, mas para duas sries
distintas. Os valores da covarincia podem assumir quaisquer valores dos
nmeros reais, e a sua unidade dada pelo produto das unidades das
observaes das sries.
Covarincia de uma populao:

Cov(X,Y), ou X,Y =

(X

X ).(Yi Y )
N

Covarincia de uma amostra:

Cov(X, Y), ou S X,Y =

(x

)(

x . Yi y

n-1

A relao que a covarincia da amostra guarda com a covarincia da populao

:

N
Cov(X,Y)amostra =
.Cov(X,Y)populao
n 1
Para padronizar a covarincia e estabelecer uma unidade de medida inteligvel,
divide-se a covarincia pelo produto dos desvios padres das sries, tanto de
uma populao, como de uma amostra, obtendo-se o coeficiente de correlao:

rXY =

Cov(X, y)
X .Y ,

onde -1<r<1, sendo o valor do coeficiente aqui encontrado igual ao coeficiente de

Pearson.

Heteroscedasticidade: uma das hipteses bsicas da regresso que a

varincia dos resduos seja constante (var(ei)=2 , onde constante). Isso
ocorre com dados que atendem caracterstica de homoscedasticidade. Nesse
caso, a disperso dos resduos uniforme ao longo da linha de regresso. Caso
contrrio, os dados atendem caracterstica de heteroscedasticidade (var(ei)=2i ,
ou seja, var(ei)2). Nessa ltima situao, o mtodo dos mnimos quadrados no
gera estimativas de parmetros eficientes ou de varincia mnima, o que implica
erros padres enviesados e incorreo dos testes t e F, alm dos intervalos de
confiana.

Multicolinearidade: esse efeito ocorre tanto na regresso simples, quanto na

regresso mltipla. Isso acontece quando as equaes derivadas dos mnimos
quadrados fornecem diversas respostas que, efetivamente, fazem com que a
soma dos quadrados seja mnima, mas no definem os coeficientes angulares da
reta ou do plano. Normalmente, surge quando as equaes utilizadas para a
regresso de mnimos quadrados no so independentes. Ocorrendo esse fato,
perde-se uma dimenso na equao explicativa. Se for uma regresso simples, o
que ocorrer que a melhor estimativa da varivel dependente ser dada no por
uma reta, mas simplesmente por um ponto mdio ( Y ). No caso da regresso com
duas variveis independentes, a equao no ser dada por um plano, mas por
uma reta. Na regresso mltipla, isso pode ser explicado quando as variveis
independentes esto relacionadas entre si, possuindo, portanto, correlao
elevada, positiva ou negativa, entre si.

Regresso: fornece uma estimativa do comportamento das variveis em forma

de uma equao de predio. A regresso linear simples tenta estabelecer uma
equao matemtica linear (reta), a qual descreve o relacionamento entre duas
variveis, com a finalidade de estimar valores de uma varivel dependente,
baseando-se em valores conhecidos de outra varivel, a independente. Alm
disso, serve para explicar valores de uma varivel em termos da outra e para

xi

predizer valores futuros de uma varivel. A regresso linear mltipla,

diferentemente da regresso linear simples, envolve mais de uma varivel
independente para determinao de uma varivel dependente. Isto significa que
mais de uma varivel independente est exercendo efeito conjunto sobre a
varivel dependente.

Varivel dependente: estabelecida em funo do valor assumido pela varivel

independente, em outras palavras, tem seu valor influenciado ou definido por
essa.

Varivel discreta ou categrica: um valor inteiro e serve como um rtulo de

identificao para a varivel.

Varivel independente: tem seu valor definido de forma independente, podendo

tanto ser fixo quanto varivel (aleatrio).

Varivel mtrica ou contnua: uma varivel constante,

qualquer valor num intervalo contnuo.

podendo assumir

xii

Resumo

O trabalho aqui apresentado uma anlise retrospectiva de modelos

desenvolvidos, no Brasil, sobre o estudo da previso de insolvncia das
empresas, objetivando-se avaliar a aplicao de mtodos quantitativos para fins
de anlise de demonstraes contbeis.
Considera-se que relevante a avaliao da continuidade da empresa, e
que, se for possvel identificar fato em contrrio, o uso de modelos de previso
de importncia no que tange deciso de concesso de crdito, tanto no mbito
da intermediao financeira, realizada pelos bancos, quanto no mbito de
transaes comerciais entre fornecedores e clientes. Desta ltima, pode-se inferir
sobre a avaliao da concesso ou no da Concordata para uma empresa,
servindo aqueles modelos como ferramental de anlise da capacidade da
empresa em cumprir o acordo da concordata, ponto esse explorado nesta
pesquisa.
Atravs da aplicao dos modelos sobre uma amostra de empresas que
haviam solicitado a concordata, pde-se avaliar se mantinham uma capacidade
de discriminar as empresas que lograriam xito na concordata. Como ferramental
estatstico, utilizada a Anlise Discriminante, tcnica de anlise multivariada,
que busca classificar os dados em dois grupos especficos. Neste trabalho, foram
definidos como grupo de empresas solventes e grupo de empresas
insolventes.

xiii

Verificou-se que as premissas para utilizao da tcnica estatstica de

Anlise Discriminante podem limitar, no invalidar, esses modelos. H
necessidade de se avaliarem os dados das amostras para se verificar se
possvel ou no o uso da tcnica de Anlise Discriminante, alm do que
necessitam recorrentemente, de ser recalculados. Essa limitao reduziu-se
quando se utilizaram os modelos em conjunto ou integrados, como verificado nos
testes realizados. Outra tcnica utilizada nesse estudo foi a de se gerar um
modelo que congregue os melhores indicadores dos modelos analisados,
obtendo-se um modelo de previso, que pode ser considerado hbrido ou misto.
Esse modelo foi testado quanto sua capacidade de avaliar se as
empresas concluiriam suas concordatas e, tambm, em sua capacidade de
discriminar as empresas nos dois grupos anteriormente descritos (Solventes e
Insolventes), ambos formados por empresas situadas em Belo Horizonte, Betim e
Contagem.
Como ressaltado, existem limitaes ao uso desses modelos, que se
iniciam pela prpria ferramenta da Anlise Discriminante. Porm, a sua utilizao
pode tornar mais objetiva a deciso de se conceder ou no a Concordata a uma
empresa, ou, at mesmo, uma linha de crdito especial para cliente de um
fornecedor ou de uma instituio bancria que se encontre nessa situao.

Portanto, verificou-se ser possvel, atravs das demonstraes

contbeis das empresas objeto do estudo, a previso da tendncia de
solvncia ou insolvncia daquelas, avaliando-se se lograriam xito com a
concordata.

xiv

Abstract

This study is a retrospective analysis of models developed in Brazil with

respect to the study of forecasting company insolvency, aimed at evaluating the
application of quantitative methods to the financial analysis of financial statements.
Evaluating the going-concern of companies is considered relevant. If facts
can be identified indicating the opposite, the use of forecasting models is important
what the decision on the extension of credit is concerned, not only in the field of
financial intermediation, realized by banks, but also in the field of commercial
transactions between suppliers and clients. From this decision, inferences can be
made about the evaluation of whether a composition of debt will be conceded to a
company, in which the models mentioned above will serve as tools for analyzing
the companys capacity to fulfill the composition agreement, an issue that is dealt
with in this research.
By means of the application of those models to a sample of companies that
had applied for composition of debt, it could be evaluated whether the models
maintained their capacity to distinguish the companies that were successful in the
composition of debt. As a statistical tool, the Discriminant Analysis is used. This is
a multivariate analysis technique that seeks to classify the data in two specific
groups. In this study, they were defined as solvent companies group and

insolvent companies group.

xv

It was verified that the premises for using the statistical technique of
Discriminant Analysis can limit, but not invalidate these models. The data of the
samples need to be assessed in order to verify whether it is possible or not to use
the Discriminant Analysis technique. In addition, they recurrently need to be
recalculated. This limitation was reduced when the models were used together or
in an integrated way, as verified in the accomplished tests. Another technique
used in this study was the creation of a model that unites the best indicators of the
models that were analyzed, obtaining a forecasting model, which can be
considered a hybrid or mixed.
This model was tested for its capacity to evaluate whether the companies
would conclude the composition of debt as well as its capacity to discriminate the
companies in the two groups previously described (Solvent and Insolvent), both of
which consist of companies located in Belo Horizonte, Betim and Contagem.
As highlighted, the use of these models is limited, starting with the
Discriminant Analysis tool itself. Nevertheless, their utilization can make the
decision on the concession of debt composition to a company more objective, or
even the decision on extending a special credit line to the customer of a supplier
or to the client of a bank who finds himself in this situation.

Therefore, it was confirmed that the analysis of the financial

statements of the firms included in this study permits to forecast the
possibility to determine the solvency or insolvency trend of the firms, as
well as to assess their eventual success with the concordat.

1-

Introduo

O desenvolvimento de nossa sociedade foi marcado por diversos fatos que

levaram a humanidade a se adaptar aos novos cenrios social, econmico e
poltico.
O ltimo sculo foi marcado por duas grandes guerras mundiais, pelo
crescimento da populao mundial, pelo desenvolvimento tecno-cientfico e por
mudanas culturais profundas na sociedade.
A Economia mundial, num sentido histrico geral, saiu de uma base
agrcola para uma base industrial e tecnolgica, tendo esse processo maior
desenvoltura no

sculo XX. A era do capitalismo atingiu um estgio de

desenvolvimento tal, que vivemos num mundo globalizado, fazendo-se

indispensvel uma contnua busca pela melhor alocao de recursos econmicos
pelos agentes da economia; necessrio se faz agregar (criar) valor. A
Contabilidade manteve seu papel de geradora de informaes para auxiliar esse
processo de alocao, mas todas essas mudanas a afetaram tambm, e,
quando possvel, procurou ela responder s necessidades de novas informaes,
fato apreciado nas bibliografias que narram o desenvolvimento da Cincia
Contbil.1

Recomenda-se a leitura das obras de Iudcibus e Hendriksen & Van Breda, relacionadas no
referencial bibliogrfico, como fonte bsica do histrico do desenvolvimento da Teoria da
Contabilidade.

Tambm, os intermediadores que participam do mercado financeiro,

especificamente o de crdito, necessitaram desenvolver a capacidade de
adaptaes s necessidades dos agentes econmicos. Em funo de mercados
maiores

(quanto

ao

volume

de

recursos

transacionados

dimenses

geogrficas), esses intermediadores precisam, cada vez mais, de ferramentas

que lhes proporcionem maior controle, agilidade e confiana.
Essas necessidades se fazem presentes com o aumento das situaes
no-controlveis a que esto sujeitas as empresas, advindas do crescimento
daqueles mercados (Cauoette, Altman & Narayanan, 1999:1-26). Essas
situaes, muitas vezes, podem levar empresas descontinuidade de suas
atividades, induzindo incorreta aplicao de recursos econmicos. Esse o
momento da falncia da empresa e que pode significar perdas para todos os
agentes da economia.
A intermediao financeira na economia de um pas fator importante,
como forma de se viabilizar o crescimento e desenvolvimento econmico,
conforme observa Contador apud Lopes & Rosseti (1992:302):
fato sabido que a intermediao financeira nos pases capitalistas
cumpre a importante tarefa de canalizar e transformar eficientemente os
recursos de poupana em investimento. Quanto mais desenvolvido o
estgio de intermediao financeira, maior tende a ser a formao de
capital e mais eficiente a alocao de recursos. Assim a criao de
instrumentos financeiros permite, de um modo geral, obter-se no s
maior nvel de produo fsica e de bem-estar, como a melhor alocao
de recursos e, ainda, a expanso dos recursos disponveis para
investimento, atravs do estmulo poupana.

Atualmente, a intermediao financeira bastante diversificada e se ajusta

s caractersticas e necessidades de cada sociedade, bem como de cada um de
seus agentes econmicos (famlias, empresas e governos, por exemplo).
Cecchetti (1999:1), ao avaliar as tendncias futuras do papel da intermediao
financeira dos bancos, afirma que sempre haver um mecanismo pelo qual os
bancos podero auxiliar nesse processo de troca entre os agentes da economia,
discutindo quais sero esses novos mecanismos a partir do sculo XXI.
Como intermediao financeira entende-se a maneira de se conciliar os
interesses dos agentes poupadores (agentes superavitrios), que buscam maior
remunerao e/ou segurana para seu capital, e os dos agentes tomadores de
recursos (agentes deficitrios), que procuram menor custo de captao,
procurando disponibilizar esses recursos de maneira eficiente. Segundo Cecchetti
(1999:1), a intermediao financeira movimenta recursos entre dois grupos:
empresas e famlias (poupadores), sendo esse papel fundamental desenvolvido,
em maior parte, pelos bancos. Hellwig (2000:719) expe que se deve prestar
ateno para ambas as relaes existentes na intermediao, tanto a relao
intermedirio x empresa quanto a relao intermedirio x famlia (poupador), ao
invs de se focar apenas uma dessas.
Esse papel de intermediao necessita, cada vez mais, da sofisticao dos
instrumentos financeiros, e da rede de intermedirios financeiros. Mas, diante do
processo evolutivo do mercado financeiro nas ltimas dcadas, a possibilidade de
os agentes negociarem diretamente tem de ser considerada. Esse o aspecto da
desintermediao financeira do mercado. Como afirmado anteriormente por
Cecchetti, apesar da desintermediao, os bancos continuaro a auxiliar nos

processos de troca na economia, mas tero de assumir novos papis (implicando

o desenvolvimento de novos instrumentos financeiros, da mesma maneira).
Processos de financiamentos baseados em ativos propiciaram o acesso direto de
seus clientes aos capitais de que necessitavam, sem a tradicional intermediao
financeira. Isso obrigou os bancos a se transformarem em facilitadores dessas
transaes, suprindo a liquidez desses programas, bem como a assessoria aos
clientes para obterem acesso a esse novo mercado, provendo-os com suporte de
crdito e servios relacionados, com a colocao de papis comerciais (processo
de underwriting, por exemplo) e trustee duties (administrador). Lamb (1996:16).
A moeda

tornou-se um antecedente necessrio e fundamental para a

existncia da intermediao financeira, pois possibilitou o fim de trocas

generalizadas por escambo (no que tenha terminado totalmente), alm de trazer
liquidez e controle ao mercado financeiro. Alm de instrumento facilitador de
trocas, possui as funes de medida (unidade de valor) e de reserva de valor.
Independente da existncia2 ou no de intermediadores, em uma transao
de recursos h necessidade de um subsdio atravs de bons modelos de

informao, os quais propiciem capacidade de gerenciamento antes, durante e

aps o processo da transao, como ser discutido no captulo terceiro, que trata
sobre os sistemas de Credit Scoring.

Ir se pressupor nesta pesquisa um mercado com a existncia de intermediadores financeiros,

em virtude de a maior parte da bibliografia aqui utilizada referir-se a essa situao. Sempre que
possvel, porm, relembrar-se- o leitor do processo de desintermediao financeira do mercado.

As transaes supracitadas caracterizam a existncia de um conceito de

reciprocidade entre os agentes: o agente superavitrio pressupe que o agente
deficitrio possua capacidade de devolver-lhe o recurso. Inserindo-se a figura do
intermediador, a preocupao com a adequao de prazos e diversificao de
risco fica com este. Portanto, caber ao intermediador avaliar a capacidade de
pagamento do tomador, avaliar seu Crdito. Na ausncia da intermediao, os
prprios agentes superavitrios tm de fazer essa anlise, mas podem contar
com a prestao desses servios por parte dos intermediadores, como salientado
anteriormente.
Pode-se, exposto isso, inquirir ser o crdito o fornecimento de recursos aos
agentes que deles necessitam? Ou seria a capacidade de se obterem ativos
(vistos como recursos) consoante um compromisso de ressarcimento ou
pagamento? Ou, ainda, um instrumento de poltica de negcios para as vendas a
prazo?
Verifique-se algumas definies colhidas em bibliografias pertinentes ao
ponto em discusso.

Crdito a capacidade ou habilidade de afianar bens ou servios em

troca de uma promessa de pagamento futura deles. (Beckman &

Bartels, 1955:3)
Crdito todo ato de vontade ou disposio de algum de destacar ou
ceder, temporariamente, parte do seu patrimnio a um terceiro, com a
expectativa de que esta parcela volte a sua posse integralmente, aps
decorrido o tempo estipulado. (Schrickel,1997:25)

Em um banco, [...], o crdito consiste em colocar disposio do

cliente (tomador de recursos) certo valor sob a forma de emprstimo ou
financiamento, mediante uma promessa de pagamento numa data
futura. (Silva,1997:63)
Crdito [...] 1. Confiana ou segurana na verdade de alguma coisa;
crena. 2. Reputao de solvncia, boa fama. (Dicionrio Larousse

Cultural, 1992:288)
[...] a confiana que uma pessoa inspira a outra de cumprir, no futuro,
obrigao atualmente assumida [...] (Martins, F, 1999:3)

Verifica-se que essas definies compreendem todos os aspectos das

questes apresentadas. Tanto uma pessoa fsica ou jurdica pode ter um bom

crdito, como uma instituio financeira pode ser fornecedora de linhas de

crdito diferenciadas no mercado.
Portanto, delimita-se o termo Crdito, neste estudo, como a capacidade de
se aceitar a promessa de pagamento de emprstimos ou de aquisio de bens ou
servios de determinada empresa, avaliada em termos de sua solvabilidade3.
Evita-se, dessa maneira, qualquer incoerncia metodolgica, pois essa
definio no to simples, conforme se verificou em obras sobre economia
monetria, em que, muitas vezes, sequer houve uma definio especfica.
Conforme a definio, a deciso de colocar certo valor ou recurso
disposio de um agente, com a promessa de seu recebimento ou devoluo em
3

Ressalte-se que o objeto deste estudo ser a solvncia das empresas, em que se procurou
medi-la de maneira mais metodolgica possvel, atravs da utilizao de modelos estatsticos.

data futura, levanta inicialmente a questo da capacidade de pagamento do

mesmo. Esse um aspecto importante que deve ser avaliado numa anlise de
concesso de crdito, sendo necessria uma verificao do potencial atual e
futuro de recursos do tomador, em relao ao montante de recursos solicitados e
seus encargos, ou, em outras palavras, sua solvabilidade.
Alm desse ponto, a questo da oportunidade de retorno e o risco devem
ser considerados. Cada oportunidade de retorno avaliada em operaes de
crdito est condicionada a um nvel de risco, sendo que, para a obteno de um
retorno maior, necessita-se assumir um risco tambm maior, mantendo-se o
conceito emanado da Teoria de Finanas.
Muitas vezes, o risco a se assumir no compensado pelo retorno,
portanto, aquele assume um papel muito importante na anlise de concesso de
crdito e algumas variveis podem servir de base para a sua avaliao,
denominada essa de Anlise de crdito.

1.1- A anlise de crdito

O objetivo da anlise de crdito o de identificar os riscos nas situaes de

emprstimos, segundo Schrickel (1997:25), evidenciando concluses quanto
capacidade de pagamento do tomador do emprstimo. Recomendaes quanto
estrutura e tipo de emprstimo tambm so objeto da anlise de crdito, a fim de
manter-se o foco na otimizao de resultados. Portanto, busca subsidiar a
deciso de se conceder ou no o crdito.

A anlise de crdito tradicional denominada Cs do Crdito4, devido s

variveis analisadas serem o Carter, a Capacidade, a Condio, o Capital, e o
Colateral. Nesse enfoque tradicional, utilizado pelos bancos e outras instituies,
o julgamento subjetivo de profissionais treinados o responsvel pela deciso de
crdito. Alm da necessidade de investimentos nesse treinamento de pessoal,
existe ainda a questo de especializao dessas pessoas, conduzindo-se a uma
estrutura de alto custo e de alcance limitado, como expem Silva (1997:304-305)
e Cauoette, Altman & Narayanan (1999:100-102)5.
Baseia-se a anlise de crdito tradicional nas demonstraes contbeis6
das empresas, observando-se, nos ltimos tempos, uma mudana de nfase da
anlise dos Balanos Patrimoniais para a Demonstrao de Fluxos de Caixa
(Cauoette, Altman & Narayanan, 1999:94-95). Expem os autores que os
profissionais da rea bancria percebem que, apesar de as demonstraes
financeiras proporcionarem consistncia sobre dados financeiros, no atendem
adequadamente a questes de risco que so de maior importncia para suas
instituies, assim como para os investidores. (Cauoette, Altman & Narayanan,
1999:100).

Esta denominao a mais utilizada na bibliografia que tratou sobre o assunto de anlise
tradicional de Crdito. Vide, por exemplo, a proposio original dos 5 Cs do crdito apresentada
pelos autores Eugen F. Brighan & J. Fred Weston em sua obra, traduzida, Administrao
financeira de empresas, s pginas 142 e seguintes.
5
Ressalte-se que no houve maiores pesquisas quanto a esse ponto durante o trabalho, por no
ser o foco do objeto aqui tratado.
6
No mbito desse trabalho, demonstraes contbeis dizem respeito ao conjunto de
demonstraes divulgadas e/ou elaboradas pelas empresas, por fora de Lei, tambm
denominadas por essa e na literatura de demonstraes financeiras.

Apesar da denominao tradicional e de suas deficincias, para Cauoette,

Altman & Narayanan (1999:98), os trs Cs clssicos do crdito Carter,
Capacidade e Capital (no consideraram os demais) foram e so as trs pernas
do trip do crdito. As tcnicas analticas evoluram ao longo do tempo, mas
continuam a se concentrar nas caractersticas do tomador (grifo do autor).
Em dcadas recentes, inovaes alteraram o processo clssico da anlise
de crdito. Quanto s transaes, o desenvolvimento de emprstimos baseados
em ativos7 propiciou o surgimento da securitizao e do financiamento
estruturado. J em relao gesto de crdito, ocorreu o desenvolvimento de
modelos de quantificao do risco de crdito. Os modelos de Credit Scoring so
um exemplo.
Conforme Silva (1997:95), a anlise das variveis do risco deve levar a
uma classificao do prprio risco. No adianta apenas usar metodologias
diversas para se verificarem fatores do risco se estes no puderem ser
mensurados ou quantificados, de maneira a auxiliar na tomada de deciso de
crdito.
Portanto, h a necessidade de uma classificao do risco (risk rating) que
cada agente apresenta, de maneira a se poder melhor decidir e evitar o risco da
inadimplncia. Um bom sistema de classificao (rating) serve de orientao para
o nvel de risco que se est assumindo, bem como para demonstrar as
7

Consiste na viso de que contas a receber, estoques e equipamentos, por exemplo, podem ser
segregados do patrimnio da empresa, e constiturem-se em objeto de garantias para
emprstimos. Dessa forma, tornaram-se possveis processos, como a securitizao (venda de
ativos recebveis, por exemplo a uma empresa para que esta capte recursos no mercado,
tendo a rentabilidade deste ativo como atrativo), factoring e seguro de crdito (Cauoette, Altman
& Narayanan, 1999:109). Esses processos contriburam para o crescimento da desintermediao
financeira, conforme salientado anteriormente.

10

expectativas de inadimplncia e a exigncia a serem feitas de garantias, conforme

o estabelecimento de escalas de avaliao.
Para isso, podem-se utilizar os Sistemas de Credit Scoring. Todo esse
processo para evitar perdas decorrentes de emprstimos a agentes que tenham
possibilidade de insolvncia, ou seja, possibilidade de falncia, alm de servir de
meio de avaliao das probabilidades de recebimentos de emprstimos de
recursos

concedidos

empresas

concordatrias,

atravs

de

agentes

intermediadores ou diretamente.

1.2- Os institutos legais da Falncia e da Concordata

Os institutos jurdicos da Falncia e da Concordata tm como objetivo

auxiliar na melhoria da situao de empresas em dificuldades financeiras,
permanente ou temporariamente, em prol do bem-estar social e da melhor
utilizao dos recursos econmicos. Ambos so fundamentados pelo Decreto-Lei
n 7661, de 1945, que dessa maneira estipula o objetivo dos instrumentos.
Enquanto a Concordata tem a funo de auxlio recuperao da empresa,
a Falncia deve ser entendida como mecanismo de auxlio de ressarcimento de
recursos (ou parte desses) pelos credores, uma vez que a empresa encerrar
suas atividades.
A Falncia refere-se descontinuidade das atividades empresariais, sendo
o encerramento seguido da liquidao dos ativos pertencentes empresa em

11

questo, de modo a satisfazer as obrigaes que aquela tenha para com seus
credores (Pinho & Nascimento, 1990:362). Tem-se a a possibilidade de uma
avaliao da solvabilidade da empresa, apesar de ser atravs de uma liquidao
forada de seus ativos, mas que j no mais til e relevante para os aspectos
de concesso de crdito.
Para a instituio da Falncia, parte-se do pressuposto de que a empresa
no tenha capacidade de pagamento de suas dvidas e recuperao de sua
liquidez8.
Quanto Concordata, atravs da concesso de maior prazo (at 24 meses)
para pagamento de suas dvidas ou mesmo pela reduo do montante destas (se
pagas vista), ou ambas, j se pressupe a capacidade da empresa de recuperar
sua liquidez. Portanto, figura como um acordo imposto, sob o amparo da lei, entre
o devedor e seus credores.
Pressupe a Concordata, portanto, que a empresa em questo tenha
solvncia9, pois de nada adiantar a concesso de prazo se a mesma no possuir
capacidade de gerar recursos no futuro para cumprir o acordo.
Duas so as espcies de concordatas: a suspensiva e a preventiva. Na
suspensiva, o processo de falncia interrompido e convertido para um de
concordata. Na preventiva, o que se procura evitar a falncia do devedor em
funo de momentnea dificuldade econmica ou financeira (falta de liquidez).

A questo do dolo na atividade comercial (um crime falimentar, como no manter escriturao
contbil em dia, por exemplo) tambm motivo para solicitao e decretao da Falncia.
9
Para a pesquisa aqui desenvolvida, adotou-se o conceito de solvncia como a capacidade de
pagar dvidas, mesmo com atraso, e o de liquidez como pagamento de dvidas sem atraso.

12

Com a Concordata, a administrao dos recursos e da gesto da empresa

no retirada das mos do devedor10, sendo, portanto, mantida a continuidade da
empresa. Verifique-se que no uma situao em que a solvabilidade da
empresa possa ser medida perfeitamente, mas de maneira semelhante a uma
empresa em continuidade normal de seus negcios, sendo uma informao til e
relevante na anlise de crdito.
Schumpeter apud Altman, Baidya & Dias (1979:17) afirma que a falncia
normal e pode ter efeito purificador na sociedade e na economia. Considerandose situaes de incapacidade empresarial ou de crime falimentar, essa afirmao
revela-se correta e possvel de ampliao: tem a falncia, tambm, o efeito

pedaggico11, entendido como um exemplo sociedade da m conduta

empresarial.
Matias (1992:85) acredita que o processo de insolvncia funo de
problemas de gesto. Segundo o autor, a maioria das empresas em fase prconcordatria eram novas, com pouca experincia, ou com idade superior a 27
anos (obsoletas e inexperientes na troca de administrao).
Para o autor, a situao de insolvncia de empresas concordatrias no
temporria, e, sim, constante: antes e durante o perodo da concordata. Suas
observaes e anlises, utilizando-se de modelos de previso de falncia,
evidenciaram que as empresas concordatrias mantinham suas caractersticas de

10

Ressalte-se que nomeado um comissrio para fiscalizar o andamento da Concordata da

empresa.
11
Conforme viso de juzes entrevistados durante a consecuo da pesquisa, constando seus
nomes no Apndice C.

13

insolvabilidade (verificadas at trs anos antes) durante o perodo em que

gozavam do instituto jurdico da concordata preventiva.
Chegou

concluso de que o instrumento jurdico da concordata no

funcionava como instrumento de recuperao econmica e financeira das

empresas, nem atingia seus propsitos de manuteno da capacidade de
produo e de nvel de emprego. Matias (1992:86) considerou que a concordata
se constituia [...] em efetivo fator de perda de capital e da capacidade de
investimento do pas, servindo a uma minoria de empresas [...]. (Grifo do
autor)
Cabe expor, aps a posio defendida pelos autores anteriores, que, para o
atendimento da finalidade social do instituto da concordata, a empresa deveria ter
capacidade estrutural para manter sua sobrevivncia, ou seja, ser vivel
financeiramente e conseguir gerao de recursos prprios, para que a concesso
desse benefcio no se torne apenas uma postergao de sua falncia.
Portanto, reafirma-se a necessidade de uma classificao do risco que
cada agente possui, de maneira a se evitar a inadimplncia e a falncia, bem
como uma avaliao da real situao de uma empresa que est em vistas de
requisitar o amparo do instrumento legal da Concordata. Justifica-se isso a partir
da premissa de ser o importante para um intermediador financeiro (caso exista
essa figura), no momento da concesso do crdito, a situao de solvncia12,

12

O retorno de um crdito concedido a uma empresa ilquida (em situao de concordata

preventiva, por exemplo) de probabilidade baixa, com risco elevado, mas no caso de uma
empresa insolvente, esse retorno praticamente remoto. Segundo Schrickel (1997:228), as
instituies financeiras no devem assumir o risco empresarial (do negcio), somente o risco
financeiro ou de mercado.

14

considerando-se que uma empresa ilquida no , necessariamente, insolvente

(Schrickel, 1997:225).
H, ento, a necessidade de modelos de previso de insolvncia para o
momento da deciso da concesso de crdito, pois os crditos so perdidos
quando da sua concesso, enfoque esse dado pela Resoluo do Conselho
Monetrio Nacional de n 2.682, de 21 de dezembro de 1999, que dispe sobre os
critrios para classificao das operaes de crdito e as regras para constituio
da proviso para crditos de liquidao duvidosa.
Alm disso, modelos que avaliem a capacidade daquelas empresas em
situao concordatria tambm so teis, podendo demonstrar se essas tero
xito em sua recuperao financeira. Tem o intermediador financeiro, ou o prprio
fornecedor, a possibilidade, ento, de diferenciar, entre seus clientes, aqueles que
tm maiores chances de recuperao financeira, e a manuteno de
relacionamento posterior.
A pesquisa aqui empreendida objetivou, portanto, avaliar alguns modelos
de previso de insolvncia desenvolvidos no Brasil sob os prismas de

estruturao matemtica e de capacidade de medir a solvncia de empresas

que estavam em regime concordatrio (se lograram sucesso e a concluram).
Buscou-se, em especfico, desenvolver, a partir daqueles, um modelo que
contemplasse os melhores indicadores de cada um. Presumiu-se que a
metodologia de um modelo misto ou hbrido seria melhor do que a utilizao
conjunta de todos os modelos propostos.

15

O contexto exposto at aqui, sobre a evoluo da Economia mundial,

focado no mercado de Crdito e sua anlise e nos institutos legais da Falncia e
Concordata, serve de referncia para o ambiente no qual se insere esse tema.
No se procurou, como nas demais bibliografias consultadas, apresentar a
aplicao restrita desses modelos somente para a tomada de deciso de
concesso de crdito, mas, tambm, ampliar e ressaltar sua aplicao em outra
situao: a deciso da concesso ou no da concordata.
No captulo seguinte, aborda-se a metodologia da pesquisa utilizada, em
que se detalhar melhor o objeto em discusso.

16

2-

Metodologia da pesquisa

Neste captulo, descreve-se a metodologia empregada na pesquisa e a

estrutura do trabalho, delimitadas pelo objetivo do estudo, alm de se terem
caracterizados o problema e a premissa que serviram de base.

2.1- Caracterizao do problema

Durante pesquisa bibliogrfica empreendida neste estudo, viu-se que a

deciso de crdito e, conseqentemente o risco de crdito13 tm assumido
crescente complexidade nestes ltimos anos.
O desenvolvimento econmico e a diversificao de mercados e operaes
geraram a necessidade de modelos que atendessem, da maneira mais clara e
objetiva possvel, os anseios dos agentes intermediadores do crdito (Cauoette,
Altman & Narayanan, 1999:7-8).
A anlise das demonstraes contbeis manteve sua importncia, mas
tantas so as incoerncias causadas pela imposio da legislao para fins

13

Cauoette, Altman & Narayanan (1999:1) ao definirem crdito como a expectativa de uma
quantia em dinheiro, dentro de um espao de tempo limitado,delimitam, ento, que o risco de
crdito a chance de que esta expectativa no se cumpra.

17

fiscais, que j existe um senso comum de descrdito nelas como fonte de

informaes financeiras relevantes14.
A despeito disso, esta pesquisa assumiu a premissa de que h

possibilidade de se identificar, pelas demonstraes contbeis das

empresas, sua situao financeira e, portanto, mensurar a capacidade de
solvncia delas atravs de um modelo estatstico.
Conseqentemente, surgiu como problema desta pesquisa a seguinte
questo: os modelos de previso aqui analisados so capazes de prever a

solvncia de uma amostra de empresas mineiras?15

Considerou-se que, mesmo as demonstraes contbeis no sendo
apresentadas dentro dos melhores padres emanados do arcabouo terico da
Contabilidade, e que, devido aos usos alternativos de princpios e normas de
contabilidade, ocorrerem diferenas entre as demonstraes, ainda possvel
captar em um modelo matemtico a capacidade de solvncia das empresas.
Este estudo procurou gerar uma contribuio ao entendimento da utilizao
de mtodos quantitativos aplicados Contabilidade, especificamente Anlise de
Demonstraes Contbeis. Focou-se principalmente em seu uso correto, quando
se consideram premissas e necessidades de tratamento coerente dos dados em
anlise.

14

A extino de mecanismos de correo monetria um exemplo bom e recente para subsidiar

algumas das crticas realizadas em pesquisas s incoerncias causadas pela legislao fiscal.
Tambm podem ser consultadas obras sobre a Teoria Positiva da Contabilidade, como a de Watts
e Zimmerman, e as crticas apresentadas nos trabalhos de Joo Carlos Hopp e Hlio de Paula
Leite (1988), O crepsculo do lucro contbil, de A.J. Briloff (1972), Unaccountable accounting, e
de Johnson & Kaplan (1993),Contabilidade gerencial: a restaurao da relevncia da
contabilidade nas empresas.
15
Sempre tendo em mente os cuidados relativos aos riscos de generalizaes de concluses.

18

A oportunidade de pesquisa como fator determinante na escolha de uma

hiptese ou problema pode at superar sua relevncia, pois o que se torna
necessrio a suficiente habilidade do pesquisador no sentido de adequar as
oportunidades oferecidas a objetivos adequados, conforme argumenta Gil
(1995:56).
Alm disso, para Salomon (1978:158), citando Hyman, uma contribuio
relevante ou original e pessoal da cincia (grifo do autor), feita atravs de uma
pesquisa, tem o sentido de se revestir em forma diferente de abordagem do tema,
em

evidenciar

novas

relaes

causais

e,

conseqentemente,

novas

interpretaes. O trabalho cientfico, pela sua natureza, est baseado em

conhecimentos j formatados e constantemente questionados; sendo assim, a
originalidade est em voltar s origens, de maneira que se possa entender
fenmenos em suas relaes causais e propor novos pontos de vista.

2.2- Objetivo do Estudo

O objetivo geral da pesquisa foi o de se fazer uma anlise de modelos de

previso de insolvncia, avaliando-se aspectos estatsticos e de nvel de acertos
(erros) em suas estimaes. Avaliou-se se os modelos desenvolvidos desde a
dcada de 1970 ainda mantinham sua capacidade de discriminar as empresas e
as suas bases metodolgicas de desenvolvimento, em um estudo exploratrio
aplicado a empresas de Minas Gerais.

19

Dessa ltima anlise surgiram as melhores prticas ou indicadores de cada

um dos modelos, que foram agregados em um nico modelo, possuindo esse o
sentido de um modelo misto ou hbrido dos analisados.
A capacidade de discriminar os modelos foi testada sobre uma amostra
composta

por

empresas

que

solicitaram

Concordata.

Objetivou-se,

especificamente, com essa anlise, avaliar se as empresas em concordata teriam

ou no condio de suplant-la e, assim, demonstrar que o uso de modelos
matemticos, para esse tipo de anlise, muito tem a contribuir para a tomada de
deciso de se conceder ou no uma concordata.
Alm dessa anlise especfica, aplicaram-se os modelos em outra amostra
desenvolvida para esta pesquisa. Essa amostra foi dividida em dois grupos,
sendo um de empresas que se encontram em situao de concordata ou falncia,
e o outro, de empresas em funcionamento normal, todas localizadas nos
municpios de Belo Horizonte, Betim ou Contagem, em Minas Gerais. Mais uma
vez, o objetivo foi o de testar a capacidade preditiva de cada modelo, alm de
testar o modelo misto obtido, de maneira semelhante.
A escolha de empresas situadas nos municpios citados deve-se
importncia daqueles na economia do estado de Minas Gerais. Os municpios de
Belo Horizonte, Betim e Contagem so responsveis por 50% (vide tabela a
seguir)

da

arrecadao

total

do

estado,

qual

representatividade de 10% do PIB nacional nos ltimos anos.

tem

mantido

uma

20

Arrecadao de Minas Gerais

em R$ mil

Estado
Belo Horizonte
Betim
Contagem
Soma

1999
R$ 7.358.108
R$ 2.247.214
R$ 982.543
R$ 331.497
R$ 3.561.254

%
100%
31%
13%
5%
48%

2000
R$ 8.561.255
R$ 2.433.622
R$ 1.433.470
R$ 389.927
R$ 4.257.020

%
100%
28%
17%
5%
50%

R$
R$
R$
R$
R$

2001*
8.409.940
2.425.794
1.481.500
347.930
4.255.224

%
100%
29%
18%
4%
51%

Fonte: Secretaria da Fazenda do Estado de Minas Gerais

* At outubro de 2001

A amostra total possui o registro de dezoito empresas com problemas

financeiros, contrariando a intuio inicial de um grande volume de empresas
com pedidos de concordata e de 21 empresas consideradas solventes ou em
continuidade normal de suas operaes. Deve-se considerar que a amostra
formada com as empresas que possuam pedidos de concordata impetrados
contempla a realidade observada na pesquisa de campo.

2.3- Metodologia utilizada

Como se tratou de uma pesquisa emprico-analtica, fez-se uso de mais de

um procedimento de pesquisa.
Para avaliao dos modelos desenvolvidos pelos pesquisadores brasileiros,
utilizou-se inicialmente a pesquisa bibliogrfica, que compreendeu a redao
especfica de um captulo sobre a ferramenta de Anlise Discriminante, utilizada
nesses modelos, e outro, com resumos crticos dos principais modelos
considerados pelo autor. Estes so os assuntos dos captulos quatro e cinco. As
principais fontes consultadas foram publicaes cientficas de diversos autores,

21

em formato de livros, artigos e monografias (teses, dissertaes e monografias de

graduao).
Quanto pesquisa emprica16 para a validao dos modelos, utilizou-se da
pesquisa de campo exploratria, que manipula experimentalmente variveis
independentes (indicadores ou ndices de balanos), para verificao dos efeitos
que causam na varivel dependente (classificao das empresas pelos modelos
como solvente ou insolvente).
A montagem dos dados ocorreu num ambiente tipo laboratrio, por se
tratarem de dados passados coletados nas demonstraes contbeis das
empresas, as quais foram obtidas junto s Varas de Falncias e Concordatas dos
municpios de Belo Horizonte, Betim e Contagem.
A expectativa anterior ao incio da pesquisa de campo, j salientada, era a
de se encontrar um grande nmero de empresas em situao de concordata
preventiva, com solicitaes durante o perodo compreendido entre os anos de
1997 e 1998, expectativa essa formada a partir de uma avaliao subjetiva do
autor.
Essa no foi a situao encontrada na realidade. Como j descrito,
verificou-se um pequeno nmero de empresas sob o regime de concordata, o que
levou composio de

uma amostra relativamente pequena de empresas

insolventes, sendo essa a populao observada.

16

Martins, G. (1995), analisando Bacon, considera que o cientista precisa, antes de mais nada,
observar os fatos, em seguida, usando comedidamente os informes obtidos por meio dos sentidos
e partindo de particulares ter condies de formular generalizaes, ou enunciar os axiomas que
governam os fenmenos observados.

22

Dois fatores responsveis por isso foram apresentados pelos juzes17 das
respectivas Varas de Falncias e Concordatas dos municpios, quando
questionados a respeito:

1)

Muitas empresas desconhecem o instrumento legal da concordata

ou o consideram ineficiente para o seu caso e

2)

outras j se encontram em situao tal, que a concordata seria

apenas uma postergao de uma falncia inevitvel.

Mesmo com a amostra denominada Grupo das Insolventes composta por

um nmero de poucas empresas (dezoito no total), foi possvel formar um nmero
significativo de registros no banco de dados (52 registros). Esses registros
referem-se ao perodo compreendido entre 1993 e 2000, em virtude das
demonstraes contbeis obtidas nas varas de falncia, o que possibilitou uma
anlise da capacidade dos modelos de prever se as empresas que haviam
entrado em concordata conseguiriam cumpri-la e continuar em operao. No
captulo com o estudo, so confrontados os resultados das previses com a
realidade observada.
Os testes dos modelos foram realizados num ambiente tipo laboratrio,
caracterizando-se como uma maneira objetiva de serem identificados e
analisados os resultados obtidos com a manipulao dos dados coletados,

17

No Apndice C constam os nomes do referidos juzes entrevistados durante a consecuo da

pesquisa.

23

possibilitando o isolamento de variveis exgenas ao experimento. Como

exemplo destas, est a qualidade das demonstraes utilizadas.
O fator da qualidade das demonstraes obtidas 18, no tocante s melhores
prticas contbeis de evidenciao, revelou-se na pesquisa. As demonstraes
das empresas concordatrias, que na grande maioria so pequenas e mdias
empresas, e que no possuem uma boa escriturao contbil, limitaram a
elaborao de outros indicadores considerados importantes. Tambm, como a
amostra de empresas concordatrias pequena e no se conseguiu um nmero
maior de dados dos mesmos anos, adotaram-se, como variveis independentes
para elaborao do teste do modelo misto, os mesmos indicadores utilizados nos
modelos discutidos.
Algumas demonstraes no possuam todos os dados necessrios para o
clculo de determinados indicadores dos modelos. No se pde medir o efeito ou
interferncia disso sob os testes gerados. Em virtude de se utilizarem em conjunto
os modelos, considerou-se os resultados obtidos suficientes para suportar as
anlises compreendidas.
O banco de dados foi desenvolvido e manipulado com o uso do programa
Microsoft Access (verso 2.000), que permitiu o armazenamento, a tabulao e
os clculos necessrios obteno das variveis independentes.

18

O motivo de a qualidade no ter causado maiores problemas baseia-se na premissa (Kanitz,

1978) de que, mesmo ao se fazer maquiagens ou ocultao de informaes, as demonstraes
ainda espelham um nvel suficiente de dados. A imagem geral de que pequenas e mdias
empresas elaboram demonstraes ruins tambm no pde ser corroborada plenamente, pois
encontraram-se demonstraes com nvel suficiente de informaes (por exemplo, informaes de
transaes de arrendamento mercantil).

24

Com a utilizao de um programa estatstico, o SPSS (verses 6.0 e 8.0)

foi possvel, a partir do banco de dados, avaliar aqueles indicadores que teriam
maior capacidade de discriminar as amostras e desenvolver o modelo misto.
Assim, com um processo de regresso mltipla, passo-a-passo (Stepwise),
obteve-se esse modelo, atingindo um objetivo especfico da pesquisa. Os
comentrios e anlises sobre o modelo esto no captulo especfico dos estudos
simulados realizados na pesquisa.
Ao final, apresentam-se algumas concluses e observaes possveis, pela
anlise de todo o contexto exposto, alm do referencial bibliogrfico e apndices.

25

3-

Credit Scoring

Um conjunto de foras e mudanas conduziu as inovaes nas tcnicas de

anlise do risco de crdito, principalmente nos ltimos trinta anos.
Desregulamentao de mercados, propiciando a entrada de novos
agentes, a ampliao de mercados de crdito, com a abrangncia de novos
setores, os avanos da teoria das finanas com seus novos meios de enxergar o
risco de crdito, aliados a redues de margem de emprstimos dos bancos e
aumentos de riscos no avaliveis nas demonstraes contbeis, denominados
riscos fora dos balanos, so bons exemplos daquelas mudanas nos cenrios
econmicos (Cauoette, Altman & Narayanan, 1999:117).
A necessidade, ento, de novas avaliaes desses cenrios levou ao
desenvolvimento de novos modelos. Os modelos19 facilitam em muito a
compreenso de um fenmeno e, eventualmente, sua explorao, representando
o acmulo de experincias, que podem servir para explicao de como as coisas
funcionam.

19

Um modelo uma verso simplificada de algum problema ou situao da vida real destinado a
ilustrar certos aspectos do problema sem levar em conta todos os detalhes. Stevenson (1981:5)

26

3.1- Conceito

Modelos de avaliao de crdito sempre foram necessrios para as

instituies financeiras que possuem esse tipo de produto, principalmente os
bancos e administradoras de carto de crdito. Estas vm reconhecendo o valor
dos sistemas de Credit Scoring e registrando suas contribuies para o processo
de concesso e administrao de crdito (Parkinson & Ochs, 1998:23).
Dos artigos20 especficos sobre o tema, emana que Credit Scoring pode ser
definido como um sistema ou ferramenta utilizado por instituies cedentes do
crdito, sistema esse que ajuda a verificar se o crdito deve ou no ser concedido
ao cliente ou candidato.
Sua principal caracterstica reduzir o tempo de processamento da deciso
de crdito, disponibilizando o administrador (gerente) de crdito para outras
tarefas, como:

a) Avaliao de outras caractersticas no computadas pelo sistema;

b) captao de novos clientes e
c) recuperao de crditos problemticos concedidos.

O sistema atribui uma pontuao aos fatores considerados relevantes para

a predio da capacidade de pagamento do cliente. Estes fatores podem ser:

20

No referencial bibliogrfico so relacionados diversos artigos que tratam sobre Credit Scoring,
em especial dos seguintes autores: Parkinson & Ochs (1998), Tressler (1998), Peterson (1998) e
Connors (1988).

27

histrico de pagamentos de dvidas, nmero e tipos de contas, aes de

cobrana, renda, imveis prprios, permanncia em empregos e outros mais.21
Alguns fatores tm efeito positivo e outros negativos sobre a pontuao ou
escore de crdito. Atraso no pagamento, suspenso de limites de crdito e
falncia afetam negativamente, enquanto casa prpria e longa permanncia em
empregos22 contribuem de forma positiva.
A ampla utilizao de sistemas de Credit Scoring deve-se ao uso, por
estes, de informaes baseadas em dados reais e em estatsticas, que,
normalmente, so mais seguras do que mtodos subjetivos ou de julgamento.
Segundo Peterson (1998:45), quatro razes podem ser evidenciadas para o
aumento do uso de sistemas de Credit Scoring:

Competio: reduo de tempo de processamento e mensurao objetiva

do risco de crdito;

Servios: provm novas oportunidades com os contatos realizados;

Acessibilidade: avano tecnolgico dos processadores de dados e
integrao com os sistemas da instituio; e

Confiabilidade: devem basear-se empiricamente em mtodos de

avaliao estatsticos dos candidatos.

21

Nos Estados Unidos, os sistemas de Credit Scoring no podem ser desenvolvidos utilizando-se
de certos fatores, como raa, sexo, estado civil, nacionalidade ou religio, de acordo com a norma
existente (ECOA Equal Credit Opportunity Act), que considera o uso destes fatores, na
concesso de crdito, como discriminao e preconceito. O uso do fator idade permitido, desde
que no d tratamento diferenciado aos clientes (Tressler, 1998:30). Quanto ao Brasil, alm dos
preceitos gerais da Constituio Federal e do Cdigo do Consumidor, no se obteve nenhuma
legislao especfica a respeito de regras de modelos de Credit Scoring.
22
Com a questo da empregabilidade, esse passa a ser um ponto ainda mais relevante.

28

A segurana quanto s informaes do sistema habilita as instituies a

realizar milhares de avaliaes de concesso de crdito de forma consistente
(estruturada). O sistema utilizado como ferramenta de suporte tomada de
deciso do gerente de crdito, e no como a palavra final sobre essa.23 Estudos
realizados demonstraram que os resultados das anlises realizadas por analistas
experientes no diferem muito dos resultados dos testes dos sistemas.24
Para desenvolver um sistema como esse, a instituio deve utilizar uma
amostra aleatria de seus clientes e efetuar testes estatsticos. Estes testes
servem para identificar as caractersticas ou fatores do mrito (ou demrito) do
crdito. Para cada um desses fatores atribudo um peso, conforme sua
capacidade de predio do risco de crdito.
Os principais modelos de avaliao usados em sistemas de Credit Scoring
podem ser classificados em trs tipos, basicamente (Parkinson & Ochs, 1998:24):

a) Predictive scoring: prev se o cliente pagar sua dvida em dia ou com

atraso. usado antes de se conceder o crdito e depende de entradas
de dados (inputs) estatsticos pesadas.
b) Risk scoring: usado para prever se clientes atuais tm maior
probabilidade de pagar ou de incorrer em inadimplncia. Avalia o
potencial de cobrana dos clientes.

23

Sendo um sistema que trabalha com tcnicas estatsticas e matemticas, possui probabilidades
de falhar, atribuindo scores indevidos ou at mesmo, no relevando suficientemente algum dado
exterior. Portanto, a figura do gerente como analista das informaes geradas pelo sistema de
Credit Scoring indispensvel.
24
Vide EDMISTER, Robert O. Combining human credit analysis and numerical credit scoring for
business failure prediction, em Akron Business and Economic Review, vol.19,n 3, outono 1988,
p.6-14.

29

c) Default scoring: prev se um cliente um candidato falncia25.

As instituies podem usar um nico modelo para todas as decises de

crdito ou modelos especficos para cada deciso de crdito a ser tomada,
conforme suas peculiaridades. O uso de um determinado modelo depender,
portanto, da necessidade da instituio.

3.2- Escolha do sistema de Credit Scoring

Altman & Haldeman (1995:12) consideram os sistemas de Credit Scoring

como uma ncora para as boas prticas de crdito26 de uma instituio.
Esses deveriam ser fundamentados na histria e no em modas
passageiras, mensurando-se os padres de risco (ou perdas), produzindo
resultados consistentes atravs do tempo e para uma gama maior de instituies.
Devem tambm ser baseados em fundamentos contbeis e rigorosamente
testados nos princpios de anlise de crdito, segundo os autores.
Os mesmos autores consideram que a escolha de um sistema de Credit
Scoring deve ser feita com cautela, precedendo de uma srie de testes que
avaliem o melhor modelo para a instituio.

25

Este estudo se concentrar nestes tipos, analisando modelos desenvolvidos no Brasil e suas
caractersticas, no discorrendo sobre os outros dois.
26
This tool is the anchor of good credit practices. (traduo livre).

30

Estes testes so apresentados nos tpicos seguintes, relacionados de A

at I, sendo sua fonte original o estudo de Altman & Haldeman (1995:13-18), aqui
expostos de forma resumida.

A Definio de risco
O primeiro passo entender como o modelo mensura e se sensvel s
mudanas reais da qualidade do crdito. A utilizao de critrios de teste como

insolvente ou no insolvente so considerados melhores do que critrios de

rating, como grau de emprstimo, por serem menos subjetivos. Existe muita
incoerncia entre as opinies das empresas que usam modelos com critrios de
rating, alm do subjetivismo das opinies de experts.

B Desenvolvimento do Modelo
A definio de risco, qualidade dos dados e o cuidado com a seleo das
variveis explicativas so mais importantes do que a tcnica estatstica a ser
utilizada, sendo necessria a verificao de quatro pontos.
1) Amostra de desenvolvimento

usada para construir o modelo e definir as relaes entre suas

variveis, que devem permitir a separao mxima entre os grupos,
atravs de um ponto de corte27 ou outra regra de deciso.

27

A regra do ponto de corte (cutoff point) determina um ponto em que as empresas que obtiverem
escore maior do que ele sero classificadas como solventes, por exemplo, e as com escore
abaixo, como insolventes.

31

2) Amostra externa

Verifica a performance da regra de deciso ou ponto de corte em

relao a empresas fora da amostra original.
3) Antecedncia (lead time)

Verifica o desempenho da antecedncia com que a insolvncia da

empresa foi identificada corretamente. No existe uma conformidade
sobre esse ponto, ou seja, sobre quanto tempo antes deveria ser
desenvolvido ou treinado o modelo.
4) Variao da escala

Raramente a situao de crdito aparece claramente como aceitar ou

rejeitar. necessrio que as instituies avaliem seus graus de
crdito, um a um, como se cada um representasse um ponto de corte
ou regra de deciso, como: aceite 1 por causa de 5 ou rejeite 6 por
causa de 9.

C Teste do tempo
Este o teste da durabilidade do modelo, ou seja, de quanto tempo ele
ser capaz de manter informaes confiveis, diante das mudanas do mercado.
As condies esto sempre mudando com respeito aos fatores que influenciam a
mensurao da performance do modelo (contabilidade, macroeconomia, preos
das aes no mercado, inflao).
Um bom modelo aquele que mantm sua performance independente das
mudanas nestas condies. Essas variaes servem tambm para realizar
testes contnuos dos modelos, os quais so mais importantes que os testes de
laboratrio.

32

D Estabilidade
Como explicar uma mudana de avaliao sem a ocorrncia de algum fato
na empresa? Este um problema crtico nos modelos. O ideal que os modelos
mudem somente quando baseados em fato ocorrido na empresa.

E Dados de empresas pblicas versus privadas

Testes sobre empresas pblicas e privadas asseguram que os resultados
da classificao ou previso para essas empresas so comparveis. O problema
a dificuldade de se conseguirem dados sobre empresas privadas28.

F Probabilidade de falhas
Os modelos devem permitir a seus usurios associar a probabilidade de
estimativa de falhas em cada categoria de avaliao de crdito. Essas estimativas
deveriam basear-se em pelo menos 10 anos de experincia em avaliaes,
utilizando-se de tcnicas atuariais para avaliar essa probabilidade de volatilidade
sobre as estimativas associadas com o escore de crdito.

28

Empresas privadas, no contexto do estudo aqui citado, referem-se quelas que no participam
do mercado acionrio, enquanto as pblicas so empresas que possuem seu controle acionrio
pulverizado no mercado. Para o Brasil, a traduo literal no se aplica, mas pode-se, por analogia
e a fim de se evitar o anglicismo, utilizar a idia exposta pelos autores na realidade brasileira.
Tm-se empresas que no publicam obrigatoriamente suas demonstraes contbeis, como o
caso de sociedades por quotas de responsabilidade limitada, ou at mesmo, companhias de
capital fechado, e aquelas que, por fora de lei, tm que apresentar publicamente suas
demonstraes contbeis, referindo-se, principalmente, as empresas que tenham seu capital
negociado no mercado (companhias de capital aberto), ou no, nos casos especficos
determinados pela legislao. Conseguir dados contbeis do primeiro tipo de empresas difcil,
enquanto os dados das outras se torna mais fcil, devido obrigatoriedade legal. No Brasil, a
diferena bsica entre empresas pblicas e privadas est na participao e controle do capital por
parte do governo nas primeiras e da iniciativa privada nas outras.

33

G Credibilidade
Um bom indicador da eficincia do modelo se suas avaliaes tm
credibilidade junto comunidade financeira. Somente alguns modelos, dos
diversos construdos, passam pela avaliao das instituies e do mercado e
continuam sendo usados.

H Suporte do modelo
Um sistema de Credit Scoring deve ser tratado como um sistema principal,
sendo que sua instalao envolver: a) integrao com sistemas contbeis de
emprstimos, b) planilhas eletrnicas de dados e c) softwares de relatrios,
acarretando treinamento de pessoal, estabelecimento de procedimentos e
projeo de sistemas.
Um bom sistema deveria ter a flexibilidade de adaptar-se s mudanas nos
tipos de informaes que captura. Uma implementao bem-sucedida necessita
de uma fora de apoio ou de suporte com uma variedade de estratgias, como: a)
experincia em anlise de crdito e financeira por parte de quem desenvolve o
sistema; b) objetividade assegurada pela aplicao de princpios de estatstica; c)
utilizao de mtodos atuariais que transformem a informao de crdito em
informaes de precificao de risco e administrao de portfolios; e d)
experincia com sistemas e programao e seus problemas de instalao, que
podem ser frustrantes.

34

I Teste piloto
o ltimo teste para aceitao do modelo e deve ser realizado sobre o
banco de dados da instituio dos ltimos 5 a 10 anos. O teste piloto deve ser
projetado para avaliar trs aspectos-chave da mensurao do risco:

Sensibilidade para mudanas reais, que so problemas de crdito

conhecidos;

Antecipao em reconhecer as mudanas;

Estabilidade na ausncia de mudanas reais.

Diferenas entre os resultados do modelo de Credit Scoring e os modelos

internos de Rating no devem ser vistas negativamente, mas como uma forma de
ajustar o modelo. Essa fase presume que a construo do modelo terminou e que
registros razoveis foram estabelecidos.
Esses so os nove testes propostos por Altman e Haldeman (1995:13-18).
Para uma implementao bem-sucedida, o sistema deve ser aceito e ter
crdito junto aos dirigentes e analistas de crdito. Enquanto a ligao entre os
elementos analticos crtica, no se deve subestimar o fator confortante de um
sistema bem testado e transparente. (Altman & Haldeman, 1995:22).

35

3.3- Ferramentas usadas em modelos de Credit Scoring

Os modelos de Credit Scoring so desenvolvidos h muitos anos, sendo

seus pioneiros o engenheiro Bill Fair e o matemtico Earl Isaac, em 1950
(Peterson, 1998:44).
Modelos do tipo Default Scoring foram os que mais tiveram aplicaes,
como ferramenta de previso de insolvncia estudada academicamente. Como
exemplo, tem-se o modelo desenvolvido por Altman (1968), o Modelo Z, que
usa a tcnica29 de Anlise Discriminante sobre ndices financeiros de
demonstraes contbeis das empresas.
Existe um vasto campo bibliogrfico possvel para pesquisa, mas no ser
objeto de avaliaes, uma vez que os estudos brasileiros utilizaram a Anlise
Discriminante como ferramenta estatstica. Outra ferramenta muito utilizada nos
modelos de avaliao de crdito so as Redes Neurais Artificiais (RNA),
principalmente para crdito de pessoas fsicas.

29

Outra tcnica utilizada para desenvolvimento desses modelos foi a Anlise Fatorial, utilizada por
Douglas Moses e Shu S. Liao em artigo publicado no The Journal of Commercial Bank Lending,
em maro de 1987, intitulado On developing models for failure prediction, em que comparam a
tcnica de Anlise Discriminante usada por Altman e suas caractersticas, sugerindo o uso da
Anlise Fatorial para o desenvolvimento de modelos de previso de insolvncia. Voltar-se- a
comentar sobre a Anlise Fatorial em captulo posterior.

36

3.4- Estudos sobre Previso de Insolvncia30

Muitos estudos foram desenvolvidos para avaliar a capacidade de serem

previstos problemas financeiros nas empresas, tendo como base os indicadores
extrados das demonstraes contbeis, tais problemas poderiam lev-las
situao de concordata ou de falncia.
Silva (1997:276-281) faz uma descrio histrica dos principais estudos e
modelos desenvolvidos no exterior sobre previso de insolvncia, dando uma
extenso desse tema.
Apresenta-se um resumo desse histrico nas pginas seguintes.

30

Sero discutidos nesse trabalho modelos de Credit Scoring baseados em dados contbeis ou
Default Scoring.

37

Histrico das pesquisas desenvolvidas31

Fitz Patrick

Winakor &
Smith

Merwin

Tamari

Beaver

31

Estudo desenvolvido em 1932. Realizou um levantamento aleatrio de 19 empresas

solventes e insolventes, entre 1920 e 1929, comparando os ndices dos dois grupos.
Utilizou-se do conceito de ndices-padres, que, uma vez estabelecidos para o perodo,
foram comparados aos ndices encontrados em cada grupo. Os ndices mais significativos
foram: Patrimnio Lquido sobre Passivo e Lucro Lquido sobre Patrimnio Lquido.
Estudo baseado em 183 empresas que faliram entre 1923 e 1931, utilizando-se da
padronizao das demonstraes contbeis e apurao de 21 ndices. Calcularam-se as
mdias desses ndices para 50% das empresas apuradas, para comparar com as
mudanas sofridas individualmente em todo grupo. Quanto mais se aproximavam do
ano de falncia, mais os ndices se deterioravam. O principal ndice foi o de Capital de
Giro sobre o Ativo Total.
Desenvolveu seus estudos em pequenas sociedades annimas manufatureiras (ativos
abaixo de US$ 250,000), observando apenas trs ndices e concluindo que o ndice de
Capital de Giro sobre o Ativo Total era o melhor indicador de insolvncia. Usou duas
abordagens: a) faixa de variao (mxima e mnima) para cada ndice em todos os anos,
baseada nas empresas sobreviventes; e b) uma mdia calculada, que refletia o sucesso
das empresas sobreviventes. Conseguiu verificar esse comportamento seis anos antes da
interrupo das atividades.
citado como o primeiro a usar um conjunto ponderado de ndices com vista previso
de insolvncia. Utilizou seis ndices, os quais receberam pesos32, cuja soma foi 100. Como
cada empresa obtm um valor para seus ndices, esses so multiplicados pelos pesos
respectivos, levando a uma pontuao particular da empresa. O maior peso foi dado
Tendncia do Lucro e Capital Social mais Reservas sobre o Passivo Total, considerados os
melhores indicadores.
O teste foi realizado em empresas um ano antes da falncia, comparado-se aos ndices de
todas as empresas industriais americanas no perodo de 1956 e 1960. A concluso a que
se chegou de que os ndices eram indicadores, mas que as baixas notas no
necessariamente indicariam falncia.
Em seu estudo, coletou dados sobre falncia, no-pagamento de dividendos e
inadimplncia com debenturistas de 79 empresas, entre 1954 e 1964. Comparou estes
com os dados de 79 empresas em situao financeira boa, do mesmo ramo e com o
mesmo volume de ativo. Iniciou o estudo com 30 ndices, terminando-o com apenas seis:
Gerao de Caixa sobre Dvida Total; Lucro Lquido sobre Ativo Total; Exigvel Total sobre
Ativo Total; Capital de Giro sobre Ativo Total; Liquidez Corrente; Capital Circulante Lquido
menos Estoque sobre Desembolsos Operacionais Previstos.
Segundo Silva (1997:278), Beaver usou um teste de classificao dicotmica, cuja
tcnica a seguinte: [..] As empresas so aleatoriamente divididas em duas subamostras.
Para um dado ndice, os dados da primeira amostra so dispostos em ordem crescente. A
disposio examinada para se encontrar um ndice limite (crtico), ideal, um ponto crtico
que minimize a percentagem de predies incorretas. Se o ndice de uma empresa est
abaixo do ndice limite (crtico), ela classificada como no falida {...}.
O ponto crtico ideal da primeira amostra serviu para predizer a situao de falncia da
segunda amostra, e, igualmente, o ponto crtico ideal da segunda amostra foi usado para
predizer na primeira a situao de falncia. Aps este processo, tem-se a capacidade de
predio dos ndices. Com apenas os ndices de Gerao de Caixa sobre Dvida Total e
Lucro Lquido sobre Ativo Total, considerados de maior capacidade preditiva, o erro de
classificao da amostra foi de 13% para um ano antes da falncia.

Baseado em SILVA, Jos Pereira da Gesto e anlise de risco de crdito. So Paulo: Atlas,
1997, cap. 11, p.276-281. A referncia bibliogrfica de cada estudo aqui citado encontra-se no
referencial do captulo 11 da obra de Silva (1997).
32
Estudo semelhante, utilizando-se da tcnica de atribuio de pesos e comparao com padres
do mercado, est desenvolvido em MATARAZZO, Dante C. Anlise financeira de balanos. 4ed,
So Paulo: Atlas, 1997, captulos 7 e 8.

38

Histrico das pesquisas desenvolvidas

Altman

Backer &
Gosman

Letcia Topa

33

Altman, em 1968, utilizou-se de ferramentas estatsticas mais evoludas, como a Anlise

Discriminante, para tentar superar as deficincias das anlises baseadas em um nico
ndice, como o estudo de Tamari. Este foi o primeiro estudo nessa rea a utilizar-se dessa
ferramenta para esses fins.
O uso da Anlise Discriminante serve para se estabelecer o peso relativo de cada ndice
sem a utilizao de critrios arbitrrios.
Estes autores abordaram suas pesquisas sobre o nvel de liquidez de empresas
americanas, concluindo que, no perodo de 1947 a 1975, houve queda nestes. Os fatores
responsveis foram: a) insuficincia de fluxo de caixa para satisfazer o pagamento de
dividendos e b) elevao do ganho por ao a partir do aumento do endividamento.
Suas anlises foram voltadas para debntures, crdito comercial e emprstimos bancrios,
utilizando-se de entrevistas com bancos, agncias de informaes e companhias de
seguro, que visavam resposta s perguntas, como a importncia dos ndices financeiros
em suas avaliaes de crdito, quais os ndices mais importantes, se havia um nvel para
os ndices, quais as informaes adicionais necessrias, e se o pblico deveria ser alertado
sobre situaes de insolvncia e quem deveria alert-lo.
Os resultados das entrevistas atriburam importncia aos ndices, em conjunto com a
necessidade de informaes adicionais (como, passivo contingente, composio e giro dos
estoques, e custos de reposio). No admitiram, entretanto, a existncia de padres
(nveis) rgidos para os mesmos. Quanto s informaes sobre alerta ao pblico dos riscos
de falncia, estas deveriam ser feitas atravs das demonstraes contbeis, segundo a
maioria, enquanto alguns foram a favor de que o contador [!] ou a SEC33 anunciassem
essas deficincias de liquidez.
Os parmetros para insolvncia foram os seguintes: a) debntures declnio de pontuao
de avaliao; b) crdito comercial declnio de avaliao de crdito; e c) emprstimos
bancrios dificuldade na obteno de novos emprstimos.
A amostra das empresas insolventes, conforme os parmetros, foi composta por 18
empresas com desvalorizao das debntures e outras 18 mantidas em boa avaliao, 19
empresas em declnio de crdito comercial e nmero igual de empresas com classificao
boa, e oitenta e uma com diminuio de emprstimos pelos analistas dos bancos, sem
empresas a se comparar.
Usaram 33 ndices, constantes das entrevistas e de literatura especfica, divididos em
quatro categorias: operacionais, alavancagem financeira, liquidez e fluxo de caixa.
Utilizaram os recursos estatsticos do teste T34, anlise fatorial e Anlise Discriminante.
Diferentemente de Altman, a autora trabalhou com o conceito de probabilidade subjetiva.
Enquanto, atravs da Anlise Discriminante, os pesos de cada fator podem ser atribudos
por processos objetivos, Topa considerava que esses pesos deveriam ser atribudos
pelos responsveis da rea de crdito, usando no somente freqncias experimentais,
mas tambm fatores sociolgicos, no quantificveis.
Separou os fatores a analisar em dois grupos: 1) fatores determinantes: que por si s so
capazes de definir a validade ou no do crdito (carter, conceito de praa, experincia
anterior e seguros); 2) fatores complementares: utilizados para determinar o risco do
crdito (aceitvel ou no), atravs de pesos atribudos a estes.
Caso algum fator determinante seja negativo, no se aprova o crdito; caso os fatores
determinantes sejam positivos, passa-se a avaliao dos fatores complementares. Para
seu modelo de probabilidade subjetiva, a autora utilizou o Teorema de Bayes, tambm
conhecido como regra das probabilidades das causas.

Security Exchange Comission: rgo controlador e regulamentador do mercado de capitais nos

Estados Unidos da Amrica, semelhante CVM no Brasil.
34
Outra nomenclatura dada ao teste ou distribuio de Student.

39

Pode-se, ento, sintetizar todas as contribuies desses estudos descritos

num nico quadro que permita uma rpida anlise da evoluo do tema em
discusso.

Quadro sintico Contribuies

Fitz Patrick

ndices-padres

Winakor & Smith

mudanas sofridas individualmente em todo grupo;

deteriorao dos ndices.
faixa de variao;
mdia calculada.
conjunto ponderado;
pesos;
pontuao particular da empresa;
ndices eram indicadores;
baixas notas no necessariamente indicariam falncia.
classificao dicotmica;
ponto crtico ideal.
anlise discriminante;
sem a utilizao de critrios arbitrrios.
pesquisas sobre o nvel de liquidez;
entrevistas ;
contador ou a SEC anunciariam deficincias de liquidez;
teste T.
probabilidade subjetiva;
pesos deveriam ser atribudos pelos responsveis da rea de crdito;
Teorema de Bayes.

Merwin

Tamari

Beaver
Altman

Backer & Gosman

Letcia Topa

Pode-se complementar essa lista, no exaustiva, com uma nova tendncia

de anlise dos problemas de insolvncia das empresas, postulada por John
Moore, da London School of Economics. Segundo esse, as causas da falncia
das empresas no esto em suas estruturas financeiras somente, mas no
mercado em que esto inseridas. Qualquer choque que venha a ocorrer nesse
mercado afetar a empresa, que, mesmo possuindo determinada estrutura,

40

poder vir a incorrer em dificuldades de liquidez e, conseqentemente, em

incapacidade de continuar suas atividades35.
No Brasil, tambm foram desenvolvidos estudos sobre este tema, como
salientado anteriormente. Estes sero objeto especfico de uma anlise mais
detalhada em captulo posterior.

35

Para maiores detalhes vide Nobuhiro Kiyotaki & John Moore, Credit Cycles, no Journal of
Political Economy, 1997, volume 105, n2, pg.211 a 248, e Philippe Aghion, Oliver Hart & John
Moore, The Economics of Bankruptcy Reform", paper apresentado na NBER Conference, em
fevereiro de 1992.

41

3.5- Avaliao de sistemas de Credit Scoring

Algumas vantagens e desvantagens so apresentadas a seguir, quanto ao

uso de sistemas de Credit Scoring, segundo Parkinson & Ochs (1998:26-27).

Vantagens

Consistncia

em

aplicar

revises

de

crditos:

modelos

bem

elaborados, que utilizam a experincia e habilidade da empresa em

vrios nveis, servem para administrar objetiva e justamente os crditos
de clientes e candidatos a estes, devido condio de sua reviso.

Melhor organizao da informao de crdito: em conjunto com a

consistncia, a melhoria organizacional fundamental para que a
informao de crdito seja uma conseqncia natural do processo.

Uso mais eficiente de fontes de dados de terceiros: assegura o uso de

informaes atualmente utilizadas e no somente arquivadas.

Eliminao de aproximaes subjetivas em excesso: devido a

necessidades legais, a influncia do subjetivismo minimizada.

Melhor entendimento do processo: a construo do modelo uma

experincia de aprendizado da poltica de crdito da empresa.

Melhoria da performance: foca os esforos dos gerentes de crdito,

significando mais eficincia e melhor uso do tempo.

42

Desvantagens

Custo de desenvolvimento: desenvolver um sistema de Credit Scoring

acarreta em custos no s em relao ao sistema em si, mas ao
suporte necessrio, como equipamentos, consultoria e outros.

Excesso de confiana nos modelos: usurios inexperientes podem ver

o modelo como sem defeitos e preciso e no criticar seus resultados.

Falta de qualidade ou dados oportunos: se o modelo necessita de

dados que no so comuns aos clientes ou no foram informados, isto
pode causar problemas na sua utilizao e gerar resultados diferentes
dos esperados ou, at mesmo, a rejeio destes.

Entendimento errneo do que os escores significam: a falta de

treinamento e aprendizagem de como usar os dados do modelo pode
ocasionar problemas srios para a instituio, devido ao uso
inadequado do sistema.

Segundo Cauoette, Altman & Narayanan (1999:121), os modelos de risco

de crdito so importantes, atualmente, porque proporcionam ao tomador de
decises o insight ou conhecimento que no estaria, de outra maneira,
prontamente disponvel [...].
Esses modelos proporcionam uma vantagem competitiva em mercados em
que h presses para redues de margens e de custos, fornecendo um nvel til
de objetividade para instituies que operam em muitas regies geogrficas e
com variedade de exposies, alm de auxiliar na construo de carteiras
otimizadas de emprstimos, oferecendo melhor retorno sobre o capital (Cauoette,
Altman & Narayanan, 1999:121).

43

4-

A Anlise Discriminante

A Anlise Discriminante uma tcnica estatstica para se fazer inferncia

sobre uma determinada populao de dados observados, dividida em grupos.
considerada no mbito das tcnicas de Anlise Estatstica Multivariada36: um
ramo na Estatstica que se ocupa da investigao simultnea de duas ou mais
variveis e suas relaes.
A Anlise Discriminante, em essncia, procura desenvolver uma regra
matemtica (funo) que sirva como ferramenta de classificao de uma nova
observao em algum dos grupos previamente estabelecidos. Para tanto, so
verificados os valores assumidos pelas variveis independentes.
Ragsdale (1995:379) define Anlise Discriminante como uma tcnica
estatstica que usa informaes disponveis de um conjunto de variveis
independentes para predizer o valor de uma varivel dependente discreta ou
categrica.
J Sics (1975:1) entende a Anlise Discriminante como um conjunto de
processos estatsticos com a finalidade de locar um indivduo E em uma de k
populaes distintas, previamente conhecidas, admitindo-se que E realmente
pertena a uma dessas k populaes.

36

A Anlise Estatstica Multivariada tambm abrange as tcnicas de Regresso Mltipla, Anlise

de Varincia e Covarincia Multivariada, Conjoint Analysis, Canonical Correlation, Cluster Analysis
e outras mais.

44

Considerando-se que, neste trabalho, sero discutidos alguns modelos de

previso de insolvncia de empresas que usam desta tcnica, a unio de ambas
seria a melhor e mais clara definio de Anlise Discriminante.

4.1- Breve Histrico

A aplicao da ferramenta analisada no tpico anterior pode ser feita em

diversas reas, sendo possvel ilustrar sua evoluo histrica, desde a dcada de
20, com os trabalhos do estatstico ingls Karl Pearson, que continham as
primeiras idias associadas quela tcnica.
Sics (1975:8) refere-se aos estudos de R. A. Fisher, em 1935, como a
primeira soluo para o problema de discriminao entre (duas) populaes.
Utilizou-se este de combinao linear para medir a distncia entre as variveis em
seu estudo sobre espcies de plantas.
Vrios estudos se seguiram, sendo que o mais relevante (para este
trabalho) foi o realizado por Edwards I. Altman, em 196837. Com seu artigo
Financial ratios, discriminant analysis and the prediction of corporate bankruptcy,
o autor inaugurou uma srie de estudos sobre a capacidade preditiva dos ndices
de demonstraes contbeis em diversos pases.

37

Estudos anteriores a respeito da capacidade de previso dos ndices de demonstraes

contbeis, quanto insolvncia de empresas, foram desenvolvidos, mas no utilizaram a Anlise
Discriminante: Altman foi o primeiro a utiliz-la para esse fim.

45

No caso do Brasil, alguns autores desenvolveram esse tipo de estudo,

cujos trabalhos sero objeto de anlise.

4.2- Estrutura conceitual e representao matemtica de uma equao

discriminante

A Anlise Discriminante a ferramenta estatstica utilizada, neste contexto,

para classificar se uma nova empresa pertence ao grupo de empresas solventes
ou insolventes, ou se um candidato solicitante de crdito est caracterizado no
grupo dos bons ou maus pagadores38.
Algumas premissas devem ser observadas para o uso desta ferramenta
estatstica:

1.

Normalidade multivariada das variveis independentes: pode

causar problemas de estimao da funo discriminante sua

no observao;
2.

Igual matriz de varincia e covarincia para os grupos definidos

pelas variveis dependentes: em caso de amostras pequenas e

com matriz de covarincia desigual o processo de classificao

pode ser prejudicado;

38

O uso da anlise discriminante foi muito difundido em instituies financeiras e de crdito,

atravs de Sistemas de Credit Scoring, como forma de se averiguar o potencial dos clientes
quanto a honrar os pagamentos, ou seja, tentar classificar os clientes como bons ou maus
pagadores.

46

3.

Ausncia

de

independentes:

multicolinearidade

entre

em

existncia

caso

de

as

variveis

de

alto

correlacionamento entre as variveis, o processo de Stepwise

afetado;
4.

Relaes lineares entre todas as variveis: em caso de relaes

no-lineares, deve-se proceder a transformaes destas em

relaes lineares;
5.

Ausncia de valores extremos (outliers): podem impactar na

preciso do resultado da anlise39.

Hair, Anderson, Tathan & Black (1998:259) afirmam que os resultados da

Anlise Discriminante so afetados em caso de violao, principalmente, das
duas primeiras premissas. Em caso de violao da primeira, a regresso logstica
uma alternativa recomendada, enquanto para a segunda, o aumento do
tamanho da amostra poder minimizar os efeitos.
Procura-se, com a Anlise Discriminante, verificar se determinada empresa
pertencente ao grupo das Solventes ou das Insolventes, conforme pontuao
que recebe, atravs da ponderao de pesos dados a alguns ndices de
balanos, obtidos das demonstraes contbeis da empresa.

39

Estas premissas so discutidas no tpico do captulo em que se analisam os modelos

desenvolvidos no Brasil, quanto ao aspecto estatstico, e, tambm, no captulo do estudo
simulado.

47

Em outras palavras:
O valor (escore discriminante) da varivel dependente categrica
(solvente ou insolvente) obtido atravs da utilizao de uma equao
linear (funo discriminante), que considera os valores de cada varivel
independente (ndices de balano), ponderadamente, em funo da
capacidade (coeficiente discriminante) que cada uma destas tem em
discriminar se um indivduo (empresa) ou no de um grupo.

A equao linear, composta pelas variveis que representam as

caractersticas do indivduo, ponderadas pelo nvel de sua importncia, pode ser
assim representada:

Z = a + b1 X1 + b2 X2 + ... + bn Xn
onde:

Z a varivel dependente categrica, representada por uma

pontuao ou escore discriminante;

a o intercepto da funo quando todo Xi=0;

bn o coeficiente discriminante ou a capacidade que cada
varivel independente tem em discriminar;

Xn so os valores das variveis independentes.

Para a construo de uma funo discriminante como esta, faz-se

necessrio efetuar, basicamente, quatro passos, de modo a se obter uma funo
que sirva de suporte tomada de decises, que tenha alguma ligao com a
questo da continuidade, ou no, de uma empresa, ou com a deciso de
concesso de crdito.

48

4.3- Procedimentos para elaborao de uma equao discriminante

1 Passo Levantamento de amostras e segregao em grupos.

As amostras, aqui, referem-se aos dados passados de empresas (ndices

de balanos), as quais visam a criar um banco de dados de caractersticas de
empresas

solventes

insolventes.

As

amostras

selecionadas

para

desenvolvimento da funo discriminante devem ser subdivididas em dois grupos

(solventes e insolventes, por exemplo), que fornecero os dados para composio
da equao discriminante.
Aps o desenvolvimento da equao discriminante, essa dever ser
testada para verificar sua capacidade de predio, ou seja, qual o seu grau de
acerto. Test-la sobre a mesma base de dados original pode levar a concluses
erradas quando aplicada a outra amostra. O teste dever ser realizado sobre
outra amostra de dados, para se verificar a real capacidade de predio da
funo, sendo, sempre, salientada, na bibliografia pesquisada, a necessidade de
se ter outra amostra de empresas (solventes e insolventes) para testes. Esse
procedimento requerido, tambm, para medir o grau de confiabilidade da funo
discriminante, pois, em caso de se utilizar a mesma amostra, fica reduzido o nvel
de confiana desta.
Esse pode parecer um passo fcil, mas no o . H dificuldades em se
conseguirem demonstraes contbeis de empresas em processo de falncia ou
de concordata, principalmente demonstraes de perodos anteriores ao fato.

49

Salientou-se essa dificuldade ocorrida durante a pesquisa e, no captulo em que

se apresentam as simulaes desenvolvidas, descreve-se a composio das
amostras utilizadas para desenvolver e testar o modelo. No terceiro passo, h,
ainda, uma discusso sobre o tamanho das amostras.

2 Passo Definio dos coeficientes discriminantes para cada

varivel independente.

Este ponto de suma importncia no uso desta ferramenta: qual

metodologia40 a ser utilizada para se obter os coeficientes?
Em um modelo de previso de insolvncia, verifica-se a diviso das
amostras em dois grupos (solventes e insolventes), sendo possvel a utilizao da
tcnica de Regresso Linear Mltipla, para obteno dos coeficientes (pesos) de
cada varivel independente.
Mas quais so essas variveis e como selecion-las?

40

Tratou-se aqui de metodologias encontradas e discutidas em estudos na rea de Finanas

sobre o uso de regresso em modelos de previso de falncia. Outras metodologias existem e
podem ser encontradas em trabalhos na rea de Estatstica. Vide, como exemplo, a Dissertao
de Mestrado de Ren Sanda, Anlise discriminante com mistura de variveis categricas e
contnuas, no Instituto de Matemtica e Estatstica, USP, 1990. So Paulo, na qual o autor
apresenta diversas metodologias para clculo de uma funo discriminante com variveis
multivariadas, exemplificando-as com um modelo de credit scoring.

50

Em se tratando de modelos de previso de insolvncia, as variveis

independentes a serem utilizadas so, normalmente, ndices financeiros obtidos
das demonstraes contbeis das empresas. O nmero de ndices pode ser muito
grande, como poder ser observado no captulo que apresenta os modelos
desenvolvidos no Brasil, e isto leva ao problema de seleo de variveis que iro
compor a equao discriminante.
Segundo Sics (1975:7), o importante, especialmente do ponto de vista de
custo operacional, selecionar dentre as p variveis medidas o menor conjunto
de q variveis, tal que a discriminao baseada nessas q variveis no s seja
significativa, como tambm no possa ser melhorada significativamente com a
incluso das p q variveis restantes.
Deve-se entender, hoje, que, devido ao desenvolvimento dos equipamentos
e programas computacionais, o custo operacional de uma equao de muitas
variveis no to significativo quanto era anteriormente, mas no deixa de ser
importante o quesito de se ter um nmero suficiente de variveis na equao41, de
maneira que esta tenha uma boa capacidade de discriminar e que a torne
possvel de ser utilizada em um meio de fcil acesso (calculadora, por exemplo).

41

Isso significante nesta pesquisa porque no foi possvel a elaborao, com as demonstraes
obtidas, de um grande nmero de indicadores. Tambm, em funo do enfoque aqui dado, a
adoo dos indicadores j utilizados nos modelos foi suficiente para a anlise pretendida.

51

Por exemplo, entre uma equao discriminante com dez variveis

independentes, com capacidade de acertos de 80%, e uma com cinco variveis e
um nvel de acertos de 75%, opta-se pela segunda, pois a reduo das variveis
pela metade no afetou significativamente o poder discriminante da equao,
alm de significar a reduo da necessidade de informaes das empresas.
Para se conseguir este nmero ideal de variveis independentes na
equao discriminante, adota-se um processo denominado Stepwise (passo a
passo).
Sics (1975:7) descreve assim esse processo: dentre as p variveis
iremos selecionando sucessivamente (passo a passo) a melhor varivel
discriminadora, as duas melhores variveis discriminadoras,..., at que nenhuma
das novas variveis a serem selecionadas introduza uma melhoria significativa na
discriminao. Para a realizao deste trabalho de stepwise, nessa pesquisa,
utilizou-se o SPSS.
Dois pontos importantes nessa citao: melhor varivel discriminadora e

melhoria significativa de discriminao.

Quanto ao primeiro, a seleo das variveis que sero testadas para a
composio da equao pode ser realizada atravs do fator (razo) F de uma
Anlise de Varincia.
A anlise de varincia um teste de hipteses usado para determinar se
duas ou mais populaes possuem mdias iguais atravs da anlise das mdias
amostrais. Para se aplicar o teste, trs suposies bsicas devem ser levantadas
e consideradas: 1) as amostras devem ser aleatrias e independentes; 2) as

52

amostras devem ser extradas de populaes normais; e 3) as populaes devem

ter varincias iguais.
A lgica do teste determinar se a diferena entre as varincias de cada
amostra (Sb) e a varincia dentro das mdias (Sw) pode ser atribuda ao acaso
ou no.
O teste de hipteses (teste F) para a uma regresso mltipla (utilizada em
modelos de previso de falncia) verifica se todos os regressores tm ou no
relao com a varivel dependente sob anlise.
A lgica do teste baseada na seguinte afirmativa:

Variao Total = variao explicada pelo primeiro regressor + variao adicional explicada
pelos g ltimos regressores + variao no explicada.

A estatstica F consiste em:

F=

variao adicional explicada pelos g ltimos regressore s ,

variao no explicada

sendo os passos para o teste:

1. Calcular o aumento do R2 por causa dos g regressores (denotado por
UR2);
2. Calcular o aumento mdio por regressor (UR2/g);
3. Calcular a proporo da variao no explicada depois da adio dos g
regressores (1-UR2);

53

4. Dividir por n-k-1 (grau de liberdade) da variao no explicada [(1UR2)/(n-k-1)]; onde n o nmero de observaes, k a quantidade de
regressores considerada;
5. Verificar quo grande (UR2/g) em relao a [(1-UR2)/(n-k-1)],
formando o coeficiente F: F =

(R /g )
(1 R )(n k 1)
2

6. Assumindo a hiptese nula (H0: os regressores no tm relao com a

varivel dependente), comparar o teste F com o F crtico da tabela42.

A razo F comparada com a estatstica terica F (tabelada), a qual

fornece o valor mximo que F pode assumir para que as mdias sejam
consideradas iguais. Isto , F a linha divisria entre a variao aleatria e a no
aleatria. Se o F calculado for maior que o F terico, ento as mdias so
diferentes e rejeita-se a hiptese nula (H0), demonstrando que a varivel em teste
tem capacidade de discriminar os indivduos (empresas) entre os grupos.
Os programas de estatstica possuem o recurso de informar uma razo F
para o processo de stepwise (F to include), que serve de comparao para as
razes F calculadas para cada varivel independente, durante o processo de
regresso. Quando a razo F da varivel maior que o F to include, aquela
inserida na equao43.

42

Obs: 1) graus de liberdade do numerador = g; graus de liberdade do denominador = (n-k-1).

2) o processo de regresso em programas especficos gera automaticamente o fator F.
43
O modelo misto final foi obtido utilizando-se um valor de F to include igual a 1, o que possibilitou
a entrada de um nmero maior de variveis. Vide Apndice B para maiores informaes.

54

Tambm possvel o uso de outro teste de hiptese, como o Teste de

Student44, que verifica qual a probabilidade de duas amostras pertencerem a
populaes diferentes, muito til quando as amostras tm menos de trinta
observaes. Atravs do Teste de Student verifica-se qual a varivel
independente (ndice de balano) que tem maior capacidade de discriminao. A
tcnica utiliza a mdia (ou mediana) do ndice do grupo das Solventes e do grupo
das Insolventes. De posse das duas mdias, calcula-se a probabilidade de
aquelas pertencerem, ao mesmo tempo, a uma nica populao.
Em caso positivo, o ndice tem baixa capacidade de discriminar; por outro
lado, se a resposta for negativa, significa que ele s pode pertencer a uma ou a
outra populao.
O segundo ponto, melhoria significativa de discriminao, refere-se ao
passo em que o processo de stepwise seleciona apenas aquela varivel que
melhora, em relao ao processamento anterior, o poder discriminante da
equao.

44

Este teste tratado na Estatstica como til para estudos de distribuio de pequenas amostras,
estudos estes denominados Teoria das Pequenas Amostras ou Teoria Exata da Amostragem, em
que outra importante ferramenta utilizada o Teste do Qui-Quadrado (2). No estudo do professor
Stephen C. Kanitz, esse teste foi utilizado com essa finalidade, pois seus grupos (solventes e
insolventes) possuam, cada um, 21 empresas.

55

Pode-se medir45 isso atravs do coeficiente de determinao da

regresso46 (R2). Quando uma das prximas variveis a ser includa no melhorar
o poder de explicao da equao discriminante anterior, o processo
interrompido.
J num modelo discriminante, onde se tm trs ou mais subdivises
(variveis dependentes), no possvel o uso da Regresso Mltipla, por se
considerar no existir uma relao linear entre a varivel dependente e as
variveis independentes. (Ragsdale, 1995:391)
Aquele modelo chamado de Anlise Discriminante Mltipla e Ragsdale
(1995:393) se refere a outra tcnica para clculo desses coeficientes: distncia

entre pontos.

45

Alm de R2, podem ser usados os ndices de Mahalanobis D2, Wilks e Raos V, conforme
descrito em Kachigan (1991:230) e Sics (1975, Apndice A).

46

Tambm denominado coeficiente de explicao. O coeficiente R2 assume valores entre 0 e 1.

Quanto mais prximo de 1 estiver o coeficiente, melhor a reta estar explicando a relao entre as
variveis. O fato de R2 ser diferente de zero indica que a reta possui melhor predio que o valor
mdio. O coeficiente de explicao (R2) do quanto da variao total explicada pela regresso
mltipla dado por:

(Y Y )
=
(Y Y )

variao de Y explicada por todos os regressoes

variao total de Y

Verifica-se ainda a existncia do coeficiente de determinao ajustado R 2 que expressa R em

funo do aumento das variveis independentes utilizadas. A frmula :
2

R = R2

k
(1 R 2 ) , onde R > R2 .
n k 1

56

Para tal, considera-se o clculo dos pontos centrides (observaes

mdias) das sries das variveis independentes de cada grupo, que tm suas
coordenadas dadas pelas mdias dessas sries e as coordenadas de cada dado.
Comparando-se as distncias entre um dado e os pontos centrides de cada
grupo, associa-se esse dado ao grupo do centride que estiver menos distante.
Para o clculo da distncia, o autor utiliza a Distncia de Mahalanobis, por
considerar que a Distncia Euclidiana47 simples deficiente, uma vez que, esta
no considera a varincia das variveis independentes.
A proposio de Mahalanobis representada por:

Dij =

( X ik X
S 2jk

jk

)2

sendo:

Dij a distncia da observao i ao ponto centride do grupo j;

Xik o valor da observao i da k-sima varivel independente;
Xjk o valor da mdia do grupo j da k-sima varivel independente; e
S2jk a varincia do grupo j da k-sima varivel independente.

Para exemplificao, considere-se uma quantidade de 24 observaes,

divididas por trs grupos, aqui denominados Superior, Mdio e Inferior. Cada
observao formada por duas variveis independentes denominadas X1 e de
X248.

47

Distncia

Euclidiana

um

recurso

da

geometria

plana,

obtida

D = ( A1 A2 ) + ( B1 B2 ) .
Exemplo baseado em Ragsdale (2001:475-478) e Rozo & Brando (1999).
2

48

pela

frmula:

57

A mdia das variveis e suas varincias em cada grupo so as seguintes:

Varivel X1
Grupos

Mdia

Varivel X2

Varincia

Mdia

Varincia

Superior

2.863

219.967

0,500

Mdio

4.150

928.905

0,895

Inferior

1.355

548.694

1,355

Tendo a primeira observao os valores de 3.450 e 3 para as variveis X1 e

X2, respectivamente, suas distncias, em relao aos centrides de cada srie
seriam:

D1S =

(3450 2863 ) 2 (3 2) 2
+
= 3,57
219967
0,500

D1M =

(3450 4150 ) 2 (3 4) 2
+
= 1,64
928905
0,895

D1 I =

( 3450 1355 ) 2 ( 3 4 ) 2
+
= 8, 74
548694
1,355

Conforme a regra, a observao 1 ser classificada no grupo Mdio, por

ser a distncia desta ao centride deste grupo a menor.

58

3 Passo Apurao dos escores discriminantes de cada empresa, da

mdia destes escores em cada grupo, e do escore crtico ou
ponto de corte (cut-off point).

A equao discriminante, depois de formulada, aplicada sobre os dados

da amostra e verifica-se, para cada um dos indivduos (empresas), qual o valor da
varivel dependente (ou escore discriminante).
Com todos os escores apurados, calcula-se a mdia de cada grupo que
servir de base para o clculo do ponto de corte (cut-off point) ou escore crtico,
o valor mdio entre as mdias de cada grupo, que servir para discriminar se uma
nova empresa pertence ao grupo das solventes ou das insolventes.
Trs aspectos devem ser observados neste momento:
1. O tamanho das amostras;
2. o tamanho das populaes e
3. a probabilidade de se classificar uma observao no outro grupo e
vice-versa.

Observe as figuras na pgina seguinte:

59

Escore Crtico
Grupo 1

Grupo 2

Figura 1a - Ta manhos de amostras iguais

Escore Crtico
Escore timo
Grupo 1

Grupo 2

Figura 1b - Ta manhos de amostras diferentes

A Figura 1a representa uma condio de igualdades, portanto, o ponto de

corte timo facilmente obtido pela mdia das mdias dos grupos.
A figura 1b j apresenta o problema do tamanho das amostras,
demonstrando que o ponto de corte ou escore crtico obtido atravs das mdias
no o ponto timo de corte.
Necessria se faz uma ponderao, ou seja, uma atribuio de peso aos
pontos centrides em funo do nmero de elementos de cada amostra, como
sugerem Hair, Anderson, Tathan & Black (1998:290), atravs da seguinte frmula:

60

Z EC

n1Z 2 + n2 Z1
=
n1 + n2 ,

onde: ZEC = escore crtico para n diferentes;

n1 = nmero de observaes do grupo 1;

n2 = nmero de observaes do grupo 2;
Z1 = ponto centride do grupo 1;
Z2 = ponto centride do grupo 2.

Quanto ao segundo ponto, o tamanho das populaes, quando se tem na

populao um percentual maior de elementos de um grupo do que de outro, a
probabilidade de se retirar amostras de um ou de outro so diferentes.
O terceiro aspecto diz respeito rea hachurada das figuras e representa
a probabilidade de se classificar uma observao do grupo 1 no grupo 2 e viceversa.
A seleo de clientes, por exemplo, atravs deste modelo traz o risco de
incorrer-se em erros Tipo I ou erros Tipo II. Para Stevenson (1981:228) cometese um erro Tipo I rejeitando-se Ho quando Ho verdadeira. A probabilidade de um
erro Tipo I igual ao nvel de significncia de um teste de hiptese. Comete-se
um erro Tipo II aceitando-se Ho quando ela no verdadeira. Sendo a mdia
suposta e a verdadeira iguais, o erro Tipo II igual a zero, ocorrendo apenas a
probabilidade do erro Tipo I.
Nesse caso, a seleo de um cliente, para a concesso de crdito, que
poderia ter problemas financeiros no capturados pela equao discriminante

61

gera um erro Tipo I. Perder-se um bom cliente em funo, tambm, de uma

incorreta avaliao conduz a um erro Tipo II. Esse erro menos prejudicial ao
credor, primeira vista: perde-se o cliente, mas no o capital! Mas poder o
cliente reduzir suas operaes com o banco, o que o leva a perder, no geral, bem
mais, sendo, portanto, de difcil quantificao. Segundo Stevenson, citado, tende
a ser zero.
Ragsdale (2000:467) e Elisabetsky (1976:81-84) apresentam a seguinte
frmula (com pequena diferena) para clculo do Escore Crtico Refinado (ECR):

EC R =

1 + 2
2

C p
2
+
xLN 1 1
1 2
C 2 p2

onde:
1 e 2 = mdias dos escores discriminantes dos grupos;

LN = logaritmo natural da expresso entre parnteses;

C1 = o custo de se classificar erroneamente no grupo 1 uma observao do
grupo 2
C2 = o custo de se classificar erroneamente no grupo 2 uma observao do
grupo 1
p1 = probabilidade a priori de uma empresa ser ruim
p2 = probabilidade a priori de uma empresa ser boa
2 = varincia comum s duas populaes, dada por:

=
2

(n1 1) 12 + (n 2 1) 22
n1 + n 2 2

, sendo ni o tamanho das amostras dos grupos

1 e 2, e 21 e 22 a varincia dos escores discriminantes dos grupos 1 e 2.

62

Outra abordagem utilizada denominada zona ou rea de dvida

superposio - (Overlap rea).
Caso no se consiga medir os custos de classificaes erradas (C1 e C2),
bem como as probabilidades a priori, utiliza-se o estabelecimento de uma rea, na
qual se inserem as empresas que se encontrarem classificadas nesse intervalo,
devendo, portanto, ser analisadas com maiores cuidados, por no ser possvel
sua correta classificao em nenhum grupo.
Essa rea, ou regio de dvida (overlap rea), fica na interseo das
curvas de distribuio das amostras dos dois grupos, sendo possvel definir seus
limites, em valores, a partir do clculo de um intervalo de confiana. Vide figura a
seguir.

F ig u ra 2 - rea o u Reg io d e D vid a

Z
Z1

Z2

X1

X2

rea o u R eg io d e D vid a

63

Os valores de X1 e X2 podem ser obtidos pelas seguintes frmulas

(adaptadas de Elisabetsky, 1976:87-88):

X 1 = z2 1 +
X 2 = z1 1 +

1
t ; gL
n2

1
t ; gL
n1

onde:

z1 e z2 = mdias dos valores de z calculados para as observaes de cada

grupo;
n1 e n2 = nmero de observaes em cada amostra dos grupos;
t;gL = estatstica t para o nvel de confiana desejado () e graus de
liberdade (gL) dado por n1+n2 -2.
= desvio padro obtido atravs da varincia ponderada dos zs dos
grupos

Em seu estudo, Altman, Baidya & Dias (1979:25) delimitam os valores dos
limites da rea de Dvida em funo do escore discriminante das empresas
classificadas erradas, a partir da adoo inicial de um escore crtico igual a zero49.
Neste estudo, o limite inferior desta rea (X1) foi igual a 0,34, que corresponde
ao escore discriminante de empresa do grupo solvente classificada no grupo das
insolventes, e o limite superior (X2) foi de +0,20, correspondente ao escore de
empresa ruim classificada como boa.

49

Este procedimento tambm foi adotado por Elisabetsky em seu estudo, e parte do pressuposto
que as probabilidades e custos de classificao so iguais. O estudo de Altman, Baidya & Dias,
levou adoo de um escore crtico igual a zero; no caso de Elisabetsky, este adotou um escore
crtico igual a 0,5, em funo de considerar as mdias tericas das variveis dependentes
(escores discriminantes) dos grupos das Solventes e Insolventes igual a 0,5 (Mdia = (0 + 1) 2).

64

4 Passo Testar a funo discriminante na amostra selecionada

para verificao do grau de confiana ou acerto do modelo.

A utilizao da Anlise Discriminante deve ser feita em funo do custo x

benefcio da informao proporcionada, pois, se for possvel, por outro meio ou
mtodo mais simples, obter informao com alto grau de certeza, o uso da tcnica
s se justifica se superar o grau de certeza destes, ou o grau de predio.
Portanto, mais uma vez, saliente-se a necessidade de se possuir uma
amostra composta por empresas solventes e insolventes (semelhante utilizada
para desenvolver a equao discriminante), para se realizar o teste de verificao
da capacidade de predio do modelo.

4.4- Consideraes ao captulo

Os passos a serem seguidos para a construo de um modelo de previso

de falncia, usando a tcnica de Anlise Discriminante, so claros e definidos.
Como salientado, o problema de se conseguirem demonstraes contbeis
de empresas com problemas financeiros e, portanto, em concordata ou falncia,
um empecilho, nesse tipo de pesquisa. No captulo seguinte, ao abordarem-se os
modelos desenvolvidos em estudos no Brasil, notar-se- esse tipo de
reclamao por parte dos autores.

65

Ainda sobre as demonstraes contbeis e seus dados, paira a questo da

confiabilidade destes. Discusso sobre esse ponto ficar para o captulo em que
se avaliam os estudos brasileiros, apesar da premissa assumida nessa pesquisa
de que isso no relevante, pois no afeta os modelos.
O custo de uma classificao errada tambm ponto de importncia na
avaliao desses modelos. Com isto, torna-se oportuna a exposio de Silva
(1997:274):
Ao discutirmos esses mtodos (mtodos quantitativos para avaliao de
risco de crdito), queremos destacar que os mesmos podem prestar
grande contribuio ao processo de anlise, mas no podem ser
entendidos como uma receita milagrosa capaz de resolver todos os
problemas de anlise de risco em todas as circunstncias. (grifo do

autor)

O uso de ferramental estatstico em Cincias Sociais Aplicadas feito de

longa data: vejam-se os casos da Economia e de seus modelos economtricos.
Aproveitando-nos desse exemplo, podemos, analogamente, us-lo para a
confirmao da afirmativa de Silva de que os modelos economtricos no so
infalveis: diversas foram as situaes em que suas expectativas diferiram da
realidade.
Quer se chamar ateno para a questo de que esses modelos trabalham
com variveis quantitativas relacionadas entre si, de forma direta ou indireta, e de
que, ao no trabalharem com variveis qualitativas, das quais no possvel se
ter uma relao direta de causa e efeito ou at mesmo sua mensurao, esses
modelos perdem muito em sua capacidade de estimar com confiana.

66

Mesmo conseguindo trabalhar com algumas variveis qualitativas, muitas

podem ficar de fora do campo de abrangncia do modelo. Em Silva (1997:274),
verifica-se a questo da concesso de crdito para pessoa fsica, em que as
variveis discretas tendem a se sobrepor s contnuas, causando dificuldades no
uso de ferramentas estatsticas.
Saliente-se dificuldade, e no impossibilidade!

67

5-

Estudos brasileiros

Neste captulo, sero apresentados resumos dos estudos desenvolvidos no

Brasil, por diversos pesquisadores, os quais apresentam contribuies para o
entendimento da aplicao de mtodos quantitativos Contabilidade.
Escolheram-se os modelos desenvolvidos nos estudos de Kanitz,
Elisabetsky, Altman et. al. e Silva. Outros estudos brasileiros desenvolvidos no
sero apresentados devido s suas similaridades com os selecionados, mas
esto descritos na bibliografia consultada, pois serviram de subsdios para as
anlises e crticas aqui desenvolvidas.
Em

pesquisa

bibliogrfica

realizada

nas

diversas

bibliotecas

de

conceituadas universidades do pas, obteviveram-se esses trabalhos, os quais

no representam um volume significativo se comparados s pesquisas
desenvolvidas no exterior50, mas nem por isso perdem seu mrito como uma
contribuio brasileira merecedora de apreciao.
Enfatize-se que o trabalho aqui realizado foi de gerar um resumo das obras
desenvolvidas: portanto, as idias e afirmaes expostas so de cada um dos
autores51.

Quando

pertinentes

possveis,

alguns

comentrios

foram

adicionados, sendo perceptvel ao leitor separao entre a opinio dos autores

discutidos e a opinio do autor dessa pesquisa, atravs de sinalizao de que
essa pertence ao ltimo.
50

S o volume de trabalhos publicados por Edward I. Altman j superior ao volume de trabalhos

brasileiros!
51
Essa observao deve-se ao fato de no se ter citada, em todos pargrafos transcritos
resumidamente, a pgina da obra em discusso.

68

5.1- O Termmetro de Kanitz

Os estudos realizados pelo prof. Kanitz52, no incio da dcada de 1970,

culminaram no livro Como prever falncias, publicado em 1978. Seu trabalho
resultado da compilao de seu artigo de 1974, Como prever falncias de
Empresas, e de sua tese de livre-docncia, Indicadores contbeis e financeiros
de previso de insolvncia: a experincia da pequena e mdia empresa
brasileira, de 1976.
Seus trabalhos foram os primeiros de que se tem conhecimento no Brasil, a
respeito da capacidade das demonstraes contbeis de prever, ou melhor,
INDICAR problemas de falta de solvabilidade das empresas, atravs da utilizao
de modelos estatsticos.
O primeiro trabalho (o artigo de 1974) consistiu na elaborao de uma
equao matemtica com cinco ndices de Anlise de Balanos53, elaborada a
partir da tcnica de regresso mltipla e anlise discriminante.
Utilizou-se uma amostra com poucos ndices de balanos, o que

se

considerou ser a principal falha do modelo, quando utilizado por bancos e

empresas comerciais que no consideraram a situao real de sua carteira de
clientes.

52

Stephen Charles Kanitz professor aposentado do Departamento de Contabilidade e Aturia da

Faculdade de Economia, Administrao e Contabilidade da USP.
53
O mesmo que Anlise de Demonstraes Contbeis.

69

No primeiro captulo do livro54, que uma transcrio do artigo de 1974,

afirma-se em um subttulo que os primeiros sintomas de uma insolvncia surgem
muito antes que ela se concretize (Kanitz, 1978:2). O autor considera que a
falncia, como qualquer processo, possui incio, meio e fim, sendo possvel
identificar sua gnese antes de sua ocorrncia, bastando que se procurem nas
demonstraes contbeis os indicadores corretos.
Essa foi a hiptese de seu trabalho, ou seja, a capacidade de se prever a
situao financeira de uma empresa com um grau razovel de segurana, e,
ento, avaliar o risco de insolvncia, atravs do que denomina fator de
insolvncia. Esclarece que o fator de insolvncia um indicador daquilo que
pode acontecer em futuro prximo, caso a empresa no corrija os rumos que est
seguindo. (Kanitz, 1978:3)
Considerou-se que a anlise do ndice de insolvncia permite:

1) descobrir empresas em estado de pr-insolvncia (em que se pode

questionar o grau de antecipao com que este fator til);
2) hierarquizar as empresas numa escala de solvncia/insolvncia, a
fim de selecionar clientes prioritrios (em caso de limitao de recursos para o
crdito, um banco poderia priorizar o atendimento de clientes que possuam um
fator mais elevado, o que denominado Scoring de clientes);

54

O livro tem um total de cinco captulos, sendo os trs primeiros os mais relevantes para esta
dissertao, por tratarem das bases conceituais, hipotticas e metodolgicas que conduziram a
pesquisa. O captulo trs apresenta, tambm, o processo de clculo dos ndices utilizados. O
quarto captulo mostra os resultados de cada ndice na pesquisa. Por ltimo, apresenta-se uma
concluso no captulo quinto.

70

3) determinar previses para a conta devedores duvidosos, segundo

a probabilidade de insolvncia de cada cliente (lembrando-se que, poca,
os critrios existentes eram diferentes dos de agora, para a constituio da
proviso para devedores duvidosos (PPDD), mas (como os de agora) possuam
arbitrariedade. O uso de modelos probabilsticos seria uma resposta cientfica
simples e importante para a correta avaliao do potencial de realizao de
Contas a Receber e de seu impacto (a PPDD) no Resultado do Perodo).
Nesses estudos, Kanitz (1978:3) constatou, denominando triste realidade,
que as pequenas e mdias empresas expem-se mais ao risco de falncia. No
atual cenrio econmico do pas, verifica-se, principalmente aps o ltimo plano
econmico, que aquela constatao perdura, e, em volumes maiores, alcanando
grandes empresas. Fatores diversos, alm da nova poltica econmica do pas,
somam-se para criar este quadro, como a prpria globalizao e a
competitividade crescente.
Utilizando um exemplo real, chamado de Empresa S.A. Veculos,
desenvolveu-se o fator de insolvncia desta, composto dos seguintes indicadores
econmico-financeiros :
a) CAPITAL DE GIRO PRPRIO obtido pela diferena entre Ativo Circulante e Passivo
Circulante;
b) GRAU DE ENDIVIDAMENTO, encontrado na relao entre Capital de Terceiros
(Passivo Circulante + Exigvel a Longo Prazo) e Patrimnio Lquido;
c) RENTABILIDADE DO PATRIMNIO LQUIDO, dada pela relao entre Lucro Lquido
e Patrimnio Lquido;
d) IMOBILIZAO DE RECURSOS PRPRIOS, representada em Ativo Fixo dividido
pelo Patrimnio Lquido e
e) ATIVO CIRCULANTE SOBRE ATIVO FIXO, demonstrando a representatividade do
financiamento de vendas a prazo pela empresa.

71

A simples avaliao daqueles ndices (ou de quaisquer outros) em um

determinado perodo no suficiente para basear a afirmativa de incapacidade
financeira da empresa, pois, como se sabe, uma empresa em ms condies
pode recuperar-se, e outra, com belas demonstraes em um perodo, pode vir a
falir no seguinte. Para Kanitz (1978:7), indispensvel verificar, depois que se
constataram ndices desfavorveis no balano de uma empresa, se tais ndices
melhoraram ou pioraram em relao ao ano anterior. Claro est que a anlise de
demonstraes contbeis, seja qual for o objetivo, precisa ter um carter dinmico
(a entidade em continuidade de suas operaes), para se fazer inferncia das
condies da empresa-objeto da mesma.
Trs pontos se destacam nesta parte do trabalho. O primeiro, quando o
autor afirma que endividamentos realizados por empresas (em situao financeira
difcil) s servem para retardar o previsto: a insolvncia. De nada adianta recorrer
a fontes de capitais de terceiros se no houver um planejamento para se aplicar
esses recursos, de maneira a se ter um efeito positivo no resultado da empresa, o
que se denomina Alavancagem Financeira. O retardamento dessa situao pode
gerar

conseqncias

mais

graves

ainda

sociedade

(sentido

amplo),

considerando-se a disponibilidade de mais recursos para uma entidade que no

conseguir fazer com que aqueles voltem economia; pior ainda para aqueles
que esto comprometidos, como fornecedores diretos de recursos, e que no tm
muita alternativa, a no ser disponibilizar mais recursos na esperana de rever o
investido, contando que a empresa consiga reverter sua situao (!).

72

O embelezamento de demonstraes, principalmente dos ndices de

liquidez55, o segundo ponto destacado, o que faz com que se descarte a sua
utilizao como determinante de boa ou m situao financeira (Kanitz, 1978:8),
em uma anlise pura e simples do indicador.
Por ltimo, destaca o uso da Demonstrao do Fluxo de Fundos (que teria
como semelhante, atualmente, a Demonstrao de Origens e Aplicaes de
Recursos), na anlise da situao financeira de uma empresa. Pela sua
caracterstica, apresentao das fontes dos recursos e aplicaes realizadas pela
empresa, constitui-se numa importante ferramenta de anlise financeira da
empresa. Essa ferramenta explorada pelo autor, ao verificar a Demonstrao de
Fluxos de Fundos da empresa-exemplo, que confirma as avaliaes atravs dos
ndices tradicionais. A anlise final das demonstraes da SA Veculos evidenciou
o processo de insolvabilidade, o qual, segundo o autor, em 1973, levou-a a pedir
a concordata.
Em outra comparao, destacam-se os ndices mdios calculados para
dois grupos de empresas: um, composto por quinze empresas que faliram em
menos de um ano aps a publicao de suas demonstraes contbeis, e o outro,
por quinze empresas que continuavam operando normalmente.
Nessa comparao, fica evidente que os tradicionais ndices de liquidez
(Liquidez Seca, Liquidez Corrente e Liquidez Geral) no so significativos para a
avaliao da situao da empresa, pois as mdias dos grupos so bastante
prximas, mas, quando utilizados em conjunto com outros, podem confirmar uma

55

So considerados os mais relevantes na concesso de crdito pelos bancos, segundo o autor

(pg.8)

73

tendncia apontada por ndices mais seguros, que, neste estudo, foram o Lucro

lquido sobre patrimnio lquido (que apresentou variao de 400% entre as

mdias dos grupos, a favor das empresas solventes) e o Capital de terceiros

sobre patrimnio lquido (variao de 508%, desfavorvel s empresas

insolventes).
Neste ltimo estudo, gera-se o seu indicador de solvncia, ou, como mais
conhecido: Termmetro de Insolvncia, em que foram utilizadas, como frisado,
as tcnicas de anlise discriminante e regresso mltipla.
O fator proposto indicado pela seguinte equao:

K = 0,05 x1 + 1,65 x2 + 3,55 x3 1,06 x4 0,33 x5

onde:
K = pontuao ou escore de pontos obtido
X1 = ndice de rentabilidade do patrimnio lquido
X2 = ndice de liquidez geral
X3 = ndice de liquidez seca (AC ESTOQUES)
X4 = ndice de liquidez corrente56
X5 = ndice de grau de endividamento

A avaliao do resultado encontrado ao se aplicar o fator de insolvncia

feita atravs de uma escala de comparao, em que o valor zero o limite inferior
da rea em que se consideram como solventes as empresas. De zero a menos
trs (-3), a empresa necessita maiores observaes, considerando-se essa faixa

56

Diante do exposto no pargrafo que se inicia pgina 72, verifica-se uma aparente incoerncia
entre o dito pelo autor e o que foi apresentado em seu modelo. Apesar de criticar os ndices de
liquidez, seu modelo assumiu trs desses, o que o coloca em contradio (aparente). O provvel
motivo desse fato discutido no captulo seguinte, em que se analisam os modelos brasileiros.

74

como de dvida, pois a indicao do fator de insolvncia no suficiente para

uma avaliao final. As empresas que apresentam escores menores que 3 so
consideradas insolventes, por possurem maiores probabilidades de virem a falir.
Essa ferramenta tambm til na deciso de crdito, no somente como
indicador de solvncia das empresas, como releva o autor (pg.14). Em situaes
em que os recursos para crditos estejam escassos, ajudaria na deciso da
escolha a quem destinar recursos. Optar-se-ia por aquelas com o menor risco, ou,
em termos do fator, com o maior escore positivo.
Tambm possvel a incluso de mais ndices na composio do fator,
bem como de variveis diferentes dos ndices, como o parecer de auditoria, a
idade de equipamentos e mquinas e outras mais, segundo Kanitz.
Conclui este primeiro captulo indicando o benefcio que o uso do fator de
insolvncia trouxe para os bancos que passaram a adot-lo: o nmero de
pedidos de emprstimo e de financiamento rejeitados caiu de 25% para 2% [...]
porque ele [o fator de insolvncia] permite um grau de segurana muito maior [...]
e, em relao a empresas que faliam aps a aprovao do crdito, mesmo
aquelas que possuam parecer de auditoria favorvel, este nmero reduziu-se de
1% para 0,4% (Kanitz, 1978:14)
No captulo seguinte (2), o professor Kanitz apresenta e discute os temas
da pesquisa. Estes se tornaram as hipteses que seriam, ou no, corroboradas
pela pesquisa implementada.

75

A seguir, transcrever-se- cada um deles, bem como a exposio do

pensamento do autor (Kanitz, 1978:1531), encerrando com as concluses
adquiridas na pesquisa realizada, apresentadas no ltimo captulo da obra.

a) possvel prever a falncia de uma empresa? Quais so os

melhores indicadores de previso?

Quanto ao primeiro questionamento, a resposta necessita ser sim, como

afirma o autor, pois, caso contrrio, estar-se-ia colocando em dvida o significado
de se fazer anlise de balanos. O problema que essa anlise no to pontual
assim, gerando dvida e temor para os analistas de crdito, quanto a dar um
parecer favorvel a uma empresa. Isto era (e ainda ) uma situao grave, pois,
como relata, uma agncia de informaes cadastrais havia dado parecer negativo
a todas as empresas que faliram em 1972, mas tambm o dera para um volume
de 40% empresas que no faliram. Como salientado, prefere-se errar sendo
conservador, para no se arriscar em perder um volume de capital na concesso
de crdito.
Em funo dessa falha na previso da situao financeira, o autor
apresenta quatro distores: 1) o crdito concedido em funo das garantias
oferecidas e no pela capacidade de pagamento do tomador; 2) isto por si gera
um favorecimento s grandes empresas, multinacionais e estatais, em
comparao s pequenas e mdias empresas nacionais, por terem, aquelas,
maior capacidade de oferecer garantias e avais das matrizes ou do Estado; 3)

76

essa incapacidade de avaliar a extenso do problema financeiro do cliente faz

que o sistema financeiro no d o apoio necessrio a essas empresas e 4) a
existncia da necessidade de se dar como garantias bens pessoais de diretores
fere o princpio da responsabilidade limitada.
Portanto, para Kanitz (1978:18), a questo ser importante em funo de
se diminuir a dependncia s garantias e de se aumentar o conhecimento dos
credores, quanto aos seus clientes potenciais.
Quanto quantidade de ndices a se utilizar, frisa o autor a utilizao de
todos os ndices que encontrou na literatura pertinente ao tema. Entre ndices que
no demonstravam nenhum significado terico para a previso de falncia e
ndices novos, adaptados realidade brasileira, apresenta o autor, em captulos
posteriores, a definio de cada um e o resultado de seus testes, quanto
capacidade de previso.
A concluso a que chegou a de ser possvel, com o emprego de alguns
desses ndices, obter um ndice de risco de crdito. Tanto uma ponderao
estatstica quanto uma ponderao subjetiva, baseadas na experincia do
analista, so viveis, como afirma o autor em suas pesquisas (pg.165).

b) Os balanos das empresas brasileiras so fidedignos?

Especialmente os da empresa prestes a falir?

Quanto segunda pergunta, o autor deparou-se com quatro crticas

levantadas por especialistas: 1) as demonstraes das pequenas e mdias

77

empresas so mal elaboradas; 2) a inexistncia de uma conscincia quanto aos

princpios contbeis e surgimento de distores, pela adoo da legislao fiscal,
para fins de apurao de registros nas demonstraes contbeis (principalmente
a apurao do lucro lquido); 3) a adulterao de registros, de forma deliberativa e
premeditada, por parte da administrao, principalmente nas demonstraes que
precedem a falncia de empresas e 4) o embelezamento dos balanos (tcnicas
de window dressing), com o objetivo de melhorar determinados ndices que sero
objeto de anlises, como o de Liquidez Corrente.
Essas crticas, apuradas na obra em 1978, mantm-se bem reais, em pleno
sculo XXI, e, pior, os comentrios de diretores e de analistas, que utilizariam, em
ltimo caso, as demonstraes, como apoio deciso de concesso de crditos,
tambm demonstram uma necessidade de evolues maiores na capacidade de
informar da Contabilidade.
Mesmo diante dessas fortes crticas, o autor testou as demonstraes das
empresas, tais como foram geradas, buscando demonstrar que no havia efeito
sobre a capacidade de previso. Com isto, o autor concluiu, em sua pesquisa,
que tanto faz as demonstraes serem, ou no, fidedignas (pg.171), pois a
capacidade de previso se faz presente atravs da utilizao do conceito de
posio relativa de ndices, que ser discutida.

78

c) A posio relativa da empresa um indicador importante de

insolvncia?

Nessa proposio, o autor defende a tese de que a posio das empresas

em relao s demais mais importante do que o valor do ndice em si. Definiu a
posio relativa como a classificao da empresa em relao a outras empresas,
utilizando o conceito de centil, ou seja, a cada ndice avaliado, fez-se a
classificao de empresas, verificando-se quantas estavam percentualmente
abaixo ou acima de determinado ponto estipulado.
Essa tese tem relevncia a partir da afirmao do autor de que, mesmo
quando as empresas falseiam suas demonstraes, suas posies relativas no
se alteram uma em relao outra. Portanto, uma empresa que seja classificada
como solvente, mesmo tendo falseado suas demonstraes, manter ess
posio em caso de ajustes, ocorrendo a mesma coisa com a empresa
classificada como insolvente, quando se consideram essas posies em funo
de mdia de um grupo.
Esse conceito gerou o desdobramento dos ndices, pois, alm de se
analisar cada um deles, analisou-se tambm sua variao de um perodo a outro,
pois essa uma medida de posio relativa.
Concluiu com seu trabalho que a posio relativa dos ndices provou ser
muito importante, sendo que, muitas vezes, a posio relativa do ndice
apresentou relevncia superior do prprio ndice (pg.171).

79

d) possvel elaborar alguns indicadores com base no

demonstrativo de fluxo de fundos?

A demonstrao de fluxo de fundos foi explorada pelo autor, que a elaborou

a partir das informaes apresentadas em balanos e demonstrao de
resultados, uma vez que muitas empresas no a divulgavam. Mesmo com essa
limitao, conseguiu-se sucesso na avaliao da demonstrao, atravs do
desenvolvimento de indicadores novos, pois, atesta Kanitz, essa demonstrao
uma das mais importantes para se analisar a posio financeira de uma empresa.
Os novos indicadores basearam-se em anlises verticais, bem como em anlises
marginais dos ndices freqentemente apurados sobre o balano patrimonial e a
demonstrao de resultado.
Essa hiptese foi atestada ao final da pesquisa, na qual se verificou a
presena de seis ndices baseados no fluxo de fundos como bons indicadores de
falncia.

e) Os balanos projetados valem como indicadores de insolvncia?

Para essa hiptese, baseou-se o autor na suposio de que os balanos

projetados

revelariam

possvel

deteriorao

das

empresas,

caso

administrao da empresa continuasse a fazer as mesmas coisas que no ltimo

ano, ou seja, qual ser a situao financeira da empresa no ano que vem se ela

80

sofrer as mesmas conseqncias da situao econmica do Pas, de clientes e

da gerncia?.
Concluiu o autor que os ndices baseados em balanos projetados
revelavam a inviabilidade das empresas, realando suas tendncias (pg.172).
Na seqncia da obra, o captulo terceiro traz a explicao da metodologia
utilizada na pesquisa. Aps anlise de cerca de 5.000 demonstraes contbeis,
para fim de apurao de ndices mdios da economia brasileira, utilizou-se, em
sua pesquisa, uma amostra formada por 42 empresas: 21 empresas falidas, as
quais tiveram os dois ltimos balanos anteriores falncia analisados, e 21
empresas que no possuam problemas financeiros, escolhidas sem critrios
estatsticos, considerando-se apenas setor e capital aproximado com as do grupo
das falidas.
A limitao ao tamanho da amostra se deu, segundo Kanitz, pelos
seguintes motivos:
A) um grande nmero de empresas que vo falncia so limitadas
e no publicam seus balanos;
B) muitas Sociedades Annimas que faliram publicaram balanos
suficientemente sumrios para que pudessem ser analisados e
C) exclumos as empresas
participaes (pg.33).

de

servio,

imobilirias

de

Quanto ao item C, precisa ser revisto por aqueles que queiram desenvolver
um trabalho semelhante ao do professor Kanitz, em funo da relevncia que tem
para a economia nacional. Por exemplo, o setor de servios apresentou-se, em

81

1999, como responsvel por uma receita lquida de R$ 90,3 bilhes57, o que lhe
confere relevncia, alm de ser atualmente um dos setores que mais cresce, o
que demonstra uma possvel alterao na participao da economia, impactando
na empregabilidade, nvel de salrios, treinamento e qualificao profissional58.
Os dois grupos selecionados transformaram-se em duas amostras,
denominadas Grupos das Falidas e Grupos das No-Falidas, sendo aplicado
sobre cada indicador gerado o teste de Student, a fim de se verificar a
significncia das diferenas de mdias das duas amostras. (pg.34)
No restante do captulo (pg.34 49), apresentam-se os principais
conceitos e definies adotadas para a construo dos ndices, a partir das
demonstraes. Ao todo, so apresentados 56 ndices de anlise de balanos, os
quais no sero descritos em funo de no representarem importncia ao
contexto deste estudo.
Como salientado, o captulo quarto constitui-se da apresentao dos
resultados encontrados na anlise de cada ndice: a) ndice, b) posio relativa, c)
variao temporal do ndice, d) ndice baseado no fluxo de fundos, e) projeo
para 1 ano e f) projeo para 2 anos. As avaliaes para os 56 ndices so
apresentadas atravs de tabelas, semelhantes Tabela 1, alm de comentrios
sobre cada um dos resultados obtidos.

57

Dado obtido em Revista Balano Anual Gazeta Mercantil, jul/2000, n 24, pg. 62.
Conforme artigo O grande gerador de empregos, de autoria dos professores L. Nelson G. de
Carvalho e Ariovaldo dos Santos, publicado em Revista Exame Melhores e Maiores, jun/2000,
pg. 234.
58

82

Tabela 1 Resultados para o ndice de Anlise Vertical do Disponvel

Grupo
no falidas
3,8

Teste de
t
1,1

Graus de
Liberdade
29

Significncia

1. ndice

Grupo
Falidas
4,6

2. Posio Relativa

53,893

41,981

0,091

42,

No sign.

3. Variao do ndice

-0,329

-0,085

1,065

24,

No sign.

4. Fluxo de Fundos

-0,4

3,8

-0,0

34,

No sign.

5. Projeo 1 Ano

3,6

4,0

0,4

28,

No sign.

6. Projeo 2 Anos

2,2

4,5

0,4

28,

No sign.

No sign.

Adaptado de tabela apresentada pgina 53 da citada obra aqui tratada.

A anlise dessa tabela (parece ter sido) a seguinte: ao se obterem as

medianas59 de cada grupo, identificou-se visualmente a diferena entre os dois
grupos. Para respaldar as anlises, efetuou-se o teste t para diferenas de
mdias60, o qual apresentou como resultado a estatstica teste de 1,1, que aos
nveis de significncia61 utilizados de 0,1%, 1%, 2% e 5%, no pode ser
59

A mediana divide um conjunto de nmeros ao meio, significando que metade est abaixo de seu
valor e a outra metade acima. Est relacionada diretamente com os conceitos de quartis, decis e
centis, sendo que representa o Quartil 2. uma medida de posio central que no influenciada
por valores extremos (outliers) como a mdia, gerando a informao mais desejada para este tipo
de dado e de pesquisa, procurando identificar o posicionamento de valores que compem uma
amostra.
60
O teste t para diferenas entre mdias de duas amostras consiste em testar se as mdias de
duas populaes so iguais ou diferentes, atravs das mdias de duas amostras independentes.
As hipteses conjecturadas so: H0: 1=2 (hiptese nula), ou seja, as mdias so iguais e
pertencem mesma populao ou a populaes com as mesmas caractersticas, ou H1: 12;
H1: 1>2; H1: 1<2 (hiptese alternativa), que seria a negao da primeira hiptese. O teste
realizado pela seguinte frmula:

t teste

S 12
S 22
+
n1
n2

; podendo-se utiliz-lo pela

aproximao da curva normal, quando n1+n2 >30 (nesse caso, as amostras totalizavam 42).
O nvel de significncia de um teste a probabilidade de uma hiptese nula ser rejeitada,
quando verdadeira. Stevenson (1981:225)
61

83

considerado significativo, pois est localizado dentro do que se denomina rea de

aceitao da hiptese nula62.
Em funo disso, o ndice, por si s, no mostrou ser um bom indicador de
falncia. Os demais itens (2 a 6) tambm passaram pelo mesmo teste, tambm
no logrando xito como bons indicadores. A avaliao final foi que esse
indicador, como um todo, no significativo para a avaliao de dificuldades
financeiras de empresas.
Dos 56 ndices avaliados, cada um subdividido em 6 aspectos de avaliao,
perfazendo um total de aproximadamente 330 indicadores, 81 ndices provaram
ser significativos acima do nvel de 5%, como afirma o autor (pg.171).
Podemos notar que as demonstraes contbeis so uma fonte de
informao para avaliar as empresas, fonte esta ainda relevante.

62

No teste deste ndice, a estatstica t padronizada em funo do nvel de significncia e dos

graus de liberdade apresentados de 3,396 e 1,699, respectivamente para nveis de 0,1% e 5%,
demonstrando que o valor de teste encontrado bem menor que o valor tabelado em todos os
nveis testados, o que leva o pesquisador a aceitar a hiptese nula de que as mdias so iguais.

84

5.2- O modelo de Elisabetsky

Em 1976, Roberto Elisabetsky, ento aluno do curso de Engenharia de

Produo da Escola Politcnica da Universidade de So Paulo, apresentava seu
trabalho de concluso do curso sob o ttulo Um modelo matemtico para
decises de crdito no banco comercial, no qual desenvolveu um indicador de
falncia, tambm baseado no uso da Anlise Discriminante, para fins de utilizao
por um setor de crdito de um banco.
Ao iniciar seu trabalho, conceituando o crdito, mais especificamente o
emprstimo material, expe que a concesso de crdito se resume na
expectativa, por parte do credor, de que o devedor restitua o bem cedido no prazo
acertado e adicionado, eventualmente, de uma remunerao por ter usufrudo
daquele

bem durante o prazo combinado, e que o problema o grau de

subjetividade que cerca as decises sobre a concesso ou no de crdito

(Elisabetsky, 1976:10). Devido ao fato de no ser possvel saber-se a situao
futura do cliente, em funo de situaes a ocorrer e seus impactos, a sua
capacidade de cumprir com as obrigaes assumidas perante um credor de
difcil avaliao.
A fim de se ter maior objetividade na deciso de conceder ou no crdito,
busca-se o uso de informaes do passado dos clientes. Para Elisabetsky, essas
informaes devem ser analisadas sob dois aspectos: revelar a relao cliente x
mercado e o relacionamento devedor x credor (1976:11).

85

Pode-se observar que a multiplicidade de enfoques derivantes desses

aspectos, como situao econmico-financeira, aspectos legais, riscos e
rentabilidade, dificulta a avaliao e acentua o carter de subjetividade na tomada
de decises de crdito.
No caso do Banco Comercial, isso se agrava, em funo do volume de
operaes e de sua curta durao, impossibilitando uma anlise detalhada de
cada cliente, problema que, at os dias de hoje, afeta aquelas instituies. Para
Elisabetsky (1976:13), alguns fatores principais so considerados na hora da
deciso: conceito (qualificao) dos dirigentes e da empresa, reciprocidade
oferecida pelo cliente (medida risco x rentabilidade), situao econmicofinanceira da empresa (anlise das demonstraes contbeis), garantias
oferecidas, informaes cadastrais (histrico de pagamentos), destinao dos
fundos (fluxos de recursos), natureza do crdito (risco) e convenincia do Banco
em termos de tesouraria.
Quando ocorre uma coincidncia de fatores, a deciso a ser tomada pode
ser facilitada, segundo o autor. Caso a avaliao dos fatores citados obtenha a
conceituao tima, as chances da aprovao da concesso do crdito so
grandes. Porm, caso haja divergncia ou contradio quanto concluso final,
busca-se a opo da avaliao das demonstraes contbeis, de maneira a
refletir mais objetivamente (grifo do autor) a situao operacional do cliente e sua
capacidade de pagamento, o que passvel de questionamentos.
Para o autor, o julgamento humano no deve ser excludo do processo de
tomada de deciso, mas o sistema de avaliao de crdito pode ser
grandemente beneficiado pelo uso de modelos matemticos que possibilitem uma

86

melhor quantificao dos dados existentes (grifo do autor) (Elisabetsky,

1976:15).
Esse no seria um critrio absoluto, mas uma ferramenta auxiliar ao
analista. Para o autor, a anlise de crdito, como ocorre, apresenta trs
restries: a) no aplicao de um critrio absoluto; b) anlise das informaes
feita em seqncia e no simultaneamente e c) o sistema tradicional lento e
oneroso. Essas restries levaram-no proposio da utilizao de modelos
matemticos para a avaliao e classificao de clientes (empresas e pessoas
fsicas).
Na opinio do autor, vrios objetivos podem ser alcanados pelo uso de
modelos matemticos, como: acompanhamento dos crditos concedidos para
melhoria da qualidade da deciso, reduo de tempo e custos de avaliao,
controle das carteiras de crdito, melhor aproveitamento do tempo e experincia
dos analistas, flexibilizao da estrutura perante mudanas na economia,
potencializao de bons clientes e formalizao (padronizao) do processo de
avaliao e concesso de crdito (Elisabetsky, 1976:16).
No Captulo II, o autor descreve a anlise de balanos, ferramental utilizado
pelo Banco Comercial na avaliao de clientes. Chama-a de anlise tradicional,
em comparao a sua proposta de utilizao de recursos matemticos
(estatsticos), que seria um mtodo sofisticado de anlise [...] (Elisabetsky,
1976:75).
No primeiro item do captulo, discorre sobre os indicadores financeiros
extrados das demonstraes, segregando-os em quatro categorias distintas:

87

liquidez, estrutura, rentabilidade e atividade, cada qual caracterizando um desses

aspectos. Ressalta que um dos grandes problemas encontrados ao se analisar a
empresa atravs de ndices a contradio dos resultados obtidos pelo uso dos
diversos tipos de ndices (Elisabetsky, 1976:21).
Essa contradio pode indicar, segundo Elisabetsky (1976:22), uma fase
pela qual est passando a empresa, ou inviabilizar concluses objetivas, levando
a anlise ao rumo da subjetividade.
Finaliza esse item apresentando modelos de planilhas de padronizao,
aos quais denomina planilhas de reclassificao, e a sua utilizao em
comparaes com indicadores padres do ramo de atividade de cada empresa
analisada.
No segundo item, trata da anlise da Demonstrao do Fluxo de Fundos,
utilizada pelo Banco Comercial com a inteno de obter respostas sobre a
alocao do lucro gerado pelas operaes, da destinao dos recursos
provenientes de emprstimos e do que alterou a posio de liquidez da empresa
(Elisabetsky, 1976:29). Procura-se, com essa anlise, avaliar o Capital Circulante
Lquido da empresa e suas modificaes, causadas pelos recursos recebidos e
aplicados, de caracterstica de longo prazo.
Tambm na obra do prof. Kanitz, o autor releva a importncia do uso da
informao da Demonstrao do Fluxo de Fundos (comparvel atualmente
DOAR) para avaliao da situao financeira da empresa.

88

O ltimo item deste captulo trata da anlise de Giro versus Margem, que
a decomposio dos elementos que entram no clculo da chamada Taxa de
Retorno (Elisabetsky, 1976:34).
O autor trabalha com o conceito de Taxa de Retorno igual a Lucro Lquido,
dividido pelo Ativo Total (ROA), mas ressalvando a existncia do conceito de
Retorno sobre Investimentos (ROI63), que obtido pela diviso do Lucro
Operacional pelo Ativo Operacional da empresa.
Portanto, a Taxa de Retorno pode ser esquematizada da seguinte maneira:

Lucro Lquido = Vendas

Ativo Total
Ativo Total

Lucro Lquido
Vendas

Desse esquema bsico possvel desmembrar e reconhecer a composio

do Ativo e do Lucro da empresa em anlise.

63

ROI = Return on Investments: modelo de avaliao; desenvolvido pela empresa norteamericana Du Pont Powder Company, no incio do sculo XX; o qual servia de subsdio para a sua
gesto. Basicamente, consiste em fazer a decomposio do resultado operacional da empresa,
oriundo de sua capacidade de girar seus investimentos (Vendas sobre Ativo ou Investimento
Operacional) e de sua margem operacional sobre as vendas realizadas (Lucro Operacional sobre
Vendas). Essa decomposio propiciava uma viso dos aspectos operacionais e financeiros de
toda a atividade da empresa e de seus departamentos, tendo-se a administrao geral como
responsvel pela alocao de capitais e os demais departamentos (fabricao, vendas e compras)
a liberdade em reduzir seus custos (produtividade). Geravam-se com esse modelo centenas de
quadros de acompanhamentos, os quais eram dispostos em uma sala na administrao geral
(KAPLAN, Robert S. & JOHNSON, H.Thomas. Contabilidade Gerencial: a restaurao da
relevncia da contabilidade nas empresas. Rio de Janeiro: Campus, 1993. cap. 4, p.53-79). Esse
modelo pode ser ampliado, chegando-se aos estudos da Alavancagem Financeira (financial
leverage) e do Valor Econmico Agregado (EVA).

89

Nos captulos III e IV, o autor discute as caractersticas dos modelos

matemticos para fins de concesso de crditos e a ferramenta estatstica da
Anlise Discriminante64.
Elisabetsky (1976:38) expe que [...] impossvel distinguir, primeira
vista, os emprstimos que se desenrolaro de modo normal daqueles cuja
cobrana ser dificultada.. O autor prope, ento, a utilizao de procedimentos
(grifo do autor) que identifiquem e excluam o maior nmero possvel de riscos
indesejveis, ressaltando os bons riscos.
Aqueles procedimentos, empricos por natureza, no tm a inteno de
precisar se um emprstimo ser saldado ao final ou no, mas caracterizar e
quantificar, da melhor maneira, [...] os riscos que se desenvolveram de maneira
aceitvel daqueles que no o fizeram. (Elisabetsky, 1976:38)
Resume o autor o esquema geral para desenvolvimento de modelos
analticos

de

crdito,

em

quatro

passos,

sendo

alguns

executados

simultaneamente:

1) Identificar as caractersticas que melhor discriminam entre os bons e

maus riscos;
2) atribuir um peso adequado a cada uma das caractersticas definidas no
passo 1;
3) calcular, para cada cliente, a soma dos produtos peso x caracterstica,
obtendo um total que chamaremos Z calculado. Este total uma
medida da qualidade potencial do cliente;

64

Os fundamentos tericos e avaliaes do autor sobre Anlise Discriminante esto includos e

discutidos no captulo especfico.

90

4) comparar o Z calculado com dois (ou um como veremos mais tarde)

pontos crticos, classificando a operao quanto sua qualidade
(Elisabetsky, 1976:39).

O ltimo passo consiste na deciso em si, a qual depender da maneira

como adotado o modelo pelo Banco Comercial, que pode ser: a) [...] utilizar o
resultado como simples informao adicional [...], b) o resultado [...] poder ser
decisivo na avaliao do crdito, c) [...] levado em considerao na
determinao da alada de deciso da operao, sendo esta a proposta do autor
no trabalho (Elisabetsky, 1976:41).
A importncia das caractersticas ou variveis que iro compor o modelo
(equao discriminante) est em discriminar as boas e ms operaes. O nmero
de variveis depende da preciso desejada, do tipo de discriminao estudada e
das interdependncias entre as variveis (Elisabetsky, 1976:42).
Quanto atribuio de pesos s variveis relevantes, Elisabetsky (1976:43)
afirma que dependero de:
a) Poder discriminante de cada varivel;
b) das interdependncias entre as variveis;
c) do valor absoluto da varivel e
d) do sinal da varivel, que se modifica nas que apresentam grande valor
absoluto nos maus crditos e pequeno valor nos bons crditos.
Para a seleo de variveis e atribuio de pesos, so utilizadas as
tcnicas de Anlise Discriminante e a Regresso Multilinear, que levam em conta
todas as variveis disponveis e consideram o efeito combinado que as

91

caractersticas relevantes apresentam com relao qualidade do crdito

(Elisabetsky, 1976:44).
A estrutura conceitual do modelo desenvolvido pelo autor, apresentada no
captulo V, considerou dois enfoques para seu desenvolvimento: a atratividade
para o banco e segurana oferecida (Elisabetsky, 1976:69).
O autor escolheu enfatizar no modelo o aspecto segurana da deciso, em
virtude de o outro aspecto incorrer em anlises de difcil avaliao: formas de
reciprocidade oferecidas pelos clientes, dinmica da tesouraria do Banco e vrias
fontes de recursos utilizadas.
O aspecto segurana apresenta-se sob dois enfoques: a situao
econmico-financeira e as garantias oferecidas. Quanto s garantias, podem-se
inclu-las no modelo, alterando-se a fixao dos pontos crticos, sem entrar na
equao discriminante. Isto decorre do fato de que as garantias s so utilizadas
quando do insucesso de uma operao, no sendo lgico incluirmos a qualidade
das garantias como varivel(Elisabetsky, 1976:70). O modelo utiliza, portanto,
como variveis, indicadores financeiros, extrados das demonstraes contbeis,
com a finalidade de situar o cliente quanto sua situao econmico-financeira
(de forma mais objetiva).
Mesmo descrevendo certas desvantagens (principalmente a confiabilidade!)
em usar os ndices gerados a partir das demonstraes contbeis, Elisabetsky
(1976:73-74) foi favorvel utilizao daqueles como variveis, pois:
1) So os valores que melhor se prestam para servir de variveis, uma
vez que seu clculo objetivo e pr-determinado, alm de
comparveis entre as empresas;

92

2) as distores decorrentes de falhas na legislao tributria no

introduziro erro considervel na funo discriminante, pois esses
defeitos atingem da mesma forma e no mesmo sentido todas as
empresas do universo considerado;
3) erros decorrentes de fraudes nos demonstrativos sero eliminados [...],
pois o ndice melhorado deixar de ser discriminante de empresas
boas e ruins;
4) dados omitidos podero sempre ser solicitados ao cliente.

O autor apresenta, ainda, o que denomina dois grandes defeitos s

variveis do modelo (Elisabetsky, 1976:74): 1) os dados no so padronizados e
2) a validade da equao para dados de um ano especfico. Quanto a este, o
autor apresenta, na concluso da obra (Elisabetsky, 1976:184), uma soluo a
ser testada, a fim de minimizar o problema: a utilizao de deflatores para
adaptao da equao do ano 1 ao ano 2. O autor considerou inconveniente a
utilizao da equao gerada no ano 1 para avaliar os dados do ano 2, uma vez
que desejvel o uso de informaes to mais recentes quanto possvel65.
Nos dois itens seguintes do captulo, o autor definiu o critrio para
considerar empresas ms e o estabelecimento dos pontos crticos.
O critrio estabelecido para incluso de empresas no grupo das ruins foi
simplesmente o do atraso nos pagamentos, independente de ser concordatria,
falida, de classificaes prvias do banco ou de ter saldado compromissos
atrasados. Acabou-se tendo no grupo de empresas ms aquelas que possuam
em seus cadastros protestos, hbitos irregulares de pagamento, empresas falidas
ou concordatrias, sendo as demais consideradas como boas.

65

O autor expe, pgina 184 de seu trabalho, o fato de se conseguirem as demonstraes

contbeis das empresas do ano 1 somente em meados do ano 2, o que levaria utilizao da
equao do ano 0 durante o ano 1, para avaliaes de empresas.

93

Quanto ao estabelecimento dos pontos crticos, optou Elisabetsky por

trabalhar com o enfoque das zonas (1976:85), como fez o prof. Kanitz. Delimitou
trs reas, denominadas faixas: uma esquerda do ponto X1, onde se situaro as
empresas ms, uma direita do ponto X2, onde situar-se-o as empresas
boas, e uma faixa entre estes dois pontos, denominada Regio de Dvida.
Quando da realizao dos testes do modelo, utilizou-se apenas um ponto
crtico, igual a 0,566, para estabelecimento das variveis que comporiam a
equao discriminante. Aps isso, calcularam-se os valores de X1 e X2,
delimitando a regio de dvida. X1 obteve o valor 0,3288 e X2 o valor de 0,6711.
Verificou-se, ao final dos testes, que nenhuma empresa boa foi classificada
como ruim, ou vice-versa.
O teste do modelo foi apresentado no captulo VI, subdividido em quatro
seces, descritas a seguir.

66

Este valor foi apresentado, na anlise feita pelo autor da adoo do Enfoque dos Custos, para
obteno dos pontos crticos. Esses Custos so referentes classificao errnea de clientes
bons como ruins, e vice-versa. O custo de classificar uma empresa ruim como boa (C0) poderia ser
avaliado, aproximadamente, pelo valor da operao, multiplicado por um coeficiente de perda, que
variaria em funo das garantias concedidas. J o custo de classificar uma empresa boa como
ruim (C1) difcil de ser quantificado, pois diz respeito negao do crdito ao cliente. Por este
motivo, o autor no optou pelo enfoque dos custos, mas utilizou o valor do ponto crtico, obtido na
demonstrao desse enfoque (Elisabetsky, 1976:78-84).

94

VI 1 Escolha do Setor Analisado

O autor escolheu empresas do mesmo ramo de atividade, em funo das

diferenas existentes nas estruturas financeira e patrimonial de empresas de
ramos diversos. A escolha do setor teve como critrio aquele que pudesse
fornecer o maior nmero possvel de empresas perfiladas como ms.
Depreendeu-se disto o receio na confiabilidade das informaes prestadas nas
demonstraes contbeis.
A amostra utilizada pelo autor foi a da indstria de confeces de artigos
para vesturio, excluindo-se indstrias de meias, couros, calados, etc.
(Elisabetsky, 1976:93).
Selecionaram-se demonstraes contbeis de 473 empresas, no perodo
de 1972 a 1975, sendo raras as empresas das quais se obteve demonstrativos
de mais de dois anos consecutivos; [...] (Elisabetsky, 1976:93).
Por necessidade de se constiturem duas amostras, uma para desenvolver
a equao discriminante e a outra para test-la, usaram-se as informaes do ano
de 1974. As empresas das amostras apresentavam Patrimnio Lquido entre
Cr$105.000,00 e Cr$14.061.000,00 (US$ 14.131,90 e US$ 1.892.462,99,
respectivamente, ao cmbio de Cr$7,43/US$1,00).

95

VI 2 Variveis includas

Os ndices das demonstraes contbeis foram retirados de informaes

conseguidas em fontes do prprio banco e da anlise enviada pela SERASA.
Diversos ndices foram utilizados pelo autor, que, em primeiro passo,
procurou identificar aqueles que apresentavam entre si alta correlao
(Elisabetsky, 1976:100).
Ao observar a matriz de correlao dessas variveis, o autor foi,
sucessivamente, excluindo aquelas que afetariam o processo de regresso.
Chegou-se a um nmero de 38 variveis, com as quais realizou-se a regresso
multilinear.

VI 3 Testes

A seqncia do processo compreendeu a incluso de variveis, de maneira

a melhorar a capacidade discriminante da regresso.
O processo utilizado foi o Stepwise, no qual as variveis podem ser
mantidas, ou no, em funo da melhoria da capacidade preditiva, provocada
pela entrada de uma nova varivel na equao de regresso. Esse processo
interrompido quando nenhuma das variveis a ser includa apresenta melhoria
significativa na discriminao, ou quando todas j tiverem sido includas
(Elisabetsky, 1976:110-111).

96

VI 3 a Tamanho das Amostras

Os primeiros testes de regresso realizaram-se em 28 empresas ms e

82 empresas boas, totalizando as 110 empresas selecionadas. A quase
totalidade das empresas foi classificada como boa, como salienta Elisabetsky
(1976:112-115). Isto ocorreu devido ao fato de a regresso procurar minimizar a
soma dos quadrados dos desvios de cada elemento, em relao reta estimada
e, sendo a populao 1 muito maior que a populao 0, de se esperar que a
reta de regresso, que normalmente seria r1 [...], proporcionando o ponto de
separao x1, sofra um deslocamento, passando a ser r2, que nos d o ponto de
separao x2. Em virtude desse problema, as amostras seguintes foram de
tamanhos semelhantes.

VI 3 b - Variveis Inadequadas

Com a equiparao do tamanho das amostras, os resultados das

regresses melhoraram sensivelmente, segundo o autor, mas, quando aplicados
amostra paralela (de teste), os resultados refletiam a baixa capacidade
discriminante da equao.
Isso foi causado pelo efeito conjugado de variveis (ndices) que, sozinhas,
apresentavam alta capacidade discriminante (quando avaliadas para um grupo de
empresas), causando o efeito de, ao serem includas na equao, ajustarem os

97

coeficientes das demais variveis, mais a alta disperso apresentada. Estas duas
causas provocaram, segundo o autor (1976:129), o alto erro verificado nos testes
com as amostras paralelas.
Numa tentativa de reduzir esse erro, o autor utilizou transformaes
logartmicas, que no afetavam a implantao do modelo, mas eliminavam
variveis que envolviam o Capital de Giro e o Lucro Lquido (quando assumiam
valores negativos).
Em virtude dos fracos resultados encontrados com esta tentativa de
transformao, passou-se a eliminar variveis, em busca de um resultado
considerado aceitvel tanto na amostra da regresso como na amostra paralela
(Elisabetsky, 1976:134)67.

VI 4 Resultado Final

A equao final, que mostrou ser a de melhor poder discriminante

(r2=0,7444), possui 28 variveis. Assim, como exposto, aps o ajuste e o
estabelecimento dos limites da regio de dvida, nenhuma empresa foi, com essa
equao, classificada incorretamente.

67

O autor no explica como foi esse processo de eliminao de variveis. Nas planilhas dos
processamentos efetuados para obteno da equao final, verifica-se o processo de incluso das
variveis passo-a-passo (stepwise), conforme se aumentava a capacidade discriminante da
equao.

98

Em virtude de ser uma equao de muitas variveis, escolheu-se

apresent-la no Anexo de nmero 1, para que no fosse quebrada a seqncia
do trabalho.
Tentou, ainda, o autor, a reduo do nmero de variveis de sua equao,
em funo da dificuldade da manipulao de 28 variveis, o que exigiria recursos
computacionais. Porm, segundo Elisabetsky (1976:174), a preciso do modelo
cai sensivelmente com essa reduo, o que pode ser verificado nas tabelas
apresentadas ao final do captulo e adaptadas a seguir.

99

5 primeiras variveisr2 = 0,2746

Amostra
Regresso
Empresas Ms
Empresas Boas

Nmero
27
27

Acerto em
Nmero
20
17

Acerto em
Porcentagem
74,07%
62,96%

Acerto em
Nmero
21
23

Acerto em
Porcentagem
77,87%
85,19%

Acerto em
Nmero
22
24

Acerto em
Porcentagem
81,48%
88,89%

10 primeiras variveisr2 = 0,4948

Amostra
Regresso
Empresas Ms
Empresas Boas

Nmero
27
27

15 primeiras variveisr2 = 0,5868

Amostra
Regresso
Empresas Ms
Empresas Boas

Nmero
27
27

Adaptados de grficos e tabelas apresentados s pginas 174 e 178 da obra aqui tratada.

Ao finalizar seu estudo, Elisabetsky apresenta sua proposta de utilizao do

fator de insolvncia como forma de delimitar os nveis de alada dos participantes
do processo de crdito, ampliando esses nveis quando os clientes tivessem
escore Z bons, agilizando a tomada de deciso e inserindo uma nova varivel da
determinao das aladas: a qualidade, em termos de situao econmicofinanceira apresentada pelo cliente.(Elisabetsky, 1976:182).

100

5.3- O modelo de Altman

Apresenta-se, nesta parte, o trabalho desenvolvido pelo professor Edward I.

Altman68, em parceria com professores69 da Pontifcia Universidade Catlica do
Rio de Janeiro, em 1979, e publicado na Revista de Administrao de Empresas
da Fundao Getlio Vargas Rio de Janeiro, edio de janeiro/maro.
O artigo, intitulado Previso de problemas financeiros em empresas,
apresenta um modelo de previso de insolvncia baseado no modelo
desenvolvido pelo autor em 1968 e modificado em virtude das condies
brasileiras.
O trabalho teve como propsito examinar a experincia das falncias no
Brasil da poca e desenvolver, testar e analisar um modelo quantitativo para
classificar e prever problemas financeiros nas empresas (Altman, Baidya & Dias,
1979:17).
Descreve-se a situao econmica brasileira da poca como de
extraordinrio crescimento, mesmo com a crise do petrleo de 1973. Porm,
algumas tendncias ameaadoras mostravam sinais de continuarem e de se
agravarem.

68

Edward I. Altman, professor de finanas na New York University Stern School of Business, um
dos maiores pesquisadores mundiais sobre a questo da previso de insolvncia e problemas
financeiros das empresas no mbito da Gesto do Risco de Crdito. Seu primeiro trabalho foi
apresentado em setembro de 1968, no The Journal of Finance, e intitulava-se Financial ratios,
discriminat analysis and the prediction of corporate bankruptcy. Foi o primeiro a apresentar a
aplicao da Anlise Discriminante em modelos quantitativos para previso de falncia.
69
Professores Tara K. N. Baidya e Luiz Manoel Ribeiro Dias.

101

Aquelas tendncias referem-se ao endividamento alto e crescente,

observado em estatsticas avaliadas dos anos de 1970 a 1975, que refletem,
como conseqncia, despesas financeiras crescentes [...] (Altman, Baidya &
Dias, 1979:19), aliadas a lucros que crescem mais lentamente, surge da uma
reduo dos ndices de cobertura, ou margem de segurana, o que causa
preocupao quanto dimenso do risco para gestores da empresa, para
instituies financeiras e outros.
Completa-se o quadro com incluses de uma poltica monetria austera
(para combate inflao) e de um mercado de capitais inadequado: tem-se uma
situao de presses crescentes. Os autores verificaram essas presses com
estatsticas levantadas nos primeiros seis meses de 1977, das falncias e
concordatas requeridas em So Paulo e no Rio de Janeiro, nas quais, em
comparao com igual perodo de 1976, constatou-se um crescimento de 28%
das falncias e de 55% das concordatas (Altman, Baidya & Dias, 1979:19).
Altman, Baidya & Dias (1979:20) chamam a ateno tambm para outra
informao observada: alm de crescer o nmero de empresas com problemas
financeiros, o porte das empresas em dificuldades tambm est crescendo.
Conforme mostrado pelos autores, essa parecia ser uma tendncia mundial, que
se concretizou no final do sculo passado, especificamente, no caso brasileiro,
aps o plano econmico implantado em 1994.
Utilizando-se da tcnica da Anlise Discriminante e de Regresso Mltipla,
os autores desenvolveram seu modelo de previso de insolvncia a partir de uma
amostra dividida em dois grupos: o das empresas com problemas srios (PS) e

102

o grupo controle das empresas sem problemas (NP) (Altman, Baidya & Dias,
1979:20).
A amostra PS foi definida por Altman, Baidya & Dias (1979:21-22), tendo
por base problemas como pedidos formais de falncia e de concordata; solues
extrajudiciais, como interveno do principal credor para reorganizao da gesto,
os casos em que a empresa encerrou as atividades, sem utilizao dos meios
legais. Essa amostra era composta por 23 empresas, sendo que, em 21 delas, o
problema foi verificado no perodo de janeiro de 1975 a junho de 1977; em dez
empresas, durante o ano de 1976 e, em seis, at junho de 1977. Essas
representavam os setores da indstria de tecidos, de mobilirio, de celulose e
papel, comrcio varejista, plsticos, metalurgia e outros.
Quanto amostra NP, reuniram-se dados de 200 empresas. Desse
conjunto, procuraram os autores escolher duas empresas de cada setor
equivalente aos das empresas da amostra PS. Foram escolhidas empresas
privadas nacionais de porte equivalente, levando a amostra final NP a ter 35
empresas70.
O modelo desenvolvido foi adaptado, como salientado, a partir daquele
desenvolvido por Altman (1968), nos Estados Unidos, em funo das
caractersticas das empresas nacionais.
No

modelo

concebido

por

Altman

(1968),

duas

das

variveis

independentes, x2 (lucros retidos dividido pelo ativo total) e x4 (valor de mercado

70

A mdia dos ativos das empresas constantes das duas amostras foi de Cr$ 323 milhes (PS) e
de Cr$ 300 milhes (NP). Se o modelo fosse preciso, seria relevante para uma larga faixa de
empresas, em termos de porte, segundo os autores.

103

do equity dividido pelo exigvel total) necessitaram ser ajustadas para o modelo
brasileiro.
A primeira varivel (x2) foi transformada em No-exigvel menos Capital
aportado pelos acionistas dividido pelo Ativo Total. Em funo dos diferentes
critrios de apresentar as demonstraes financeiras, a incorporao dos lucros
ao capital com distribuio de bonificaes em aes e os ajustes para corrigir a
inflao, fazem com que no exista equivalente exato para o valor dos lucros
retidos (Altman, Baidya & Dias, 1979:22).
A adio da correo inflacionria do capital de giro e do ativo imobilizado
levou os autores a adotarem a adaptao antes mencionada.
Devido ao fato de que muitas empresas no possuam aes em
negociao na Bolsa, utilizou-se, para a varivel x4, o valor contbil do Patrimnio
Lquido, no numerador daquela, dividido pelo Exigvel Total (Altman, Baidya &
Dias, 1979:22).
Com uma significncia de 0,01, o teste F, aplicado s mdias de cada uma
das variveis explicativas de cada amostra, mostrou-se significativo, indicando
que a discriminao por anlise discriminante era possvel. Alm disso, uma
anlise da evoluo desses ndices, no grupo das empresas PS, mostrou sua
gradativa piora nos trs anos.
Os estudos desses cinco ndices e seus testes em regresses levaram ao
desenvolvimento de duas equaes discriminantes, cada qual com quatro
variveis.

104

A primeira, o modelo Z1, no inclua a varivel x1, por esta no contribuir

com o poder explicativo do modelo e pelo sinal de seu coeficiente ser contrrio
lgica e instituio (Altman, Baidya & Dias, 1979:23).
Quanto ao modelo Z2, a varivel x2 no foi includa, devido a: a) dificuldade
de se quantificarem lucros retidos, com base apenas em balanos recentes e b) a
mudana inserida nas variveis x2 e x4, as quais, em seus resultados,
apresentaram-se muito semelhantes.
As equaes que representam os modelos so:

Z1 = -1,44 + 4,03 x2 + 2,25 x3 + 0,14 x4 + 0,42 x5

Z2 = -1,84 - 0,51 x1 + 6,32 x3 + 0,71 x4 + 0,52 x5
onde:
Z1 e Z2 = total ou escore de pontos obtidos
X1 = ndice Capital de Giro Lquido / Ativo Total
X2 = ndice No-exigvel - Capital (recentemente) aportado pelos acionistas /
Ativo Total
X3 = ndice LLAIR + Juros / Ativo Total
X4 = ndice No-exigvel / Exigvel Total
X5 = ndice Vendas / Ativo Total

105

Os resultados obtidos com os dois modelos foram praticamente iguais, mas

com superioridade do Modelo Z1, quando aplicado aos antepenltimo e penltimo
anos, antes da constatao do problema. Em tabela, pgina 24, o resultado da
preciso do modelo apresentado como sendo de 87,0%, 84,2% e 77,8% no
grupo PS, para um, dois e trs anos antes da constatao do problema,
respectivamente.
O ponto crtico de separao adotado foi zero, devido considerao,
pelos autores, de probabilidades prvias e de custos de classificao incorreta
iguais71.
Na seqncia do trabalho, testaram-se a preciso do modelo e sua
validade, esta no sentido do tamanho do intervalo de tempo entre os dados
analisados e da capacidade de deteco de problemas, ou melhor, de
classificao correta das empresas. Resultados relatados em pargrafo anterior.
Segundo Altman, Baidya & Dias (1979:24), o teste de significncia resultou
em um ndice F = 14,2, que significante ao nvel de 0,001 [...], que possui F
tabelados de: F1; 53 (0,001) = 12,0 e F1; 53 (0,01) = 7,0, conforme nota dos autores.
Sete empresas foram mal classificadas pelo modelo Z1, sendo trs
empresas do grupo PS classificadas no grupo NP e quatro do grupo Np, no grupo
PS.
Essas empresas dispuseram-se no intervalo entre 0,34 e +0,20,
denominado pelos autores zona de superposio(regio de dvida), intervalo

71

Vide captulo especfico sobre Anlise Discriminante, no item em que se trata do

estabelecimento de pontos crticos.

106

este em que a classificao menos confivel (Altman, Baidya & Dias,

1979:25).
Os autores ainda submeteram o modelo a dois testes para verificao de
sua preciso (Altman, Baidya & Dias, 1979:25).
O primeiro foi o teste de Lachenbruch, que consiste em isolar uma das
empresas da amostra, calcular os coeficientes do modelo, com base na n 1
empresas restantes (57, no estudo) e classificar a empresa isolada, usando esse
novo modelo. Refez-se esse processo 58 vezes, de maneira a se submeter todas
as empresas ao isolamento e a se verificar a capacidade do modelo gerado em
classificar, com as demais 57. Esse teste apresentou o mesmo grau de preciso
do modelo: 87,0%.
O segundo teste, denominado repeties (realizado cinco vezes, no total),
correspondeu seleo de um nmero de empresas da amostra PS e da amostra
NP e construo de um novo modelo. A preciso mdia obtida foi considerada
satisfatria: aplicando-se os novos modelos desenvolvidos s empresas no
selecionadas, obtiveram-se graus de preciso de 84,7% e 78,8% para os grupos
NP e PS, respectivamente.
Finalizando seu estudo, dizem os autores serem promissores os resultados.
Alertam, porm, que, em funo de o modelo derivar de dados publicados, sobre
os quais podem pairar dvidas quanto confiabilidade (!), o modelo resultante
tambm estaria sujeito a limitaes.
Em pases em desenvolvimento, o uso de modelos como o proposto poder
servir de alerta para a tomada de providncias preventivas, pois uma epidemia

107

de falncias teria efeitos drsticos na solidez do setor privado e na economia

como um todo. (Altman, Baidya & Dias,1979:26)
Esclarecem que o modelo no infalvel: serve como um instrumento de
aferio e investigao, sendo aplicvel por instituies financeiras, para
aprimoramento dos critrios de alocao de recursos e avaliao de riscos de
crdito e por auditores independentes, como um dispositivo externo e objetivo,
emissor de um aviso antecipado de problemas potenciais (Altman, Baidya &
Dias,1979:26).

108

5.4- O modelo de Silva72

Em 1982, Jos Pereira da Silva apresentou sua dissertao Modelos para

classificao de empresas com vistas a concesso de crdito, na EAESP / FGV.
O cerne de seu trabalho foi a elaborao de um modelo matemtico, usando a
Anlise Discriminante, para fins de classificao de empresas quanto
concesso de crdito.
Seu trabalho estruturado em cinco partes, sendo, ao todo, quatorze
captulos.
Nos cinco primeiros captulos, descreve o Crdito.
Inicia-se, fazendo a conceituao de crdito. Define-o como a capacidade
de algum em obter dinheiro, mercadoria ou servio, mediante o compromisso de
pagamento em determinando prazo (Silva, 1982:1). Insere a importncia da
funo de crdito na economia como um todo, especialmente para os bancos, os
maiores intermediadores financeiros.
No captulo II, apresenta a concesso de crdito como uma funo de
investimento, no contexto de finanas.
Ao discorrer sobre o objetivo da administrao financeira, expe a viso do
objetivo, da empresa privada, de maximizao de lucros, apresentando opinies
favorveis e contrrias a esse enfoque. O conceito adotado de maximizao foi o

72

Utilizou-se, alm da dissertao, o livro de autoria de Jos Pereira da Silva, Gesto e anlise de
risco de crdito, constante do referencial bibliogrfico, em virtude de dificuldades na pesquisa ao
trabalho original.

109

de escolha da(s) melhor(es) alternativa(s) em funo do(s) resultado(s)

apresentado(s). Afirma que a funo de crdito em um banco semelhante
funo de investimento, pois aquele constitui o ativo operacional de um banco.
Em contrapartida, as funes de financiamento e de distribuio de dividendos
devem ser conciliadas de maneira a se obter a maximizao do lucro.
No terceiro captulo so apresentados pelo autor conceitos de Risco e
Incerteza (Silva, 1982:12):
Risco - existe quando o tomador de decises pode se basear em
probabilidades objetivas para estimar diferentes resultados, de
modo que sua expectativa se baseia em dados histricos e,
portanto, a deciso tomada a partir de estimativas julgadas
aceitveis pelo tomador de decises.
Incerteza ocorre quando no se dispe de dados histricos acerca de um
fato, o que poder exigir que o tomador de decises faa uma
distribuio probabilstica subjetiva, isto , baseado em sua
sensibilidade pessoal.

Delimita-se o risco de crdito como caracterizao de diversos fatores, os

quais podero contribuir para que quem concedeu o crdito no receba, do
devedor, o pagamento na data acordada. Classificam-se estes em riscos internos
e externos, em relao empresa.
Os riscos internos empresa so aqueles relacionados Capacidade,
podendo se subdividir em riscos ligados produo e ao produto, administrao
da empresa, ao nvel de atividade, estrutura de capitais e falta de liquidez.
Quanto aos riscos externos, incluem-se os fatores ligados poltica,

110

macroeconomia e a outros que afetam diretamente a empresa. Tambm se

subdividem em riscos ligados a medidas polticas e econmicas, aos fenmenos
naturais e ecolgicos, ao tipo de atividade, ao mercado, e ao tipo de operao de
crdito.
Aborda-se a poltica de crdito, no captulo seguinte, apresentando-se
definies de autores e conceituando-a como padres de crdito, os quais
servem de orientao bsica nas decises de crdito (Silva, 1982:17).
Relembra-se o vnculo com a funo de investimentos de finanas, alm de
salientar a diferena entre a poltica creditcia de um banco e outro tipo de
empresa comercial ou industrial, pois aquele perder, em caso de inadimplncia,
todo capital empregado, enquanto a empresa pode vir a trabalhar com margens
brutas de lucro bastante elevadas.
O banco ainda tem de observar, em sua poltica de crdito, as taxas de
juros, as garantias e o nvel de risco relacionados a cada operao, alm da
interferncia exercida pela poltica econmica do Governo.
Quanto ao nvel de risco, necessrio avaliar o custo de conceder um
emprstimo e o custo de no conceder. Atravs de um exemplo, o autor
apresenta a maneira de se apurarem esses custos, pelas seguintes frmulas:

111

CDC = P(I) x Vo + CI + CB
CDN = P(R) x Vo x TJ
sendo:
CDC e CDN = custo de conceder e custo de negar
P(I) e P(R) = probabilidade de inadimplncia ou risco de crdito e probabilidade
de recebimento, de modo que P(R)= 1 P(I)
Vo = valor original do emprstimo
CI = custo do investimento (semelhante a um custo de oportunidade)
CB = custo da cobrana
TJ = taxa de juros.

O captulo V apresenta a deciso de crdito. Como uma deciso, ou seja,

um processo de escolha entre alternativas, a deciso de crdito em um banco
diferencia-se da deciso de crdito em empresas comerciais ou industriais, pois
tomada conforme nveis preestabelecidos, em funo de montante, taxa, prazo e
garantias. Esses nveis so denominados aladas.
Na seqncia do trabalho, captulos VI ao VIII, o autor apresenta os
chamados Cs do crdito, definindo cada um e sua implicao no processo de
concesso de crdito.
As variveis analisadas so o Carter, a Capacidade, a Condio, o
Capital, o Colateral e uma nova, o Conglomerado. Esta foi includa pelo autor
devido importncia que se deve dar anlise do grupo em que a empresa
pleiteante do crdito est inserida. Avaliaes com relao s empresas coligadas

112

e controladas, alm das demonstraes contbeis consolidadas, servem tanto

para a reduo do risco, quanto para uma boa gesto do crdito.
O Carter diz respeito inteno de pagar e a fatores como a pontualidade
de pagamentos anteriores, ou protestos, destes so os analisados. Muitas
empresas usam o pagamento em cartrio como forma de reduzirem os juros do
emprstimo, porm, criam uma restrio, junto aos fornecedores de recursos,
com relao a novas concesses. Aquela inteno pode ser avaliada pelo
levantamento do histrico do cliente, atravs de convnios com rgos ou
agncias especializadas de informao.
A competncia empresarial, os potenciais de produo, administrao e
comercializao demonstram a habilidade em gerir a empresa, que avaliada no
item Capacidade. As decises estratgicas da empresa devem ter o seu efeito
sinrgico avaliado, assim como toda sua estrutura organizacional, desde a
produo at o sistema de informao e participao no mercado. A idade da
empresa analisada do ponto de vista da solvabilidade.
As Condies, ou fatores externos no-controlveis pela empresa
(macroeconmicos), podem ser analisadas, verificando-se aspectos como
sensibilidade do ramo de atividade (cclicas ou no-cclicas), influncia de um
ramo sobre o outro, sazonalidade, moda, essencialidade do(s) produto(s), porte
da empresa e regio geogrfica (distribuio de renda).
No item Capital, feita a anlise da situao econmico-financeira do
cliente, atravs das demonstraes contbeis da empresa ou da anlise da

113

capacidade de pagamento e da posio patrimonial, caso o cliente seja uma

pessoa fsica.
O quesito Colateral diz respeito s garantias adicionais que a empresa
pode oferecer ao banco, a fim de sustentar qualquer fraqueza na avaliao dos
outros pontos. Essas garantias, bem como sua conversibilidade para pagamento
do crdito concedido, devem ser analisadas em relao operao de crdito em
si, caso o tomador no o consiga pagar.
Nos captulos seguintes, apresentaram-se breves comentrios sobre
estudos relacionados capacidade preditiva dos ndices financeiros obtidos
atravs das demonstraes contbeis.
No 11 captulo, descreve-se o conceito e a aplicao da Anlise
Discriminante. No seguinte, apresentou-se a escolha da amostra.
A composio da amostra foi de 419 empresas, divididas em grupos de
empresas boas (compreendendo empresas timas e regulares); empresas
insolventes. As empresas timas representavam, basicamente, as 10 melhores
empresas de cada setor73, as regulares referiam-se s empresas intermedirias.
Da amostra, 337 empresas eram industriais e as restantes, comerciais.
Sendo, ainda, 74,7% da amostra composta de empresas do Estado de So Paulo,
segregadas por ramo de atividade e situao financeira.
Com relao ao tamanho da amostra (Silva, 1982:76), diz-se no se ter
encontrado uma regra precisa, porm, necessrio que a mesma seja suficiente

73

Conforme dados da Revista Exame Maiores e Melhores, de setembro/1980.

114

para nos dar confiabilidade nas estimativas. Vale acrescentar que quanto maior a
quantidade de indicadores (variveis), maior dever ser a amostra.
Quanto maneira de seleo das empresas que comporiam a amostra,
no se apresentou um critrio cientfico, o que leva a crer que se utilizou um
critrio em funo da base de dados que se possua e da adoo da premissa de
que as empresas insolventes sero inadimplentes (Silva, 1982:77).
Utilizaram-se ndices financeiros citados na literatura de finanas e de
anlise de balanos, alm de sua prpria sensibilidade. Os ndices, num total de
85 indicadores, foram separados por grupos: estrutura, liquidez e rentabilidade,
fazendo-se ajustes quando necessrio, como, por exemplo, em caso de empresas
com patrimnio lquido negativo.
Enfatiza o autor os seguintes pontos que devem ser considerados quando
do desenvolvimento e utilizao dos modelos:

1. ndices que melhor discriminam um ano antes da insolvncia no so

os melhores quando utilizados dois anos antes;
2. ndices que melhor classificam empresas industriais podem no ser os
melhores para empresas comerciais.
Como nos demais trabalhos apresentados, o autor fez suas simulaes, a
fim de obter uma equao discriminante com o menor nmero possvel de
variveis. O processo Stepwise finalizou em uma equao com seis variveis
independentes. Pelos testes realizados, o melhor modelo apresentava um total de
31 variveis na equao.

115

Sua proposio final difere dos demais trabalhos, por terem-se criado dois
modelos: um para empresas comerciais e outro para empresas industriais. Esses
modelos ainda foram adaptados, para prever a situao da empresa em funo
do tempo: um modelo (n 1) indicava a situao da empresa at o exerccio
seguinte e o outro (n2), a situao at o segundo exerccio subseqente. Isso,
em relao ao perodo das demonstraes utilizadas.
As equaes so as seguintes:

Para indstria:
Zi1 = 0,722 - 5,124 E23 + 11,016 L19 - 0,342 L21 - 0,048 L26 - 8,605 R13 - 0,004 R29

Zi2 = 5,235 - 9,437 E3 - 0,010 E9 + 5,327 E10 - 3,939 E13 - 0,681 L1 + 9,693 R13
onde: Zi1 = escore discriminante para o prximo exerccio
Zi2 = escore discriminante para o segundo exerccio
E3 = (passivo circulante+exigvel a longo prazo) / ativo total
E9 = (variao do imobilizado) / (lucro lquido+0,1 x imobilizado mdiosaldo CM+variao do ELP)
E10 = fornecedores / ativo total
E13 = estoques / ativo total
E23 = duplicatas descontadas / duplicatas a receber
L1 = ativo circulante / passivo circulante
L19 = estoques / custo do produto vendido
L21 = fornecedores / vendas
L26 = (estoques mdio/custo dos produtos vendidos) x 360
R13 = (lucro operacional + despesas financeiras) / (ativo total mdio
investimentos mdios)
R29 = (capital de terceiros) / (lucro lquido+0,1 imobilizado mdio saldo
CM)

116

Para comrcio:

Zc1 = 1,327 + 7,561 E5 + 8,201 E11 - 8,546 L17 + 4,218 R13 + 1,982 R23 + 0,091 R28

Zc2 = 2,368 - 1,994 E5 + 0,138 E9 - 0,187 E25 - 0,025 L27 - 0,184 R11 + 8,059 R23
onde: Zc1 = escore discriminante para prximo ano
Zc2 = escore discriminante para prximos dois anos
E5 = (reservas+lucros acumulados) / ativo total
E9 = (variao do imobilizado) / (lucro lquido + 0,1 x imobilizado mdio
saldo CM + variao do ELP)
E11 = disponvel / ativo total
E25 = disponvel / ativo permanente
L17 = (ativo circulante disponvel passivo circulante + financiamentos +
duplicatas descontadas) / vendas
L27 = duplicatas a receber x 360 / vendas
R11 = (ativo total mdio salrios, tributos e correes mdios) / patrimnio
lquido mdio
R13 = (lucro operacional + despesas financeiras) / (ativo total mdio
investimentos mdios)
R23 = lucro operacional / lucro bruto
R28 = (patrimnio lquido / capital de terceiros) / (margem bruta / ciclo
financeiro)

O ponto de corte ou escore crtico em todas as equaes foi zero.

117

6-

Consideraes sobre os estudos brasileiros

Cada um dos modelos apresentados deve ser considerado em relao ao

tempo e cenrio econmico em que foi desenvolvido. Por exemplo, Elisabetsky
trabalhou com um setor especfico, enquanto Pereira diversificou suas amostras,
segregando, inclusive, comrcio e indstria. Essas adaptaes contribuem
bastante para o aperfeioamento dos modelos.
A avaliao crtica dos estudos apresentados basear-se- na avaliao da
observao das premissas bsicas para uso da Anlise Discriminante (descritas
no

captulo

sobre

desenvolvimento

Anlise
de

um

Discriminante),
modelo

nos

discriminante

procedimentos
(amostras,

para

coeficientes

discriminantes, escore crtico e testes de validao) e em uma anlise qualitativa

das variveis componentes daqueles modelos, quanto relevncia contbil para
a anlise.

6.1- Premissas bsicas

Como salientado, a no-observao das duas primeiras premissas para

uso da Anlise Discriminante pode afetar os resultados dos modelos. Essas
premissas dizem respeito ao Teorema do Limite Central, o qual estabelece, em
sua proposio, que, mesmo se desconhecendo a distribuio da populao ou
se

esta

for

no-normal,

as

distribuies

de

suas

amostras

sero

118

aproximadamente normais, desde que se possuam grandes amostras74

(Stevenson, 1981:181).
Pde-se observar que os autores trabalharam, quando possvel, com
amostras de tamanhos condizentes ao uso dos testes de hipteses de mdias, e,
quando no, como no caso de Kanitz, utilizou-se o teste de Student, que uma
aproximao do teste de hiptese de mdias (Teste Z) para amostras com menos
de trinta elementos. A no-observncia da normalidade multivariada pode gerar
dvidas quanto validade dos modelos, por se utilizarem testes de significncia
(normalmente o Teste F) que pressupem aquela caracterstica para as amostras.
Quanto segunda premissa, a diferena de tamanho das amostras de cada
um dos grupos, alm do prprio tamanho das amostras, a afeta (considerando-se,
aqui, o grupo das empresas boas e o das ruins). Essa desigualdade pode afetar o
estabelecimento do ponto de corte e levar a erros de classificao. A igualdade da
matriz de varincia e covarincia entre as variveis dependentes estabelece uma
maneira de se evitar que haja erro na fixao do ponto de corte, sendo possvel
seu ajuste, quando no se obtm essa igualdade, como explicado no captulo
sobre Anlise Discriminante.
A questo da multicolinearidade entre os ndices de balanos (variveis
explicativas), como o estudo de Kanitz, que possui trs ndices de liquidez, deve
ser avaliada.

74

Uma regra prtica muito usada que a amostra deve consistir de 30 ou mais observaes
(Stevenson, 1981:181).

119

O problema de alto correlacionamento entre as variveis independentes

(multicolinearidade em regresso mltipla) gera distoro e baixa capacidade
preditiva, quando se aplica a equao em outra amostra. Alm do que,
impossibilita medir corretamente qual a influncia de uma nica varivel
independente (xi) sobre a dependente (y), prejudicando a avaliao75 da
contribuio individual de cada varivel reta de regresso.
Atravs de um Diagrama de Venn, possvel entender o que a
multicolinearidade.

Utilizar-se-

diagrama

composto

por

uma

varivel

dependente Y e trs variveis independentes, denominadas X1, X2 e X3.

Varivel Y

a
X1
b1

b2

b1

X3
X2
a = varincia de Y no explicada pelas trs variveis independentes
b1 = varincia de Y explicada em conjunto por duas variveis independentes
b1 = varincia de Y explicada em conjunto pelas trs variveis independentes

O que se afirma em relao multicolinearidade, representada no

diagrama pelas rea em interseo (denominada b2), que se deveria utilizar
somente uma das trs variveis, pois parte da explicao de cada uma repetida
na explicao das demais inseridas no modelo, no aumentando o poder

75

Percebe-se que o processo Stepwise pode vir a sofrer distores, gerando uma equao final
que no seja a de melhor poder explicativo.

120

explicativo da equao de regresso e no se percebendo outras variveis mais

relevantes (em poder explicativo).
A baixa capacidade preditiva deve ser entendida como o aumento da rea
de dvida (Overlap) do modelo, impossibilitando a classificao correta de
elementos (empresas) em um ou outro grupo (Hair, Anderson, Tathan & Black,
1998:189).
No estudo de Kanitz - que apresenta em sua equao discriminante os
ndices de Liquidez Geral, Liquidez Corrente e Liquidez Seca - a variao na
conta Estoques (crescimento ou reduo), em funo de impactos econmicos no
setor especfico da empresa, afetaria os trs ndices de uma s vez, sendo o fato
econmico uma varivel externa no percebida no modelo. Em seu trabalho, o
professor Kanitz (nem, tampouco, Altman e Pereira) no se manifesta a respeito
de ter efetuado algum teste de avaliao do correlacionamento entre as variveis.
Em sentido contrrio, Elisabetsky realizou testes com matrizes de correlao
entre os ndices de liquidez, tendo observado altas correlaes, optando,
finalmente, pela entrada de apenas um (Liquidez Imediata) daqueles para o
processo de Stepwise.
Outro efeito negativo a inverso dos sinais dos coeficientes das variveis
independentes na equao discriminante, contrariando a lgica da relao entre
as variveis independentes e a dependente (Hair, Anderson, Tathan & Black,
1998:189). Isto pode ter ocorrido, no estudo de Altman, Baidya e Dias, ao
necessitarem excluir a varivel X1 do modelo Z1, no sendo esta a explicao que
os autores apresentaram.

121

Tambm o estudo do professor Kanitz mostra-se oportuno para

exemplificar essa situao: a varivel denominada X4, que representa o ndice de
Liquidez Corrente, possui coeficiente negativo.
Esse ndice pode ser interpretado como o equivalente, em nmero-ndice,
do Capital Circulante Lquido (CCL) da empresa, entendendo-se este como o
total de recursos de longo prazo disponibilizados para o financiamento das
atividades de curto prazo da empresa, obtido pela diferena matemtica entre
ativo circulante e passivo circulante. No caso de empresas industriais, ter CCL
normal e necessrio, devido sua caracterstica operacional, no podendo ter um
efeito negativo no seu escore final. Segundo Silva (1999:309), isso pode ter
ocorrido em funo da poca em que o modelo foi elaborado, denominada
milagre brasileiro: perodo no qual eram necessrios elevados investimentos em
capital de giro e fixo para suportar a expanso da atividade empresarial, o que
vem a sustentar a hiptese de que no houve um estudo de correlaes entre as
variveis independentes.
Ressalte-se que, se essas variveis forem importantes, mesmo que
intuitivamente, a multicolinearidade no deve ser o motivo para suas excluses,
pois estar-se-ia introduzindo uma tendenciosidade ao modelo (Wonnacott &
Wonnacott, 1981:345). Pode-se utilizar a tcnica de Anlise Fatorial, neste caso.
Esta tcnica aloca em um conjunto, denominado fator, aquelas variveis que tm
alto correlacionamento, sendo este conjunto uma nova varivel a ser avaliada
para incluso na equao discriminante.
Quanto s duas ltimas premissas (relaes lineares entre as variveis
dependentes e independentes e valores extremos), Elisabetsky realizou algumas

122

transformaes

de

relaes

no-lineares

em

lineares

(transformaes

logartmicas), na tentativa de melhorar o processo de seleo das melhores

variveis, mas afirmou no ter sido significativo o ganho, optando pelo uso dos
valores reais.
Quanto questo de valores extremos dos dados (outliers), nenhum dos
trabalhos faz meno da existncia de tais e a observao dos resultados no
permitiu inferncias sobre esse aspecto. Cabe ressaltar que os Outliers afetam o
estabelecimento da mdia e uma regresso linear simples, ou mltipla, um
processo de se identificar uma equao mdia que represente a distribuio dos
dados, de maneira geral.

6.2- Procedimentos para desenvolvimento

Ao se avaliar o desenvolvimento dos modelos, perante o esquema de

construo aqui apresentado em captulo anterior, excetuando-se por completo o
estudo de Elisabetsky, os outros trabalhos descrevem muito pouco do processo
de elaborao e dos problemas enfrentados em sua construo.
Comenta-se a respeito da constituio das amostras utilizadas, referindo-se
sua composio. Esse aspecto muito importante, pois adquirir demonstraes
contbeis de empresas que passaram por problemas de insolvncia de extrema
dificuldade. Muitas dessas empresas no possuem uma contabilidade constante
e, quando a possuem, normalmente est em atraso, como frisaram os autores.

123

Kanitz, por exemplo, constituiu duas amostras formadas cada uma por 15
empresas, separadas em Grupo das Falidas e Grupo das No-Falidas. Por utilizar
amostras com menos de trinta elementos, adotou o teste T (Student), para avaliar
o nvel de significncia dos indicadores. Esse fato pode ter sido o responsvel
pelo modelo desenvolvido por Kanitz possuir trs ndices de liquidez como
variveis independentes e uma rea de

superposio (Overlap) bastante

significativa, alm de a ausncia de testes de multicolinearidade.

Elisabetsky trabalhou inicialmente com um grupo total de 110 empresas,
mas com diferena entre o nmero de empresas de cada um dos grupos, o que
provocou distores no primeiro modelo gerado. Em virtude disto, passou a
trabalhar com grupos de tamanhos iguais, com 27 empresas em cada amostra.
Altman utilizou 23 empresas para a formao da amostra de empresas com
problemas e, para a amostra das empresas sem problemas, contou com 35
empresas. Verifica-se, aqui, a diferena entre as amostras, mas no h nenhuma
ressalva no trabalho quanto a isto e a seus efeitos.
Silva utilizou 419 empresas, sendo 259 na amostra de empresas boas e
160 na amostra de empresas insolventes. No utilizou, como mencionado,
nenhum critrio ou regra especfica para a composio das amostras. A anlise
de que desenvolveu o trabalho em funo dos dados que conseguiu.
Os coeficientes de cada varivel foram obtidos no processo de regresso, o
qual ajusta os coeficientes a cada nova incluso (ajuste da reta de regresso
para minimizar os desvios). Elisabetsky e Altman citam situaes em que o uso

124

de determinado ndice, cujo coeficiente possua sinal contrrio lgica de anlise,

no foi possvel, provocando o isolamento desta varivel do modelo.
Com base no tpico sobre o estabelecimento do ponto de corte,
apresentado no captulo sobre Anlise Discriminante, Elisabetsky apresenta um
ponto de corte inicial (de 0,5) e depois o ajusta, a partir da obteno dos limites
inferior e superior da rea de dvida. Assim tambm procedeu Altman,
demonstrando em seu trabalho a igualdade de custos (ponto de corte igual a
zero). O mesmo no acontece nos trabalhos de Kanitz e Pereira, que
estabeleceram seus pontos sem a demonstrao do critrio.
Os modelos desenvolvidos por Elisabetsky e Altman foram submetidos a
testes de validade. Altman descreve o uso de trs testes para validao dos
modelos, como apresentado no tpico referente ao seu modelo. Os demais
autores no descrevem a aplicao de testes estatsticos em seus modelos.
Os autores descrevem os resultados apontados com a aplicao dos
modelos e os benefcios de seu uso, mas a utilizao de testes estatsticos que
comprovem a efetiva capacidade dos modelos s descrita em dois. Em funo
da rigidez das premissas apresentadas e discutidas para o uso da Anlise
Discriminante, a no observao desses testes pode levar ao desenvolvimento de
modelos imprecisos, ou melhor, com maior probabilidade de erros. No mnimo,
testes de multicolinearidade e de autocorrelao serial devem ser utilizados, pois
garantem o cumprimento de duas premissas, possibilitando ajustes nas relaes
matemticas entre variveis independentes e dependentes ou seu isolamento.
Outro teste importante o teste da distribuio das variveis independentes, para
fins de verificao da premissa de normalidade multivariada.

125

6.3- Anlise qualitativa

Nessa ltima parte, observar-se- a qualidade das variveis (ndices de

balano) utilizadas em cada um dos modelos finais propostos. A idia discutir a
relevncia de cada indicador, sob o prisma contbil, de maneira a subsidiar uma
avaliao daqueles modelos, quanto ao aspecto de repetio de informao e
de relacionamentos indevidos.
Aps uma comparao entre cada modelo, identificaram-se variveis que
se repetem, as quais foram avaliadas uma nica vez, valendo, sua anlise, para
todos os modelos. Aglutinaram-se os ndices dos modelos por grupos, para
facilitar sua anlise, sendo esses grupos divididos em Liquidez, Rentabilidade,

Estrutura, e Giro. Foram dados nomes genricos aos ndices, conforme

encontrados na bibliografia sobre anlise de balanos, quando compatveis. A
seguir, apresenta-se essa separao.

126

Liquidez
(K) Liquidez Seca = (ativo
circulante estoques) / passivo
circulante
(K/S) Liquidez Corrente = ativo
circulante / passivo circulante
(K) Liquidez Geral = (ativo
circulante + realiz.longo prazo)
/ exigvel total

Rentabilidade

Estrutura

Giro

(K) Retorno sobre Patrimnio Lquido (K) Alavancagem = exigvel (S) Estoques / custo
= lucro lquido / pat.lquido
total / pat.lquido
produto vendido
(A) ROA = lucro antes dos juros e (A) CCL / ativo total
impostos / ativo total
(A) Giro do Ativo = vendas / ativo (A) Reservas + lucros
total
acumulados / ativo total
(E) Margem Lquida = lucro lquido /
vendas
(S)
ROAm
=
lucro
operacional+despesa financeira /
(ativo total mdio investimentos
mdios)

(S) Fornecedores /
vendas
(S) PMRE = (estoque
mdio / custo do
produto vendido) x 360
(A) Patrimnio lquido / (S) PMRV = duplicatas
exigvel total
a receber x 360 /
vendas)
(E) Disponvel / imobilizado (S) (ativo circulante
total
disponvel passivo
circulante
+
financiamentos
+
duplicatas
descontadas) / vendas
(E) Contas a receber / ativo
total

(S) Capital de terceiros / (lucro

lquido + 0,1 x imobilizado mdio
saldo de correo monetria)
(S) Lucro operacional / lucro bruto
(E/S) Estoques / ativo total
(S) (patrimnio lquido / capital de (E) Passivo circulante /
terceiros) / (margem bruta / ciclo ativo total
financeiro)
(S) Duplicatas descontadas
/ duplicatas a receber
(S)
(Passivo
circulante+exigvel a longo
prazo) / ativo total
(S) Variao do imobilizado
/ (lucro lquido+0,1 x
imobilizado
mdio-saldo
CM+variao do ELP)
(S) Fornecedores / ativo
total
(S) (Reservas + lucros
acumulados) / ativo total
(S) Disponvel / ativo total
(S) Disponvel / ativo
permanente total
(S) (ativo total mdio
salrios,
tributos
e
correes
mdios)
/
patrimnio lquido mdio

OBS.: (A) Altman; (E) Elisabetsky (modelo com cinco variveis); (K) Kanitz; (S) Silva.

Quanto ao aspecto de repetio, v-se que alguns modelos possuem

variveis parecidas e, at mesmo, iguais. Variveis parecidas podem levar a
situaes de multicolinearidade, exemplificadas com o modelo de Kanitz.

127

Kanitz utilizou, em seu modelo, mais ndices de liquidez, enquanto Silva

usou ndices de estrutura em maior nmero em seus modelos. Elisabetsky
apresenta, como Altman, quatro ndices baseados no ativo total. No caso de
Altman, leva a denotao da preocupao dos norte-americanos quanto ao
retorno do investimento, conforme frisa Silva (1997:309).
Verifica-se que a idia geral sobre os ndices de liquidez no a mais
correta: no so os melhores indicadores de solvncia da empresa. Os modelos
de Elisabetsky e de Altman sequer possuem algum ndice de liquidez como
varivel discriminadora.
Pela classificao proposta na tabela anterior, os modelos de Silva foram
os nicos que utilizaram os indicadores de giro, tendo em vista suas
caractersticas de segregao entre indstria e comrcio, o que implica diferenas
de avaliao (tericas) dessas variveis.76
Os indicadores de Liquidez Corrente e de Estoques sobre Ativo Total foram
utilizados em mais de um modelo, como se pode observar.
Quanto ao aspecto de relacionamentos indevidos, o que se observou foi a
utilizao de indicadores tradicionais, como os ndices de Liquidez, e o
desenvolvimento de outros pelos autores, conforme sua sensibilidade. O
problema surge quando se criam relacionamentos entre itens que no possuem
relaes contbeis diretas.

76

Lembrando que o autor no fez meno alguma sobre o nvel de significncia das variveis
utilizadas, nem, tampouco, apresentou testes estatsticos dessa natureza.

128

O modelo de Silva o que mais possui aquela caracterstica. Os ndices de

Giro, exceto os de prazos mdios, propem relacionamentos, que, entende-se,
no so coerentes contabilmente. O autor no os comenta, ficando difcil de
entender o porqu de se cogitar um relacionamento entre nvel de Fornecedores e
nvel de Vendas. A relao de Fornecedores com as Compras de matriasprimas, ou de mercadorias, ou com os Estoques, coerente, do ponto de vista
contbil, mas levar a identificar seu efeito no nvel de venda no parece ser. O
ltimo indicador na coluna Giro ainda mais difcil de interpretar, pois relaciona
Passivos com Vendas.
Silva no desenvolveu apenas novos indicadores de Giro. Observe-se que
desenvolveu um nmero maior de indicadores de Estrutura, que, em muitos
casos, significam apenas a representatividade de uma conta perante o seu grupo
(anlise vertical). Imaginando-se que se pode encontrar um nmero de 30 itens,
entre contas, grupos do balano patrimonial e rubricas da demonstrao de
resultado, as possibilidades de relacionamentos entre aquelas, atravs de uma
anlise combinatria, pode chegar a 435 combinaes.77
Isso implica afirmar que os relacionamentos devem ser baseados em
situaes de causalidade contbil, em que se verifiquem as influncias de cada
item nos demais.

77

Considerando uma combinao dois a dois: C30,2 = 435. Caso seja uma combinao de trs
itens, teremos 4.060 possibilidades, lembrando que no h relacionamentos inversos, ou seja,
Fornecedores sobre Vendas e Vendas sobre Fornecedores, por exemplo.

129

Mesmo os indicadores mais comuns, encontrados na literatura sobre o

tema, poderiam ser ajustados de maneira a proporcionarem a melhor informao.
Isto se torna, muitas vezes, um empecilho, pois as limitaes em se conseguirem
demonstraes contbeis das empresas consideradas insolventes so grandes,
optando-se, muitas vezes, pela utilizao de relaes com dados de final de
exerccio.
Quando se analisam os ndices em cada grupo da tabela, verifica-se que
Kanitz utilizou dois ndices, considerados muito importantes em toda literatura
sobre Administrao Financeira e Anlise de Demonstraes Contbeis: os
ndices de Retorno do Patrimnio Lquido e de Alavancagem (Estrutura de
Capitais), que possuem significado prprio muito relevante.
O primeiro relaciona-se capacidade da empresa em agregar valor ao
acionista, representando a remunerao que foi proporcionada ao capital
investido, servindo de medida de eficcia. O segundo demonstra o risco inerente
poltica de financiamento da empresa, que pode ser desenvolvido para
avaliao do impacto dos custos de endividamento de uma empresa.
Silva (1997:308) apresenta o resultado da aplicao desses modelos sobre
uma amostra especfica, desenvolvida em seu estudo, obtendo os resultados
dispostos a seguir.

130

Modelo

% Empresas Solventes

% Empresas Insolventes

classificadas corretamente

classificadas corretamente

Kanitz

80%

68%

Altman

83%

77%

Elisabetsky

74%

63%

Silva (indstria)

90%

83%

Silva (comrcio)

90%

72%

Adaptado de SILVA, Jos Pereira da. Gesto e anlise de risco de crdito. So Paulo: Atlas, 1997. 308p.

Em relao ao trabalho de Elisabetsky, Silva (1997:309) diz que foi uma

pesquisa com bons resultados na poca, porm, ao test-la em conjunto com seu
estudo, este trabalho j no apresentava os mesmos resultados. Isso tambm foi
verificado nos estudos aqui desenvolvidos, conforme exposto

no captulo

seguinte, para todos os modelos. o efeito da varivel tempo!

Pode-se listar algumas vantagens e limitaes desses modelos, segundo a
opinio de Silva (1997:304-306), sintetizadas no quadro seguinte.

131

Vantagens
Os modelos so instrumentos valiosos no
apoio concesso de crdito, bem como na
orientao de atividades de outros
profissionais, como os auditores e analistas
de mercado de capitais.
Suas confirmaes empricas atribuem
segurana quele que est decidindo, alm
do uso de metodologias estatsticas para
determinar quais ndices so mais
representativos
e
quanto

essa
representao
ou
capacidade
de
discriminao. A sensibilidade de analistas
fica ento disponvel para trabalhar sob
aquelas variveis exgenas aos modelos,
evitando-se que sobre uma empresa
possam existir duas avaliaes diferentes
(positiva e negativa).
As variveis que no so abordadas pelos
modelos, por no serem passveis de
sistematizao, devem ser o foco do tempo
disponibilizado pelos analistas, em virtude
da utilizao dos modelos. Disponibiliza-se
esse tempo em virtude de no se proceder
anlise e concluso sobre cada ndice,
isoladamente.
Neste ponto, a agilidade fundamental para
instituies financeiras que necessitam
avaliar inmeras solicitaes, diariamente,
de clientes, a fim de conhecer sua solidez.
Outro ponto a desmistificao de certos
ndices tidos como importantes para a
anlise de solvncia de empresas, sendo
que sua importncia relativa ao conjunto
dos ndices utilizados.

Limitaes
A utilizao dos modelos deve ser adequada pelos
seus usurios, pois aqueles no tratam todas as
variveis, ou fatores, que podem influenciar no
desempenho de uma empresa. Devido ao processo de
sistematizao, ocorre, tambm, a generalizao das
informaes apresentadas.
O uso alternativo dos princpios e prticas contbeis
pode causar distores nas demonstraes contbeis
apresentadas, o que confere ao usurio um tratamento
prvio daquelas. Esse tratamento serve para
padronizar as demonstraes, conforme as que foram
utilizadas para desenvolver os modelos.

Como salientado, mesmo os modelos sendo

formulados com a utilizao de tcnicas estatsticas
avanadas, estes no so infalveis78, servem apenas
como um instrumento de apoio. Cabe ao usurio a
verificao de outras variveis no tratadas.

O tempo afeta a capacidade de previso dos modelos

baseados em AD. Com o transcorrer do tempo, faz-se
necessria a determinao de novos ndices (se for o
caso), que melhor discriminem, e o reclculo dos
coeficientes desses ndices.

A utilizao dos modelos como nico parmetro pode

fazer com que empresas manipulem suas
demonstraes contbeis, a partir da sua utilizao
prvia, caso aquelas saibam disto. A necessidade de
um analista, no caso de uma concesso de crdito,
torna-se importante diante dessa possibilidade.
Por ltimo, deve ser salientado que caractersticas
como regio geogrfica e ramo de atividade limitam o
uso dos modelos, devido a algumas peculiaridades
que cada uma dessas confere s empresas.

78

Todo tipo de modelo estatstico trabalha com uma margem de erro, que pode ser, at mesmo,
muito pequena, mas que no deixa de conferir quele a possibilidade de falha.

132

7-

Estudo emprico

Como j exposto no captulo em que se apresenta a metodologia geral da

pesquisa desenvolvida, a obteno de demonstraes contbeis foi o fator de
maior dificuldade. Um motivo que a maioria das empresas em situao de
concordata ou de falncia de pequeno ou mdio porte e, mantendo-se o quadro
da poca da pesquisa de Kanitz, no possui uma boa contabilidade.
J se esperavam dificuldades, mas o fato de haver poucas empresas em
situao concordatria foi alm das expectativas iniciais da pesquisa. No caso do
municpio de Betim, no foi encontrada nenhuma empresa em situao de
concordata, quando da pesquisa junto s Varas de Falncias e Concordatas
daquele.
Observe-se os dados, a seguir, referentes aos nmeros de falncias e
concordatas distribudas e baixadas, durante o perodo de 1996 a 2000.

133

N de concordatas e falncias distribudas e baixadas

Perodo: janeiro de 1996 a dezembro de 2000
Comarca: BELO HORIZONTE
1996
Concordata Preventiva

Distribudos

Falncias

1998

1999

2000

10

18

13

15

Distribudos

Baixados

Distribudos

1721

1248

1036

802

490

Baixados

1356

1314

1150

932

615

Baixados
Concordata Suspensiva

1997

Comarca: BETIM
1996
Concordata Preventiva
Concordata Suspensiva
Falncias

1997

1998

1999

2000

Distribudos

Baixados

Distribudos

Baixados

Distribudos

96

63

63

56

33

Baixados

56

44

57

52

46

Comarca: CONTAGEM
1996
Concordata Preventiva
Concordata Suspensiva
Falncias

1997

1998

1999

2000

Distribudos

Baixados

11

Distribudos

Baixados

Distribudos

460

228

296

191

107

Baixados

176

317

435

267

301

Total de Distribuio no estado de Minas Gerais *

1996

1997

1998

1999

2000

Concordata

1419

892

982

722

368

Falncia

3626

2572

2461

1848

1270

Total

5045

3464

3443

2570

1638

* Representando 62% do movimento informatizado no Estado de Minas Gerais.

Fonte.: Seplan/Deest - Departamento de Estatstica do Tribunal de
Justia do Estado de M inas Gerais.

134

Obtiveram-se os dados referentes aos processos distribudos e aos

baixados, mas no foi possvel, pela falta de controle por parte do rgo
competente, obter a quantidade de processos em andamento nas varas do
Estado. No comprometeu a pesquisa esse fato, pois foi essa a situao real
verificada. A representatividade desses dados, em relao ao total estadual, est
disposta na tabela seguinte.

Representatividade de cada municpio em relao ao total estadual

Belo Hte
Concordata
Falncia
Betim
Concordata
Falncia
Contagem
Concordata
Falncia
Concordata
Falncia

1996

1997

1998

1999

2000

0,42%
47,46%

0,90%
48,52%

1,22%
42,10%

0,97%
43,40%

2,17%
38,58%

0,14%
2,65%

0,11%
2,45%

0,00%
2,56%

0,00%
3,03%

0,00%
2,60%

0,07%
12,69%
0,63%
62,80%

0,34%
8,86%
1,35%
59,84%

0,51%
12,03%
1,73%
56,68%

0,42%
10,34%
1,39%
56,76%

0,82%
8,43%
2,99%
49,61%

Observe-se que o volume de concordatas no representativo, mas

demonstra a situao de escassez de empresas que solicitaram a concordata
nesse perodo.
Em funo disso, indagou-se, aos juzes responsveis pelas Varas de
Falncias e Concordatas, qual o motivo de haver mais processos de falncia do
que de concordata.
Alm da afirmao geral de j se encontrarem, as empresas, em situao
tal que a concordata seria mera postergao (procrastinao) da falncia,

135

destacou-se a caracterstica do uso do instrumento legal da falncia como meio

de coao para fins de cobrana.
Como possvel seu uso para solicitar o pagamento de quaisquer
montantes de dvidas, muitos credores o usam, ao invs da execuo judicial, por
ser uma medida de maior impacto. Alguns juzes procuraram acabar com essa
prtica em suas Varas, enquanto outros a mantiveram, por entenderem ser esse
um direito dos credores (usar o recurso legal mximo a seu dispor).
Outro fator levantado foi a falta de conhecimento, por parte dos
empresrios, do instrumento da concordata, desconhecimento este aliado falta
de procura por profissionais capacitados tecnicamente (advogados e contadores),
para avaliar suas possibilidades legais e econmicas79.
Apesar desse fator limitante, a pesquisa de campo logrou xito,
conseguindo compor um banco de dados com 52 registros de dezoito empresas
que se encontravam em situao de concordata ou de falncia decretada.
Algumas empresas solicitaram, em sua petio inicial, a concordata preventiva,
mas, aps avaliao por parte do juzo, no a obtiveram, sendo decretada a
falncia das mesmas. Como haviam entrado com o pedido inicial de concordata
preventiva, foi possvel adquirir suas demonstraes contbeis.

79

Essas so as opinies dos juzes entrevistados, transcritas resumidamente aps a entrevista

pelo autor. Os nomes dos juzes esto dispostos no Apndice C.

136

Duas simulaes foram feitas a partir dos dados coletados: a primeira foi a
de avaliar a capacidade dos modelos de prever as empresas que conseguiriam
findar, com sucesso, o processo da concordata e continuar seus negcios, e
daquelas que no. Este foi o teste da validade dos modelos originais propostos,
verificando se ainda mantinham sua capacidade de discriminao. A segunda foi
o desenvolvimento de um modelo misto ou hbrido, a partir dos modelos
analisados, usando o banco de dados das empresas em m situao, conjugado
com outro banco de dados de empresas em boa situao.

7.1- Capacidade preditiva dos modelos brasileiros

Apresentam-se, a seguir, os resultados obtidos na primeira simulao

realizada, para a qual se avaliou a previso de cada modelo em cada um dos
anos das demonstraes coletadas.
Aps isso, obteve-se uma mdia de avaliao geral para cada empresa e
confrontou-se o resultado previsto com a situao atual de cada uma.

137
Avaliao dos modelos quanto expectativa de cumprimento da concordata

Cdigo da Empresa Ano Kanitz Altman1 Altman2 Elisabetsky Pereira

1994 1
1
1
1
-1
2

7
8
9
10

Avaliao Anual
Cumprir a Concordata

1995
1996
1997
1998
1999
1999
2000
1993
1994
1995
1996
1997
1998
1995
1996

1
1
1
1
1
1
1
1
1
-1
-1
0
1
1
1

1
1
1
0
-1
0
0
-1
-1
0
0
-1
-1
1
-1

1
1
1
1
-1
1
-1
-1
-1
1
1
-1
-1
1
-1

1
1
1
1
-1
1
-1
-1
-1
-1
-1
-1
-1
-1
-1

1
-1
-1
-1
-1
-1
-1
-1
-1
-1
1
-1
-1
1
1

1997
1998

1
1

0
-1

-1
-1

-1
-1

-1

1999

Cumprir a Concordata

2000

-1

Cumprir a Concordata

1996
1997
1996
1997
1998
1997
1998

1
-1
1
1
1
1
1

-1
0
-1
-1
-1
-1
-1

-1
1
-1
-1
-1
-1
-1

Legenda: (-1) No cumprir; (0) Indefinido; (1) Cumprir.

Cumprir a Concordata
Cumprir a Concordata
Cumprir a Concordata

Cumprir a Concordata

Cumprir a Concordata
No cumprir a Concordata
Cumprir a Concordata
No cumprir a Concordata

Indefinido

No cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata
Indefinido

No cumprir a Concordata

No cumprir a Concordata
No cumprir a Concordata
Cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata

No cumprir a Concordata

No cumprir a Concordata

No cumprir a Concordata

-1
-1
-1
-1
-1
-1

Avaliao Geral

-1
-1
-1
-1
-1
1

No cumprir a Concordata

Cumprir a Concordata
No cumprir a Concordata

No cumprir a Concordata
No cumprir a Concordata

No cumprir a Concordata

No cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata

No cumprir a Concordata

138
Avaliao dos modelos quanto expectativa de cumprimento da concordata

Avaliao Anual
Cdigo da Empresa Ano Kanitz Altman1 Altman2 Elisabetsky Pereira
11
1997 1
0
-1
-1
-1 No cumprir a Concordata
12
13
14
15
16

17

18

19

20

1998
1999
1997
1998
1998
1999
2000
1997
1998
1998
1994
1995
1996
1997
1998
1998
1994
1995
1996
1997
1998
1998
1999
2000

1
1
0
1
1
1
1
1
1
1
1
1
1
1
1
-1
1
1
1
1
-1
-1
-1
-1

-1
-1
-1
-1
1
1
0
-1
-1
1
1
1
0
0
-1
-1
1
1
1
1
-1
1
0
0

1
-1
-1
-1
1
1
-1
1
-1
1
1
1
-1
1
-1
-1
1
1
1
1
-1
1
1
-1

Legenda: (-1) No cumprir; (0) Indefinido; (1) Cumprir.

-1
-1
-1
-1
1
-1
-1
-1
-1
1
1
1
1
1
-1
-1
1
1
1
1
-1
-1
1
1

1
-1
-1
-1
1
1
1
-1
-1
-1
-1
1
-1
-1
-1
-1

Cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata

Avaliao Geral
No cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata

Cumprir a Concordata
Cumprir a Concordata

Cumprir a Concordata

Indefinido
No cumprir a Concordata
No cumprir a Concordata
Cumprir a Concordata

No cumprir a Concordata
Cumprir a Concordata

Cumprir a Concordata
Cumprir a Concordata
Indefinido

Cumprir a Concordata

Cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata

No cumprir a Concordata

Cumprir a Concordata
Cumprir a Concordata
Cumprir a Concordata

Cumprir a Concordata

Cumprir a Concordata
No cumprir a Concordata

-1
-1
-1

No cumprir a Concordata
Indefinido
No cumprir a Concordata

No cumprir a Concordata

139

O resultado final, comparando-se a estimativa com a realidade observada,

est disposto na prxima tabela.

COMPARAO DOS RESULTADOS ESTIMADOS x VERIFICADOS

Avaliao

Cdigo da
Empresa

Estimado

Verificado

Cumprir a Concordata

Concluir a concordata

4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

Indefinido
No cumprir a Concordata
No cumprir a Concordata
Cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata
No cumprir a Concordata
Cumprir a Concordata
No cumprir a Concordata
Cumprir a Concordata
Cumprir a Concordata
No cumprir a Concordata

Concluir a concordata
Falncia decretada
Falncia decretada
Concluir a concordata
Concluir a concordata
Concluir a concordata
Concluir a concordata
Falncia decretada
Concluir a concordata
Concluir a concordata
Concluir a concordata
Concluir a concordata
Falncia decretada
Falncia decretada
Falncia decretada

I
A
A
A
E
E
E
A
E
E
A
E
E
E
A

19
20

Cumprir a Concordata
No cumprir a Concordata

Concluir a concordata
Falncia decretada

A
A

Quantidade de empresas avaliadas

% de
50%
Acertos

18

100%
% de Erros

44%

A = Acertos; E = Erros; I = Indefinido

Verifica-se que os modelos, alm de uma classificao que no foi

possvel, acertaram 50% de suas estimativas, errando em 44% dos casos, o que
leva concluso de que, praticamente, no h nenhum benefcio em utiliz-los.
Essa pode no ser a melhor concluso, pois o fator tempo, que muito
significativo para aqueles modelos, no foi observado, uma vez que no houve
novas ponderaes de coeficientes

dos indicadores que utilizam. Todos os

140

autores ressalvam que necessrio ponderar novamente os fatores em virtude da

defasagem de tempo. Assim, pode-se considerar que a capacidade dos modelos
de predizer ainda se mostra significativa e que uma nova ponderao de seus
coeficientes pode ser capaz de melhorar a previso80.

7.2- Modelo hbrido desenvolvido na pesquisa

Para desenvolvimento de um modelo nico, seguiu-se a premissa de que

cada modelo proposto possua, em seu escopo, um conjunto dos melhores
indicadores para se avaliar a solvncia de uma empresa.
No se desenvolveram outros indicadores, por haver dificuldades em se
conseguirem demonstraes contbeis com os dados necessrios para os
clculos de outros ndices de balano mais significativos ou para melhorar os
utilizados pelos modelos.
Optou-se, ento, pelo desenvolvimento de um modelo misto a partir dos

prprios indicadores dos modelos avaliados, obtendo-se uma nova equao

formada por seis (6) desses indicadores, selecionados em funo de sua
capacidade de explicao ou de discriminao (avaliada atravs do conceito F to
include), em relao s amostras testadas. Seguiram-se os passos de criao de
uma equao discriminante, como descrito no respectivo captulo.

80

Em virtude de se propor um modelo misto a partir dos demais, no se recalcularam os

coeficientes de cada um dos modelos. Desejou-se, principalmente, avaliar os modelos em suas
proposies originais, para demonstrar o efeito da varivel tempo.

141

O resultado obtido com a simulao foi a seguinte equao discriminante:

P2 = 2,037428 + 0,313786 X3 0,072495 X3 0,451487 X14

1,928393 X15 + 1,172752 X15 0,008916 X17

onde: P2 = escore discriminante da empresa

X3 = (Ativo circulante estoques) / Passivo circulante (Kanitz)
X14 = Estoques / Ativo total (Elisabetsky)
X15 = Exigvel a curto prazo / Ativo total (Elisabetsky)
X17 = Estoques / Custo do produto vendido (Silva)81.

As variveis que compem a equao podem ser consideradas relevantes

em uma anlise qualitativa, no demonstrando nenhuma relao inconsistente
com a teoria emanada na literatura afim.
Verifica-se que a conta Estoques foi significativa como indicadora, ou
melhor, discriminadora entre os grupos. A diferena percentual entre a mdia dos
valores da conta de Estoques dos dois grupos constitudos, das empresas
insolventes e das empresas solventes, de 1.039,4%.
Como j demonstrado, o tempo limita bastante esses modelos. A nova
ponderao dos coeficientes os atualiza, mas mantm a restrio quanto ao uso e
suas aplicaes: a conta Estoques foi significativa nas empresas aqui utilizadas e
serviu como boa discriminadora, mas no quer dizer que ser sempre importante.
Deve-se ter em mente que esse modelo vlido nesse tempo e local, sendo

81

Observe-se que nenhum coeficiente dos modelos de Altman entrou nessa equao.

142

necessria cautela no uso de suas generalizaes, alm do objetivo aqui

proposto.
Isso equivale a dizer novamente que a primeira simulao realizada com os
modelos em seus formatos originais limitada, pois pode-se tomar decises a
partir de uma informao distorcida pelos modelos.
Para a construo do modelo misto, os passos seguidos podem ser
observados em detalhes no Apndice B. Primeiramente, procedeu-se
homogeneizao do tamanho das amostras, compatibilizando-se seus tamanhos.
Em seguida, observou-se a existncia de Outliers, sendo esses removidos em
funo de sua disperso em relao mdia, medida pela variao entre valores
mnimos e mximos. Saliente-se que esses se apresentaram como dados de
empresas ou como as prprias variveis, como demonstra a planilha com os
dados originais da amostra de construo do modelo no referido Apndice.
Esses foram os procedimentos utilizados para se gerar a primeira
simulao, as quais no apresentaram R2 ajustados maiores que 60%.
Optou-se por retornar com todas as variveis, desconsiderando-se a
existncia de outliers, avaliando-se, em seguida, as correlaes entre variveis
independentes e a dependente e as relaes matemticas mais adequadas para
explicar seus relacionamentos.

143

A amostra final82, utilizada para desenvolver o modelo hbrido, composta

por dois grupos (Solventes e Insolventes), cada um com 27 registros das
empresas, entre o perodo de 1993 a 1997.
Esse modelo apresenta trs variveis que foram geradas a partir das
variveis originais, sendo essa situao funo de transformaes de relaes
no-lineares em relaes lineares. Como se necessita de relaes lineares, para
uso da AD, as transformaes so o meio para se manterem variveis
importantes (correlacionadas) no processo de desenvolvimento do modelo.
A relao matemtica observada nas variveis que possuam maior
correlao com a varivel dependente (y) no foi somente a linear. Observou-se
que relaes polinomiais de 2 grau seriam as mais apropriadas para se trabalhar
com algumas dessas. Fazendo-se simples transformaes daquelas variveis,
atravs da elevao de seus respectivos valores ao quadrado, obtiveram-se trs
novas variveis, que foram, ou no, assumidas pelo modelo, durante o processo
de sua elaborao.
Variveis
X3
X10
X14
X15
X17
X18

82

Relaes matemticas
Linear (r) Potncia (r) Exponencial (r) Polinomial 2 (r)
0,2125
0,1760
0,2043
0,3935
0,2466
0,3258
0,3526
0,3274
0,7789
0,7491
0,7457
0,1395
0,2245
0,1396
0,5410
0,1300
0,1217
0,2988
0,1934
0,1828
0,2515

Encontra-se, entre os apndices, toda a descrio dos trabalhos realizados para se obter a
amostra final, para desenvolvimento do modelo misto aqui apresentado, mostrando-se todos os
passos seguidos para obteno de dados consistentes e coerentes para sua formatao, alm dos
processos de Stepwise desenvolvidos no SPSS. Detalhes ocorridos durante seu
desenvolvimento tambm so descritos.

144

Avaliando-se os sinais dos coeficientes dos ndices selecionados, verificase que aqueles que foram transformados para relaes polinomiais modificaram
seus sinais em relao proposio normal. A multicolinearidade83 que existe
entre cada uma das formas pode ser responsvel por isso, bem como a
considerao de um efeito marginal contrrio. Considerando-se que a varivel X3
gera

um

efeito

positivo

no

escore

da

empresa,

indicando

baixa

representatividade de seus estoques, sua transformao pode indicar um nvel

mnimo que seja necessrio manter ou a dificuldade de se conseguirem maiores
prazos por parte dos fornecedores.
Esse modelo final, obtido a partir do pr-estabelecimento do parmetro de
um valor de F para incluso igual a 1, atingiu um nvel de discriminao,
representado por R ajustado, de 70,03%, sem demonstrar sinais de
multicolinearidade,

alm

dos

citados

anteriormente,

entre

as

variveis

transformadas, conforme teste provido automaticamente pelo SPSS, com um

teste de autocorrelao serial no conclusivo (Teste de Durbin-Watson =
1,31475)84, tambm gerado automaticamente.
Como os dois grupos possuam o mesmo nmero de elementos, o ponto de
corte foi estabelecido atravs da mdia das mdias dos escores das empresas,
sendo esse de 1,50. O ponto de corte refinado no se mostrou significativamente
diferente deste (1,46).

83

Hair, Anderson Tatham & Black (1998:170) dizem que essas transformaes introduzem
multicolinearidade aos modelos.
84
Tanto o desenvolvimento do modelo, quanto desses testes, foram realizados atravs do SPSS
(verso 6.0 e 8.0), e as planilhas contendo os mesmos encontram-se no Apndice B.

145

Ao aplicarmos o modelo sob uma amostra de teste85, aquele apresentou

um nvel de acerto de classificaes (geral) de 84,38%, atingindo 68,75% no
grupo 1, empresas consideradas insolventes, e de 100% no grupo de controle ou
de empresas solventes. Na pgina seguinte dispe-se o resultado.

85

A amostra de teste possua um total de 32 elementos, tambm dividida em dois grupos de 16

elementos cada.

146

Teste do modelo (P2)

Ano

1998
1998
1998
1998
1998
1998
1999
1999
1999
1999
1999
1999
2000
2000
2000
2000
1998
1998
1998
1998
1998
1999
1999
1999
1999
1999
1999
1999
2000
2000
2000
2000

Empresa Valor de P
Y previsto
2
10
15
16
17
18
2
4
7
12
14
20
4
7
14
20
27
28
29
36
37
27
28
29
31
34
36
37
29
31
34
36

1,2037
1,2132
1,4148
1,1927
0,8701
1,1665
1,1828
1,5830
1,7864
1,5347
1,4163
-2,8456
1,7703
1,0547
1,6952
-1,1280
1,7703
2,0912
1,8319
2,1256
2,9284
1,7767
2,0416
1,8877
1,7528
1,9411
2,0340
5,1118
1,8079
1,6287
1,8245
1,9958

Mdia do grupo 1
Mdia do grupo 2
Ponto de corte do modelo
% de acerto geral
% acerto grupo 1
n1
% acerto grupo 2
n2

Previso

1
1
1
1
1
1
1
2
2
2
1
1
2
1
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

Resultado

Erro
Erro
Erro

Erro
Erro

0,9444
2,1594
1,5000

84,38%
68,75%
16
100,00%
16

147

Os

grficos

seguintes

demonstram

distribuio

dos

resultados

padronizados, obtidos na utilizao do modelo.

Resultado Modelo P2
12
10
8
6
4
2
0
0

10

Grupo 1

Grupo 2

0,20 0,40 0,51 0,61 0,81 0,91 1,00

Resultado Modelo P2

1
Grupo 1

Grupo 2

4
2

0
0,19

0,39

0,50

0,60

Grupo 1
0,80

0,90

1,00

O ltimo teste de validade do modelo consistiu em avali-lo da mesma

maneira que se avaliaram os demais modelos: sua capacidade de prever se a
empresa sairia ou no da concordata.
O modelo misto mostrou-se mais eficiente que os demais, tendo um nvel
de acerto maior e, principalmente, um de erro menor. Isso se deve ao reclculo
dos coeficientes de cada ndice que compe esse modelo. Como no se refez o

148

processo de regresso para os modelos originais, bvio que o modelo P2 teria

um desempenho melhor.
Ressalte-se, portanto, que a aplicao daqueles modelos em sua
proposio original, sem o reclculo dos coeficientes e reavaliao dos ndices
que os compem, pode levar a decises incorretas quando aplicados para alguma
finalidade, seja a concesso de crdito, em um processo licitatrio ou no
(in)deferimento de uma concordata.

COMPARAO DOS RESULTADOS ESTIMADOS x VERIFICADOS

Cdigo da
Empresa

Estimado P2

2
No cumprir a Concordata
4
Cumprir a Concordata
5
No cumprir a Concordata
6
No cumprir a Concordata
7
Indefinido
8
No cumprir a Concordata
9
Cumprir a Concordata
10
No cumprir a Concordata
11
No cumprir a Concordata
12
Cumprir a Concordata
13
Indefinido
14
No cumprir a Concordata
15
No cumprir a Concordata
16
No cumprir a Concordata
17
No cumprir a Concordata
18
No cumprir a Concordata
19
No cumprir a Concordata
20
No cumprir a Concordata
Quantidade de empresas avaliadas
% de Acertos

Avaliao

Verificado

Concluir a concordata
Concluir a concordata
Falncia decretada
Falncia decretada
Concluir a concordata
Concluir a concordata
Concluir a concordata
Concluir a concordata
Falncia decretada
Concluir a concordata
Concluir a concordata
Concluir a concordata
Concluir a concordata
Falncia decretada
Falncia decretada
Falncia decretada
Concluir a concordata
Falncia decretada
18
100%

56%

% de Erros

E
A
A
A
I
E
A
E
A
A
I
E
E
A
A
A
E
A

33%

A = Acerto; E = Erro; I = Indefinido

Comparando-se o resultado apresentado nessa tabela com aquele

apresentado na aplicao do modelo na amostra de teste, verifica-se que a
classificao da empresa de nmero 14 na realidade no est incorreta: a
empresa apresenta, atravs de suas demonstraes contbeis de 2000, que ter
condies de se recuperar e sair da concordata, sendo, portanto, correta sua
classificao como empresa do Grupo 2 (Solventes).

149

Verifica-se que o uso do modelo pode subsidiar uma deciso de concesso

ou no de concordata, sendo possvel medir a solvncia de uma empresa
regional. Necessrio, todavia, que se faa uma nova ponderao de seus
coeficientes, em que se optou, nesse trabalho, por uma ponderao que gerasse
um modelo misto ou hbrido.

7.3- Avaliao dos dados

Alguns testes j foram realizados, no tocante validao das premissas

bsicas86 para o uso da Anlise Discriminante. Esses testes servem para avaliar
os dados utilizados ao se desenvolverem os modelos.
Como frisado no captulo em que se discutem os modelos brasileiros,
alguns no demonstraram em seus estudos os testes de validao dos dados,
sobre os quais desenvolveram seus modelos. Apresentam sempre um teste de
validao dos acertos de classificaes sob uma amostra-teste, como o que foi
apresentado. Em virtude de as premissas para o uso da Anlise Discriminante
serem muito fortes, no se pode apenas desenvolver o modelo como feito nesses
estudos e aplic-lo, o que tambm, at o momento, foi realizado nesta pesquisa.
H necessidade de se testar se os pressupostos esto sendo atendidos, mesmo
que seja aps a obteno do modelo.

86

As premissas so normalidade multivariada das variveis independentes, igual matriz de

varincia e covarincia para os grupos definidos pelas variveis dependentes, ausncia de
multicolinearidade entre as variveis independentes, relaes lineares entre todas as variveis e
ausncia de valores extremos (outliers).

150

Em relao ltima premissa (outliers), demonstrou-se que foram

retirados, em princpio, em funo do nvel de disperso e que, depois,
retornaram, no sendo necessrias maiores discusses sobre testes para
identificao desses87.
Quanto s relaes lineares, as transformaes necessrias foram
realizadas para que se pudesse atender a essa premissa. Verificou-se que o
modelo hbrido assumiu trs das quatro variveis transformadas (transformaes
polinomiais de 2 grau).
A multicolinearidade entre as variveis independentes foi aspecto de teste
automtico do programa estatstico utilizado. Segundo seus resultados,
considerando valores limites mais rgidos, haveria colinearidade entre as variveis
transformadas e suas originais. A prpria transformao pode ser a causadora
disso, segundo Hair, Anderson, Tatham & Black (1998:170). Considerando-se
valores menos rgidos, como j exposto, a multicolinearidade descartada.
Ainda sobre a multicolinearidade, deve-se considerar que os dados que
esto sendo avaliados so ndices gerados a partir das demonstraes contbeis,
como o balano patrimonial, o qual tem como relao algbrica bsica a
igualdade entre Ativos e Passivos, em outras palavras, Ativos = Passivos
Exigveis + Patrimnio Lquido (Moses & Liao, 1987:29).

87

Cabe comentar que, mesmo encontrando-se outliers, compete ao pesquisador a deciso de sua
remoo ou manuteno (Hair, Anderson, Tatham & Black, 1998:65).

151

Quando se considera esse aspecto, verifica-se que quaisquer relaes

obtidas entre as contas e/ou grupos do balano podem possuir alguma
colinearidade entre si, o que no deve ser motivo para suas excluses, como
ressalvado quando se analisou a questo da multicolinearidade nos trabalhos
brasileiros. Portanto, a multicolinearidade no pode ser um empecilho para o
desenvolvimento de modelos. Por isso os autores anteriores, Moses & Liao
(1987), propuseram o uso da Anlise Fatorial para resolver esse problema: ao
invs de haver trs ndices de liquidez, haveria apenas um Fator de Liquidez, que
agruparia esses ndices.
As duas primeiras premissas so as mais importantes para avaliao dos
dados utilizados. Como exposto, no caso de violao dessas, o resultado da
Anlise Discriminante pode ser afetado, tanto no processo de estimao da
equao quanto no de classificao dos dados.
A premissa de igual matriz de varincia e covarincia para os grupos
definidos pela varivel dependente, caso violada, pode ser resolvida aumentandose o tamanho das amostras. Nessa pesquisa, utilizaram-se todos os dados
disponveis de empresas obtidos junto s varas judiciais, no possibilitando essa
opo em caso de violao.
Hair, Anderson, Tatham & Black (1998:348) afirmam que, caso os grupos
sejam de tamanhos aproximadamente iguais, o impacto ser mnimo. Como os
grupos aqui utilizados possuem o mesmo tamanho, poder-se-ia considerar
mnimo o impacto se houvesse a violao. Essa premissa foi avaliada atravs de
um teste de homoscedasticidade, realizado no SPSS.

152

O teste aplicado denomina-se Boxs M, em que se compara o nvel de

significncia gerado neste com o nvel estabelecido no processo de gerao da
funo discriminante, sendo este deve ser maior do que aquele obtido no teste.
Utilizando-se do processo automtico do SPSS, encontrou-se um nvel de
significncia igual a zero para o teste, sendo o nvel de significncia88 da funo
discriminante

igual

0,05.

Assim,

hiptese

nula

de

presena

de

homoscedasticidade foi rejeitada, sendo, portanto, violada a premissa de

existncia de igualdade de matrizes de covarincia e varincia.

Test Results
Box's M
F

Approx.
df1
df2
Sig.

351,406
14,653
21
9945,308
,000

Tests null hypothesis of equal population covariance matrices.

O ltimo teste realizado refere-se primeira premissa, considerada

fundamental quando se utiliza a AD: a normalidade multivariada das variveis
independentes. Avalia-se se a curva da distribuio dos dados de cada varivel
corresponde

curva

de

uma

distribuio

normal

terica,

que

possui

caractersticas especficas.
O teste muito simples: consiste em analisar o grfico da distribuio de
cada varivel e compar-lo com o grfico da distribuio normal. Para isso,

Para realizao desse teste, utilizou-se a funo Discriminant, disponvel no SPSS, sendo
necessrio gerar uma nova equao, em que se determinou o nvel de significncia em 5% e no
um valor especfico para F. Essa equao assumiu as mesmas variveis que a equao final do
modelo hbrido.
88

153

utilizou-se de ferramenta especfica do SPSS, que gerou todos os grficos das

variveis independentes utilizadas durante o processo de construo do modelo.
Os grficos possuem, alm da distribuio dos dados das variveis, outra
distribuio que se refere distribuio normal, possibilitando uma fcil anlise
atravs de checagem visual.
A distribuio normal corresponde linha diagonal, na cor verde, enquanto
a distribuio das demais variveis apresenta-se na cor vermelha, em cada
grfico.
Para que a premissa de normalidade seja aceita, a distribuio dos dados
das variveis deve sobrepor ou acompanhar a distribuio normal apresentada no
grfico; caso contrrio, haver a sua quebra.
A seguir, apresentam-se os grficos com as plotagens das distribuies.

154

A n lis e g r fic a d a n o r m a lid a d e d a s v a r i v e is in d e p e n d e n te s

Normal P-P Plot of X3_
1,00

,75

,75

,50

,50

Expected Cum Prob

Expected Cum Prob

Normal P-P Plot of X3

1,00

,25

0,00
0,00

,25

,50

,75

1,00

,25

0,00
0,00

Observed Cum Prob

,75

,75

,50

,50

Expected Cum Prob

Expected Cum Prob

1,00

,25

0,00
,25

,50

,75

0,00

,75

,50

,50

Expected Cum Prob

Expected Cum Prob

,75

,25

0,00
,50

,75

0,00

,75

,75

,50

,50

Expected Cum Prob

Expected Cum Prob

,50

,75

1,00

,75

1,00

Normal P-P Plot of X17_

1,00

,25

0,00
,50

,75

,25

0,00
0,00

1,00

,25

,50

Observed Cum Prob

Observed Cum Prob

Normal P-P Plot of X18_

Normal P-P Plot of X18

1,00

1,00

,75

,75

,50

,50

Expected Cum Prob

Expected Cum Prob

,25

Observed Cum Prob

Normal P-P Plot of X17

,25

0,00

Observed Cum Prob

1,00

0,00

1,00

1,00

,25

,75

,25

Observed Cum Prob

0,00

,50

Normal P-P Plot of X15_

1,00

,25

,25

Observed Cum Prob

Normal P-P Plot of X15

0,00

1,00

0,00

1,00

1,00

,25

,75

,25

Observed Cum Prob

0,00

,50

Normal P-P Plot of X14

Normal P-P Plot of X10

1,00

0,00

,25

Observed Cum Prob

,50

,75

1,00

,25

0,00
0,00

,25

Observed Cum Prob

,50

,75

1,00

155

Diante do critrio de anlise, verifica-se que nenhuma das variveis

utilizadas no processo de regresso para obteno da equao discriminante
possui distribuio normal. Portanto, a primeira premissa no foi corroborada.
Tambm foi comprovada a no-normalidade das distribuies atravs do
teste de Jarque-Bera, disponvel no Eviews. Nenhuma das variveis atingiu uma
estatstica teste suficiente que fizesse aceitar-se a hiptese nula de presena de
normalidade.
Atravs desse ltimo programa economtrico, realizaram-se outros testes89
para avaliar as premissas aqui discutidas. Os grficos gerados no Eviews
tambm corroboraram a ausncia de normalidade. Testes com os resduos
demonstram que h autocorrelao serial, em funo da distribuio grfica
desses, melhorando o resultado obtido com o teste de Durbin-Watson, que foi
afetado

pelo

pequeno

tamanho

das

amostras.

Tambm

se

testou

homoscedasticidade, no sendo esta aceita igualmente ao teste realizado atravs

do SPSS.
Aps esses testes, pode-se concluir que o modelo hbrido obtido no
vlido? Ou mais ainda, que nenhum dos modelos aqui discutidos so vlidos?
Em caso de uma resposta positiva, a resposta ao problema de pesquisa
proposto a de que no possvel prever a solvncia de uma empresa atravs
desses modelos, contradizendo a avaliao atingida ao final dos testes com o
modelo hbrido.

89

Ao final do Apndice B, encontram-se os resultados desses testes.

156

Como ento justificar o nvel de acertos que se obteve com o modelo

hbrido, quando aplicado sob a amostra de testes, e tambm na melhoria que
proporcionou na anlise da empresas que concluiriam a concordata?
Verifica-se que o modelo possui certo grau de confiabilidade e de
capacidade de discriminar, visto os resultados que demonstrou. Esses no podem
ser desconsiderados. O mesmo ocorreu com os demais modelos analisados.
A questo, portanto, no sobre a eficincia dos modelos, mas como
esses foram desenvolvidos. A no-observao das premissas bsicas invalida

estatisticamente o uso da tcnica de Anlise Discriminante, mas no o uso de

modelos matemticos.
Para todas as situaes de violao das premissas, podem-se utilizar
correes, a fim de se obterem dados que possam ser trabalhados com a tcnica
de Anlise Discriminante.
Outliers

podem

ser

retirados,

relaes

no-lineares

podem

ser

transformadas em relaes lineares, a multicolinearidade pode ser tratada pela

eliminao de variveis repetitivas ou seu agrupamento em fatores, a
heteroscedasticidade pode ser reduzida com o aumento do nmero de elementos
e a normalidade obtida atravs de transformaes logartmicas ou outra qualquer,
e outras alternativas mais para essas situaes.
Nesse caso especfico, a premissa da normalidade violada por todas as
variveis, o que leva a se fazerem transformaes de todos os dados. Como
citado no estudo de Elisabetsky, esse fez algumas transformaes, mas a
melhoria no resultado do modelo no foi significativa. Considerando-se a proposta

157

de esses modelos serem utilizados como apoio na deciso de deferimento de

uma concordata, bem provvel que os juzes ou seus peritos no queiram fazlas.
Como dito anteriormente, h necessidade de avaliao dos dados que
sero utilizados. O simples teste grfico da normalidade das variveis
independentes conduziria adoo da Regresso Logstica ao invs da Anlise
Discriminante, como comentado no captulo sobre essa ltima.
Ser que o modelo desenvolvido com o uso da Regresso Logstica90
alcanaria resultado superior ao aqui desenvolvido? Independente de a resposta
ser sim ou no, saber-se-ia que fora desenvolvido obedecendo-se a regras
estatsticas.
Assim, no se pode concluir que os modelos aqui discutidos no so
vlidos. A falta de maiores informaes sobre os testes realizados pelos autores
impede essa concluso, bem como os resultados de seus testes. O mesmo
poderia ocorrer, portanto, com o modelo hbrido que derivado daqueles. Mas
como os dados esto disponveis e sendo analisados, no se pode generalizar.
Eisenbeis apud Mantovanini (1990:166-168) relaciona dificuldades no uso
da Anlise Discriminante na rea de finanas. Ressalta o problema da distribuio
das variveis, em que se considera que sejam normalmente distribudas
(Teorema do Limite Central), mas que, na prtica, desvios dessa premissa
ocorrem mais do que o desejado.

90

Por no ser o objetivo do trabalho a discusso de qual a melhor tcnica para o desenvolvimento
de modelos de previso, no se realizaram maiores pesquisas sobre Regresso Logstica, nem
tampouco foi desenvolvido um modelo com essa tcnica.

158

Destaca tambm Eisenbeis problemas com a premissa da igualdade de

matrizes de disperso (varincia e covarincia), que presumida, alm de
dificuldades de se avaliar a importncia relativa das variveis, erros nas
definies de grupos, falta de considerao a priori dos custos de erros nas
classificaes e uso da prpria amostra de construo para validar o modelo.
Esses comentrios foram realizados em 1977 e, diante do que se observou,
continuam vlidos.
A considerao final a que se chega que, como se tratam de modelos, e
esses so simplificaes da realidade observada, a suposio de que as
premissas bsicas so satisfeitas no seria de um todo incorreta, salvaguardadas,
por exemplo, pelo Teorema do Limite Central. Mas, generalizar suas aplicaes
para outras finalidades ou situaes diferentes das aqui propostas estaro
incorretas.
Portanto, alm da questo da validade temporal dos modelos, adiciona-se a
questo da limitao de sua aplicabilidade.
Essa limitao se deve a caractersticas como aspectos regionais, setoriais
e do principal objetivo desses modelos: a previso de situaes futuras baseada
em dados passados.

159

8-

Consideraes finais e concluses

Uma vez que a concordata concedida para empresas que no possuem

capacidade de se manter em condies normais, esta acaba sendo uma forma
paliativa de soluo do problema de liquidez, e, conseqentemente, a causa do
mau uso dos recursos da economia, pois aqueles credores da concordatria ficam
sem poder investir aqueles recursos em suas atividades, conforme proposio de
Matias (1992), citada na introduo.
Ao contrrio de suas concluses, foi possvel verificar, nesse estudo, que
algumas empresas mineiras que entraram em concordata conseguiram cumpri-la
e continuar com suas atividades. Implica dizer que no houve mau uso dos
recursos.
Diante dessa situao observada em relao Concordata, h duas
consideraes a propor atravs deste estudo, para anlises futuras.
A afirmao de Matias (1992) de que as empresas em concordata no
lograro xito de difcil generalizao. Primeiro, porque existe uma limitao
legal em que, caso a empresa cumpra todos os requisitos legais, a concordata
pode lhe ser concedida e, segundo, a lei no permite o uso de inferncia ou
prospeces, na avaliao realizada pelo juiz, nem, tampouco, pelo peritocontador, como motivo da no concesso do pleito.
Viu-se que a utilizao de modelos de previso de insolvncia pode
conduzir a um certo grau de segurana nessa deciso, e que esses serviriam de

160

apoio tomada dessa deciso (deferir ou no a concordata). Portanto, se a

concesso pode vir a ocorrer em funo apenas do preenchimento de preceitos
da Lei, pode-se expor a outra proposio.
Essa segunda proposio em virtude da alterao da Lei de Falncias e
Concordatas, atravs de projeto em tramitao no Congresso Nacional, em que
se cria um processo de recuperao econmica (nova denominao dada
concordata suspensiva). A concesso desse processo de recuperao basear-se em uma avaliao econmico-financeira da empresa. Nesse caso, os modelos
podem servir como mais uma ferramenta de anlise prospectiva, a fim de se
evitar a incorreta alocao ou a manuteno de recursos econmicos em uma
empresa, que no ter capacidade de vencer suas dificuldades. Ressalte-se que
a nova legislao ter de lidar com a idia de anlises prospectivas, pois um
laudo tcnico sobre a capacidade de continuidade da empresa teria de ser nesse
molde, mas nenhuma referncia quanto a esse aspecto foi percebida no projeto91
proposto.
Necessita-se de estudos para a verificao da possibilidade de se propor
alteraes no texto do projeto em relao a isso.
Quanto considerao feita sobre a no fidedignidade dos balanos,
Kanitz considerava possvel a previso de insolvncia com base naqueles, sendo
isto o relevante e a premissa utilizada nessa pesquisa.
Assim, com as imperfeies das demonstraes e em caso de se
solucionarem estas, melhorando a capacidade de evidenciao e de previso, os

91

Projeto de Lei n 4.376/1.993.

161

dados obtidos nas demonstraes ainda so suficientes e superiores a outras

disponibilizadas.
Se no h fidedignidade na contabilidade das empresas, poder-se-
esperar fidedignidade de quaisquer outras fontes por elas produzidas92?
Viu-se que o tempo afeta os modelos e seu grau de preciso, mas no os
torna totalmente inviabilizados, como mostraram os resultados obtidos nas
simulaes com as demonstraes das empresas. Servem como uma base de
considerao, em caso de necessidade de uma posio objetiva93.
Para minimizar seus efeitos, necessrio que se faam novas
ponderaes dos coeficientes, ou, at mesmo, avaliao de novos indicadores.
Optou-se por uma metodologia que, a partir dos modelos brasileiros analisados,
produzisse um modelo hbrido ou misto que congregasse os melhores indicadores
de cada um, atualizando-se seus coeficientes em funo de novos dados. Essa
metodologia, presumida para a pesquisa, mostrou-se mais prtica, uma vez que
no se teve de atualizar todos os modelos isoladamente.
A eficincia desse modelo foi avaliada e pode-se consider-la satisfatria,
tanto na capacidade de discriminao entre os grupos, quanto na previso de
cumprimento da concordata.
Diante da questo avaliada nessa pesquisa, de serem ou no os modelos
de previso analisados capazes de prever a solvncia de empresas mineiras, a

92

Essa discusso no se faz oportuna nessa pesquisa, pois outros aspectos necessitam ser
avaliados, e seria motivo para uma nova incurso, mais profunda, nessa questo.
93
Verifique-se, no Apndice B, quadro comparativo, entre os modelos analisados e os modelos
desenvolvidos, com o percentual de acerto de cada um deles na amostra utilizada para teste.

162

concluso de que esses foram capazes de medi-la e de identificar, com

satisfatrio grau de acerto, aquelas que lograriam xito na Concordata.
Mas o fato mais importante que se destacou no foi o nvel de eficincia,
mas sim a avaliao da utilizao da Anlise Discriminante como ferramental para
se desenvolverem esses modelos.
Pode-se concluir que o uso da Anlise Discriminante como ferramenta para
construo de modelos de Credit Scoring vlido, desde que se observem as
premissas para seu uso. Com os dados utilizados para obteno do modelo
misto, verificou-se que esses no satisfaziam quelas premissas, principalmente
da normalidade multivariada. Portanto, a avaliao dos dados imprescindvel
para que se possa desenvolver um modelo estatisticamente correto.
Isso quer dizer que o uso de modelos matemticos possvel para fins

de avaliaes ou previses, bastando para isso observar qual a melhor tcnica

a ser utilizada. O modelo misto demonstrou que essa afirmao verdadeira,
uma vez que seu nvel de acerto foi considervel, em todos os testes a que foi
submetido.
Pode-se inquirir, ento, qual tipo de tcnica geraria um modelo de maior
eficincia, sendo, esse um tema para uma pesquisa de comparao entre
aquelas. Alm desse, poder-se-ia testar a hiptese de que a utilizao de tcnicas
cada vez mais avanadas traz consigo aumento das complicaes e dificuldades
em seu uso sem melhoria da eficincia dos modelos.
Diante disso, prope-se uma considerao final: como so modelos, e
esses so simplificaes da realidade observada, a suposio de que as

163

premissas bsicas so satisfeitas no seria de um todo incorreta, mas seria

imperfeito e inapropriado generalizar suas aplicaes para outras finalidades ou
situaes diferentes das aqui propostas.
Assim, adiciona-se questo da validade temporal dos modelos a questo
da limitao de sua aplicabilidade. Essa limitao se deve a caractersticas
como aspectos regionais, setoriais e do principal objetivo desses modelos, que
o de prever situaes futuras das empresas baseando-se em dados

passados.
Maiores estudos tambm seriam pertinentes no tocante ao porqu da no
utilizao, ou melhor, da no-aceitao por parte de analistas de crdito de
modelos de previso, sendo que a concesso de crdito a mais discutida de
suas aplicaes. Decorre essa indagao de opinies obtidas em conversas com
alguns analistas e de se saber que as instituies utilizam a anlise tradicional de
balanos como um dos pontos da anlise de crdito.
Tambm, por falta de perfeito domnio

de suas possibilidades (e

eventualmente at de sua existncia), juzes no utilizam esses modelos como

um meio de suporte na tomada de suas decises, conforme se constatou nas
entrevistas realizadas. Com as mudanas pleiteadas na Legislao, como as
citadas em proposio anterior, pode-se cogitar incluir mudanas em relao a
esse ponto. Se a Lei no permite a utilizao de modelos de previso de
situaes no futuro, a utilizao de modelos matemticos, baseados em dados
passados das empresas pleiteantes da Concordata, serve como ferramenta para
validar a sade financeira dessa, sem se contrapor Legislao. Ressalte-se,
mais uma vez, o problema das generalizaes no uso desses modelos, alm da

164

considerao de variveis psico-sociais, as quais questionam a repetio de

comportamentos passados no futuro.
Percebe-se, ento, que h um espao para a apresentao de propostas
de modelos, no somente que utilizam ferramental estatstico, no dominado por
todos, mas de modelos baseados em dados das demonstraes contbeis, de
fcil uso e acesso, que visem a auxiliar a Justia na tomada de deciso que
melhor atenda ao bem-estar pblico. A Demonstrao do Valor Adicionado (DVA)
poderia ser uma contribuio no tocante avaliao econmica da empresa,
sendo esse outro ponto para futuros estudos.

Os modelos existem para serem usados,

no para acreditarmos neles.
Henri Theil

165

9-

Referencial bibliogrfico

ALTMAN, Edward I. Financial ratios, discriminant analysis and the prediction of

corporate bankruptcy. The journal of finance. v.23, n.4, p.589-609, sept, 1968.
_____. Commercial bank lending: process, credit scoring, and costs of errors in
lending. Journal of financial and quantitative analysis. v. 15, n.4, p.813-832,
nov, 1980.
_____ & HALDEMAN, Robert. Corporate credit-scoring models: approaches and
tests for successful implementation. The journal of commercial lending, p. 10
22, maio, 1995.
ANDRADE, Maria Margarida de. Como preparar trabalhos para cursos de psgraduao: noes prticas. 2 ed., So Paulo: Atlas, 1997.
ASSAF NETO, Alexandre. Estrutura e anlise de balanos: um enfoque
econmico-financeiro. 4 ed. So Paulo: Atlas, 1998.
_____. Mercado financeiro. So Paulo: Atlas, 1999. 322p.
BEAVER, William H. Alternative accounting measures as predictors of failure. The
accounting review. p.113-122, jan, 1968.
BECKMAN, Theodore N. & BARTELS, Robert. Credit and collections in theory and
practice. 6 ed., McGraw-Hill, 1955.
BLATT, Adriano. Avaliao de risco e deciso de crdito: um enfoque prtico.
So Paulo: Nobel, 1999. 232p.
BORTOLUCI, Lauci R. & KAWAHARA, Lucia. Orientao bibliogrfica. 2ed. So
Paulo, 1998, Faculdade de Economia, Administrao e Contabilidade da
Universidade de So Paulo.
CAOUETTE, John B., ALTMAN, Edward I.,NARAYANAN, Paul. Gesto do risco
de crdito: o prximo grande desafio financeiro. Rio de Janeiro: Qualitymark,
1999. 489p. Trad. Allan Hastings.
CECCHETTI, Stephen G. The future of financial intermediation and regulation: an
overview. Current Issues in Economics and Finance, v.5, p. 1-5, maio, 1999.
CONNORS, Mike. Credit scoring: aid to efficiency and professionalism. Business
Credit, p.5153, abr, 1988.
COMISKEY, Eugene E. & MULFORD, Charles W. Guide to financial reporting and
analysis. New York: John Wiley & Sons, 2000.
DRAPER, N.R. & SMITH, H. Applied regression analysis. 2th ed., New York: John
Wiley & Sons, 1981.

166

ECO, Umberto. Como se faz uma tese. So Paulo: Perspectiva, 1991. 170p.
ELISABETSKY, Roberto. Um modelo matemtico para decises de crdito no
banco comercial. So Paulo, 1976. 190p. Escola Politcnica da Universidade
de So Paulo.
FORTUNA, Eduardo. Mercado financeiro: produtos e servios. 10 ed. Rio de
Janeiro: Qualitymark, 1997. 366p.
FRANA, Jnia Lessa., BORGES, Stella M., VASCONCELOS, Ana C.,
MAGALHES, Maria Helena de A. Manual para normalizao de publicaes
tcnico-cientficas. 4 ed. Belo Horizonte: Editora UFMG, 1999. 213p.
GIL, Antnio Carlos Mtodos e tcnicas de pesquisa social. So Paulo: Atlas,
1995.
_____. Projetos de pesquisa. 3 ed. So Paulo: Atlas, 1996. 159 p.
GITMAN, Lawrence J. Princpios de administrao financeira. 7 ed. So Paulo:
Harbra, 1997. 841p.
GUERREIRO, Reinaldo. Modelo conceitual de sistema de informao de gesto
econmica: uma contribuio teoria da comunicao da contabilidade. So
Paulo, 1989. Tese (Doutorado), Faculdade de Economia, Administrao e
Contabilidade da Universidade de So Paulo.
HAIR, Joseph F., ANDERSON, Rolph E., TATHAM, Ronald L. et.al. Multivariate
data analysis. 5 ed., New Jersey : Prentice-Hall, 1998.
HALE, Roger H. Credit analysis: a complete guide. New York: John Wiley & Sons,
1983.
HELLWIG, Martin F. Financial intermediation with risk aversion. The Review of
Economics Studies. v.67, p.719-742, out, 2000.
HENDRIKSEN, Eldon S. & VAN BREDA, Michael F. Teoria da Contabilidade. So
Paulo: Atlas, 1999. 550p. Trad. Antonio Zoratto Sanvicente.
IUDCIBUS, Srgio de. Teoria da Contabilidade. 5 ed. So Paulo: Atlas, 1997.
330p.
KACHIGAN, Sam Kash. Multivariate statistical analysis: a conceptual introduction.
2 ed. New York: Radius Press, 1991.
KANITZ, Stephen Charles. Como prever falncias. So Paulo: McGraw-Hill, 1978.
176p.
_____. Indicadores contbeis e financeiros de previso de insolvncia: a
experincia na pequena e mdia empresa brasileira. So Paulo, 1976. 187p.

167

Tese (Livre-Docncia), Faculdade de Economia,

Contabilidade da Universidade de So Paulo.

Administrao

KAPLAN, Robert S. Innovation action research: creating new management theory

and practice. Journal of Management Accounting Research, vol. 10, p.89-118,
jan./mar., 1998.
KELLEY, Anthony Alan. Business credit skills: part 2 Ratios and decision-making
models. Credit & Financial Management, Credit Competence, p. 9 14, jan,
1986.
LAKATOS, Eva Maria & MARCONI, Marina de Andrade. Metodologia do trabalho
cientfico: procedimentos bsicos, pesquisa bibliogrfica, projeto e relatrio,
publicaes e trabalhos cientficos. 2 ed. So Paulo: Atlas, 1986.
LAMB, Patrick E. Financial disintermediation and asset securitization. The
Secured Lender. v.52, p.16-?, nov/dez, 1996.
LAPPONI, Juan Carlos. Estatstica Usando Excel 5 e 7. So Paulo: Ed. Lapponi,
1997. 402p.
LAROUSSE CULTURAL. Dicionrio da lngua portuguesa. So Paulo: Nova
Cultural, 1992.
LIBBY, Robert. Accounting ratios and the prediction of failure: some behavioral
evidence. Journal of accounting research. Research reports, p.150-161,
Spring, 1975.
LOPES, Joo do Carmo & ROSSETTI, Jos Paschoal. Economia monetria. 6
ed. So Paulo: Atlas, 1992. 368p.
MANTOVANINI, Joo Carlos Labate. Anlise discriminate como instrumento para
a concesso de crdito. So Paulo, 1990. Dissertao (Mestrado), Escola de
Administrao de Empresas de So Paulo, Fundao Getlio Vargas.
MARCONI, Marina de Andrade & LAKATOS, Eva Maria. Tcnicas de pesquisa:
planejamento e execuo de pesquisas, amostragens e tcnicas de pesquisa,
e elaborao, anlise e interpretao de dados. 3 ed. So Paulo: Atlas,
1996. 231p.
MARTINS, Eliseu Contribuio avaliao dos ativos intangveis. So Paulo,
1972. Tese (Doutorado), Faculdade de Economia, Administrao e
Contabilidade da Universidade de So Paulo.
_____. Anlise da correo monetria das demonstraes financeiras:
implicaes no lucro e na alavancagem financeira. 2 ed. So Paulo: Atlas,
1984. 157p.
_____ & ASSAF NETO, Alexandre. Administrao financeira: as finanas das
empresas sob condies inflacionrias. So Paulo: Atlas, 1996. 10 tiragem.

168

MARTINS, Fran. Ttulos de crdito. 13 ed. Rio de Janeiro: Forense, 1999. vol. I.
MARTINS, Gilberto de Andrade. Metodologias convencionais e no-convencionais
e a pesquisa em administrao. Caderno de pesquisa de Administrao,
Faculdade de Economia, Administrao e Contabilidade, Universidade de So
Paulo, jan, 1995.
MATARAZZO, Dante Carmine. Anlise financeira de balanos: abordagem bsica
e gerencial. 4 ed., So Paulo: Atlas, 1997.
MATIAS, Alberto Borges. O instituto jurdico da concordata no Brasil como
instrumento de recuperao econmica e financeira das empresas. So
Paulo, 1992. 87p. Tese (Doutorado), Faculdade de Economia, Administrao
e Contabilidade da Universidade de So Paulo.
MATOS, Orlando Carneiro de. Econometria bsica: teoria e aplicaes. So
Paulo: Atlas, 1995. 244p.
MAVES, George Perfecting prediction.
p.2426, ago,1991.

Marketing Services, Direct Marketing,

MOSES, Douglas & LIAO, Shu S. On developing models for failure prediction.
The Journal of Commercial Lending, p. 2738, mar, 1987.
MOURA, Heber Jos de. Metodologia multivariada para avaliao do risco de
crdito de operaes bancrias. So Paulo, 1995, Escola de Administrao
de Empresas de So Paulo, Fundao Getlio Vargas.
PARKINSON, Kenneth L. & OCHS, Joyce R. Using credit screening to manage
credit risk. Business Credit, p. 2327, mar, 1998.
PETERSON, Ann Hayes. Credit scoring. Credit Union Magazine, p. 4450, jan,
1998.
PINHO, Ruy Rebello & NASCIMENTO, Amauri Mascaro. Instituies de direito
pblico e privado: introduo ao estudo do direito: noes de tica
profissional. 16 ed., So Paulo: Atlas, 1990.
RAGSDALE, Cliff T. Spreadsheet modeling and decision analysis: a practical
introduction to management science. Course Technology, Inc.,1995.
_____. Spreadsheet modeling and decision analysis: a practical introduction to
management science. 3 ed., Course Technology, Inc.,2001.
ROSS, Stephen A., WESTERFIELD, Randolph W., JAFFE, Jeffrey F.
Administrao financeira. So Paulo: Atlas, 1995. 698p. Trad. Antonio Zoratto
Sanvicente.
ROZO, Jos Danbio & BRANDO, Claudinei Terra. Anlise discriminante.
Trabalho apresentado na disciplina de Contabilometria (no publicado),
Doutorado em Controladoria e Contabilidade, 1999, Faculdade de Economia,
Administrao e Contabilidade da Universidade de So Paulo.

169

RUIZ, Joo lvaro. Metodologia cientfica: guia para eficincia nos estudos. So
Paulo: Atlas, 1982. 170p.
SALOMON, Dlcio Vieira. Como fazer uma monografia: elementos de
metodologia do trabalho cientifico. 6 ed. Belo Horizonte: Interlivros, 1978.
SANDA, Ren. Anlise discriminante com mistura de variveis categricas e
contnuas. So Paulo, 1990. 128p. Dissertao de Mestrado, Instituto de
Matemtica e Estatstica da Universidade de So Paulo.
SCHRICKEL, Wolfgang Kurt. Anlise de crdito: concesso e gerncia de
emprstimos. 3 ed. So Paulo: Atlas, 1997. 353p.
SCHUMPETER, Joseph Alois. Teoria do desenvolvimento econmico: uma
investigao sobre lucros, capital, crdito, juro e o ciclo econmico. So
Paulo: Abril Cultural, 1982, 169p. Traduo Maria Slvia Possas.
SICS, Abraham Laredo. Anlise discriminante. So Paulo, 1975. 107p.
Dissertao de Mestrado, Instituto de Matemtica e Estatstica da
Universidade de So Paulo.
SILVA, Jos Pereira da. Modelos para classificao de empresas com vistas a
concesso de crdito. So Paulo, 1982, Escola de Administrao de
Empresas de So Paulo, Fundao Getlio Vargas.
SILVA, Jos Pereira da. Gesto e anlise de risco de crdito. So Paulo: Atlas,
1997.
SINCICH, Terry. Statistics by example. 5th ed., New Jersey: Prentice-Hall, 1993.
SPIEGEL, Murray Ralph. Estatstica: resumo da teoria. So Paulo: McGraw-Hill,
1977. Traduo Pedro Cosentino.
STEVENSON, William J. Estatstica aplicada administrao. So Paulo: Harper
Row , 1981, Trad. Alfredo Alves de Farias.
TRESSLER, Colleen P. Credit scoring: a consumer education perspective. Credit
World, Consumer Advocacy, p.2931, jul-ago, 1998.
VASCONCELOS, Nanci Pereira de. Aspectos financeiros das empresas
industriais do estado de So Paulo, em 1945 e em 1982, e a lei das falncias
e concordatas. So Paulo, 1985, Faculdade de Economia, Administrao e
Contabilidade da Universidade de So Paulo.
WESTON, J.Fred & BRIGHAM, Eugene F. Administrao financeira de empresas.
4 ed. Rio de Janeiro: Interamericana.
WINN, Anthea. KISS: keep is simple scorecards. Credit Management, p. 2829,
maio, 1998.
WONNACOTT, Thomas H. & WONNACOTT, Ronald J. Introduo estatstica.
Rio de Janeiro: Livros Tcnicos e Cientficos, 1981. 589p.

170

10- Apndices

10.1- Apndice A

A equao discriminante completa do modelo proposto por Elisabetsky a

seguinte:

Z94 = 26.763 4,39663 x2 + 3,19343 x3 - 3,52051 x5 + 10,43181 x7 +

0,5395 x8 0,66611 x9 29,87784 x10 55,07771 x11 1,97899 x12 +
0,28318 x13 +11,181444 x14 + 0,32328 x15 30,66845 x17 + 6,15875
x18 7,15417 x19 + 0,00315 x20 0,3243 x21 + 3,46469 x22 9,57042
x23 + 0,27327 x29 + 0,10064 x30 + 50,97519 x31 + 13,70716 x32 +
0,15048 x33 + 2,96278 x35 + 1,77671 x36 0,12277 x37 0,365 x38

onde:
Z = pontuao ou escore de pontos obtidos
X2 = ndice disponvel / vendas
X3 = ndice capital de giro / ativo total
X5 = ndice contas a receber / vendas
X7 = ndice imobilizado total / vendas
X8 = ndice capital de giro / realizvel total a curto prazo
X9 = ndice capital de giro / imobilizado total
X10 = ndice imobilizado total / ativo total
X11 = ndice lucro lquido / ativo operacional
X12 = ndice patrimnio lquido / vendas
X13 = ndice disponvel / exigvel a curto prazo
94

A frmula apresentada na pgina 135 de seu trabalho contm um erro tipogrfico, pois insere a
varivel x1, a qual no participou das regresses geradas. A varivel correta, segundo as planilhas
apresentadas no anexo VI, a x2.

171

X14 = ndice realizvel total a curto prazo / vendas

X15 = ndice capital de giro / imobilizado tcnico
X17 = ndice realizvel total / ativo total
X18 = ndice exigvel total / ativo operacional
X19 = ndice exigvel total / ativo total
X20 = ndice lucro lquido / capital de giro
X21 = ndice lucro lquido / imobilizado total
X22 = ndice ativo operacional / ativo total
X23 = ndice ativo operacional / vendas
X29 = ndice vendas / ativo total
X30 = ndice imobilizado total / realizvel a curto prazo
X31 = ndice lucro lquido / ativo total
X32 = ndice lucro lquido / vendas
X33 = ndice disponvel / imobilizado total
X35 = ndice contas a receber / ativo total
X36 = ndice estoques / ativo total
X37 = ndice exigvel a curto prazo / ativo total
X38 = ndice realizvel total / exigvel total

172

10.2- Apndice B

Neste

apndice,

apresentam-se

os

procedimentos

adotados

para

construo do modelo final proposto, em detalhes.

Desde o ajuste da amostra de desenvolvimento at o processo de Stepwise
desenvolvido no SPSS, procura-se demonstrar o caminho seguido para se
alcanar um modelo que atingisse o melhor nvel de discriminao.

173

1 - Homogeneizao do tamanho dos grupos

Grupo Insolvente (1):
Grupo Solvente (2):

28 elementos
36 elementos

Retirada de 7 registros do grupo solvente, assinalados em vermelho.

2 - Retirada de outliers:

valores extremos que por si s j so discriminadores dos grupos,

mas que podem ter surgido em funo de ausncia de dados.
Podem ser uma varivel independente ou um registro de uma empresa.

Registro de empresas destacadas em fundo amarelo. Uma empresa do grupo 1 e duas empresas do grupo 2.
Grupo 1 = 27 elementos e Grupo 2 = 27 elementos
Variveis independentes destacadas em azul, avaliadas em funo da variao entre valores minmos
e mximos obtidos para cada varivel. Quando se depara com valores muito dispersos em relao
mdia, essas variveis so retiradas, pois so consideradas outliers, sendo naturalmente discriminantes
nas amostras.

174
Dados das demonstraes de 1993 a 1997
Ano

Empr y

1993

5 1

1994

2 1

1994

5 1

1994

17 1

1994

19 1

1995

2 1

1995

5 1

1995

6 1

1995

17 1

1995

19 1

1996

2 1

1996

5 1

1996

6 1

1996

8 1

1996

9 1

1996

17 1

1996

19 1

1997

2 1

1997

5 1

1997

6 1

1997

8 1

1997

9 1

1997

10 1

1997

11 1

1997

13 1

1997

15 1

1997

17 1

1997

19 1

X1
0,10
1,14
0,03
0,40
0,74
0,57
4,70
(0,01)
0,32
0,10
0,39
0,65
(0,02)
0,00
(0,02)
(0,19)
(0,19)
0,08
0,93
0,10
1,76
(0,06)
(8,42)
(0,48)
1,00
(4,09)
(0,01)
0,02

X2
0,88
1,38
0,95
1,51
1,56
1,30
0,98
6,19
1,61
1,59
1,61
0,91
1,00
0,99
0,66
1,48
1,69
1,44
0,71
0,99
0,91
0,51
0,55
0,23
0,75
0,61
1,41
1,96

X3
0,02
0,76
0,13
0,23
0,15
0,53
0,12
6,19
0,15
0,14
0,57
0,19
0,28
0,74
0,68
0,07
0,03
0,42
0,13
0,17
0,70
0,86
0,28
0,23
0,19
0,59
0,14
0,23

X4
0,88
1,62
0,95
1,51
1,56
1,58
0,90
6,19
1,61
1,59
1,75
0,93
1,00
0,99
0,72
1,49
1,69
1,54
0,66
0,99
0,91
0,90
0,61
0,23
0,75
0,71
1,41
1,96

X5
13,26
1,33
14,39
0,92
1,57
1,79
(101,35)
0,03
1,04
1,46
1,27
(39,32)
8,62
8,14
0,98
1,79
1,22
1,15
(3,61)
16,61
(28,07)
1,20
35,02
1,34
(5,46)
25,05
2,16
0,90

X6
(0,11)
0,30
(0,05)
0,24
0,34
0,30
(0,11)
0,14
0,31
0,35
0,37
(0,06)
0,00
(0,01)
(0,12)
0,31
0,38
0,26
(0,44)
(0,01)
(0,09)
(0,03)
(0,35)
(0,44)
(0,30)
(0,23)
0,28
0,45

X7
0,07
0,40
0,08
0,39
0,26
(0,06)
0,02
0,39
0,17
(0,09)
(0,00)
(0,00)
(0,17)
0,07
0,19
(0,79)
0,01
(0,07)
(0,19)
(0,07)
0,33
(0,22)
(0,29)
0,06
-

X8
0,09
0,77
0,01
0,40
0,41
0,52
0,13
0,00
0,37
0,35
0,23
0,27
0,00
0,00
0,10
0,02
(0,01)
0,12
(0,14)
0,06
0,08
0,08
0,00
(0,12)
(0,20)
0,14
0,15
0,08

X9
0,08
0,75
0,07
1,09
0,64
0,56
(0,01)
35,55
0,97
0,69
0,79
(0,03)
0,12
0,12
1,02
0,56
0,82
0,87
(0,28)
0,06
(0,04)
0,83
0,03
0,75
(0,18)
0,04
0,46
1,12

X10
0,55
0,80
0,56
1,62
2,35
1,13
2,64
0,09
2,00
3,89
1,28
3,03
0,78
0,00
0,52
2,01
5,35
1,22
2,96
2,27
3,20
0,70
1,33
1,01
0,90
2,46
1,42
4,35

X11
0,01
0,61
0,00
0,13
0,12
0,18
(0,02)
(0,08)
0,08
0,01
0,14
(0,01)
(0,00)
1,00
(0,01)
(0,03)
(0,02)
0,03
(0,12)
0,00
(0,02)
(0,04)
(0,18)
(0,20)
(0,25)
(0,06)
(0,00)
0,00

X12
0,11
0,05
1,08
0,17
0,50
0,30
0,56
0,03
0,23
0,09
0,44
0,44
0,00
0,11
0,03
1,98
0,54
0,00
0,01
0,03
0,47
0,05
-

X13
0,00
0,26
0,00
0,07
0,00
0,09
0,00
0,02
0,02
0,00
0,19
0,09
0,19
0,61
0,09
0,02
0,00
0,14
0,03
0,03
0,69
0,09
0,21
0,07
0,19
0,47
0,07
0,00

X14
0,80
0,41
0,77
0,61
0,86
0,54
0,79
0,75
0,86
0,57
0,70
0,65
0,22
0,02
0,91
0,91
0,54
0,69
0,78
0,22
0,01
0,29
0,69
0,10
0,87
0,82

X15
0,93
0,48
0,94
0,48
0,61
0,52
1,01
0,03
0,51
0,59
0,49
0,93
0,90
0,89
0,44
0,64
0,55
0,49
1,30
0,94
1,04
0,30
0,88
0,57
1,22
0,79
0,68
0,47

X16
X17
X18
X19
1,00
2,05
0,91
738,66
6,87
0,43 2,47E+03
1,00
1,59
1,27 3,71E+04
0,71
0,16
256,44
0,62
222,83
3,19
0,15
754,75
1,00
0,39
0,29
101,98
0,09
0,68
0,11
175,85
0,31
104,30
1,23
0,23
380,92
0,31
0,24
114,84
1,22
0,89
220,42
6,02E+06 1,60E+07 2,17E+09
0,30
0,03
0,01
12,22
0,66
0,16
204,15
0,22
84,43
0,90
0,13
336,47
0,26
0,25
100,02
0,44
0,38
111,35
0,47
0,08
0,16
17,96
0,17
0,02
0,00
8,42
0,64
0,25
0,24
89,13
0,08
0,63
1,05
226,97
0,49
0,04
0,10
16,09
0,33
1,05
0,12
365,17
0,27
99,97

X20
0,07
0,58
0,00
0,43
0,41
0,73
0,24
0,06
0,56
0,38
0,29
0,29
0,00
0,00
(0,09)
(0,04)
(0,01)
0,12
(0,13)
(0,04)
0,17
(0,01)
0,00
(0,12)
(0,20)
0,19
0,09
0,09

X21
37,32
1,12
0,85
2,07
2,10
2,99
(25,67)
1,39
3,00
12,51
3,07
(174,96)
228,79
76,50
10,31
(10,81)
(7,10)
11,68
(4,06)
82,39
(17,00)
19,46
(5,19)
(4,88)
(5,67)
(8,62)
(381,41)
23,79

175
Dados das demonstraes de 1993 a 1997
Ano

Empr y X1

X2

X3

X4

X5

X6

X7

X8

X9

X10

X11

X12

X13

X14

X15

X16

X17

X18

X19

X20

X21

1994

23 2

0,12

1,20

3,32

4,05

0,99

0,10

0,42

0,06

1,01

0,31

0,20

0,07

0,08

0,02

0,03

0,14

0,01

50,91

0,10

4,94

1994

24 2

0,23

1,42

1,64

1,79

0,93

0,25

0,47

0,19

1,08

1,63

0,07

0,69

0,33

0,05

0,32

0,06

0,06

40,14

0,12

3,10

1995

23 2

0,12

1,38

0,94

0,97

0,93

(0,02)

(0,07)

0,07

1,07

0,43

0,14

0,00

0,45

0,01

0,48

0,04

0,00

17,76

0,11

5,15

1995

24 2

0,19

1,24

1,45

1,61

1,48

0,25

0,16

0,20

0,68

1,78

0,04

0,81

0,42

0,07

0,41

0,07

0,09

26,21

0,25

6,16

1995

29 2

0,01

1,18

0,96

1,60

0,43

0,13

0,28

0,08

2,30

0,60

0,02

0,00

0,16

0,14

0,22

0,33

0,10

117,83

0,09

4,18

1995

37 2

0,75

0,07

0,00

0,01

(3,78)

(1,18)

(0,32)

0,12

(0,26)

0,06

(3,73)

0,00

0,00

0,00

1,19

0,05

0,02

16,58

(0,04)

(8,20)

1995

42 2

0,18

3,54

3,73

4,05

0,16

0,36

0,30

0,21

6,44

1,27

0,12

1,03

0,07

0,04

0,12

0,04

0,03

13,65

0,33

0,73

1996

24 2

0,20

1,23

2,03

2,10

1,55

0,36

0,10

0,10

0,64

1,78

0,04

0,67

0,48

0,02

0,33

0,02

0,05

14,47

0,14

6,12

1996

25 2

0,10

2,52

2,80

2,84

0,16

0,22

(0,25)

0,11

6,14

0,36

0,23

0,51

0,09

0,00

0,12

4,62E+06

0,08

1,66E+09

0,11

1,11

1996

26 2

0,22

1,40

0,83

1,63

1,31

0,26

0,03

0,18

0,77

1,28

0,07

2,74

0,09

0,33

0,41

0,33

0,07

117,22

0,21

5,66

1996

27 2

0,06

1,53

1,43

1,93

0,49

0,24

0,33

0,06

2,05

0,65

0,06

0,36

0,16

0,13

0,26

0,25

0,03

88,63

0,07

3,86

1996

28 2

0,04

4,07

4,58

6,29

0,15

0,43

0,47

0,06

6,88

0,74

0,05

0,35

0,20

0,14

0,08

0,23

0,04

81,38

0,07

1,49

1996

29 2

0,01

1,03

0,83

1,33

0,57

0,08

0,17

0,06

1,76

0,70

0,01

0,01

0,19

0,12

0,24

0,20

0,07

77,02

0,06

5,44

1996

32 2

0,05

0,31

0,34

0,54

0,73

(0,09)

0,23

0,05

1,36

0,31

0,09

0,02

0,02

0,04

0,19

0,69

0,17

0,07

61,18

0,06

3,74

1996

33 2

(0,00)

1,83

2,01

2,01

0,28

0,20

0,20

0,00

3,56

1,46

(0,00)

0,46

0,06

0,19

0,01

0,01

3,84

1996

37 2

0,59

0,05

0,00

0,01

(2,10)

(1,56)

(0,80)

(0,04)

(0,48)

0,07

(6,69)

0,00

0,00

0,00

1,57

0,03

0,02

12,61

(0,03)

(4,46)

1996

38 2

0,09

1,65

3,05

3,38

0,27

0,13

0,10

0,08

3,64

0,46

0,16

0,20

0,01

0,02

0,05

0,09

0,02

34,11

0,09

1,63

1996

39 2

3,54

0,37

0,32

0,41

(7,25)

(0,62)

(0,83)

(0,20)

(0,14)

0,76

(0,75)

0,02

0,09

0,09

1,05

1,53

0,11

0,20

38,48

(0,24)

(2,27)

1996

41 2

0,05

1,06

0,78

1,54

2,41

0,26

0,06

0,08

0,42

3,69

0,00

1,00

0,35

0,37

0,49

0,11

0,11

40,24

0,08

17,97

1996

42 2

0,12

8,97

6,14

8,95

0,07

0,49

0,28

0,15

15,15

1,37

0,09

1,53

0,04

0,17

0,06

0,16

0,01

33,51

0,16

0,44

1996

43 2

(0,05)

1,39

2,09

2,77

1,01

0,40

(0,21)

(0,03)

0,99

1,92

(0,01)

0,23

0,33

0,15

0,23

0,14

0,03

50,84

(0,17)

190,48

1997

25 2

0,12

2,77

2,70

2,73

0,19

0,28

(0,11)

0,15

5,23

0,49

0,20

0,90

0,09

0,00

0,16

6,10E+06

0,05

1,93E+09

0,16

1,19

1997

26 2

0,14

1,41

1,27

2,64

1,20

0,40

0,07

0,15

0,83

1,22

0,05

2,21

0,12

0,33

0,24

0,34

0,09

115,77

0,19

7,94

1997

27 2

0,04

1,21

0,87

1,67

0,56

0,17

0,29

0,04

1,77

0,56

0,04

0,04

0,12

0,20

0,26

0,47

0,02

136,05

0,04

5,04

1997

28 2

(0,01)

3,21

4,51

6,86

0,18

0,41

0,45

0,01

5,68

0,69

(0,01)

0,24

0,17

0,16

0,07

0,25

0,02

85,01

(0,01)

3,68

1997

29 2

(0,12)

0,86

0,62

1,35

0,76

0,08

0,10

(0,02)

1,32

0,61

(0,11)

0,00

0,13

0,16

0,22

0,31

0,11

96,43

0,01

(77,46)

1997

32 2

0,08

0,27

0,35

0,50

1,06

(0,13)

0,22

0,06

0,94

0,25

0,16

0,01

0,02

0,04

0,26

0,72

0,22

0,06

69,41

0,08

4,50

1997

33 2

0,00

1,26

1,28

1,28

0,33

0,06

0,19

0,05

3,05

1,54

0,00

0,27

0,07

0,23

0,01

0,08

3,92

1997

36 2

0,12

1,84

2,84

3,73

0,72

0,27

0,13

0,06

1,40

0,24

0,14

0,33

0,07

0,09

0,10

0,51

0,12

184,12

0,08

2,30

1997

37 2

0,31

0,05

0,01

0,01

(1,76)

(1,70)

(1,58)

(0,02)

(0,57)

0,10

(3,43)

0,01

0,00

0,00

1,72

0,02

0,01

7,10

(0,03)

(7,77)

1997

38 2

(0,11)

3,25

2,27

2,71

0,05

0,07

0,03

(0,10)

20,49

0,39

(0,27)

0,00

0,04

0,02

0,04

0,21

0,02

90,73

(0,10)

(1,69)

1997

39 2

0,67

0,30

0,26

0,33

(2,95)

(0,92)

(1,23)

(0,16)

(0,34)

0,85

(0,41)

0,01

0,10

0,09

1,37

1,68

0,11

0,25

38,47

(0,20)

(5,27)

1997

40 2

0,00

0,10

0,67

0,98

0,07

(0,00)

0,14

0,00

13,37

0,01

0,04

0,00

0,00

0,00

0,01

0,15

0,35

0,37

101,36

0,00

0,89

1997

41 2

0,15

1,07

0,58

1,23

3,24

0,15

0,08

0,08

0,31

2,25

0,02

1,00

0,27

0,43

0,67

0,22

0,27

62,53

0,09

14,19

1997

43 2

(0,09)

1,29

2,15

3,01

1,21

0,31

(0,19)

(0,04)

0,82

1,65

(0,02)

0,25

0,20

0,13

0,15

0,14

0,03

53,25

(0,10)

(43,31)

1997

44 2

(0,02)

0,94

0,72

3,52

0,93

0,14

0,14

0,01

1,07

0,35

(0,03)

0,03

0,01

0,15

0,05

0,53

0,06

181,98

0,00

21,81

176
X2
0,2297
6,1944
1,3110
1,0697
0,8159
27,0000

X3
0,0216
6,1944
0,5243
1,1583
2,2093
27,0000

X4
0,2297
6,1944
1,3572
1,0624
0,7828
27,0000

s
s/m
n
Variao

X1
-8,4225
4,6954
-0,0170
2,1309
-125,4154
27,0000
-156%
-0,1184
0,7480
0,1474
0,2131
1,4460
27,0000
-732%

2597%
0,0480
4,0721
1,3665
1,0773
0,7884
27,0000
8392%

28534%
0,0041
4,5790
1,5588
1,3369
0,8577
27,0000
112152%

2597%
0,0055
6,8575
2,0484
1,7463
0,8525
27,0000
125644%

Teste T
T tabela
Resultado

-0,557896003
-2,378783392
Aceita-se Ho

-0,196682353
-2,378783392
Aceita-se Ho

X12
0,0000
1,9761
0,2505
0,4324
1,7259
27,0000

X13
0,0000
0,6936
0,1126
0,1585
1,4068
27,0000

s
s/m
n
Variao

#DIV/0!
0,0001
2,7440
0,3912
0,6709
1,7153
27,0000
3586501%

Teste T
T tabela
Resultado

-0,695790635
-2,378783392
Aceita-se Ho

Grupo
1

Mnimo
Mximo

s
s/m
n
Variao
Mnimo
Mximo

Grupo
1

Mnimo
Mximo

s
s/m
n
Variao
Mnimo
Mximo

-3,402992118 -2,14313923
-2,378783392 -2,378783392
Rejeita Ho
Aceita-se Ho

X5
-101,3531
35,0216
-1,6569
24,1713
-14,5885
27,0000
-135%
-3,7835
1,5523
0,1703
1,3057
7,6656
27,0000
-141%

X6
-0,4450
0,4516
0,0631
0,2723
4,3155
27,0000
-201%
-1,6968
0,4323
-0,0502
0,5791
-11,5312
27,0000
-125%

X7
-0,7910
0,4041
0,0186
0,2454
13,2085
27,0000
-151%
-1,5804
0,4726
0,0323
0,4884
15,1254
27,0000
-130%

X8
-0,2025
0,7709
0,1450
0,2148
1,4809
27,0000
-481%
-0,1555
0,2117
0,0583
0,0865
1,4849
27,0000
-236%

X9
-0,2773
35,5487
1,7520
6,7680
3,8630
27,0000

X10
0,0880
5,3520
1,8676
1,2980
0,6950
27,0000

-12922%
-0,5689
20,4928
2,9800
4,5725
1,5344
27,0000
-3702%

5979%
0,0069
1,7832
0,7412
0,5555
0,7495
27,0000
25725%

X11
-0,2489
0,6133
0,0102
0,1551
15,2541
27,0000
-346%
-6,6899
0,1993
-0,4861
1,5749
-3,2396
27,0000
-103%

-1,881027741
-2,378783392
Aceita-se Ho

0,638176949
2,378783392
Aceita-se Ho

-0,08316695
-2,378783392
Aceita-se Ho

0,821165015
2,378783392
Aceita-se Ho

-1,894759324
-2,378783392
Aceita-se Ho

4,29895214
2,37878339
Rejeita Ho

1,960668627
2,378783392
Aceita-se Ho

X17
0,0000
6,8671
0,8903
1,3951
1,5670
27,0000
#DIV/0!
0,0000
0,5114
0,1791
0,1470
0,8207
27,0000
#DIV/0!

X18
0,0000
1,2692
0,2756
0,3450
1,2516
27,0000
#DIV/0!
0,0036
0,3741
0,0652
0,0807
1,2370
27,0000
10285%

X19
0,0000
37135,0520
1642,6132
7109,4482
4,3281
27,0000
#DIV/0!
0,0000
184,1189
62,7457
47,9842
0,7647
27,0000
#DIV/0!

X20
-0,2025
0,7349
0,1503
0,2393
1,5914
27,0000
-463%
-0,1952
0,3330
0,0660
0,1071
1,6215
27,0000
-271%

X21
-381,4132
228,7864
-7,5016
95,6284
-12,7477
27,0000
-160%
-77,4648
7,9445
-0,7618
15,8978
-20,8690
27,0000
-110%

2,976135326
2,378783392
Rejeita Ho

1,675976594
2,378783392
Aceita-se Ho

97,03400146
2,378783392
Rejeita Ho

0,744276021
2,378783392
Aceita-se Ho

-3,31621237
-2,37878339
Rejeita Ho

15345348527%
0,0012
0,4841
0,1332
0,1384
1,0386
27,0000
39828%

X14
0,0000
0,9094
0,5613
0,3117
0,5552
27,0000
#DIV/0!
0,0000
0,3320
0,0824
0,0939
1,1387
27,0000
#DIV/0!

4637%
0,0074
1,7165
0,3925
0,4755
1,2116
27,0000
23165%

X16
0,0000
1,0000
0,2001
0,3409
1,7033
27,0000
#DIV/0!
0,0000
1,6789
0,1199
0,3641
3,0367
27,0000
#DIV/0!

-0,19617509
-2,378783392
Aceita-se Ho

3,907746317
2,378783392
Rejeita Ho

1,787006383
2,378783392
Aceita-se Ho

0,496600828
2,378783392
Aceita-se Ho

X15
0,0274
1,2962
0,6934
0,2901
0,4184
27,0000

177

Matriz de correlao entre as variveis (amostra final a)

y
X1
X5
X6
X7
X8
X11
X14
X16
X17
X19
X20
X21

y
1,000
0,055
0,054
-0,127
0,018
-0,261
-0,220
-0,727
-0,115
-0,343
-0,158
-0,226
0,050

X1

X5

X6

X7

X8

X11

X14

X16

X17

X19

X20

X21

1,000
-0,704
0,032
-0,016
0,134
-0,051
0,159
-0,040
0,127
0,005
0,149
-0,028

1,000
0,048
0,066
-0,052
0,025
-0,135
-0,152
0,072
0,127
-0,132
0,206

1,000
0,806
0,397
0,807
0,284
-0,278
0,190
-0,003
0,440
-0,017

1,000
0,376
0,589
0,041
-0,299
0,212
0,034
0,395
0,032

1,000
0,221
0,274
-0,200
0,641
-0,029
0,927
-0,083

1,000
0,224
0,066
0,184
0,042
0,255
0,015

1,000
0,068
0,327
0,204
0,274
-0,122

1,000
0,026
0,330
-0,194
-0,072

1,000
0,209
0,508
0,019

1,000
-0,046
0,009

1,000
-0,067

1,000

Avaliando-se a matriz de correlao, algumas variveis demonstram correlao alta (positiva ou negativamente), o que pode
gerar problemas de multicolinearidade. Havendo a multicolinearidade, o poder explicativo da equao afetado, pois a incluso
de novos regressores no aumenta a capacidade da equao como um todo, que foi o observado quando se reduziu o valor de F para incluso.

178

1) Dois modelos, com intervalos de confiana de 90% e 95%,

levando-se a obter modelos com poder discriminante de 54% e 52%,
respectivamente.
Resultado do Stepwise
11 Sep 01 SPSS for MS WINDOWS Release 6.0

Intervalo de confiana=95%

Page 1

>Warning # 9431. Text: codigo_emp changed to CODIGO_E

>A long variable name was truncated to 8 characters.

Data written to the working file.

15 variables and 54 cases written.
Variable: ANO
Type: Number Format: F8.2
Variable: CODIGO_E Type: Number Format: F17.2
Variable: Y
Type: Number Format: F7.2
Variable: X1
Type: Number Format: F11.5
Variable: X5
Type: Number Format: F10.5
Variable: X6
Type: Number Format: F10.5
Variable: X7
Type: Number Format: F10.5
Variable: X8
Type: Number Format: F12.5
Variable: X11
Type: Number Format: F10.5
Variable: X14
Type: Number Format: F10.5
Variable: X16
Type: Number Format: F10.5
Variable: X17
Type: Number Format: F10.5
Variable: X19
Type: Number Format: F11.5
Variable: X20
Type: Number Format: F17.5
Variable: X21
Type: Number Format: F10.5

11 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 2

**** MULTIPLE REGRESSION ****

Pairwise Deletion of Missing Data

Equation Number 1

Dependent Variable.. Y

Block Number 1. Method: Stepwise

X1
X11
X14
X16
X17
X5
X6
X7
X8

Variable(s) Entered on Step Number

1.. X14

Multiple R

,72745

Criteria PIN ,0500 POUT ,1000

X19
X20
X21

179

R Square
,52918
Adjusted R Square ,52013
Standard Error
,34962
Analysis of Variance
DF
Sum of Squares
Regression
1
7,14398
Residual
52
6,35602
F=

58,44648

Mean Square
7,14398
,12223

Signif F = ,0000

------------------------- Variables in the Equation -------------------------Variable

SE B

Beta Tolerance

VIF

X14
-1,104949 ,144532 -,727450 1,000000
(Constant) 1,855667 ,066542

1,000 -7,645
27,887

------ in ------Variable

Sig T

X14
,0000
(Constant) ,0000

11 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 3

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

------------------------ Variables not in the Equation -----------------------Variable

X1
X11
X16
X17
X19
X20
X21
X5
X6
X7
X8

Beta In Partial Tolerance

,175438 ,252422
-,060465 -,085879
-,065998 -,095961
-,117892 -,162368
-,010057 -,014348
-,028451 -,039875
-,039064 -,056508
-,044689 -,064534
,086932 ,121481
,048035 ,069946
-,066580 -,093329

,974674
,949791
,995375
,893074
,958344
,924844
,985192
,981782
,919413
,998313
,925136

VIF Min Toler

1,026
1,053
1,005
1,120
1,043
1,081
1,015
1,019
1,088
1,002
1,081

,974674
,949791
,995375
,893074
,958344
,924844
,985192
,981782
,919413
,998313
,925136

T Sig T
1,863 ,0682
-,616 ,5409
-,688 ,4943
-1,175 ,2454
-,102 ,9188
-,285 ,7768
-,404 ,6878
-,462 ,6462
,874 ,3862
,501 ,6187
-,669 ,5062

180

Collinearity Diagnostics
Number Eigenval
1
2

Cond Variance Proportions

Index Constant
X14
1,69914 1,000 ,15043 ,15043
,30086 2,376 ,84957 ,84957

End Block Number 1 PIN =

,050 Limits reached.

11 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 4

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

Residuals Statistics:
Min

Max

Mean Std Dev N

*PRED
,8508 1,8557 1,5000 ,3671 54
*RESID -,8557 ,5111 ,0000 ,3463 54
*ZPRED -1,7683 ,9688 ,0000 1,0000 54
*ZRESID -2,4475 1,4620 ,0000 ,9905 54
Total Cases =

54

Durbin-Watson Test = 1,04860

(no conclusivo)

11 Sep 01 SPSS for MS WINDOWS Release 6.0

Resultado do Stepwise
Arquivo: c\spsswin\trabalho\amostr1b.sav
**** MULTIPLE REGRESSION ****

Page 5
Intervalo de
Confiana=90%

Pairwise Deletion of Missing Data

Equation Number 1

Dependent Variable.. Y

Block Number 1. Method: Stepwise

X1
X11
X14
X16
X17
X5
X6
X7
X8

Variable(s) Entered on Step Number

Criteria PIN ,1000 POUT ,2000

X19
X20
X21

181

1..

X14

Multiple R
,72745
R Square
,52918
Adjusted R Square ,52013
Standard Error
,34962
Analysis of Variance
DF
Sum of Squares
Regression
1
7,14398
Residual
52
6,35602
F=

58,44648

Mean Square
7,14398
,12223

Signif F = ,0000

------------------------- Variables in the Equation -------------------------Variable

SE B

Beta Tolerance

VIF

X14
-1,104949 ,144532 -,727450 1,000000
(Constant) 1,855667 ,066542

1,000 -7,645
27,887

------ in ------Variable

Sig T

X14
,0000
(Constant) ,0000

11 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 6

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

------------------------ Variables not in the Equation -----------------------Variable

X1
X11
X16
X17
X19
X20
X21
X5
X6

Beta In Partial Tolerance

VIF Min Toler

,175438 ,252422 ,974674

-,060465 -,085879 ,949791
-,065998 -,095961 ,995375
-,117892 -,162368 ,893074
-,010057 -,014348 ,958344
-,028451 -,039875 ,924844
-,039064 -,056508 ,985192
-,044689 -,064534 ,981782
,086932 ,121481 ,919413

1,026 ,974674
1,053 ,949791
1,005 ,995375
1,120 ,893074
1,043 ,958344
1,081 ,924844
1,015 ,985192
1,019 ,981782
1,088 ,919413

T Sig T
1,863 ,0682
-,616 ,5409
-,688 ,4943
-1,175 ,2454
-,102 ,9188
-,285 ,7768
-,404 ,6878
-,462 ,6462
,874 ,3862

182

X7
X8

,048035 ,069946
-,066580 -,093329

,998313
,925136

1,002 ,998313
1,081 ,925136

,501 ,6187
-,669 ,5062

Collinearity Diagnostics
Number Eigenval Cond Variance Proportions
Index Constant
X14
1 1,69914 1,000 ,15043 ,15043
2 ,30086 2,376 ,84957 ,84957

11 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 7

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

Variable(s) Entered on Step Number

2.. X1

Multiple R
,74779
R Square
,55918
Adjusted R Square ,54190
Standard Error
,34159
Analysis of Variance
DF
Sum of Squares
Regression
2
7,54897
Residual
51
5,95103
F=

32,34709

Mean Square
3,77448
,11669

Signif F = ,0000

------------------------- Variables in the Equation -------------------------Variable

SE B

Beta Tolerance

VIF

X1
,058942 ,031638 ,175438 ,974674
1,026 1,863
X14
-1,147357 ,143039 -,755370 ,974674
1,026 -8,021
(Constant) 1,865475 ,065229
28,599

------ in ------Variable

Sig T

X1
,0682
X14
,0000
(Constant) ,0000

183

11 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 8

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

------------------------ Variables not in the Equation -----------------------Variable

X11
X16
X17
X19
X20
X21
X5
X6
X7
X8

Beta In Partial Tolerance

-,044862 -,065585
-,057137 -,085743
-,133506 -,189411
-,005116 -,007541
-,048988 -,070521
-,037564 -,056155
,150860 ,161200
,089384 ,129076
,051985 ,078212
-,084472 -,121819

,942127
,992691
,887290
,957595
,913510
,985119
,503318
,919246
,997801
,916766

VIF Min Toler

1,061
1,007
1,127
1,044
1,095
1,015
1,987
1,088
1,002
1,091

,920640
,969126
,879023
,933371
,910516
,960913
,499674
,896907
,972773
,909853

T Sig T
-,465 ,6441
-,609 ,5456
-1,364 ,1787
-,053 ,9577
-,500 ,6193
-,398 ,6925
1,155 ,2536
,920 ,3618
,555 ,5815
-,868 ,3896

Collinearity Diagnostics
Number Eigenval Cond Variance Proportions
Index Constant
X1
X14
1 1,72369 1,000 ,13984 ,01860 ,14234
2 ,98273 1,324 ,02076 ,94699 ,00161
3 ,29358 2,423 ,83940 ,03440 ,85605
End Block Number 1 PIN =

,100 Limits reached.

11 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 9

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

Residuals Statistics:
Min

Max

Mean Std Dev N

*PRED
,8109 1,9054 1,5000 ,3774 54
*RESID -,8650 ,5073 ,0000 ,3351 54
*ZPRED -1,8258 1,0742 ,0000 1,0000 54
*ZRESID -2,5324 1,4850 ,0000 ,9810 54
Total Cases =

54

Durbin-Watson Test = 1,20459

11 Sep 01 SPSS for MS WINDOWS Release 6.0

(no conclusivo)
Page 10

184

2) Ao invs de intervalos de confiana, adotaram-se valores de F para incluso e

excluso, em funo do nmero de dados na amostra e as caractersticas das variveis
independentes. Os valores de F adotados foram de 2 (F de incluso) e 1 (F de
excluso), possibilitando o mesmo R ajustado do modelo com intervalo de 90%.
Reduzimos o nvel de F para 0,002 (F para incluso) e 0,001 (F para excluso), o que
gerou um modelo com todas as variveis, mas que continuou com um R ajustado de
54%. No passo 7, encontrou-se o melhor modelo, com 7 variveis e 58% de poder de
discriminao, mas o processo prosseguiu e finalizou com uma equao de poder
discriminante menor. Utilizamos outros valores de F, mas o resultado no se alterou.
Antes de testar o modelo obtido em uma amostra separada para testes,
realizaram-se mais duas anlises.
A primeira consistiu em efetuar o processo com todas as variveis, retornando
com aquelas consideradas outliers. Da mesma maneira, fizeram-se simulaes com
intervalos de confiana de 90% e 95% e com valores estabelecidos para F (2 e 0,002
para incluir e 1 e 0,001 para excluir). Os modelos desenvolvidos foram,
respectivamente:

Intervalos de confiana:
90%
95%
Valores de F
2
0,002

P = 1,865475 + 0,058942 x1 - 1,147357 X14, com R ajustado de 54%

P = 1,855667 - 1,104949 X14, com R ajustado de 52%

P1 = 1,914746 + 0,057649 x1 + 0,157305 x12 - 0,468938 x13 - 1,724257 x14 - 0,401986 x3

+ 0,376196 x4 - 0,418266 x8 - 0,015093 x9, com R ajustado de 65,8%
Apenas a varivel x10 no entrou no modelo, mas ocorreu o problema de a ltima equao no
ser
a melhor, pois, adotando-se nveis de F muito baixos, todas as variveis entrariam, mesmo que
isso significasse uma perda do poder discriminante. Desconsiderou-se esse modelo.

185

Ano Empresa
1998
2
1998
10
1998
15
1998
16
1998
17
1998
18
1999
2
1999
4
1999
7
1999
12
1999
14
1999
20
2000
4
2000
7
2000
14
2000
20
1998
27
1998
28
1998
29
1998
36
1998
37
1999
27
1999
28
1999
29
1999
31
1999
34
1999
36
1999
37
2000
29
2000
31
2000
34
2000
36
% de acerto geral
% acerto grupo 1
n1
% acerto grupo 2
n2

Comparao entre os modelos

Kanitz Altman1 Altman2 Elisabetsky Pereira Proposto (P1)
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
Erro
53,13%
18,75%

16
87,50%

16

Erro

53,13% 56,25%
56,25% 56,25%
16
16
50,00% 56,25%
16
16

Erro

Erro

34,38% 50,00%
62,50% 68,75%
16
16
6,25% 31,25%
16
16

78,13%
56,25%
16
100,00%
16

186

Em virtude do baixo poder discriminante dos modelos obtidos, interpretado

atravs de R ajustado, realizou-se a segunda anlise, a anlise grfica das relaes
entre cada varivel independente e a dependente gerada pelo modelo. Utilizou-se, para
esse fim, o modelo desenvolvido com o valor de F igual a 2. Avaliando-se as variveis
que compem este modelo, testou-se qual seria, alm da relao linear utilizada na
regresso, outra que melhor identificasse o relacionamento entre varivel dependente e
variveis independentes. Identificaram-se outras relaes possveis, que apresentaram
R maiores do que a relao linear. Vide os grficos a seguir.

187

Variveis do modelo proposto

X1

X3

2,5000
2,0000
R2 = 0,0043
1,5000
1,0000
R2 = 0,1043
0,5000
0,0000
-10,0000 -5,00000 0,00000 5,00000 10,00000
0

2,5000
R2 = 0,2125
2,0000
1,5000
1,0000
R2 = 0,3935
0,5000
0,0000
0,00000 2,00000 4,00000 6,00000 8,00000

X4

X8

R2 = 0,1128
2,5000
2,0000
R2 = 0,079
1,5000
1,0000
0,5000
0,0000
0,00000 2,00000 4,00000 6,00000 8,00000

3,0000
2,5000
2,0000
1,5000
1,0000
0,5000
0,0000
-0,50000
0,00000

X9
2,5000
R2 = 0,0163
2,0000
1,5000
1,0000
R2 = 0,1673
0,5000
0,0000
-10,000 0,0000 10,000 20,000 30,000 40,000
00
0
00
00
00
00

R2 = 0,2158

R2 = 0,0957
0,50000

1,00000

X12
4,0000
R2 = 0,0711

3,0000
2,0000

R2 = 0,0224

1,0000
0,0000
0,00000

1,00000

2,00000

3,00000

X13

X14

2,5000
2,0000
R2 = 0,007
1,5000
1,0000
R2 = 0,2279
0,5000
0,0000
0,00000 0,20000 0,40000 0,60000 0,80000

2,5000
2,0000
R2 = 0,7457
1,5000
1,0000
0,5000
0,0000
0,0000 0,2000 0,4000 0,6000 0,8000 1,0000
0
0
0
0
0
0

188

Identificou-se que o uso de relaes polinomiais, de 2, 4 e 6 graus, e de

potncia, indicaram melhores relacionamentos, aumentando a capacidade preditiva das
variveis. Essas relaes so demonstradas pela linha vermelha inserida em cada
grfico, conjuntamente com a linha preta que demonstra a relao linear, ambas
acompanhadas dos respectivos R.
A partir da anlise das variveis que possuam maior correlao com a varivel
independente (y), fez-se a plotagem grfica dessas, para identificao das melhores
relaes matemticas, construindo-se, em seguida, o modelo atravs do processo de
Stepwise, no SPSS.

Matriz de correlao (amostra final b)

y
y
1,000000
X1
0,055227
X2
0,026315
X3
0,388341
X4
0,236743
X5
0,054312
X6
-0,126581
X7
0,018073
X8
-0,260634
X9
0,107703
X10
-0,498380
X11
-0,220431
X12
0,125964
X13
0,070283
X14
-0,727450
X15
-0,362764
X16
-0,115163
X17
-0,343159
X18
-0,393465
X19
-0,158109
X20
-0,225740
X21
0,050035

189

PRINCIPAIS VARIVEIS E IDENTIFICAO DAS RELAES EXISTENTES

X10

X3
2,5000

2,5000

2,0000

2,0000

1,5000

1,5000

1,0000

1,0000

y = -0,0775x2 + 0,5129x + 1,1874

R2 = 0,3935
0,5000

y = -0,2133x + 1,7782
R2 = 0,3274

0,5000

0,0000
0,00000 2,00000 4,00000 6,00000 8,00000

0,0000
0,00000

2,00000

2,5000

y = -1,1049x + 1,8557

2,5000

y = 1,3385x2 - 2,3267x + 2,1384

R2 = 0,541

R2 = 0,7457

2,0000

2,0000

1,5000

1,5000

1,0000

1,0000

0,5000

0,5000

0,20000

0,40000

0,60000

0,80000

1,00000

0,0000
0,00000

2,5000

2,5000
2

y = 0,0741x - 0,5778x + 1,7082

2,0000

R2 = 0,2988

1,5000

1,5000

1,0000

1,0000

0,5000

0,5000

0,0000
0,00000

2,00000

0,50000

1,00000

1,50000

2,00000

X18

X17

2,0000

6,00000

X15

X14

0,0000
0,00000

4,00000

4,00000

6,00000

8,00000

y = 1,1337x2 - 1,8837x + 1,707

R2 = 0,2515

0,0000
0,00000 0,20000 0,40000 0,60000 0,80000 1,00000 1,20000 1,40000

190

Optou-se pelas relaes lineares quando a diferena entre R no era

significativa. Naquelas variveis, em que o uso de outra relao gerou um R maior,
optou-se por esta, sendo a polinomial de 2 grau a utilizada.
Deve-se esta escolha ao fato de se ter de criar, para cada varivel em que a
relao polinomial fora identificada, uma segunda varivel (Xi), fazendo com que o
modelo aumente o nmero de suas possveis variveis independentes. Com o
processo Stepwise, foram selecionadas as melhores variveis em capacidade
discriminante.
Adotou-se o valor de F igual a 2 para a incluso e de 1 para a excluso. O
modelo identificado foi:
P2 = 1,855667 - 1,104949 X14, onde R ajustado foi igual a 52%, sendo X14
varivel do modelo de Elisabestsky (Estoques / Ativo Total).
Verifica-se que o processo s selecionou essa varivel, que por si s tem alto
poder explicativo na equao. Resolveu-se ajustar o valor de F de incluso para um
nvel mais baixo (F to include = 1). O modelo final foi:

P2 = 2,037428 + 0,313786 x3 - 0,072495 x3 - 0,451487 x14 1,928393 x15 + 1,172752 x15 - 0,008916 x17,
com um R ajustado de 70,03%.

191

Avaliao do modelo final P2

Autocorrelao serial
Durbin-Watson Test = 1,31475

No conclusivo (di<d<du).

Multicolinearidade
Variable

SE B

Beta

Tolerance

VIF

X14
-,451487 ,167494 -,297240 ,465017
2,150 -2,696
X15
-1,928393 ,473134 -1,599599 ,036710 27,240 -4,076
X15_
1,172752 ,271524 1,490599 ,047475 21,064 4,319
X17_
-,008916 ,005894 -,115353 ,972313
1,028 -1,513
X3
,313786 ,122556 ,835896 ,053050 18,850 2,560
X3_
-,072495 ,020325 -,974018 ,075824 13,188 -3,567
(Constant) 2,037428 ,194258
10,488
Obs.: a) Tolerance: quantidade de variao no explicada por outra varivel. H multicolinearidade
quando o valor apresentado menor que 0,10.
b) VIF: inverso de Tolerance (1 / Tolerance). Multicolinearidade quando VIF > 0,10.

Verifica-se colinearidade entre as variveis X3, X3_, X15 e X15_, mas deve-se
considerar a derivao polinomial que foi feita (de 2 grau) nessas variveis, o que
explica aquela situao.

Collinearity Diagnostics
Number Eigenval
1
2
3
4
5
6
7

Cond
Variance Proportions
Index Constant
X14
X15 X15_
3,41370 1,000 ,00283 ,01191 ,00095 ,00156
1,85389 1,357 ,00010 ,00559 ,00056 ,00163
,97800
1,868 ,00000 ,00231 ,00024 ,00171
,52187 2,558 ,00233 ,25010 ,00102 ,01800
,20460
4,085 ,08194 ,21930 ,00003 ,01003
,01997 13,073 ,19811 ,41402 ,04583 ,13910
,00797 20,702 ,71469 ,09677 ,95138 ,82797

X17_
,00531
,00159
,87288
,10526
,00695
,00007
,00794

X3
,00088
,00644
,00000
,00009
,00565
,74297
,24397

X3_
,00094
,01423
,00015
,00175
,08160
,80677
,09457

Considerando-se um limite de 0,30 para o Conditional Index (Cond. Index), no

se pode afirmar presena de multicolinearidade para nenhuma varivel, conforme Hair,
Anderson, Tatham & Black (1998:220-221).

192

O resultado do modelo, nesta amostra, encontra-se a seguir.

Ano

Empresa Classificao
1 = Insolvente
2 = Solvente
1993
5
1
1994
2
1
1994
5
1
1994
17
1
1994
19
1
1995
2
1
1995
5
1
1995
6
1
1995
17
1
1995
19
1
1996
2
1
1996
5
1
1996
6
1
1996
9
1
1996
17
1
1996
19
1
1997
2
1
1997
5
1
1997
6
1
1997
8
1
1997
9
1
1997
10
1
1997
11
1
1997
13
1
1997
15
1
1997
17
1
1997
19
1
1994
23
2
1994
24
2
1995
23
2
1995
24
2
1995
29
2
1995
37
2
1995
42
2
1996
24
2
1996
26
2
1996
27
2
1996
28
2
1996
29
2
1996
32
2
1996
33
2
1996
37
2
1996
38
2
1997
26
2

Valor de P
Y previsto
0,8658
0,9703
0,9315
1,1699
0,9512
1,1622
0,9651
1,1476
1,0646
0,9600
1,2583
0,9989
1,0252
1,5885
0,8911
0,9311
1,2456
1,2354
0,9586
1,3806
1,7769
1,1969
1,3859
1,1737
1,3613
0,9059
1,0855
2,2100
1,8406
1,6060
1,7158
1,8343
1,4018
1,9722
1,8612
1,5007
1,8623
1,7409
1,8051
1,7949
2,0458
1,8930
2,2109
1,7683

Previso

1
1
1
1
1
1
1
1
1
1
1
1
1
2
1
1
1
1
1
1
2
1
1
1
1
1
1
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2

Erro

Erro

Erro

193

Ano

Empresa Classificao
1 = Insolvente
2 = Solvente
1997
27
2
1997
28
2
1997
29
2
1997
32
2
1997
33
2
1997
36
2
1997
37
2
1997
38
2
1997
39
2
1997
40
2
Mdia do grupo 1
Mdia do grupo 2
Ponto de corte
% de acerto geral
% acerto grupo 1
% acerto grupo 2

Valor de P
Y previsto
1,7463
1,7759
1,7593
1,7033
1,9350
2,1252
2,1853
2,2930
1,6271
2,1981

Previso

2
2
2
2
2
2
2
2
2
2

1,1329
1,8671
1,5000
94,44%
92,59%
96,30%

Graficamente, pode-se verificar a diferena entre os dois modelos gerados, em

funo do nvel de F estabelecido, conforme demonstrado na pgina seguinte.
Verifique-se a diferena das reas de sobreposio das distribuies dos grupos
(regio de dvida), aps a reduo do nvel do valor de F para incluso.

194

Resultado Modelo P1

00

80

1,

0,

0,

60

40
0,

20

Grupo 1
Grupo 2

0,

20
10
0

Resultado Modelo P1

20

Grupo 1

15
10
22

Grupo 2

Grupo 1
1,00

0,79

0,59

0,39

0,19

0,00

Resultado Modelo P2
Grupo 1
Grupo 2

0
1,
0

1
0,
9

81
0,

1
0,
6

1
0,
5

0,
4

0,
2

Resultado Modelo P2

10

Grupo 1
4
Grupo 2
Grupo 1
1,00

0,90

0,80

0,60

0,50

0,39

2 2
0,19

15
10
5
0

195

O processo de stepwise, via SPSS, est na seqncia, demonstrando a construo

dos modelos.
F para incluso = 2
**** MULTIPLE REGRESSION ****

Pairwise Deletion of Missing Data

Equation Number 1

Dependent Variable.. Y

Block Number 1. Method: Stepwise

X10
X14
X15
X15_ X17
X3
X3_

Criteria FIN 2,000 FOUT 1,000

X17_ X18
X18_

Variable(s) Entered on Step Number

1.. X14

Multiple R
,72745
R Square
,52918
Adjusted R Square ,52013
Standard Error
,34962
Analysis of Variance
DF
Sum of Squares
Regression
1
7,14398
Residual
52
6,35602
F=

58,44648

Mean Square
7,14398
,12223

Signif F = ,0000

------------------------- Variables in the Equation -------------------------Variable

SE B

Beta Tolerance

VIF

X14
-1,104949 ,144532 -,727450 1,000000
(Constant) 1,855667 ,066542

T
1,000 -7,645
27,887

------ in ------Variable

Sig T

X14
,0000
(Constant) ,0000

15 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 14

196

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

------------------------ Variables not in the Equation -----------------------Variable

X10
X15
X15_
X17
X17_
X18
X18_
X3
X3_

Beta In Partial Tolerance

-,084998 -,097965
-,127991 -,175183
-,046305 -,066789
-,117892 -,162368
-,124811 -,180830
-,096164 -,126293
-,045881 -,062250
,054659 ,070069
-,048774 -,067239

VIF Min Toler

,625420
1,599
,882013
1,134
,979503
1,021
,893074
1,120
,988296
1,012
,812048
1,231
,866694
1,154
,773705
1,292
,894778
1,118

T Sig T

,625420 -,703 ,4853

,882013 -1,271 ,2096
,979503 -,478 ,6347
,893074 -1,175 ,2454
,988296 -1,313 ,1950
,812048 -,909 ,3675
,866694 -,445 ,6579
,773705
,502 ,6181
,894778 -,481 ,6324

Collinearity Diagnostics
Number Eigenval Cond Variance Proportions
Index Constant
X14
1 1,69914 1,000 ,15043 ,15043
2 ,30086 2,376 ,84957 ,84957

End Block Number 1 FIN =

2,000 Limits reached.

15 Sep 01 SPSS for MS WINDOWS Release 6.0

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

Residuals Statistics:
Min

Max

Mean Std Dev N

*PRED
,8508 1,8557 1,5000 ,3671 54
*RESID -,8557 ,5111 ,0000 ,3463 54
*ZPRED -1,7683 ,9688 ,0000 1,0000 54
*ZRESID -2,4475 1,4620 ,0000 ,9905 54
Total Cases =

54

Durbin-Watson Test = 1,04860

Page 15

197

15 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 16

F para incluso = 1
**** MULTIPLE REGRESSION ****

Pairwise Deletion of Missing Data

Equation Number 1

Dependent Variable.. Y

Block Number 1. Method: Stepwise

X10
X14
X15
X15_ X17
X3
X3_

Criteria FIN 1,000 FOUT

X17_ X18
X18_

,500

Variable(s) Entered on Step Number

1.. X14

Multiple R
,72745
R Square
,52918
Adjusted R Square ,52013
Standard Error
,34962
Analysis of Variance
DF
Sum of Squares
Regression
Residual
F=

1
52

58,44648

7,14398
6,35602

Mean Square
7,14398
,12223

Signif F = ,0000

------------------------- Variables in the Equation -------------------------Variable

SE B

Beta Tolerance

VIF

X14
-1,104949 ,144532 -,727450 1,000000
(Constant) 1,855667 ,066542

------ in ------Variable

Sig T

X14
,0000
(Constant) ,0000

1,000 -7,645
27,887

198

15 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 17

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

------------------------ Variables not in the Equation -----------------------Variable

X10
X15
X15_
X17
X17_
X18
X18_
X3
X3_

Beta In Partial Tolerance

-,084998 -,097965
-,127991 -,175183
-,046305 -,066789
-,117892 -,162368
-,124811 -,180830
-,096164 -,126293
-,045881 -,062250
,054659 ,070069
-,048774 -,067239

VIF Min Toler

,625420
1,599
,882013
1,134
,979503
1,021
,893074
1,120
,988296
1,012
,812048
1,231
,866694
1,154
,773705
1,292
,894778
1,118

,625420 -,703 ,4853

,882013 -1,271 ,2096
,979503 -,478 ,6347
,893074 -1,175 ,2454
,988296 -1,313 ,1950
,812048 -,909 ,3675
,866694 -,445 ,6579
,773705
,502 ,6181
,894778 -,481 ,6324

Collinearity Diagnostics
Number Eigenval Cond Variance Proportions
Index Constant
X14
1 1,69914 1,000 ,15043 ,15043
2 ,30086 2,376 ,84957 ,84957

*****************************

Variable(s) Entered on Step Number

2.. X17_

Multiple R
,73796
R Square
,54458
Adjusted R Square ,52672
Standard Error
,34721

Analysis of Variance
DF
Sum of Squares
Regression
2
7,35182
Residual
51
6,14818
F=

30,49217

Signif F = ,0000

T Sig T

Mean Square
3,67591
,12055

199

15 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 18

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

------------------------- Variables in the Equation -------------------------Variable

SE B

Beta Tolerance

X14
-1,084439 ,144383 -,713947
X17_
-,009647 ,007347 -,124811
(Constant) 1,862185 ,066270

VIF

,988296
,988296

1,012 -7,511
1,012 -1,313
28,100

------ in ------Variable

Sig T

X14
,0000
X17_
,1950
(Constant) ,0000

------------------------ Variables not in the Equation -----------------------Variable

X10
X15
X15_
X17
X18
X18_
X3
X3_

Beta In Partial Tolerance

-,117244 -,135125
-,133338 -,185420
-,054565 -,079857
,085123 ,035366
-,074216 -,097553
-,036451 -,050153
,052537 ,068470
-,054243 -,075968

VIF Min Toler

T Sig T

,604922
1,653 ,601326 -,964 ,3395
,880675
1,135 ,870368 -1,334 ,1882
,975479
1,025 ,966248 -,566 ,5736
,078614 12,720 ,078614
,250 ,8034
,786859
1,271 ,786859 -,693 ,4914
,862178
1,160 ,861827 -,355 ,7240
,773528
1,293 ,767688
,485 ,6296
,893274
1,119 ,887633 -,539 ,5925

Collinearity Diagnostics
Number Eigenval Cond Variance Proportions
Index Constant
X14 X17_
1 1,81069 1,000 ,12280 ,12322 ,06323
2 ,88861 1,427 ,03776 ,03137 ,93603
3 ,30071 2,454 ,83944 ,84540 ,00074

15 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 19

200

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

Variable(s) Entered on Step Number

3.. X15

Multiple R
,74849
R Square
,56024
Adjusted R Square ,53385
Standard Error
,34458
Analysis of Variance
DF
Sum of Squares
Regression
3
7,56320
Residual
50
5,93680
F=

21,23251

Mean Square
2,52107
,11874

Signif F = ,0000

------------------------- Variables in the Equation -------------------------Variable

SE B

Beta Tolerance

VIF

X14
-1,014064 ,152690 -,667616 ,870368
X15
-,160745 ,120476 -,133338 ,880675
X17_
-,010026 ,007297 -,129716 ,986797
(Constant) 1,927318 ,081906

1,149 -6,641
1,135 -1,334
1,013 -1,374
23,531

------ in ------Variable

Sig T

X14
,0000
X15
,1882
X17_
,1756
(Constant) ,0000

------------------------ Variables not in the Equation -----------------------Variable

X10
X15_
X17
X18
X18_
X3
X3_

Beta In Partial Tolerance

-,123814 -,145101
1,112151 ,410129
,035642 ,014975
-,037163 -,047665
-,006206 -,008463
-,035284 -,039268
-,122107 -,161000

VIF Min Toler

,603972
1,656 ,547932
,059804 16,721 ,053992
,077630 12,882 ,077630
,723436
1,382 ,723436
,817829
1,223 ,803418
,544694
1,836 ,544694
,764521
1,308 ,753738

T Sig T
-1,027 ,3097
3,148 ,0028
,105 ,9169
-,334 ,7398
-,059 ,9530
-,275 ,7844
-1,142 ,2590

201

15 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 20

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

Collinearity Diagnostics
Number Eigenval Cond Variance Proportions
Index Constant
X14
X15 X17_
1 2,54136 1,000 ,04216 ,05300 ,04138 ,01723
2 ,92836 1,655 ,00509 ,00257 ,01094 ,96597
3 ,32631 2,791 ,17617 ,94168 ,13028 ,00871
4 ,20397 3,530 ,77658 ,00274 ,81740 ,00810

Variable(s) Entered on Step Number

4.. X15_

Multiple R
,79637
R Square
,63421
Adjusted R Square ,60435
Standard Error
,31746
Analysis of Variance
DF
Sum of Squares
Regression
4
8,56180
Residual
49
4,93820
F=

21,23895

Mean Square
2,14045
,10078

Signif F = ,0000

------------------------- Variables in the Equation -------------------------Variable

SE B

Beta Tolerance

VIF

X14
-,669049 ,178330 -,440473 ,541586
X15
-1,527879 ,448268 -1,267373 ,053992
X15_
,875002 ,277970 1,112151 ,059804
X17_
-,007766 ,006761 -,100471 ,975665
(Constant) 2,146995 ,102783

------ in ------Variable
X14

Sig T
,0005

1,846 -3,752
18,521 -3,408
16,721 3,148
1,025 -1,149
20,889

202

X15
,0013
X15_
,0028
X17_
,2563
(Constant) ,0000

15 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 21

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

------------------------ Variables not in the Equation -----------------------Variable

X10
X17
X18
X18_
X3
X3_

Beta In Partial Tolerance

-,037358 -,046430
,039561 ,018225
-,031793 -,044705
-,007820 -,011693
-,254847 -,277159
-,319102 -,414896

VIF Min Toler

T Sig T

,565029
1,770 ,050954 -,322 ,7488
,077629 12,882 ,053961
,126 ,9000
,723231
1,383 ,053562 -,310 ,7579
,817806
1,223 ,053844 -,081 ,9358
,432646
2,311 ,037156 -1,999 ,0513
,618379
1,617 ,040262 -3,159 ,0027

Collinearity Diagnostics
Number Eigenval Cond Variance Proportions
Index Constant
X14
X15 X15_ X17_
1 3,17571 1,000 ,01340 ,01834 ,00186 ,00280 ,00682
2 ,97908 1,801 ,00007 ,00247 ,00041 ,00250 ,86616
3 ,54671 2,410 ,03551 ,20475 ,00195 ,02581 ,11785
4 ,28594 3,333 ,37556 ,34583 ,00009 ,00456 ,00041
5 ,01255 15,907 ,57545 ,42862 ,99569 ,96433 ,00875

*****************************

Variable(s) Entered on Step Number

5.. X3_

Multiple R
,83497
R Square
,69717
Adjusted R Square ,66563
Standard Error
,29184
Analysis of Variance
DF
Sum of Squares
Regression
5
9,41186

Mean Square
1,88237

203

Residual
F=

48

22,10144

4,08814

,08517

Signif F = ,0000

15 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 22

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

------------------------- Variables in the Equation -------------------------Variable

SE B

Beta Tolerance

X14
-,605084 ,165184 -,398361
X15
-2,288163 ,477216 -1,898027
X15_
1,267462 ,284133 1,610978
X17_
-,008061 ,006216 -,104290
X3_
-,023750 ,007518 -,319102
(Constant) 2,424284 ,128964

VIF

,533449
1,875 -3,663
,040262 24,838 -4,795
,048373 20,673 4,461
,975444
1,025 -1,297
,618379
1,617 -3,159
18,798

------ in ------Variable

Sig T

X14
,0006
X15
,0000
X15_
,0000
X17_
,2009
X3_
,0027
(Constant) ,0000

------------------------ Variables not in the Equation -----------------------Variable

X10
X17
X18
X18_
X3

Beta In Partial Tolerance

-,034080 -,046549
-,034956 -,017638
-,006902 -,010628
,014939 ,024469
,835896 ,349863

VIF Min Toler

,564974
1,770
,077101 12,970
,718064
1,393
,812352
1,231
,053050 18,850

T Sig T

,038469 -,319 ,7508

,040105 -,121 ,9043
,039686 -,073 ,9422
,039961
,168 ,8675
,036710 2,560 ,0137

Collinearity Diagnostics
Number Eigenval Cond Variance Proportions
Index Constant
X14
X15 X15_ X17_
X3_
1 3,20734 1,000 ,00734 ,01746 ,00134 ,00216 ,00657 ,00234

204

2
3
4
5
6

1,09405
,97756
,52012
,19159
,00934

1,712 ,00605 ,00103 ,00042

1,811 ,00003 ,00277 ,00022
2,483 ,00500 ,28693 ,00107
4,092 ,29012 ,31358 ,00003
18,527 ,69146 ,37822 ,99692

,00192
,00153
,01792
,01342
,96305

,00069
,87592
,10545
,00623
,00514

15 Sep 01 SPSS for MS WINDOWS Release 6.0

,39609
,00572
,03276
,30080
,26229

Page 23

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

Variable(s) Entered on Step Number

6.. X3

Multiple R
,85688
R Square
,73424
Adjusted R Square ,70032
Standard Error
,27629
Analysis of Variance
DF
Sum of Squares
Regression
6
9,91226
Residual
47
3,58774
F=

21,64207

Mean Square
1,65204
,07633

Signif F = ,0000

------------------------- Variables in the Equation -------------------------Variable

SE B

Beta Tolerance

VIF

X14
-,451487 ,167494 -,297240 ,465017
2,150 -2,696
X15
-1,928393 ,473134 -1,599599 ,036710 27,240 -4,076
X15_
1,172752 ,271524 1,490599 ,047475 21,064 4,319
X17_
-,008916 ,005894 -,115353 ,972313
1,028 -1,513
X3
,313786 ,122556 ,835896 ,053050 18,850 2,560
X3_
-,072495 ,020325 -,974018 ,075824 13,188 -3,567
(Constant) 2,037428 ,194258
10,488
Verifica-se colinearidade entre as variveis X3, X3_, X15 e X15_, mas
deve-se considerar a derivao polinimial que foi feita (de 2 grau)
nestas variveis, o que explica aquela situao.
------ in ------Variable
X14
X15

Sig T
,0097
,0002

205

X15_
,0001
X17_
,1371
X3
,0137
X3_
,0008
(Constant) ,0000

15 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 24

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

------------------------ Variables not in the Equation -----------------------Variable

X10
X17
X18
X18_

Beta In Partial Tolerance

-,087901 -,125656 ,543086
-,035891 -,019332 ,077100
-,023357 -,038295 ,714352
-,005015 -,008729 ,805294

VIF Min Toler

T Sig T

1,841 ,034219
12,970 ,036582
1,400 ,036037
1,242 ,036263

-,859 ,3948
-,131 ,8962
-,260 ,7961
-,059 ,9530

Collinearity Diagnostics
Number Eigenval
1
2
3
4
5
6
7

3,41370
1,85389
,97800
,52187
,20460
,01997
,00797

1
2
3
4
5
6
7

X3_
,00094
,01423
,00015
,00175
,08160
,80677
,09457

Cond
Variance Proportions
Index Constant
X14
X15 X15_ X17_
X3
1,000 ,00283 ,01191 ,00095 ,00156 ,00531 ,00088
1,357 ,00010 ,00559 ,00056 ,00163 ,00159 ,00644
1,868 ,00000 ,00231 ,00024 ,00171 ,87288 ,00000
2,558 ,00233 ,25010 ,00102 ,01800 ,10526 ,00009
4,085 ,08194 ,21930 ,00003 ,01003 ,00695 ,00565
13,073 ,19811 ,41402 ,04583 ,13910 ,00007 ,74297
20,702 ,71469 ,09677 ,95138 ,82797 ,00794 ,24397

End Block Number 1 FIN =

1,000 Limits reached.

15 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 25

206

**** MULTIPLE REGRESSION ****

Equation Number 1

Dependent Variable.. Y

Residuals Statistics:
Min

Max

Mean Std Dev N

*PRED
,8658 2,2930 1,5000 ,4325 54
*RESID -,7769 ,5982 ,0000 ,2602 54
*ZPRED -1,4664 1,8336 ,0000 1,0000 54
*ZRESID -2,8120 2,1652 ,0000 ,9417 54
Total Cases =

54

Durbin-Watson Test = 1,31475

No-conclusivo (di<d<du).

15 Sep 01 SPSS for MS WINDOWS Release 6.0

Page 26

207

Testes realizados no Eviews

Teste de distribuio normal das variveis

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

X10
1,304
0,952
5,352
0,007
1,141
1,484
5,199

Jarque-Bera
Probability

3,070 6,949 7,169 7,514 1,458 4,669 1,617 5,358 6,590

0,000 0,031 0,028 0,000 0,000 0,000 0,000 0,000 0,000

Observations

X14
0,322
0,153
0,909
0,000
0,332
0,560
1,646

54

54

X15
0,543
0,481
1,717
0,007
0,419
0,890
3,136

X15_2
0,467
0,231
2,946
0,000
0,641
2,044
7,084

54

X17
0,535
0,251
6,867
0,000
1,046
4,585
2,675

54

X17_2
1,360
0,063
4,716
0,000
6,529
6,614
4,659

54

54

X18
0,170
0,084
1,269
0,000
0,270
2,654
9,611

X18_2
0,101
0,007
1,611
0,000
0,298
3,720
1,652

54

54

X3
X3_2
1,042 2,859
0,578 0,334
6,194 3,837
0,004 0,000
1,344 6,781
1,991 3,521
6,664 1,650

54

5,219
0,000
54
Eviews

Os valores das probabilidades do teste de Jarque-Bera para todas as variveis conduzem

a rejeio da hiptese de distribuio normal das variveis independentes.

White Heteroskedasticity Test:

F-statistic
2,12586
Probability
Obs*R-squ 17,86477
Probability
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/27/01 Time: 22:14
Sample: 1 54
Included observations: 54
Variable
C
X3
X3^2
X3_2^2
X14
X14^2
X15
X15^2
X15_2^2
X17_2
X17_2^2

0.042976
0.057288

Coefficient Std. Error t-Statistic

0,1196
(0,0927)
0,0215
(0,0002)
(0,2864)
0,0134
0,3506
(0,2095)
(0,0097)
(0,0036)
0,0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0,0855
0,0788
0,0229
0,0003
0,2080
0,2374
0,2668
0,2487
0,0471
0,0118
0,0003
0,33083
0,17521
0,09723
0,40652
55,38313
2,26297

1,3981
(1,1756)
0,9406
(0,6874)
(1,3769)
0,0565
1,3144
(0,8423)
(0,2057)
(0,3039)
0,1899

Prob.
0,1693
0,2462
0,3521
0,4955
0,1757
0,9552
0,1957
0,4043
0,8380
0,7627
0,8503

Mean dependent var 0,06644

S.D. dependent var
0,10706
Akaike info criterion -1,64382
Schwarz criterion
-1,23866
F-statistic
2,12586
Prob(F-statistic)
0,04298
Eviews

Hiptese nula rejeitada, para um nvel de 5% e D.F = 10. Esse teste tambm valida
a questo da linearidade, neste caso, rejeitando-a, como j percebido atravs das
transformaes realizadas.

208

Resduos
Actual

Correlogram of residuals
Fitted

Residual

Residual Plot

Date: 12/27/01 Time: 11:38

100.000

0.86583

0.13417

. |*.

Sample: 1 54

100.000

0.97034

0.02966

. * .

Included observations: 54

100.000

0.93153

0.06847

. |* .

100.000

116.994

-0.16994

.* | .

100.000

0.95124

0.04876

. |* .

100.000

116.216

-0.16216

.*| .

. |***

. |***

100.000

0.96508

0.03492

. |* .

. |***

. |**

100.000

114.759

-0.14759

.*| .

. |***

. |**

100.000

106.463

-0.06463

. *| .

. |**

100.000

0.95996

0.04004

. |* .

. |*.

100.000

125.833

-0.25833

* | .

. |*.

100.000

0.99891

0.00109

. * .

. |**

100.000

102.524

-0.02524

. * .

.|.

.|.

0.026

-0.050

37.166

0.000

100.000

158.849

-0.58849

| *

. | .

. |*.

.|.

0.073

-0.056

37.519

0.000

AutocorrelationPartial Correlation

AC

PAC

Q-Stat

Prob

0.335

0.335

63.895

0.011

0.351

0.269

13.550

0.001

0.445

0.327

25.287

0.000

.|.

0.288

0.058

30.314

0.000

**| .

0.089

-0.219

30.801

0.000

.|.

0.183

-0.025

32.918

0.000

. |**

0.256

0.206

37.122

0.000

100.000

0.89107

0.10893

. |*.

.|.

**| .

10

-0.054

-0.300

37.717

0.000

100.000

0.93107

0.06893

. |* .

.|.

.|.

11

0.012

0.058

37.726

0.000

100.000

124.559

-0.24559

* | .

.*| .

.|.

12

-0.154

-0.039

39.439

0.000

100.000

123.541

-0.23541

* | .

.*| .

.|.

13

-0.106

0.018

40.276

0.000

100.000

0.95856

0.04144

. |* .

.|.

. |*.

14

0.032

0.155

40.353

0.000

100.000

138.061

-0.38061

*. | .

.*| .

.*| .

15

-0.116

-0.089

41.392

0.000

100.000

177.693

-0.77693

|*

. | .

.*| .

.*| .

16

-0.170

-0.179

43.705

0.000

100.000

119.693

-0.19693

.* | .

.|.

.|.

17

-0.041

0.045

43.842

0.000

100.000

138.593

-0.38593

*. | .

.*| .

.*| .

18

-0.152

-0.096

45.781

0.000

100.000

117.365

-0.17365

.* | .

**| .

.*| .

19

-0.298

-0.080

53.465

0.000

100.000

136.128

-0.36128

*. | .

.*| .

.|.

20

-0.097

0.026

54.296

0.000
0.000

100.000

0.90590

0.09410

. |* .

.*| .

.*| .

21

-0.185

-0.122

57.439

100.000

108.555

-0.08555

. *| .

**| .

.|.

22

-0.228

-0.021

62.359

0.000

200.000

221.002

-0.21002

.* | .

.*| .

.|.

23

-0.124

0.054

63.851

0.000

200.000

184.062

0.15938

. |*.

**| .

.*| .

24

-0.210

-0.153

68.291

0.000

200.000

160.600

0.39400

. | .*

**| .

.*| .

25

-0.233

-0.058

73.950

0.000

200.000

171.581

0.28419

. | *

.*| .

. |*.

26

-0.138

0.089

76.004

0.000

200.000

183.430

0.16570

. | *.

.*| .

. |*.

27

-0.120

0.101

77.626

0.000

200.000

140.178

0.59822

. | .

* |

.*| .

.|.

28

-0.115

0.032

79.160

0.000

200.000

197.224

0.02776

. * .

.|.

. |*.

29

0.050

0.100

79.460

0.000

200.000

186.124

0.13876

. |*.

.|.

.*| .

30

-0.027

-0.074

79.549

0.000

200.000

150.065

0.49935

. | . *

.|.

.*| .

31

0.014

-0.063

79.576

0.000

200.000

186.231

0.13769

. |*.

.*| .

.*| .

32

-0.060

-0.182

80.074

0.000

200.000

174.088

0.25912

. | *

.|.

.|.

33

-0.027

0.035

80.181

0.000

200.000

180.511

0.19489

. | *.

.|.

.|.

34

-0.017

-0.016

80.226

0.000

200.000

179.489

0.20511

. | *.

.|.

.|.

35

-0.014

0.030

80.257

0.000

200.000

204.577

-0.04577

. *| .

.|.

.*| .

36

-0.039

-0.101

80.510

0.000

200.000

189.304

0.10696

. |*.

.|.

.*| .

37

0.041

-0.066

80.803

0.000

200.000

221.085

-0.21085

.* | .

.|.

.|.

38

0.034

0.057

81.023

0.000

200.000

176.826

0.23174

. | *

.*| .

. |*.

39

-0.058

0.130

81.689

0.000

200.000

174.634

0.25366

. | *

.|.

.*| .

40

0.008

-0.123

81.704

0.000

200.000

177.593

0.22407

. | *.

.|.

.|.

41

0.010

0.030

81.726

0.000

200.000

175.926

0.24074

. | *

.|.

.*| .

42

-0.043

-0.091

82.191

0.000

200.000

170.329

0.29671

. | .*

.|.

.|.

43

0.035

0.001

82.525

0.000

200.000

193.497

0.06503

. |* .

.|.

.*| .

44

0.010

-0.091

82.553

0.000

200.000

212.522

-0.12522

.*| .

.|.

.|.

45

0.005

0.018

82.562

0.001

200.000

218.530

-0.18530

.* | .

.|.

.|.

46

0.041

0.004

83.201

0.001

200.000

229.297

-0.29297

*. | .

.|.

.|.

47

-0.005

0.006

83.211

0.001

200.000

162.706

0.37294

. | .*

.|.

.|.

48

0.026

0.035

83.546

0.001

200.000

219.815

-0.19815

.* | .

.|.

.*| .

49

-0.032

-0.111

84.171

0.001

.|.

.|.

50

0.007

-0.010

84.210

0.002
0.002

.|.

.|.

51

-0.012

0.043

84.347

.|.

.|.

52

0.012

-0.027

84.576

0.003

Eviews

209

10.3- Apndice C

Os juzes entrevistados e as respectivas Varas de Falncia e Concordata que

presidem esto relacionados a seguir.

Doutora Mrcia de Paoli Balbino, 1 Vara de Falncias e Concordatas de Belo

Horizonte.

Doutor Maurcio Barros, 2 Vara de Falncias e Concordatas de Belo

Horizonte.

Doutor Maurcio Torres Soares, 1 Vara de Fazenda Pblica, Falncias,

Concordatas e Registros Pblicos de Contagem.

So em nmero de trs as Varas de Falncia e Concordata em Belo Horizonte e

duas em Contagem (o juiz entrevistado estava respondendo por ambas em Contagem,
em virtude de recesso do outro). Alm de no possuir nenhuma empresa em
concordata, tambm no foi possvel entrevistar os juzes do municpio de Betim.