1 s2.0 S0165410118301101 Main

Machine Translated by Google
Journal of Accounting and Economics 67 (2019) 226–253
Listas de conteúdos disponíveis em ScienceDirect
Revista de Contabilidade e Economia

página inicial da revista: www.elsevier.com/locate/jae
Complexidade dos padrões de relatórios financeiros e perícia contábil

T
Roman Chychylaa , Andrew

, Miguel J. Leoneÿ,b
Minutti-Mezac
a
Miami Business School, Universidade de Miami, Coral Gables, FL 33146, Estados Unidos
b
Kellogg School of Management, Northwestern University, Evanston, IL 6020, Estados Unidos
c
Miami Business School, Universidade de Miami, Coral Gables, FL 33146, Estados Unidos
INFORMAÇÕES DO ARTIGO ABSTRATO
Classificação JEL: Este estudo testa se as empresas buscam mitigar os efeitos adversos da Complexidade do Relatório Financeiro
D82 (FRC) investindo em expertise contábil. Desenvolvemos uma medida de FRC com base na complexidade dos
D83 padrões contábeis que regem as divulgações anuais. Descobrimos que o FRC está positivamente relacionado à
G14 experiência contábil no conselho de administração e no comitê de auditoria de uma empresa.
M41
Também descobrimos que a perícia contábil atenua a relação entre o FRC e os resultados negativos dos
Complexidade dos relatórios financeiros
relatórios. Coletivamente, este estudo aumenta nossa compreensão das ações que as empresas adotam para
perícia contábil
mitigar as consequências negativas do FRC e o papel da perícia contábil nesse cenário.
Qualidade dos relatórios financeiros
análise textual
XBRL
1. Introdução
O Comitê Consultivo sobre Melhorias nos Relatórios Financeiros da Comissão de Valores Mobiliários dos EUA (SEC) define a complexidade dos relatórios
financeiros (FRC) como: “a dificuldade para... os preparadores aplicarem adequadamente os princípios contábeis geralmente aceitos nos EUA (US GAAP) e
comunicarem os substância econômica de uma transação ou evento e a posição e resultados financeiros globais” (Securities and Exchange Commission, 2008, p.
18).1 de uma empresa...
A literatura anterior documenta uma tendência crescente na FRC (Dyer et al., 2017) e examina suas consequências. Geralmente, as empresas com alto FRC têm
um ambiente de informações menos favorável (por exemplo, Lehavy et al., 2011; Li, 2008; Peterson, 2012; You e Zhang, 2009) e maior risco de distorção financeira
(por exemplo, Filzen e Peterson, 2015; Hoitash e Hoitash, 2018) em relação a empresas com baixo FRC.
A literatura existente geralmente atribui essas descobertas a altos níveis de FRC, refletindo a escolha intencional dos gerentes da empresa de ofuscar
ÿ Autor correspondente em: Department of Accounting and Information Management, Kellogg School of Management, Evanston, Illinois 60208,
Estados Unidos.
Endereços de e-mail: rchychyla@bus.miami.edu (R. Chychyla), andrew.leone@kellogg.northwestern.edu (AJ Leone),
mminutti@bus.miami.edu (M. Minutti-Meza).
1
Evidências informais sugerem que reguladores, preparadores e investidores lutam com padrões contábeis cada vez mais complexos. Por exemplo, a ex-comissária da
SEC, Cynthia A. Glassman, destaca o crescente volume de pronunciamentos que compõem esses padrões: “Isso vem acontecendo há décadas. O resultado é que hoje o
US GAAP é composto por mais de 2.000 pronunciamentos. Isso é muito ABC, mesmo para um CEO ou CFO com um CPA”
(Comissão de Valores Mobiliários, 2006). Da mesma forma, Russell G. Golden, presidente do Financial Accounting Standards Board (FASB), observa a dificuldade em
entender e aplicar cada norma: “ Uma maneira de pensar sobre a complexidade da contabilidade é que a literatura em torno de uma norma é tão densa e complicada que
seu significado não é claro – e, portanto, torna-se muito difícil para um preparador decidir exatamente como aplicar o modelo contábil” (Financial Accounting Standards
Board., 2013).
https://doi.org/10.1016/j.jacceco.2018.09.005 Recebido
em 17 de março de 2017; Recebido em forma revisada em 9 de agosto de 2018; Aceito em 24 de setembro de 2018
Disponível online em 28 de setembro de
2018 0165-4101/ © 2018 Elsevier BV Todos os direitos reservados.
R. Chychyla et ai. Journal of Accounting and Economics 67 (2019) 226–253
relatórios financeiros (por exemplo, Li, 2008; Lo et al., 2017).

Recentemente, alguns estudos argumentaram que o FRC captura principalmente a complexidade das operações comerciais e dos padrões contábeis das
empresas, em vez da intenção de ofuscar (Bushee et al., 2018; Dyer et al., 2017; Guay et al., 2016). Se o FRC alto não for uma escolha intencional, pode-se esperar
que as empresas procurem diminuir os efeitos adversos do FRC em seu ambiente de informações e risco de relatórios financeiros. No entanto, há pouca evidência
sobre se e como as empresas mitigam os efeitos negativos do FRC. Uma exceção é o estudo de Guay et al. (2016) documentando que as empresas aumentam a
divulgação voluntária à medida que a complexidade dos relatórios financeiros aumenta. Suas descobertas são consistentes com empresas que equilibram relatórios
financeiros obrigatórios complexos e divulgação voluntária para alcançar um ambiente de informações ideal.
Nosso estudo estende essa linha de pesquisa investigando se as empresas investem em expertise contábil para mitigar os efeitos adversos do FRC. Se o alto
FRC for impulsionado pelas normas e regulamentos contábeis aplicáveis (Dyer et al., 2017), esperamos que as empresas invistam em conhecimento contábil para
reduzir o risco de resultados negativos de relatórios (por exemplo, reapresentações). Se, por outro lado, o alto FRC resultar dos esforços dos gerentes para ofuscar
os relatórios financeiros (Li, 2008; Lo et al., 2017), esperaríamos uma relação negativa ou inexistente entre o nível de especialização contábil de uma empresa e o
FRC. Em outras palavras, se o FRC for usado como cortina de fumaça, é improvável que as empresas invistam em expertise para neutralizar os efeitos obscuros da
complexidade. Em contraste, esperamos uma relação positiva entre o FRC e a perícia contábil se o alto FRC for impulsionado principalmente por uma combinação
das operações comerciais de uma empresa e pela complexidade dos padrões contábeis. Enquanto Guay et al. (2016) examinam a divulgação voluntária como um
canal para mitigar o FRC, focamos na expertise contábil das empresas. Uma diferença importante é que o aumento da divulgação voluntária pode ser usado para
lidar com mudanças transitórias no texto do relatório anual (por exemplo, mudanças em vendas, aquisições de negócios ou litígios), enquanto o aumento da expertise
contábil pode ser uma resposta a mudanças permanentes na complexidade da empresa (por exemplo, mudanças nas operações comerciais e/ou normas contábeis
aplicáveis).
Uma vez que a ausência de dados publicamente disponíveis torna impossível medir diretamente o nível de expertise contábil em uma determinada empresa (por
exemplo, expertise do departamento de contabilidade e consultores externos), usamos a expertise contábil de seu conselho de administração e comitê de auditoria
como um proxy para o nível geral de conhecimento contábil de uma empresa. Essa escolha da medida de perícia contábil introduz fatores adicionais que podem
contribuir para a dificuldade em encontrar uma relação entre FRC e perícia contábil. Ou seja, não esperamos nenhuma relação entre o FRC e a especialização em
contabilidade do conselho, se o FRC for impulsionado principalmente por operações de negócios ou questões transitórias (por exemplo, tendências ou litígios
relacionados ao setor). Para empresas com alta complexidade operacional, os benefícios de ter conselhos com expertise operacional e setorial (Coles et al., 2008;
Klein, 1998) podem superar os benefícios de adicionar mais expertise contábil, considerando que o tamanho do conselho é limitado (Cheng, 2008). .2 Além disso,
do ponto de vista do desenho da pesquisa, não esperamos nenhuma relação consistente entre a especialização em contabilidade do conselho e o FRC se a
especialização em contabilidade do conselho não refletir o investimento geral da empresa em especialização em contabilidade.
Conduzimos nossa análise em três etapas. Primeiro, criamos uma nova medida de FRC com base na extensão dos padrões contábeis e regulamentos de
divulgação da SEC aplicáveis ao relatório anual de uma empresa. Em segundo lugar, usamos essa medida para testar se o FRC está relacionado aos níveis de
expertise contábil no conselho de administração e no comitê de auditoria. Por fim, examinamos como o FRC e a expertise contábil afetam conjuntamente três
resultados negativos de relatórios financeiros: deficiências de controle interno, reformulações contábeis e cartas de comentários da SEC. Esperamos relações
positivas entre o FRC e as incidências desses problemas de relatórios financeiros; no entanto, essas relações devem ser comparativamente mais fracas para
empresas com altos níveis de expertise contábil.
Estudos anteriores geralmente viam o FRC da perspectiva dos investidores, com foco na complexidade textual dos relatórios anuais 10-K. Em contraste,
estudamos o FRC através das lentes de uma empresa que deve aplicar regras contábeis complexas para preparar relatórios financeiros. Usamos a extensão dos
padrões e regulamentos contábeis aplicáveis ao relatório anual de uma empresa para medir o FRC.3 Nossa medida FRC é baseada na conjectura intuitiva de que
itens contábeis com padrões de divulgação mais longos e detalhados são mais complexos (por exemplo, instrumentos financeiros, fundo de comércio ,
responsabilidade previdenciária). Consequentemente, os relatórios financeiros com itens contábeis mais complexos têm um FRC comparativamente maior.
Conceitualmente, nossa medida tenta capturar a quantidade de conhecimento das normas contábeis necessárias para preparar o relatório anual de uma empresa.
Ao contrário de outras medidas de FRC na literatura existente (por exemplo, tamanho e legibilidade do relatório anual), nossa medida captura a complexidade
dos padrões contábeis aplicáveis definidos pelo FASB e pela SEC; não é derivado do texto do relatório anual gerado pela administração de uma empresa (e partes
relacionadas). Em comparação com outras medidas de FRC baseadas em texto 10-K, nossa medida tem menos probabilidade de estar sujeita ao critério da
administração, mais probabilidade de ser exógena em relação a qualquer evento corporativo único e mais provável de capturar mudanças persistentes na
complexidade. Finalmente, pode ser mais difícil mitigar a complexidade emergente das normas contábeis do que mitigar a complexidade emergente de divulgações
textuais excessivamente longas e/ou difíceis de ler (por exemplo, o texto 10-K pode ser simplificado, encurtado e comunicado de forma mais claramente; para mais
discussão sobre este tópico, ver Bonsall et al., 2017).
Nossa medida FRC é construída no nível da empresa-ano. Primeiro, usamos o eXtensible Business Reporting Language (XBRL) do FASB
Taxonomia de relatórios financeiros para vincular cada item contábil monetário dos Princípios Contábeis Geralmente Aceitos (GAAP) (ou seja, número) relatado no
10-K de uma empresa (por exemplo, estoque) ao texto relevante na Codificação de Padrões Contábeis (ASC) do FASB e no Regulamento da SEC SX que rege a
divulgação desse item.4 Em seguida, contamos o número de palavras no ASC relevante e
2
Constatamos que existe uma correlação significativa entre FRC e complexidade operacional, por exemplo, em termos de número de negócios e segmentos geográficos
e ocorrência de eventos de aquisição e reestruturação. Geralmente, o custo de adicionar especialistas em contabilidade ao conselho de administração ou comitê de auditoria
pode superar as consequências negativas do FRC, mesmo que as empresas queiram mitigar essas consequências negativas.
3
Madsen (2011) relata que a importância e a complexidade das normas profissionais para os profissionais de contabilidade e auditoria se assemelham às dos
engenheiros nucleares, advogados e cirurgiões.
4
A taxonomia XBRL do FASB também contém referências a outros regulamentos (por exemplo, Regulamento SK e 12B), mas eles representam menos de 3% de todos os
as referências na taxonomia.
227
Texto do Regulamento SX para atribuir uma pontuação de complexidade a cada item. Nosso proxy FRC no nível da empresa é a soma das pontuações de complexidade
em todos os itens exclusivos relatados no relatório 10-K da empresa. Finalmente, para refletir a complexidade relativa entre as empresas, padronizamos a medida FRC
por setor e ano.
Para calcular a extensão da perícia contábil no conselho e no comitê de auditoria, usamos as definições de especialistas em contabilidade de Cohen et al. (2014),
Krishnan e Lee (2009) e DeFond et al. (2005). Especificamente, classificamos um indivíduo como um especialista em contabilidade se ele/ela tem atualmente ou teve no
passado pelo menos uma qualificação em contabilidade.5 Em seguida, usamos o número e a proporção de especialistas em contabilidade no conselho e no comitê de
auditoria como procuradores de um perícia contábil da empresa.
Documentamos que o FRC está positivamente associado à experiência contábil no conselho e no comitê de auditoria. Voltando às consequências negativas do FRC,
descobrimos que nossa medida FRC está positivamente associada à incidência de divulgações e reformulações de deficiências de controle interno, consistente com a
literatura anterior (por exemplo, Doyle et al., 2007b; Hoitash e Hoitash, 2018; Peterson , 2012). Também descobrimos que a probabilidade de receber uma carta de
comentário da SEC é comparativamente alta para empresas com alto FRC. Por fim, documentamos que a perícia contábil mitiga completamente os efeitos negativos do
FRC sobre a probabilidade de problemas de controle interno e cartas de comentários da SEC, mas não a probabilidade de correções contábeis. Tomados em conjunto,
esses resultados apontam para uma forte associação entre resultados adversos de relatórios financeiros e FRC. No entanto, altos níveis de expertise contábil no conselho
de administração e no comitê de auditoria atenuam os efeitos adversos do FRC.
Reconhecemos que uma relação positiva entre FRC e expertise contábil pode ser atribuída a empresas que adquirem especialistas em contabilidade para aconselhar
a administração em questões estratégicas e operacionais, em vez de empresas que adquirem propositadamente esses especialistas para mitigar o risco de resultados
negativos de relatórios. No entanto, empresas com alta complexidade operacional podem priorizar membros do conselho com experiência especializada (por exemplo,
conhecimento do setor) em detrimento de membros com experiência em contabilidade. Além disso, a expertise contábil do conselho por si só (nossa representação para
a expertise contábil geral da empresa) pode ser insuficiente para reduzir o risco de relatórios financeiros. Se os especialistas forem adicionados ao conselho por outras
razões que não a gestão do FRC e a empresa não aumentar o conhecimento contábil interno, é improvável que o aumento do conhecimento contábil no conselho esteja
associado à redução dos resultados negativos de relatórios que documentamos.
Confirmamos nossas inferências com várias análises adicionais. Primeiro, para mitigar a preocupação de que nossas descobertas sejam motivadas por nossa
escolha da medida FRC, examinamos a relação entre complexidade e experiência contábil usando dois proxies alternativos para complexidade, comprimento de relatório
10-K e índice de legibilidade (por exemplo, Li, 2008; Miller , 2010). Usando essas proxies, encontramos resultados semelhantes, embora mais fracos. Em segundo lugar,
também é possível que a associação entre o FRC e a expertise contábil de uma empresa seja impulsionada por características endógenas não observadas da empresa
ou mudanças transitórias de curto prazo no FRC não capturadas por nossos modelos de regressão. Tentamos isolar esses efeitos analisando as mudanças temporais
na FRC. Descobrimos que as mudanças persistentes no FRC estão relacionadas a mudanças na especialização contábil no conselho de administração e no comitê de auditoria.
Em terceiro lugar, nossos resultados sugerem que o FRC é impulsionado pela complexidade dos padrões operacionais e contábeis (em oposição à ofuscação gerencial)
e que as empresas com alto FRC aprimoram sua governança adquirindo expertise contábil. Se esta premissa estiver correta, esperamos ver uma relação mais forte entre
o FRC e a expertise contábil dos conselhos para empresas onde a supervisão externa exige melhor governança. Testamos essa relação para níveis baixos e altos de
propriedade institucional, pois a propriedade institucional está associada a monitoramento e governança aprimorados (por exemplo, Chen et al., 2007; Chung e Zhang,
2011). Descobrimos que a relação entre FRC e expertise contábil no conselho de administração é ampliada para empresas com altos níveis de propriedade institucional.
No geral, nossas análises adicionais fornecem maior confiança de que nossos principais resultados não são explicados por uma variável omitida correlacionada, uma
vez que essa variável teria que variar no tempo simultaneamente com diferentes medidas de FRC, experiência contábil da empresa e propriedade institucional.
Nosso estudo contribui para a literatura ao demonstrar que as empresas reduzem os efeitos adversos do FRC investindo em perícia contábil. Coletivamente, nossas
descobertas indicam que as empresas usam conhecimento contábil além da divulgação voluntária (Guay et al., 2016) para gerenciar o FRC. Embora o aumento da
divulgação voluntária possa ser uma resposta potencial a aumentos transitórios na complexidade do texto 10-K, a experiência contábil da empresa pode ser uma resposta
a aumentos permanentes na complexidade das regras contábeis. Além disso, nossas descobertas são consistentes com o FRC decorrente principalmente da
complexidade dos padrões comerciais e contábeis e não da ofuscação intencional. Além disso, nossos resultados destacam o papel da expertise contábil na governança
das empresas e complementam uma literatura crescente sobre os determinantes e consequências da expertise do conselho e do comitê de auditoria (por exemplo,
Badolato et al., 2014; Bryan et al., 2004; Erkens e Bonner, 2013; Krishnan e Lee, 2009). Por fim, nossa medida da complexidade dos relatórios financeiros captura
diretamente a complexidade dos padrões e regulamentos contábeis que regem as divulgações dos relatórios anuais das empresas. Como tal, complementa as medidas
de complexidade existentes (por exemplo, comprimento de 10 K e o índice de Fog, entre outros) na literatura anterior.
O resto do artigo está organizado da seguinte forma. Na Seção 2, discutimos as associações previstas entre FRC, expertise contábil no conselho e no comitê de
auditoria e resultados negativos de relatórios. Na Seção 3, descrevemos a construção de nossas medidas de FRC e perícia contábil, bem como o desenho de nossas
análises empíricas. Descrevemos nossos dados, seleção de amostras e estatísticas descritivas na Seção 4. Na Seção 5, apresentamos os resultados de nossas
principais análises. Na Seção 6, relatamos análises adicionais e testes de robustez. Concluímos na Seção 7.
2. Antecedentes e literatura relacionada
2.1. Complexidade dos relatórios financeiros e seus efeitos adversos
A complexidade dos relatórios financeiros aumentou drasticamente nas últimas duas décadas (Dyer et al., 2017; Li, 2008). Para
5
Consideramos as seguintes qualificações contábeis: contador público certificado (CPA ou certificação similar) e experiência de trabalho como um con
troller, tesoureiro, diretor financeiro, auditor ou profissional tributário.
228
exemplo, Dyer et al. (2017) relatam um aumento duplo no número médio de palavras em um relatório 10-K de 23.000 em 1996 para 50.000 em 2013. Esse aumento
na complexidade dos relatórios financeiros gerou preocupações entre os normalizadores e profissionais (consulte a nota de rodapé). Por exemplo, a SEC publicou
1
A Plain English Handbook (Commission and Exchange, 1998) em uma tentativa de reduzir a complexidade da linguagem nos relatórios financeiros. O FASB tomou
medidas semelhantes por meio de seu projeto em andamento intitulado Disclosure Framework (Financial Accounting Standards Board, 2009) , destinado a tornar
as divulgações de demonstrações financeiras “... mais eficazes, coordenadas e menos redundantes”.
A literatura anterior documentou que o FRC piora os ambientes de informação das empresas. Li (2008) fornece evidências de que empresas com relatórios
comparativamente menos legíveis têm lucros menores e menos persistentes. You e Zhang (2009) documentam que as empresas com registros 10-K mais longos
têm um atraso maior na reação do mercado aos registros 10-K. Miller (2010) constata que as empresas com relatórios financeiros menos legíveis têm negociações
menos pronunciadas com pequenos investidores em torno da data de arquivamento 10-K. Lawrence (2013) mostra que os investidores de varejo são menos
propensos a investir em empresas com relatórios financeiros comparativamente mais longos e menos legíveis.
Também há evidências de que o FRC leva a resultados negativos de relatórios financeiros. Por exemplo, Doyle et al. (2007b) examinam os determinantes das
deficiências de controle interno e descobrem que a complexidade do negócio (medida como o número de entidades e segmentos de propósito específico, operações
estrangeiras e atividades de fusão e aquisição) está positivamente associada à incidência de deficiências de controle interno. Peterson (2012) constata que a
complexidade do reconhecimento da receita aumenta a probabilidade de reapresentações.
Cassill et ai. (2013) examinam os determinantes do recebimento de uma carta de comentário da SEC relacionada a relatórios financeiros. Eles descobriram que a
probabilidade de receber uma carta de comentário, o número de tópicos na carta de comentário e o custo de remediação estão associados à complexidade do
negócio (ou seja, crescimento de vendas, número de segmentos, atividades de fusão e aquisição e encargos de reestruturação).
Lo et al. (2017) descobrem que as reformulações estão associadas à complexidade nas seções de discussão e análise (MD&A) da administração em relatórios 10-
K. Por fim, Hoitash e Hoitash (2018) encontram uma associação positiva entre deficiências de controle interno, reformulações e complexidade de relatórios.
2.2. Fontes de complexidade de relatórios financeiros
De um modo geral, o FRC pode surgir da complexidade das operações comerciais de uma empresa, padrões contábeis extensos e discrição gerencial em
relação ao tipo e extensão da linguagem usada nos relatórios financeiros. A visão predominante na literatura é que o FRC é principalmente uma escolha gerencial
e que o FRC é usado pelos gerentes para ofuscar as informações comunicadas aos stakeholders de suas empresas.
Por exemplo, Li (2008) argumenta que os gerentes aumentam o FRC para ocultar estrategicamente informações adversas, aumentando os custos de processamento
de informações. Da mesma forma, Lo et al. (2017) descobriram que as empresas que estão perto de atingir ou apenas superar os ganhos do ano anterior têm
seções MD&A menos legíveis nos relatórios 10-K. Eles interpretam essa descoberta como uma indicação de que os gerentes usam a complexidade para se
envolver em ofuscamento intencional.
Vários artigos contemporâneos apresentam uma visão diferente e argumentam que o FRC é impulsionado principalmente por operações comerciais e normas
e regulamentos contábeis complexos. Por exemplo, Bloomfield (2008) fornece uma explicação alternativa para as conclusões de Li (2008) de que empresas com
menor qualidade de lucros têm relatórios menos legíveis: perdas e receitas transitórias são mais difíceis de comunicar. Guay et ai. (2016) descobriram que os
gerentes de empresas com alto FRC aumentam a divulgação voluntária para mitigar o impacto negativo do FRC em seu ambiente de informações; esse achado é
consistente com a ideia de que os gerentes não usam o FRC oportunisticamente. Além disso, a evidência descritiva em Dyer et al. (2017) sugere que a tendência
crescente no comprimento 10-K é resultado de mudanças nos padrões contábeis em três áreas focais: valor justo/imparidades, fatores de risco e controles internos.
Bushee et al. (2018) mostram que a linguagem complexa na teleconferência de resultados de uma empresa pode fornecer divulgação informativa. Finalmente, em
um ambiente experimental, Asay et al. (2018) descobriram que, embora os gerentes escrevam divulgações mais legíveis quando as notícias são boas para destacar
o desempenho positivo, eles não tentam intencionalmente ofuscar o desempenho ruim quando as notícias são ruins, escrevendo divulgações menos legíveis.
2.3. Complexidade de relatórios financeiros e expertise contábil
Nosso estudo examina ainda se o FRC é principalmente uma escolha intencional de gerentes de interesse próprio ou um artefato de transações comerciais
complexas e padrões e regulamentos de divulgação relacionados. Somente se este for o caso, as empresas tentariam administrar o FRC. Enquanto Guay et al.
(2016) examinam se as divulgações voluntárias melhoram os ambientes informacionais ruins das empresas quando o FRC é alto, estudamos um canal diferente, a
experiência contábil das empresas. Argumentamos que os funcionários em funções importantes de relatórios financeiros, incluindo membros do conselho, precisam
de uma compreensão profunda dos padrões e regulamentos relevantes para gerenciar o FRC com eficácia. Por exemplo, as empresas que se envolvem em
atividades de hedge para reduzir a exposição a mudanças nos preços de insumos estão sujeitas ao ASC 815 do FASB, que exige um entendimento claro dos
padrões e dos instrumentos financeiros subjacentes. Além disso, empresas antigas com planos de pensão de benefício definido enfrentam divulgações contábeis
mais complexas (ASC 715.30) do que novas empresas com planos de contribuição definida (ASC 715.70). Finalmente, as empresas com operações internacionais
devem implementar normas relacionadas à contabilidade para conversão de moeda estrangeira (ASC 830.30).
Usamos o nível de especialização contábil no conselho de administração e no comitê de auditoria como um proxy para o nível geral de especialização contábil
de uma empresa. Assim, nosso estudo enfatiza o papel da perícia contábil na governança de uma empresa. Pesquisas anteriores sugerem que a experiência do
conselho está relacionada aos relatórios financeiros. Por exemplo, Abbott et al. (2004) e Agrawal e Chadha (2005) constatam que a expertise financeira no comitê
de auditoria está associada a uma menor probabilidade de reformulações. Da mesma forma, tanto o conhecimento jurídico do conselho de administração (Krishnan
et al., 2011) quanto o conhecimento da indústria e da contabilidade no comitê de auditoria (Cohen et al., 2014) estão positivamente associados à qualidade dos
relatórios financeiros. Embora haja alguma evidência na literatura de que a perícia contábil no comitê de auditoria pode reduzir o risco de resultados financeiros
negativos, como deficiências de controle interno e reformulações (por exemplo,
229
Abbott et al., 2004; Cohen et al., 2014; Hoitash e Hoitash, 2018), há poucas evidências sobre se as empresas optam por aumentar seu nível de especialização
contábil para gerenciar o FRC.
Como um possível mecanismo para mitigar o FRC, aumentar a especialização contábil no conselho e no comitê de auditoria é diferente de emitir divulgações
voluntárias. Divulgações voluntárias, como previsões da administração, podem ser uma resposta a eventos transitórios (por exemplo, aumento nas vendas, redução
nos custos operacionais ou aquisição de negócios). Aumentar a experiência contábil no conselho de administração e no comitê de auditoria é uma decisão de longo
prazo que também está sujeita a várias restrições (por exemplo, tamanho limitado do conselho, processos de aprovação interna e externa, regulamentos da SEC,
etc.). Se uma empresa aumentar o número de especialistas em contabilidade no conselho para atenuar os efeitos do FRC, é provável que seja uma resposta a
mudanças mais permanentes no FRC (por exemplo, mudanças no modelo de negócios ou normas contábeis aplicáveis).
2.4. Medidas de complexidade de relatórios financeiros
A literatura utiliza diversos proxies para capturar FRC. Alguns exemplos são: (1) características da empresa, como o tamanho da empresa, o número de entidades
de propósito específico, o número de segmentos e a presença de itens especiais (por exemplo, ver Bushman et al., 2004; DeFond et al., 2002 ; Doyle e outros,
2007b); (2) o número de palavras em um relatório 10-K (Guay et al., 2016; You e Zhang, 2009); (3) a legibilidade do relatório 10-K (Bonsall et al., 2017; Li, 2008); (4)
o número de palavras na nota de rodapé de reconhecimento de receita e o número de métodos de reconhecimento de receita (Peterson, 2012); (5) o número de
palavras na nota de rodapé das políticas contábeis (Filzen e Peterson, 2015); (6) o número de itens (não ausentes) em Compustat (Chen et al., 2015; Li, 2008); e, (7)
o número de itens no relatório XBRL 10-K (Hoitash e Hoitash, 2018).
Propomos uma nova medida de FRC com base no comprimento das normas e regulamentos contábeis relacionados à divulgação de itens relatados em um
relatório 10-K. Uma vez que esta medida é baseada nos padrões contábeis exigidos, ela apresenta uma série de vantagens para estudar a relação entre o FRC e as
escolhas das empresas em investir em perícia contábil. Em primeiro lugar, está menos sujeito ao critério gerencial em comparação com o tamanho e a legibilidade
dos relatórios 10-K. Da mesma forma, captura diretamente um possível determinante do FRC, o volume de normas e regulamentos contábeis aplicáveis às operações
comerciais da empresa. Em segundo lugar, é menos provável que reflita a complexidade introduzida por eventos corporativos transitórios e mais provável que reflita
a complexidade persistente dos relatórios financeiros. Em terceiro lugar, reflete a quantidade de conhecimento das normas e regulamentos contábeis necessários
para preparar as demonstrações financeiras. Como tal, está estreitamente relacionado com a definição de perito (contábil), como alguém “...cujo conhecimento ou
habilidade especial faz com que seja considerado uma autoridade; um especialista” (Oxford University Press 2018). Finalmente, nossa medida FRC reflete a
dificuldade de preparar relatórios financeiros,,e não a dificuldade de lê- los e entendê-los.
Dyer et ai. (2017) usam o método Latent Dirichlet Allocation (LDA) para identificar tópicos em relatórios 10-K. O LDA pode capturar tópicos relacionados à
regulamentação de divulgação, como valor justo/imparidades, fatores de risco e controles internos. Embora sua abordagem possa ser usada para capturar uma
construção semelhante de complexidade orientada por regulamentação, nossa abordagem é intrinsecamente diferente: medimos a complexidade de divulgação das
empresas imposta pelos reguladores, enquanto a abordagem de Dyer et al. (2017) mede a resposta da divulgação das empresas à complexidade impulsionada pela
regulamentação.
Para estudar as consequências negativas do FRC, Hoitash e Hoitash (2018) usam arquivamentos 10-K relatados no formato XBRL. Eles medem o FRC como o
número de itens contábeis em cada arquivo XBRL. Embora nossa medida FRC também dependa de relatórios XBRL, nos concentramos na complexidade dos
padrões e regulamentos contábeis que regem as divulgações dos relatórios financeiros. Especificamente, nossa medida FRC vincula cada item contábil individual ao
comprimento dos padrões relevantes para esse item. Assim, nossa medida atribui maior peso a conceitos contábeis com padrões mais complexos.6 No geral, nossa
medida FRC reflete conceitualmente a complexidade dos padrões contábeis subjacentes, em vez do número de itens contábeis divulgados.
3. Projeto de pesquisa
3.1. Medindo a complexidade dos relatórios financeiros
Nossa medida FRC é projetada para capturar a dificuldade na preparação de relatórios financeiros anuais com base na quantidade de texto em normas contábeis
e regulamentos da SEC que as empresas devem seguir. Nossa medida reflete a complexidade de normas que são vistas pelos profissionais da contabilidade como
extremamente importantes e complexas (Madsen, 2011). Baseia-se na suposição intuitiva de que padrões longos (por exemplo, contabilização de pensões) são mais
complexos, e as empresas obrigadas a aplicar padrões mais longos têm FRC mais alto. Para cada item GAAP relatado em um 10-K, identificamos o texto das normas
e regulamentos relevantes que regem a divulgação desse item e, em seguida, contamos o número de palavras nesse texto. Nossa medida de complexidade é a
soma dessas contagens em todos os itens GAAP exclusivos relatados no 10-K.7 Fornecemos uma descrição mais detalhada da construção da medida abaixo,
juntamente com alguns exemplos.
Identificamos padrões e regulamentos que regem a divulgação de itens contábeis relatados em 10-Ks por meio da tecnologia de relatório XBRL. A SEC
determinou que as empresas públicas preparem relatórios financeiros anuais e trimestrais usando XBRL a partir de 15 de junho de 2011. As informações financeiras
relatadas nos arquivos XBRL são padronizadas de acordo com o FASB's US GAAP Financial
6
Por exemplo, o conceito de derivativo obtém uma pontuação de complexidade mais alta do que o dinheiro e contribui mais para a pontuação geral do FRC da empresa.
7
Observe que contamos palavras contidas em subtópicos que são referenciados para um item GAAP específico e não todas as palavras contidas em normas inteiras.
Por exemplo, conforme descrito em A.2, o item GAAP PensionExpense faz referência apenas ao ASC 715.70-50.1, ASC 230.10-45.28 e ASC 715.20-50.1. Assim, contamos apenas palavras
contidas nesses subtópicos e excluímos todos os outros subtópicos contidos em ASC 715 e ASC 230.
230
Taxonomia de relatórios (taxonomia GAAP). Para o propósito deste estudo, a taxonomia GAAP pode ser vista como um dicionário de itens contábeis GAAP, referidos
como conceitos GAAP na taxonomia. Cada conceito GAAP tem um nome (por exemplo, “NetIncomeLoss” para item de linha de lucro líquido (perda)) e uma descrição
correspondente. As empresas de relatórios precisam (1) identificar conceitos GAAP deste dicionário que melhor correspondam aos itens contábeis relatados em
seus relatórios 10-K, (2) atribuir valores monetários a eles e (3) relatar conceitos e valores relacionados em seus arquivos XBRL. Por exemplo, uma empresa que
informa um lucro líquido de US$ 2 bilhões em seu arquivamento anual, “reportará” o conceito NetIncomeLoss com um valor de 2.000.000.000 em seu arquivamento
XBRL 10-K. De certa forma, o XBRL permite que as empresas usem uma “linguagem” padronizada para relatar suas informações financeiras.
Para cada conceito GAAP na taxonomia GAAP, o FASB fornece referências a normas e regulamentos contábeis que regem a divulgação desse conceito. Para
cada conceito GAAP exclusivo relatado em um 10-K, primeiro usamos essas referências para coletar o texto relevante da Codificação de Padrões Contábeis do
FASB e do Regulamento SX da SEC e, em seguida, contamos o número de palavras neste texto. Somamos essas contagens de palavras em todos os conceitos
GAAP relatados em um 10-K e usamos a soma como uma medida de FRC. Por fim, diminuímos a média da medida FRC por ano e setor para isolar os efeitos do
ano da taxonomia e do setor.
A seguir está um exemplo da metodologia que usamos para calcular a pontuação do FRC no nível da empresa. O conceito NetIncomeLoss tem seis referências
na taxonomia GAAP, duas na Codificação de Normas Contábeis do FASB (ASC 230.10-45.28 e ASC 260.10-50.1) e quatro no Regulamento SX (SX 210.5-03.18,
SX 210.5-03.19, SX 210.7-04.19, e SX 210.9-04.20). O número total de palavras nessas referências é 550. Uma empresa relatando apenas lucro ou prejuízo líquido
teria uma pontuação FRC de 550. Como as empresas relatam mais de um conceito contábil, agregamos pontuações de complexidade (contagem de palavras) sobre
todos os conceitos relatados. O Apêndice A inclui exemplos de como calculamos a complexidade dos conceitos contábeis. Em A.1 mostramos que o número de
palavras nas normas relacionadas à divulgação de caixa (CashAndCashEquivalentsAtCarryingValue) é 281.
Por outro lado, em A.2 mostramos que o número de palavras nos padrões relacionados ao relatório de despesas com pensões (PensionExpense) é 2.254. Assim,
de acordo com nossa expectativa, as despesas com pensões são um conceito mais complexo do que o caixa. Fornecemos estatísticas descritivas e mais exemplos
de pontuações de complexidade de itens contábeis individuais em A.3.
Fazemos várias escolhas de design importantes ao construir nossa medida. Primeiro, consideramos apenas as referências à Codificação de Normas Contábeis
do FASB e ao Regulamento SX da SEC, uma vez que elas incorporam a maioria (cerca de 97%) das referências a normas contábeis e regulamentos de divulgação
na taxonomia do FASB. Em segundo lugar, consideramos apenas itens monetários (medidos em dólares e centavos) relatados em relatórios 10-K. A taxonomia
GAAP define conceitos para blocos de texto e tabelas que ignoramos, pois esses conceitos geralmente se referem a conjuntos amplos de padrões. Em terceiro lugar,
alguns conceitos de relatório XBRL não são definidos na taxonomia GAAP porque não são padrão. Esses conceitos geralmente são itens de linha não GAAP e são
chamados de extensões. Não os incluímos em nossa análise principal porque eles não têm referências a padrões e regulamentos na taxonomia e os conceitos
GAAP padrão representam a maioria de todos os conceitos XBRL (mais de 80%).8 Quarto, existem várias versões da taxonomia GAAP . Os arquivamentos em
nossa amostra podem usar as versões 2011, 2012, 2013 ou 2014 da taxonomia. Usamos a versão mais recente de 2014 para calcular o FRC porque é a mais
completa e contém descrições de conceitos GAAP obsoletos de versões anteriores da taxonomia.9 Por fim, alguns padrões e regulamentos referidos na taxonomia
podem ter sido atualizados como parte das alterações normais no GAAP ao longo do tempo. Utilizamos os padrões da data da taxonomia para calcular os escores
de complexidade. Essas normas estavam em vigor no momento em que as demonstrações financeiras de nossa amostra foram preparadas.
3.2. Modelo de determinantes para FRC
Primeiro, estudamos a associação entre FRC e características relevantes da empresa usando o seguinte modelo de regressão:
Complexidade =+0 1
NumBus + 2
NumGeo + 3 Tamanho + 4 Aproveitareu, t + 5
ROA
,t
eu ,t
eu ,t
eu ,t
eu ,
isto
+ 6 MTB
it + t Acréscimos + 7i EarnVol + 8 i t 9 Estrangeiro
+ 10 _Perde ,
, , , ,t
eu
+ 11
Reestruturareu t + 12 Aquisição + 13 litigioso + 14 GrandeAuditor
, ,t
eu ,t
eu ,
isto
+ 15 FirmAge eu
,
+ 1 IndustryFixedEffects + 2 YearFixedEffects + ,
,
isto (1)
onde Complexidade é nossa medida FRC que relaciona itens contábeis relatados em um 10-K ao texto relevante em normas e regulamentos contábeis.
Em termos de variáveis de controle, primeiro incluímos proxies para complexidade da empresa usados na literatura anterior (por exemplo, Doyle et al., 2007b;
Erkens e Bonner, 2013; Linck et al., 2008): tamanho da empresa (Tamanho), número de segmentos operacionais e geográficos (NumBus e NumGeo), indicador de
vendas externas (Foreign), atividades de fusões e aquisições (Aquisição), idade da empresa (FirmAge), indicador de contencioso nas indústrias (Contencioso) e
encargos de reestruturação (Reestrutura). Em seguida, incluímos proxies relacionadas às propriedades das estimativas contábeis (Dechow e Dichev, 2002): accruals
totais (Accruals), volatilidade dos lucros (EarnVol) e incidência de perdas (Loss). Também incluímos o retorno sobre os ativos (ROA) como proxy para a lucratividade
da empresa (além da perda), possivelmente influenciando a nomeação de diretores e gerentes (Boone et al., 2007). Finalmente, incluímos duas proxies para
monitoramento externo (Erkens e Bonner, 2013; Peterson, 2012): uma variável indicadora para empresas com um grande auditor de marca (BigAuditor) e
alavancagem (Leverage). Também incluímos efeitos fixos de ano e setor. Todas as variáveis são definidas no Apêndice B.
8
Controlamos o número de extensões em nossa análise de robustez, mas não encontramos resultados qualitativamente diferentes dos nossos principais.
9
Devido à taxonomia GAAP se tornar mais abrangente a cada versão subsequente, nossa medida de complexidade pode atribuir mecanicamente valores mais
altos às observações nos últimos anos. Para mitigar esse problema, centralizamos (diminuímos a média) as pontuações do FRC em relação à versão da taxonomia
(ano) e setor em nossa análise.
231
3.3. Medindo a experiência contábil da empresa
Nós representamos a expertise contábil de uma empresa usando o número absoluto e relativo de especialistas contábeis no conselho de administração e no
comitê de auditoria. Estendemos as definições de perícia contábil em Cohen et al. (2014), Krishnan e Lee (2009) e DeFond et al. (2005), e considera um especialista
em contabilidade um indivíduo que tenha atualmente ou tenha tido pelo menos uma das seguintes qualificações: contador público certificado (CPA ou certificação
similar) ou experiência como controlador, tesoureiro, chefe financeiro, auditor ou profissional tributário. Usamos dados do BoardEx para coletar as qualificações dos
membros do conselho e, em seguida, identificar aqueles que são especialistas em contabilidade com base em nossos critérios. Em seguida, criamos duas medidas
de perícia contábil. A primeira medida é a contagem bruta de especialistas em contabilidade no conselho de administração (BoardNumAcc) e no comitê de auditoria
(ACNumAcc). A segunda medida é a fração de especialistas em contabilidade no conselho de administração (BoardRatioAcc) e no comitê de auditoria (ACRatioAcc).
3.4. Modelos para FRC e perícia contábil da empresa
Testamos nossas previsões sobre as relações entre, FRC e expertise contábil no conselho e no tamanho do comitê de auditoria usando o
seguintes modelos de regressão:
Variável dependente,
isto
=+ 1 Complexidade + 2
BoardSizeisto
,
+ NumBus isto
,
0 ,t
eu 3
+ NumGeo + i t 4 + + ROA 7,
, 5 tamanhoi ,t 6 Aproveitar
eu t ,
+ BTT + Acréscimoseu t + EarnVol eu, t +
8 ,t
eu 9 , 10 11 Estrangeiro,
isto
+ Perda +,i t 12 Reestruture - o 13 , + 14 Aquisição ,

isto
+ 15 litigioso eu + 16 GrandeAuditor + 17 FirmAge isto

, ,t
eu ,
+ 1 Efeitos
+
fixos da indústria 2 AnoFixoEfeitos + , (2)
,
isto
em que DependentVariablei t é uma das seguintes medidas: tamanho do conselho (BoardSize), experiência em contabilidade do conselho (BoardNumAcc e
BoardRatioAcc), tamanho do comitê de auditoria (ACSize) ou experiência em contabilidade do comitê de auditoria (ACNumAcc e ACRatioAcc). Para medidas do
comitê de auditoria, o tamanho do comitê de auditoria (ACSize) é usado como uma variável de controle em vez do tamanho do conselho (BoardSize). Nem o tamanho
do conselho nem o tamanho do comitê de auditoria são incluídos como variáveis de controle se forem variáveis dependentes.
Todas as outras variáveis de controle na Eq. (2) são os mesmos da Eq. (1); isso inclui proxies para a complexidade dos negócios da empresa, complexidade
relacionada a estimativas contábeis, lucratividade da empresa e monitoramento externo. Além disso, incluímos os efeitos fixos do ano e da indústria. Todas as
variáveis são definidas no Apêndice B. Estimamos todos os modelos com erros padrão robustos e com agrupamento em nível de empresa.10
3.5. Modelos relacionados aos efeitos interativos do FRC e expertise contábil nos resultados de relatórios financeiros
Para testar os efeitos interativos do FRC e da perícia contábil sobre as deficiências dos controles internos e as reformulações contábeis, usamos o seguinte
modelo:
Variável dependenteisto =+ Complexidade

eu + HighBoardRatioAcc
, 0 1 , 2 ,
isto
+ Compl HighBoardRatioAcc × +
3 ,t
eu 4 Valor de mercado,
isto
+ 5
FirmAge eu, t + 6
Perda + isso
, 7 Risco de Falência,
isto
+ 8 NumBus eu, t + 9
NumGeo eu t +
, 10 Estrangeiro,
isto
+ + +
11 Aquisição ,t
eu
Crescimento
em 12 , 13 RestructCharge isto
,
+ + AnoFixoEfeitos + ,
1 Efeitos fixos da indústria 2 ,
isto (3)
onde DependentVariable é um indicador para uma divulgação de fraqueza material no ano fiscal atual (ICW) ou indicador para uma atualização relacionada a este
ano fiscal (Restatement), Complexity é nossa medida FRC, HighBoardRatioAcc é um indicador de alta especialização contábil no conselho (ou seja, igual a um se a
proporção de especialistas em contabilidade no conselho estiver no terceiro tercil), e Compl × HighBoardRatioAcc é a interação dummy entre a medida FRC e alta
especialização em contabilidade no conselho. Também estimamos a Eq. (3) com um indicador de alta especialização do comitê de auditoria, HighACRatioAcc, em
vez de HighBoardRatioAcc.
A especificação de regressão na Eq. (3) é adaptado dos modelos determinantes de fraquezas de controle e reformulações em Doyle et al. (2007a,b). Os
seguintes controles estão incluídos na Eq. (3): capitalização de mercado (MarketCap), idade da empresa (FirmAge), indicador de perda (Loss), classificação de risco
de falência com base no modelo Z-score de Altman (1968) (BankruptcyRisk), número de negócios e segmentos geográficos ( NumBus e NumGeo), indicador de
vendas externas (Foreign), indicador de atividades de fusões e aquisições (Aquisição), crescimento de vendas (Crescimento) e o valor dos encargos de reestruturação
nos últimos dois anos (RestructCharge). Todas as variáveis são definidas no Apêndice B.
Para examinar a relação entre a probabilidade de receber uma carta de comentário da SEC, FRC e perícia contábil, estimamos
o seguinte modelo de determinantes de carta de comentário baseado em Cassell et al. (2013):
10
Não agrupamos erros padrão em valores anuais, pois nosso período de amostragem é de apenas quatro anos (2011–2014), o que resultaria em um número muito
pequeno de agrupamentos que provavelmente influenciaria os erros padrão para baixo (ver Cameron et al., 2008) . ).
232
SEC _CL i t, =+0 1 Complexidade

eu
,
+ 2 HighBoardRatioAcc eu
,
+ 3 Compl HighBoardRatioAcc × ,
isto
+ 4 Correção ,t +
eu 5 ICW eu, t + 6 Valor de mercado
eu
,
+ 7 Crescimentoisto
,
+ 8 Risco de Falência,t
eu
+ ExtFinancing eu
9 ,
+ it NumBus 10 ,
+ 11 GrandeAuditor
,t
eu
+ 12 SndTierAuditor eu, t + 13 FirmAge eu, t + 13 Perdaisto
,
+ Reestruturar + 14, i t 15 Aquisição eu

,
+ 16 litigioso eu, t + CEOChairman 17 it ,
+ 18 CEO Posse ,t
eu + 19 CFOTure ,t
eu + 20 BoardRatioIndep ,
isto
+ 1 IndustryFixedEffects + 2 YearFixedEffects + isto, , (4)
onde SEC_CL é um indicador para uma empresa que recebe uma carta de comentário da SEC no ano fiscal atual. Além das variáveis de controle descritas
acima, este modelo inclui medidas de financiamento de capital e dívida (ExtFinancing), indicador para uma empresa de auditoria “big four” (BigAuditor),
indicador para uma empresa de auditoria de segundo nível (SndTierAuditor), indicador para uma evento de reestruturação (Restructure), indicador para
uma indústria litigiosa (Litigious), indicador para o CEO sendo o presidente (CEOChairman), mandato do CEO (CEOTenure), mandato do CFO (CFOTenure)
e independência do conselho (BoardRatioIndep).
4. Dados, seleção de amostras e estatísticas descritivas
4.1. Seleção de dados e amostras
Para construir nossa medida de complexidade de relatórios financeiros, exigimos que os registros 10-K sejam relatados no formato XBRL. A SEC
determinou que todas as empresas públicas arquivem relatórios anuais usando XBRL a partir do ano de 2011. Baixamos e analisamos relatórios XBRL 10-
K de empresas públicas dos EUA com anos fiscais entre 2011–2014 que estão disponíveis no EDGAR. Exigimos uma observação do ano da empresa para
usar a taxonomia XBRL de 2011, 2012, 2013 ou 2014 e ter pelo menos dez conceitos de contabilidade monetária exclusivos relatados em seu XBRL 10-K.
Isso produz uma amostra inicial de 27.656 observações do ano da empresa. Para cada observação ano-empresa, calculamos uma variável de pontuação
de complexidade (Complexidade) conforme descrito na seção anterior.
Coletamos dados financeiros do Compustat para calcular as seguintes variáveis: Size, NumBus, NumGeo, Leverage, ROA, MTB, Accruals, EarnVol,
Foreign, Loss, Restructure, Acquisition, Litigious, BigAuditor e FirmAge . Excluímos uma observação se alguma das variáveis acima não puder ser calculada
ou se o setor de uma empresa estiver relacionado a finanças (empresas com códigos SIC entre 6000 e 7000). Isso reduz nossa amostra para 13.547
observações.
Em seguida, obtemos as informações do conselho e do comitê de auditoria da BoardEx. Ou seja, calculamos BoardNumAcc, ACNumAcc, BoardRatioAcc,
ACRatioAcc, BoardSize, BoardRatioIndep e ACSize. Exigimos que as observações do ano da empresa tenham pelo menos dois membros no conselho de
administração e um no comitê de auditoria. Nossa amostra primária, que usamos para examinar a relação entre a complexidade dos relatórios financeiros
e a experiência da empresa, consiste em 9.383 observações.
Seguimos Doyle et al. (2007a,b) e calcular variáveis adicionais (de Compustat e Audit Analytics) para nossa fraqueza material e análise de atualização:
ICW, Restatement, MarketCap, BankruptcyRisk, Growth e RestructCharge. A amostra com valores de dados não ausentes para essas análises consiste
em 8188 observações. Para a análise de reapresentação, excluímos sete observações que podem ser classificadas de forma confiável como irregularidades
(em oposição a erros) seguindo a metodologia de Hennes et al. (2008); isso restringe a amostra para análise de reapresentação a 8.181 observações.
Portanto, nossa análise examina a relação entre FRC e reapresentações que são mais prováveis devido a erros não intencionais .
Finalmente, seguimos Cassell et al. (2013) e incluem variáveis adicionais (de Compustat, ExecuComp e Audit Analytics) para nossa análise de carta de
comentário da SEC: SEC_CL, ExtFinancing, SndTierAuditor, CEOChairman, CEOTenure e CFOTenure. Como em Cassell et al. (2013), excluímos uma
observação do ano da empresa sem uma carta de comentário no ano fiscal atual se houve uma carta de comentário em pelo menos um dos dois anos
anteriores. Isso limita nossa análise de cartas de comentários a 3.864 observações.
Todas as variáveis contínuas são winsorizadas em 1% e 99%. O procedimento de seleção da amostra está resumido na Tabela 1, e todos os
variáveis usadas no estudo são definidas no Apêndice B.
4.2. Estatísticas descritivas
Na Tabela 2, relatamos estatísticas descritivas para as variáveis usadas em nossas análises. A média e a mediana de nossa medida FRC (Com
plexidade) estão em torno de zero (porque é diminuída por setor e ano) com um desvio padrão de 0,39. Uma empresa relata em média 193 itens contábeis
monetários exclusivos em seu 10-K com 8.524 palavras em padrões contábeis exclusivos descrevendo como divulgar esses itens. Além disso, de acordo
com as estatísticas descritivas relatadas em A.3, um item contábil possui em média 185 palavras e 7 sentenças nas normas contábeis que regulam sua
divulgação.
0,94
Uma empresa média em nossa amostra tem vendas de cerca de $ 478 milhões ( ÿ e 6,17), opera em dois negócios ( e ) e dois 1
233
Tabela 1
Seleção da amostra.
Anos firmes
Observações do ano da empresa (anos 2011–2014) que possuem registros XBRL 10-K com pelo menos 10 conceitos e usam 2011, 2012, 2013 ou 2014 XBRL 27.656
versão da taxonomia.
Observações de ano firme com dados Compustat necessários. 13.547
Observações do ano da empresa com os dados necessários do BoardEx. Esta é a principal amostra utilizada para relacionar a complexidade à expertise contábil da empresa. 9383
Observações do ano da empresa com dados necessários do Compustat e do Audit Analytics para reapresentação e análises de fraquezas materiais . 8188
Observações do ano da empresa com dados exigidos do Compustat, ExecuComp e Audit Analytics para análise da carta de comentário da SEC . As observações do ano da empresa sem cartas de 3864
comentário da SEC no ano fiscal atual são excluídas se houver uma carta de comentário recebida em pelo menos um dos dois anos fiscais anteriores.
A amostra abrange o período de 2011-2014.
mesa 2
Estatísticas descritivas.
Painel A: Complexidade do relatório financeiro e variáveis características da empresa.
Significar Padrão Dev. Q1 Mediana Q3
Complexidade 0,02 0,39 ÿ0,21 0,00 0,24

NumBus 0,94 0,52 0,69 0,69 1.39
NumGeo 1.03 0,68 0,69 1.10 1.61
Tamanho 6.17 2.44 4,75 6.44 7.82
Aproveitar 0,27 0,54 0,01 0,19 0,37

ROA ÿ0,08 0,94 ÿ0,03 0,04 0,08
BTT 3.02 13h50 1.19 1,68 2.63
Acréscimos ÿ0,08 0,43 ÿ0,09 ÿ0,05 ÿ0,02
EarnVol 0,15 0,87 0,02 0,04 0,11
Estrangeiro 0,35 0,48 0,00 0,00 1,00

Perda 0,39 0,49 0,00 0,00 1,00
Reestruturar 0,33 0,47 0,00 0,00 1,00
Aquisição 0,48 0,50 0,00 0,00 1,00
litigioso 0,29 0,45 0,00 0,00 1,00
GrandeAuditor 0,74 0,44 0,00 1,00 1,00

SndTierAuditor 0,06 0,24 0,00 0,00 0,00
FirmAge 3.08 0,62 2.71 3,00 3,50

Crescimento 0,13 0,56 ÿ0,02 0,06 0,16
Valor de mercado 6.53 2.18 5.08 6.62 8.05
Risco de Falência 5,50 2.87 3,00 6,00 8h00
RestructCharge ÿ0,01 0,02 ÿ0,00 0,00 0,00
ExtFinancing 0,03 0,29 ÿ0,06 ÿ0,01 0,04

CFOTure 1,87 0,63 1.39 1,95 2.30
CEO Posse 1,97 0,88 1.39 2.08 2.64
CEOChairman 0,89 0,31 1,00 1,00 1,00
Painel B: Experiência contábil e variáveis de resultados de relatórios financeiros.

Significar Padrão Dev. Q1 Mediana Q3
BoardSize 8.76 2.48 7.00 9h00 10.00
BoardNumAcc 4,69 2.35 3,00 4,00 6,00
BoardRatioAcc 0,53 0,20 0,40 0,54 0,67
ACSize 4.57 1,86 3,00 4,00 5,00
ACNumAcc 2,98 1,76 2,00 3,00 4,00
ACRatioAcc 0,65 0,26 0,50 0,67 0,83
ICW 0,03 0,17 0,00 0,00 0,00
Correção 0,06 0,23 0,00 0,00 0,00
SEC_CL 0,43 0,49 0,00 0,00 1,00
Esta tabela mostra as estatísticas descritivas (média, mediana, desvio padrão e primeiro e terceiro quartis) para as variáveis utilizadas em nosso estudo. Todas as variáveis são
definidas no Apêndice B. Estatísticas descritivas sobre pontuações de complexidade de itens contábeis individuais são fornecidas em A.3.
1.03
segmentos geográficos ( e ), 1e é auditado por um auditor “big four”. O tamanho médio do conselho é de nove membros com quatro especialistas em
contabilidade. O comitê de auditoria médio tem quatro membros e três especialistas em contabilidade. Cerca de 6% das empresas eventualmente emitem uma
atualização relacionada a um determinado ano fiscal, 3% das empresas divulgam fraquezas materiais e 43% das empresas recebem uma carta de comentário.11
11
Para nossa análise de cartas de comentários, seguimos Cassell et al. (2013) e excluem observações do ano da empresa sem cartas de comentários em um período de
três anos. Para esta amostra usada para estimar o modelo de determinantes da carta de comentário relatado na Tabela 9, o valor médio do indicador da carta de comentário
(SEC_CL) é 0,67 (67%), o que é consistente com as estatísticas relatadas em Cassell et al. (2013).
234
5. Resultados empíricos
5.1. Associação entre FRC e características da empresa
É provável que o FRC seja impulsionado por uma série de características intrínsecas da empresa, incluindo tamanho, tipo de operações comerciais, lucratividade,
idade, etc. Portanto, começamos nossa análise empírica examinando a associação entre FRC e características da empresa.
Em primeiro lugar, empregamos uma análise de correlação para estudar as relações univariadas entre a FRC e as características da empresa. Tabela 3, Painel A relata os
resultados. Talvez sem surpresa, em 0,57, Tamanho tem a maior correlação com nossa medida FRC, sugerindo que empresas maiores enfrentam maior complexidade de
relatórios. A FRC também está significativa e positivamente correlacionada com as proxies para a complexidade das operações (NumBus, NumGeo, Foreign, Restructure e
Acquisition), bem como com a idade da empresa (FirmAge). As medidas de lucratividade da empresa, ROA e Perda, também estão significativamente correlacionadas com o FRC.
Além disso, o FRC está correlacionado com características de estimativa contábil (Accruals e EarnVol), ambiente litigioso (Litigious), market-to-book (MTB) e indicador de “grande”
auditor (BigAuditor).
Em seguida, estimamos uma regressão OLS para o modelo de determinantes FRC como na Eq. (1) e relatar os resultados no Painel B da Tabela 3.
A regressão nos permite examinar melhor as associações entre FRC e características da empresa condicionadas aos níveis de outras características. Os resultados da análise de
regressão são geralmente consistentes com os resultados univariados no Painel A: Tamanho é o preditor mais significativo de FRC (coef. = 0,095, t-stat. = 33,54), seguido por
FirmAge (0,078), Aquisição (0,07) , Reestruturar (0,067), Estrangeiro (0,064) e NumGeo (0,045). Outras variáveis que estão significativamente associadas ao FRC são: NumBus
(0,019), Leverage (0,036), ROA (-0,019), MTB (-0,001) e Accruals (0,032). Ao contrário da análise de correlação, o ROA tem um efeito negativo sobre o FRC, e as variáveis Perda
e Litígio não estão mais associadas significativamente ao FRC.
Tomados em conjunto, os resultados da Tabela 3 documentam que o FRC está positivamente associado ao tamanho da empresa, número de negócios e segmentos
geográficos, operações estrangeiras, encargos de reestruturação, aquisições de negócios, acréscimos totais, ter um “grande” auditor e idade da empresa. Além disso, o FRC está
negativamente associado à volatilidade dos lucros.
5.2. FRC e experiência em contabilidade do conselho
Iniciamos nossa análise da relação entre FRC e expertise contábil usando a expertise contábil dos conselheiros como proxy para a expertise geral da empresa. Primeiro
examinamos as diferenças no tamanho do conselho (BoardSize), o número de especialistas em contabilidade no conselho (BoardNumAcc) e a fração de especialistas em
contabilidade no conselho (BoardRatioAcc) em três grupos de observações do ano da empresa: baixo, médio e grupos de alta complexidade que correspondem ao primeiro,
segundo e terceiro tercil de nossa variável Complexidade , respectivamente. Os resultados são relatados no Painel A da Tabela 4. Para todas as três variáveis, observamos
aumentos monotônicos do grupo FRC baixo para médio e depois do grupo FRC médio para alto. Os valores médios de BoardSize são 7,54, 8,62 e 10,13, respectivamente.
Da mesma forma, os valores médios de BoardNumAcc mudam de 3,6 para 4,52 para 5,96, e os valores médios de BoardRatioAcc mudam de 48% para 52% para 58%. Essas
mudanças entre os grupos são economicamente significativas: o conselho médio para empresas de alto FRC é 34% (=2,59/7,54) maior do que o de empresas de baixo FRC. Da
mesma forma, o número e a fração de especialistas em contabilidade no conselho de administração aumentam em 65% e 23%, respectivamente, à medida que o FRC muda de
baixo para alto. As diferenças médias nas variáveis BoardSize, BoardNumAcc e Boar dRatioAcc entre os grupos alto e baixo também são estatisticamente significativas.
Os resultados da análise no Painel A também são suportados pela análise de correlação no Painel B desta tabela. Os coeficientes de correlação entre FRC e BoardSize,
BoardNumAcc e BoardRatioAcc são estatisticamente significativos (p < 0,01) e iguais a 0,44, 0,42 e 0,23, respectivamente. No geral, nossas análises univariadas sugerem uma
forte associação entre o FRC e o tamanho do conselho de administração e a experiência em contabilidade.
A Tabela 5, Painel A apresenta os resultados da estimativa de modelos de regressão condicional como na Eq. (2) com nossas medidas de perícia contábil do conselho.
Modelos com BoardSize e BoardNumAcc como variáveis dependentes (colunas (1) e (2), respectivamente) são estimados usando regressões de Poisson, uma vez que essas
variáveis representam contagens, e o modelo com BoardRatioAcc (coluna (3)) é estimado usando um modelo linear generalizado (GLM) e uma distribuição binomial, pois esta
variável é uma fração. Consistente com a análise univariada acima, descobrimos que, condicional às características da empresa, a Complexidade está positivamente associada a
BoardSize (coef.=0,098, t stat = 9,204), BoardNumAcc (coef. = 0,059, t-stat = 3,336) e BoardRatioAcc (coef. = 0,124, t-stat = 3,144).
Para esclarecer as implicações do FRC na especialização contábil do conselho, comparamos o efeito incremental de um aumento de um desvio padrão em Complexidade
com um aumento de um desvio padrão em Tamanho (o preditor mais significativo do tamanho e experiência do conselho). Por exemplo, um aumento de um desvio padrão em
Complexity (Size) está associado a um aumento relativo de 1,05 (1,22) em BoardRatioAcc. Ou seja, o efeito de Complexidade em BoardRatioAcc é equivalente a aproximadamente
86% (=1,05/1,22) do efeito de Tamanho em BoardRatioAcc. Da mesma forma, os efeitos de Complexity em BoardSize e BoardNumAcc são equivalentes a 92% e 79% dos efeitos
de Size nessas variáveis.1213
Em seguida, comparamos os resultados ao usar nossa medida FRC com os resultados ao usar medidas alternativas de FRC comumente usadas no
12
Embora a variável dependente na maioria de nossas regressões seja dicotômica, estimamos modelos de probabilidade linear (isto é, OLS) em vez de modelos logísticos
regressão para simplificar a interpretação dos resultados. Nossas inferências não mudam quando usamos a regressão logística.
13
Também empregamos correspondência de pontuação de propensão para isolar ainda mais o efeito do FRC na experiência contábil e nos relatórios financeiros. Nossas
análises de correspondência visam reduzir a influência de características correlatas da empresa (como complexidade do negócio, tamanho, lucratividade etc.) nas relações
estimadas entre o FRC, variáveis de especialização contábil e resultados de relatórios financeiros, e nossos resultados são consistentes com os relatados acima.
235
Tabela 3
Determinantes da complexidade dos relatórios financeiros.
Painel A: complexidade dos relatórios financeiros e características da empresa. Matriz de correlação.
(1) (2) (3) (4) (5) (6) (7) (8)
(1) Complexidade 1,00

(2) NumBus 0,12*** 1,00
(3) NumGeo 0,33*** 0,11*** 1,00
(4) Tamanho 0,57*** 0,17*** 0,30*** 1,00
(5) Alavancagem 0,01 ÿ0,02** ÿ0,09*** 0,02** 1,00 0,29***

(6) ROA 0,15*** 0,06*** 0,13*** ÿ0,22*** 1,00
(7) BTT ÿ0,09*** ÿ0,04*** ÿ0,08*** ÿ0,15*** 0,45*** ÿ0,55*** 1,00
(8) Acréscimos 0,10*** 0,04*** 0,07*** 0,15*** ÿ0,38*** 0,51*** ÿ0,21*** 1,00
(9) EarnVol ÿ0,14*** ÿ0,05*** ÿ0,10*** ÿ0,22*** 0,52*** ÿ0,48*** 0,53*** ÿ0,61***
(10) Estrangeiro 0,23*** 0,00 0,40*** 0,12*** ÿ0,05*** 0,06*** ÿ0,03*** 0,04***
(11) Perda ÿ0,26*** ÿ0,15*** ÿ0,18*** ÿ0,50*** 0,04*** ÿ0,22*** 0,05*** ÿ0,13***
(12) Reestruturar 0,30*** 0,07*** 0,26*** 0,26*** ÿ0,01 0,35*** 0,05*** ÿ0,06*** 0,10*** 0,02**
(13) Aquisição 0,32*** 0,13*** 0,20*** 0,04*** ÿ0,05*** 0,05***
(14) Litigioso ÿ0,04*** ÿ0,12*** ÿ0,08*** ÿ0,20*** ÿ0,07*** ÿ0,11*** 0,06*** ÿ0,03***
(15) BigAuditor 0,37*** 0,05*** 0,17*** 0,50*** 0,00 0,11*** ÿ0,05*** 0,09***
(16) FirmAge 0,31*** 0,19*** 0,19*** 0,42*** ÿ0,04*** 0,19*** ÿ0,12*** 0,07***
** ***
*p < 0,10, p < 0,05, p < 0,01.
(9) (10) (11) (12) (13) (14) (15)
(9) EarnVol 1,00
(10) Estrangeiro ÿ0,05*** 1,00

(11) Perda 0,12*** ÿ0,05*** 1,00
(12) Reestruturar ÿ0,05*** 0,18*** 0,00 1,00
(13) Aquisição ÿ0,08*** 0,10*** ÿ0,22*** 0,21*** 1,00
(14) Litigioso 0,06*** ÿ0,05*** 0,17*** ÿ0,03*** ÿ0,08*** 1,00
(15) BigAuditor ÿ0,10*** 0,10*** ÿ0,21*** 0,19*** 0,20*** ÿ0,02* 1,00
(16) FirmAge ÿ0,12*** 0,03*** ÿ0,30*** 0,17*** 0,09*** ÿ0,17*** 0,12***
** ***
*p < 0,10, p < 0,05, p < 0,01.
Painel B: complexidade dos relatórios financeiros e características da empresa. Modelo de regressão.

Complexidade
NumBus 0,019**
(2,235)
NumGeo 0,045***
(6,382)
Tamanho 0,095***
(33,541)
Aproveitar 0,036***
(3,002)
ROA ÿ0,019***
(ÿ3,324)
BTT ÿ0,001**
(-2.272)
Acréscimos 0,032***
(3,053)
EarnVol ÿ0,011*
(-1,842)
Estrangeiro 0,064***
(7,277)
Perda 0,009
(1,024)
Reestruturar 0,067***
(8,236)
Aquisição 0,070***
(9,146)
litigioso ÿ0,020
(-1.420)
GrandeAuditor 0,044***
(4,412)
FirmAge 0,078***
(10.232)
Efeitos fixos da indústria Sim
(Continua na próxima página)
236
Tabela 3 (continuação)
Painel B: complexidade dos relatórios financeiros e características da empresa. Modelo de regressão.

Complexidade
Efeitos fixos do ano Sim

Observações 9383
R2 ajustado 0,545
** ***
estatísticas t entre parênteses * p < 0,10, p < 0,01pEsta
< 0,05,
tabela mostra os resultados da complexidade do relatório financeiro (Complexidade)
e análise de associação de características da empresa. O Painel A relata as correlações de Pearson entre a complexidade dos relatórios
financeiros e as características da empresa. O Painel B mostra os resultados de uma regressão OLS que relaciona a complexidade dos
relatórios financeiros com as características da empresa. Todas as variáveis são definidas no Apêndice B. Os efeitos fixos da indústria e do
ano estão incluídos na regressão, mas não são relatados. As estatísticas relatadas são baseadas em erros padrão robustos e agrupamento
no nível da empresa.
Tabela 4
Experiência em contabilidade, resultados de relatórios financeiros e complexidade de relatórios financeiros. Análises univariadas.
Painel A: valores médios de perícia contábil e variáveis de resultados de relatórios financeiros por tercis de complexidade.
Baixo Médio Alto Alta vs. baixa complexidade
Complexidade Complexidade Complexidade Diferença t-stat.
BoardSize 7.54 8.62 10.13 2,59*** 45,58

BoardNumAcc 3,60 4.52 5,96 2.35*** 43,49
BoardRatioAcc 0,48 0,52 0,58 0,11*** 22.10
ACSize 4,15 4,43 5,12 0,97*** 20.42
ACNumAcc 2.41 2.88 3,66 1,24*** 28.51
ACRatioAcc 0,58 0,65 0,72 0,13*** 20.63
ICW 0,02 0,04 0,03 0,01*** 2.68
Correção 0,04 0,06 0,08 0,04*** 7.05
SEC_CL 0,34 0,42 0,52 0,18*** 14,98
Observações 3128 3128 3127 6255
** ***
* p < 0,10, p < 0,05, p < 0,01.
Painel B: expertise contábil, resultados de relatórios financeiros e complexidade dos relatórios financeiros. Matriz de correlação. (1) (6)
(2) (3) (4) (5) (7) (8) (9)
(1) Complexidade 1,00
(2) Tamanho da placa 0,44*** 1,00
(3) BoardNumAcc 0,42*** 0,71*** 1,00
(4) BoardRatioAcc 0,23*** 0,19*** 0,80*** 1,00
(5) ACSize 0,23*** 0,44*** 0,36*** 0,13*** 1,00
(6) ACNumAcc 0,31*** 0,45*** 0,66*** 0,55*** 0,74*** 1,00
(7) ACRatioAcc 0,21*** 0,21*** 0,59*** 0,71*** 0,04*** 0,66*** 1,00
(8) ICW 0,01 ÿ0,01 ÿ0,01 0,01 ÿ0,00 0,01 0,01 1,00
(9) Reapresentação 0,08*** 0,04*** 0,05*** 0,03*** 0,06*** 0,07*** 0,03*** 0,08*** 1,00
(10) SEC_CL 0,16*** 0,15*** 0,12*** 0,06*** 0,06*** 0,08*** 0,06*** 0,03** 0,05***
* p < 0,10, ** p < 0,05, *** p < 0,01. Esta tabela mostra os resultados da análise univariada das relações entre a complexidade dos relatórios financeiros,
a perícia contábil e as variáveis dos resultados dos relatórios financeiros. O Painel A reporta os valores médios das variáveis de interesse tabulados por tercis da
variável de complexidade do relato financeiro (Complexidade). Baixa, Média e Alta Complexidade indicam observações no primeiro, segundo e terceiro tercis da
variável Complexidade , respectivamente. A significância estatística das diferenças nas médias das variáveis entre os grupos de observação de alta e baixa
complexidade é estimada usando um teste t. O Painel B relata as correlações de Pearson entre essas variáveis. Todas as variáveis são definidas no Apêndice B.
literatura: tamanho do relatório anual e o índice de legibilidade de Fog.14 Embora esperemos uma relação positiva entre essas medidas de FRC e a
experiência contábil das empresas, tais descobertas estão sujeitas à seguinte advertência. Ou seja, essas duas medidas são baseadas no texto do
relatório anual e, em comparação com nossa medida de FRC, estão mais sujeitas a eventos transitórios (por exemplo, mudança nas vendas e fusões e
aquisições) e discrição gerencial.15 Como tal, comprimento e legibilidade de 10 K pode não ser adequado para examinar a aquisição de expertise contábil
pelas empresas como uma resposta a mudanças relativamente permanentes no FRC. Os resultados desta análise são apresentados na Tabela 5, Painéis B e C.
Consistente com nossos principais resultados, descobrimos que o comprimento de 10-K e a legibilidade estão associados positivamente com BoardSize e
BoardRatioAcc (colunas (1) e (3)). Essas descobertas fornecem evidências adicionais de que o FRC não está totalmente sujeito ao critério gerencial e que
14
Bonsal et ai. (2017) propõem uma medida alternativa de legibilidade que captura os atributos de divulgações em inglês simples, o índice Bog. As inferências
de nossos resultados não mudam, se calcularmos a legibilidade 10-K usando o índice Bog em vez do índice Fog. Tabelamos os resultados com a legibilidade do
índice de Fog, uma vez que é empregado nos estudos mais relevantes para o nosso (a saber, Bushee et al., 2018; Guay et al., 2016; Li, 2008; Lo et al., 2017).
15
Os níveis de correlação entre nossa medida FRC e o comprimento e legibilidade de 10 K são inferiores a 30%.
237
Tabela 5
Complexidade dos relatórios financeiros e especialização em contabilidade do conselho.
Painel A: medida baseada em padrões contábeis da complexidade dos relatórios financeiros.
(1) (2) (3)

BoardSize BoardNumAcc BoardRatioAcc
Complexidade 0,098*** 0,059*** 0,124***

(9,204) (3,336) (3,144)
BoardSize 0,103*** 0,002
(34,520) (0,306)
NumBus ÿ0,006 ÿ0,002 0,006
(-0,797) (-0,224) (0,246)
NumGeo ÿ0,019*** ÿ0,038*** ÿ0,083***
(-2,908) (-3,412) (-3,261)
Tamanho 0,051*** 0,039*** 0,081***
(17,515) (7,822) (7,362)
Aproveitar 0,001 0,000 0,008
(0,147) (0,007) (0,339)
ROA ÿ0,027*** ÿ0,021*** ÿ0,031**
(ÿ5,582) (ÿ3,480) (-2,391)
BTT ÿ0,001*** ÿ0,001 0,000
(-5,554) (ÿ1,196) (0,239)
Acréscimos 0,022** 0,069*** 0,112***
(2,137) (3,610) (3,164)
EarnVol 0,002 0,022** 0,047**
(0,428) (2,350) (2,504)
Estrangeiro ÿ0,013 0,008 0,024
(-1,622) (0,579) (0,792)
Perda 0,034*** 0,043*** 0,094***
(4,480) (3,341) (3,321)
Reestruturar 0,041*** 0,059*** 0,144***
(5,975) (5,109) (5,557)
Aquisição ÿ0,013* 0,024** 0,029
(ÿ1,957) (2,244) (1,197)
litigioso ÿ0,001 0,004 0,037
(ÿ0,079) (0,189) (0,750)
GrandeAuditor 0,091*** 0,163*** 0,249***
(8,343) (8,395) (6,701)
FirmAge 0,044*** ÿ0,026** ÿ0,049**
(6,213) (-2.302) (-1,965)
Efeitos fixos da indústria Sim Sim Sim
Efeitos fixos do ano Sim Sim Sim

Observações 9383 9383 9383
0,063 0,145 0,026
Estatísticas R2 t entre parênteses

* ** ***
p < 0,10, p < 0,05, p < 0,01.
Este painel mostra os coeficientes estimados de regressões do tamanho do conselho de administração (BoardSize), número de especialistas em contabilidade no conselho (BoardNumAcc) e proporção de
especialistas em contabilidade no conselho (BoardRatioAcc) na complexidade dos relatórios financeiros (Complexidade). Todas as variáveis são definidas no Apêndice B. As regressões nas Colunas (1) e (2)
são estimadas usando regressão de Poisson, e a regressão nas Colunas (3) é estimada usando modelo linear generalizado (GLM) com distribuição binomial e função de ligação logit. Os efeitos fixos da
indústria e do ano estão incluídos em cada regressão, mas não são relatados. As estatísticas relatadas são baseadas em erros padrão robustos e agrupamento no nível da empresa. Todos os valores R2
são calculados usando estatísticas McFadden pseudo R2 .
Painel B: comprimento de 10-K como uma medida da complexidade dos relatórios financeiros.
(1) (2) (3) (4)
BoardSize BoardSize BoardRatioAcc BoardRatioAcc
10KComprimento 0,040*** 0,028** 0,083** 0,070*

(3,295) (2,380) (2,136) (1,794)
Complexidade 0,092*** 0,111***
(8.565) (2,804)
BoardSize 0,004 0,002
(0,491) (0,235)
Controles Sim Sim Sim Sim
Efeitos fixos da indústria Sim Sim Sim Sim
238
(1) (2) (3)

Efeitos fixos do ano Sim Sim Sim Sim

Observações 9383 9383 9383 9383
0,062 0,063 0,025 0,026
** ***
* p < 0,10, p < 0,05, p < 0,01
Painel C:10-K legibilidade como uma medida da complexidade dos relatórios financeiros.
(1) (2) (3) (4)
BoardSize BoardSize BoardRatioAcc BoardRatioAcc
Névoa 0,004*** 0,003** 0,014*** 0,013***

(2,584) (2,101) (2,759) (2,596)
(9,079) (2,976)
BoardSize 0,004 0,002
(0,524) (0,236)

Observações 9383 9383 9383 9.381
R2 0,062 0,063 0,026 0,026
** ***
estatísticas t entre parênteses * p < 0,10, p < 0,05, p < 0,01. Esses painéis mostram os coeficientes estimados das regressões do conselho de administração
tamanho (BoardSize) e proporção de especialistas em contabilidade no conselho (BoardRatioAcc) em comprimento de palavra de 10 K (10 KLength, Painel B) e legibilidade
de 10 K medida usando o índice Gunning Fog (Fog, Panel C). As colunas (2) e (4) incluem a medida de complexidade de relatórios financeiros baseada em padrões
contábeis apresentada neste artigo (Complexidade). Todas as variáveis são definidas no Apêndice B. As regressões nas Colunas (1) e (2) são estimadas usando a regressão
de Poisson, e as regressões nas Colunas (3) e (4) são estimadas usando o modelo linear generalizado (GLM) com distribuição binomial e ligação logit função. Os efeitos
fixos da indústria e do ano estão incluídos em cada regressão, mas não são relatados. As regressões nos Painéis B e C incluem as mesmas variáveis de controle do Painel
A, mas seus coeficientes estimados não são relatados. As estatísticas relatadas são baseadas em erros padrão robustos e agrupamento no nível da empresa. Todos os
valores R2 são calculados usando estatísticas McFadden pseudo R2 .
as empresas buscam gerenciar o FRC.16 Também incluímos nossa medida de FRC juntamente com medidas de legibilidade/comprimento de 10 K (colunas (2) e (4)) e descobrimos que
nossa medida explica a variação na experiência contábil dos conselhos além do medidas tradicionais de tamanho e legibilidade do relatório anual.
Embora continuemos a encontrar uma relação positiva entre FRC e perícia contábil quando medidas de comprimento e legibilidade de 10-K são usadas em vez de nossa medida FRC,
não empregamos essas medidas para estudar as relações entre FRC, perícia contábil e resultados de relatórios. A razão é que a complexidade do texto nos relatórios financeiros
provavelmente será determinada simultaneamente com os resultados do relatório.
Por exemplo, uma divulgação de fraqueza material pode resultar em um relatório 10-K mais longo e menos legível. Portanto, não podemos descartar a possibilidade de causalidade reversa
em tal análise quando medidas de complexidade de texto 10-K são usadas. Por outro lado, nossa medida FRC reflete a complexidade das normas contábeis aplicáveis e, como tal, não está
sujeita à questão da causalidade reversa.
Finalmente, Li (2008) e Lo et al. (2017) argumentam que um gerente pode alavancar a complexidade e usá-la como uma cortina de fumaça para gerenciamento de resultados e
relatórios incorretos. Nesse caso, o gerente prefere um conselho menos capaz de enxergar através de relatórios financeiros complexos. Se um conselho for capturado, há maior possibilidade
de a administração ter algum controle sobre a composição do conselho. Repetimos uma análise de regressão semelhante (não tabulada) em uma subamostra de observações em que os
CEOs também são presidentes dos conselhos de administração para testar se a associação positiva documentada acima entre o FRC e a experiência em contabilidade do conselho é
válida. Os resultados não mudam.
No geral, documentamos associações estatisticamente e economicamente significativas entre o nível de FRC de uma empresa e o tamanho de seu conselho e experiência contábil,
sugerindo que as empresas tentam FRC aprimorando sua experiência contábil.
5.3. Especialização em contabilidade do FRC e do comitê de auditoria
Além de examinar como o FRC se relaciona com a expertise contábil do conselho de administração, também estudamos como ele se relaciona com a expertise contábil do comitê de
auditoria, cujos membros possivelmente estão mais diretamente envolvidos com o reporte.
Primeiro examinamos as associações univariadas entre nossa variável Complexidade e o tamanho do comitê de auditoria (ACSize), o número de especialistas em contabilidade (ACNumAcc)
e a fração de especialistas em contabilidade (ACRatioAcc) no comitê de auditoria.
O Painel A da Tabela 4 relata os valores médios de ACSize, ACNumAcc e ACRatioAcc para observações nos grupos de CRF baixa, média e alta. Assim como nas características do
conselho de administração, observamos um aumento monotônico em todas as três variáveis do comitê de auditoria à medida que o nível de FRC muda de baixo para alto. Especificamente,
os valores médios de ACSize aumentam de 4,15 para 4,43 para 5,12. Da mesma forma, o
16
Na análise não tabulada, também encontramos associações positivas entre comprimento de 10-K, legibilidade e BoardNumAcc.
239
Tabela 6
Complexidade dos relatórios financeiros e expertise contábil do comitê de auditoria.
(1) (2) (3)

ACSize ACNumAcc ACRatioAcc
Complexidade 0,116*** 0,055*** 0,185***

(6,348) (2,816) (3,141)
ACSize 0,158*** ÿ0,013
(46,033) (-1,314)
NumBus ÿ0,006 ÿ0,002 0,023
(-0,465) (-0,172) (0,571)
NumGeo ÿ0,002 ÿ0,031** ÿ0,111***
(-0,157) (-2,481) (-3,051)
Tamanho 0,022*** 0,043*** 0,129***
(5,049) (8,563) (8,698)
Aproveitar ÿ0,009 ÿ0,002 ÿ0,000
(ÿ0,571) (ÿ0,126) (ÿ0,002)
ROA ÿ0,022*** ÿ0,027*** ÿ0,076***
(ÿ3,170) (ÿ4,885) (ÿ3,362)
BTT ÿ0,001** ÿ0,001 ÿ0,000
(-2,117) (ÿ1,280) (ÿ0,192)
Acréscimos 0,010 0,068*** 0,153***
(0,677) (3,822) (3,138)
EarnVol 0,006 0,021*** 0,052**
(0,722) (2,623) (2,069)
Estrangeiro ÿ0,031** 0,030** 0,080*
(-2,265) (2,000) (1,782)
Perda 0,073*** 0,043*** 0,193***
(5,331) (2,994) (4,481)
Reestruturar 0,052*** 0,054*** 0,176***
(4,342) (4,428) (4,538)
Aquisição ÿ0,023** 0,003 ÿ0,002
(ÿ2,073) (0,270) (ÿ0,052)
litigioso ÿ0,055** 0,020 0,119
(-2,551) (0,853) (1,586)
GrandeAuditor 0,046*** 0,162*** 0,378***
(2,923) (7,570) (6,992)
FirmAge 0,106*** ÿ0,049*** ÿ0,183***
(9,372) (-3.944) (ÿ4,879)

0,033 0,138 0,044

** ***
*p < 0,10, p < 0,05, p < 0,01.
Este painel mostra os coeficientes estimados das regressões do tamanho do comitê de auditoria (ACSize), número de especialistas em contabilidade no comitê (ACNumAcc) e proporção de especialistas em
contabilidade no comitê (ACRatioAcc) em finanças complexidade do relatório (Complexidade). Todas as variáveis são definidas no Apêndice B. As regressões nas Colunas (1) e (2) são estimadas usando
regressão de Poisson, e a regressão nas Colunas (3) é estimada usando modelo linear generalizado (GLM) com distribuição binomial e função de ligação logit. Os efeitos fixos da indústria e do ano estão
incluídos em cada regressão, mas não são relatados. As estatísticas relatadas são baseadas em erros padrão robustos e agrupamento no nível da empresa. Todos os valores R2 são calculados usando
estatísticas McFadden pseudo R2 .
Painel B: comprimento de 10-K como uma medida da complexidade dos relatórios financeiros.
(1) (2) (3) (4)
ACSize ACSize ACRatioAcc ACRatioAcc
10KComprimento 0,005 ÿ0,009 0,207*** 0,188***

(0,295) (-0,532) (3,767) (3,419)
Complexidade 0,118*** 0,147**
(6.433) (2,500)
ACSize ÿ0,010 ÿ0,013
(-1,071) (-1.299)
240
(1) (2) (3)

Observações 9383 9383 9383 9383

0,032 0,033 0,045 0,045

** ***
*p < 0,10, p < 0,05, p < 0,01.
Painel C:10-K Legibilidade como medida da complexidade dos relatórios financeiros.

(1) (2) (3) (4)
ACSize ACSize ACRatioAcc ACRatioAcc
Névoa 0,000 ÿ0,001 0,020*** 0,019**

(0,175) (-0,280) (2.677) (2,504)
(6.389) (2,960)
ACSize ÿ0,010 ÿ0,013
(ÿ1,024) (ÿ1,300)

Observações 9381 9381 9381 9381
R2
0,032 0,033 0,044 0,045
** ***
estatísticas t entre parênteses *p < 0,10, p < 0,01.
p < Esses
0,05, painéis mostram os coeficientes estimados das regressões do tamanho do comitê de auditoria (ACSize) e proporção
de especialistas em contabilidade no comitê (ACRatioAcc) em comprimento de palavra de 10 K (10 KLength, Painel B) e legibilidade de 10 K medida usando o índice
Gunning Fog (Fog , Painel C). As colunas (2) e (4) incluem a medida de complexidade de relatórios financeiros baseada em padrões contábeis apresentada neste artigo
(Complexidade). Todas as variáveis são definidas no Apêndice B. As regressões nas Colunas (1) e (2) são estimadas usando a regressão de Poisson, e as regressões nas
Colunas (3) e (4) são estimadas usando o modelo linear generalizado (GLM) com distribuição binomial e ligação logit função. Os efeitos fixos da indústria e do ano estão
incluídos em cada regressão, mas não são relatados. As regressões nos Painéis B e C incluem as mesmas variáveis de controle do Painel A, mas seus coeficientes
estimados não são relatados. As estatísticas relatadas são baseadas em erros padrão robustos e agrupamento no nível da empresa. Todos os valores R2 são calculados
usando estatísticas McFadden pseudo R2 .
os valores médios de ACNumAcc e ACRatioAcc aumentam de 2,41 para 2,88 para 3,66 e de 0,58 para 0,65 para 0,72, respectivamente. As diferenças
médias nessas características do comitê de auditoria entre grupos de FRC alto e baixo são significativas tanto estatisticamente quanto economicamente:
ACSize, ACNumAcc e ACRatioAcc aumentam em média 23% (=0,97/4,15), 52% (=1,24/2,41), e 22% (=0,13/ 0,58), respectivamente. O Painel B da
Tabela 4 relata estatísticas de correlação entre o tamanho do FRC e do comitê de auditoria e a experiência em contabilidade.
As estimativas de correlação indicam associações significativas e positivas entre Complexidade e ACSize, ACNumAcc e ACRatioAcc.
Estimamos modelos de regressão condicional, como na Eq. (2), com ACSize, ACNumAcc e ACRatioAcc como variáveis dependentes e
Complexidade como variável independente. Os resultados são apresentados no Painel A da Tabela 6. Encontramos associações positivas e
estatisticamente significativas entre FRC e todas as três variáveis do comitê de auditoria com os seguintes coeficientes: 0,116 para ACSize (t-stat =
6,348), 0,055 para ACNumAcc (t-stat = 2,816) e 0,185 para ACRatioAcc (t-stat = 3,141). Para interpretar os significados econômicos dessas relações,
comparamos os efeitos de um aumento de desvio padrão na Complexidade em ACSize, ACNumAcc e ACRatioAcc com os efeitos correspondentes de
um aumento de desvio padrão na variável de tamanho da empresa (o preditor mais significativo da experiência do comitê de auditoria) nessas variáveis
(da mesma forma que na análise do conselho acima). Descobrimos que os efeitos de Complexity em ACSize, ACNumAcc e ACRatioAcc são
aproximadamente equivalentes a 99%, 92% e 79% dos efeitos que Size tem nessas variáveis.
Repetimos nossa análise com comprimento 10-K e legibilidade como medidas alternativas do FRC com resultados relatados nos Painéis B e C da
Tabela 6. Descobrimos que o comprimento e a legibilidade de 10-K estão positivamente relacionados ao número de especialistas em contabilidade no
comitê de auditoria (ACRatioAcc, consulte a coluna (3)), mas não relacionado ao tamanho do comitê de auditoria (ACSize, consulte a coluna (1)).17
Também documentamos que nossa medida de FRC complementa o comprimento de 10 K e as medidas de legibilidade ao explicar a variação em
perícia contábil do comitê de auditoria (colunas (2) e (4)). Em resumo, descobrimos que o FRC está positivamente associado à especialização contábil
do comitê de auditoria, consistente com as empresas que buscam gerenciar o alto FRC aumentando seus níveis de especialização contábil.
5.4. FRC, perícia contábil e deficiências de controle interno
Em seguida, examinamos se o FRC e a perícia contábil têm efeitos interativos sobre a incidência de resultados negativos de relatórios financeiros,
começando com deficiências de controle interno (ICW). Conforme discutido anteriormente, esperamos que o FRC esteja positivamente associado ao
ICW, e altos níveis de especialização em contabilidade atenuam esse efeito negativo. As análises univariadas dos Painéis A e B da Tabela 4 não
apresentam evidências consistentes a esse respeito. Embora haja uma diferença estatisticamente e economicamente significativa de 0,01 no
17
Na análise não tabulada, também encontramos associações positivas entre comprimento de 10-K, legibilidade e ACNumAcc.
241
Tabela
7 Complexidade dos relatórios financeiros, expertise contábil e deficiências de controle.
(1) (2) (3)

ICW ICW ICW
Complexidade 0,015** 0,032*** 0,029***

(2.043) (3,495) (3,241)
HighBoardRatioAcc 0,005
(1,021)
Compl × HighBoardRatioAcc ÿ0,033***
(-3.092)
HighACRatioAcc ÿ0,004
(ÿ0,785)
Compl × HighACRatioAcc ÿ0,028***
(-2,646)
Valor de mercado 0,016*** 0,014*** 0,015***
(4,313) (3,700) (3,836)
FirmAge ÿ0,005 ÿ0,005 ÿ0,006
(ÿ1,346) (ÿ1,409) (ÿ1,483)
Perda 0,015** 0,016** 0,017***
(2,531) (2,539) (2,649)
Risco de Falência 0,015*** 0,014*** 0,014***
(4,751) (4,543) (4,539)
NumBus 0,001 ÿ0,000 ÿ0,000
(0,198) (-0,002) (-0,016)
NumGeo 0,001 0,002 0,002
(0,275) (0,522) (0,517)
Estrangeiro 0,002 0,003 0,003
(0,337) (0,525) (0,582)
Aquisição 0,014*** 0,012** 0,012**
(2,770) (2,286) (2,324)
Crescimento ÿ0,007*** ÿ0,007*** ÿ0,007***
(-2,983) (ÿ2,798) (ÿ2,865)
RestructCharge -0,157 ÿ0,103 ÿ0,119
(-1,264) (ÿ0,795) (ÿ0,920)

R2 0,009 0,017 0,016
** ***
t estatísticas entre parênteses *p < 0,10, p < 0,05, p < 0,01. Esta tabela mostra os coeficientes estimados das regressões OLS de
divulgação de fraqueza de controle (ICW) sobre complexidade de relatórios financeiros (Complexidade), especialização em contabilidade do conselho de
administração e do comitê de auditoria (HighBoardRatioAcc e HighACRatioAcc, respectivamente) e suas interações (Compl × HighBoardRatioAcc e Compl ×
HighACRatioAcc ). HighBoardRatioAcc e HighACRatioAcc são variáveis dummy que indicam o terceiro tercil do índice de peritos contábeis no conselho de
administração (BoardRatioAcc) e no comitê de auditoria (ACRatioAcc). As variáveis de controle são adaptadas de Doyle et al. (2007b) e Doyle et al. (2007a).
Todas as variáveis são definidas no Apêndice B. Os efeitos fixos da indústria e do ano estão incluídos em cada regressão, mas não são relatados. As
estatísticas relatadas são baseadas em erros padrão robustos e agrupamento no nível da empresa. Todos os valores de R2 são calculados usando estatísticas
de R2 ajustadas.
probabilidade de ICW entre as observações em grupos de alta e baixa complexidade (Painel A), não encontramos correlação estatisticamente
significativa entre as variáveis ICW e Complexidade (Painel B).
A Tabela 7 mostra os resultados da análise de regressão condicional conforme especificado na Eq. (3). Na coluna (1), ICW é regredido em
Complexidade e características da empresa. Na coluna (2), adicionamos uma variável indicadora de alta especialização contábil no conselho
(HighBoardRatioAcc, que indica o terceiro tercil da variável BoardRatioAcc ) e um termo de interação entre Complexity e HighBoardRatioAcc (Compl
× HighBoardRatioAcc). O modelo da coluna (3) é semelhante ao da coluna (2), exceto que HighBoardRatioAcc é substituído por uma variável
18
indicadora de alta especialização contábil no comitê de auditoria, HighACRatioAcc.
Em todas as colunas (1)–(3), encontramos associações estatisticamente significativas e positivas entre ICW e Complexidade. Essas associações
também são economicamente significativas. Os resultados na Coluna (1) implicam que um aumento de um desvio padrão na Complexidade aumenta
a probabilidade geral de ter uma divulgação ICW em 0,006 ( = 0,015 0,39 ), uma mudança de cerca de 20% na média da variável ICW (0,03). Uma
interpretação econômica alternativa, derivada de um modelo logit semelhante, é que, condicionada a outras características da empresa, um aumento
do desvio padrão na Complexidade aumenta as chances de divulgação de ICW em 30,88%.
Os resultados das Colunas (2) e (3) indicam efeitos de interação significativos entre o nível de FRC e a presença de alta expertise contábil no
conselho de administração e no conselho fiscal. Especificamente, os coeficientes de regressão para Compl × HighBoardRatioAcc e Compl ×
HighACRatioAcc são negativos e estatisticamente significativos. Isso significa que a presença de alta
18
Estimamos todos os modelos como modelos de regressão OLS (em oposição aos modelos logísticos/probit) para melhor interpretar os efeitos da interação. Os
resultados são qualitativamente semelhantes se forem usados modelos de regressão logística.
242
Tabela
8 Complexidade do relatório financeiro, perícia contábil e reapresentações.
(1) (2) (3)
Correção Correção Correção
Complexidade 0,051*** 0,050*** 0,047***

(4,531) (4,302) (4,103)
HighBoardRatioAcc ÿ0,001
(ÿ0,082)
Compl × HighBoardRatioAcc 0,002
(0,105)
HighACRatioAcc 0,006
(0,829)
Compl × HighACRatioAcc 0,010
(0,543)
Valor de mercado 0,008 0,008 0,008
(1,497) (1,507) (1,448)
FirmAge ÿ0,008 ÿ0,008 ÿ0,008
(ÿ1,454) (ÿ1,452) (ÿ1,404)
Perda 0,021*** 0,021*** 0,021***
(2,701) (2,724) (2,657)
Risco de Falência 0,005 0,005 0,005
(1,048) (1,048) (1,053)
NumBus ÿ0,001 ÿ0,001 ÿ0,001
(-0,161) (-0,163) (-0,173)
NumGeo ÿ0,005 ÿ0,005 ÿ0,005
(ÿ0,842) (ÿ0,843) (ÿ0,850)
Estrangeiro ÿ0,008 ÿ0,008 ÿ0,008
(-1,040) (-1,038) (-1,068)
Aquisição 0,018** 0,018** 0,018**
(2,502) (2,503) (2,505)
Crescimento 0,002 0,002 0,002
(0,486) (0,484) (0,510)
RestructCharge ÿ0,155 ÿ0,156 ÿ0,145
(ÿ1,121) (ÿ1,118) (ÿ1,039)

R2 0,043 0,042 0,042
** ***
t estatísticas entre parênteses *p < 0,10, p < 0,05, p < 0,01. Esta tabela mostra os coeficientes estimados das regressões OLS de
eventos de atualização (Restatement) sobre a complexidade dos relatórios financeiros (Complexidade), experiência em contabilidade do conselho de
administração e do comitê de auditoria (HighBoardRatioAcc e HighACRatioAcc, respectivamente) e suas interações (Compl × HighBoardRatioAcc e Compl
× HighACRatioAcc ). HighBoardRatioAcc e HighACRatioAcc são variáveis dummy que indicam o terceiro tercil do índice de peritos contábeis no conselho
de administração (BoardRatioAcc) e no comitê de auditoria (ACRatioAcc). As variáveis de controle são adaptadas de Doyle et al. (2007b) e Doyle et al.
(2007a). Todas as variáveis são definidas no Apêndice B. Os efeitos fixos da indústria e do ano estão incluídos em cada regressão, mas não são relatados.
As estatísticas relatadas são baseadas em erros padrão robustos e agrupamento no nível da empresa. Todos os valores de R2 são calculados usando
estatísticas de R2 ajustadas.
a experiência no conselho e no comitê de auditoria atenua a associação positiva entre FRC e a probabilidade de ICW.19 Além disso, documentamos
que a alta experiência em contabilidade em uma empresa anula completamente esse efeito da FRC: nas colunas (2) e (3), o absoluto os valores dos
coeficientes estimados para Compl × HighBoardRatioAcc e Compl × HighACRatioAcc são semelhantes em tamanho aos respectivos coeficientes
para Complexidade. No geral, nossos achados sugerem que o investimento da empresa em expertise contábil ajuda a mitigar o efeito do FRC sobre
ICW (ou seja, expertise diminui a incidência de ICWs para empresas complexas).
5.5. FRC, perícia contábil e atualizações
Para explorar ainda mais a relação entre o FRC, a expertise contábil das empresas e os resultados dos relatórios financeiros, realizamos uma
análise semelhante à anterior, desta vez com foco nas correções financeiras. Os resultados univariados nos Painéis A e B da Tabela 4 indicam uma
associação positiva entre as variáveis Reexpressão e Complexidade . A incidência de reformulações dobra de 4% para as observações do grupo de
baixa complexidade para 8% para as observações do grupo de alta complexidade (Painel A), sendo esta diferença estatisticamente significativa. A
correlação entre essas duas variáveis também é positiva em 0,08 e estatisticamente significativa. Curiosamente, as correlações entre Restatement e
BoardRatioAcc e ACRatioAcc também são positivas e estatisticamente significativas. A variável Complexidade está positivamente correlacionada
com todas essas três variáveis. Essas correlações aos pares demonstram a limitação dos testes univariados incondicionais.
19
Esse achado é consistente com Hoitash e Hoitash (2018) que mostram que a expertise contábil no comitê de auditoria atenua a relação
entre a complexidade do relatório e as fraquezas materiais.
243
Tabela 9
Complexidade dos relatórios financeiros, expertise contábil e cartas de comentários da SEC.
(1) (2) (3)
SEC_CL SEC_CL SEC_CL
Complexidade 0,071** 0,106*** 0,105***

(2.402) (3,275) (3,352)
HighBoardRatioAcc ÿ0,044**
(ÿ2,119)
Compl × HighBoardRatioAcc ÿ0,104**
(-2.371)
HighACRatioAcc ÿ0,047**
(-2.460)
Compl × HighACRatioAcc ÿ0,112**
(-2,468)
Correção 0,057** 0,058** 0,059**
(2,087) (2,161) (2,196)
ICW 0,121*** 0,120*** 0,120***
(3,732) (3,711) (3,673)
Valor de mercado 0,076*** 0,081*** 0,081***
(4,491) (4,785) (4,821)
Crescimento 0,024* 0,024* 0,022*
(1.866) (1.812) (1.690)
Risco de Falência ÿ0,002 ÿ0,000 0,000
(-0,138) (-0,010) (0,007)
ExtFinancing 0,158*** 0,157*** 0,158***
(3,836) (3,812) (3,808)
NumBus 0,010 0,011 0,011
(0,574) (0,633) (0,649)
GrandeAuditor ÿ0,053* ÿ0,057* ÿ0,055*
(-1,818) (ÿ1,947) (-1,903)
SndTierAuditor ÿ0,092** ÿ0,093** ÿ0,095**
(-2.138) (ÿ2,166) (ÿ2,203)
FirmAge ÿ0,044** ÿ0,045*** ÿ0,046***
(-2,565) (-2,663) (-2,714)
Perda 0,089*** 0,093*** 0,093***
(4,209) (4,399) (4,408)
Reestruturar 0,012 0,019 0,018
(0,671) (1.047) (0,992)
Aquisição 0,011 0,012 0,011
(0,608) (0,632) (0,595)
litigioso 0,073** 0,072** 0,070**
(2,268) (2,242) (2,182)
CEOChairman 0,005 0,005 0,007
(0,165) (0,160) (0,249)
CEO Posse ÿ0,009 ÿ0,010 ÿ0,010
(ÿ0,952) (ÿ0,996) (ÿ1,079)
CFOTure ÿ0,033** ÿ0,034** ÿ0,034**
(ÿ2,416) (ÿ2,471) (ÿ2,471)
BoardRatioIndep ÿ0,061 ÿ0,039 ÿ0,045
(ÿ0,822) (-0,527) (ÿ0,606)

R2 0,164 0,168 0,167
** ***
t estatísticas entre parênteses *p < 0,10, p < 0,05, p < 0,01. Esta tabela mostra os coeficientes estimados das regressões OLS da empresa
recebendo uma carta de comentário da SEC (SEC_CL) sobre complexidade de relatórios financeiros (Complexidade), expertise em contabilidade do conselho
de administração e do comitê de auditoria (HighBoardRatioAcc e HighACRatioAcc, respectivamente) e suas interações (Compl × HighBoardRatioAcc e Compl ×
HighACRatioAcc). HighBoardRatioAcc e HighACRatioAcc são variáveis dummy que indicam o terceiro tercil do índice de peritos contábeis no conselho de
administração (BoardRatioAcc) e no comitê de auditoria (ACRatioAcc). Variáveis de controle e metodologia de seleção de amostras são adaptadas de Cassell et
al. (2013). Todas as variáveis são definidas no Apêndice B. Os efeitos fixos da indústria e do ano estão incluídos em cada regressão, mas não são relatados. As
estatísticas relatadas são baseadas em erros padrão robustos e agrupamento no nível da empresa. Todos os valores de R2 são calculados usando estatísticas
de R2 ajustadas.
244
A Tabela 8 relata os resultados da análise de regressão conforme especificado na Eq. (3). Encontramos uma relação positiva entre FRC e re declarações na coluna (1).
Ao contrário das divulgações do ICW, não encontramos evidências que apoiem o efeito atenuante da alta especialização contábil nesse relacionamento. Os coeficientes
estimados para Compl × HighBoardRatioAcc (0,002, t-stat = 0,105) e Compl × HighACRatioAcc (0,010, t-stat = 0,543) têm sinais positivos e não são estatisticamente
significativos em níveis convencionais.
É possível que nossos resultados sejam motivados por limitações de dados. Uma vez que uma correção monetária muitas vezes não é emitida imediatamente
após um ano fiscal e nosso período de amostragem compreende quatro anos fiscais, nossos dados podem não refletir as taxas de atualização “verdadeiras”. Para
mitigar essa preocupação, repetimos a análise com um indicador de atualização, Restatement, definido como aquele se a empresa emitiu uma atualização
relacionada ao ano atual ou a um dos dois anos anteriores (ou seja, incluímos dois anos anteriores em nosso período de atualização janela). Como o FRC é “fixo”,
essa definição de variável pode refletir melhor a propensão de uma empresa a reavaliar. No entanto, semelhante à nossa análise principal, não encontramos
evidências que sugiram que a alta especialização contábil no conselho de administração e no comitê de auditoria mitiga a relação positiva entre o FRC e as atualizações.
5.6. FRC, perícia contábil e cartas de comentários da SEC
Por fim, examinamos a relação entre o FRC, a expertise contábil das empresas e a probabilidade de receber uma carta de comentário da SEC. Nossas análises
univariadas nos Painéis A e B da Tabela 4 indicam uma associação positiva entre a probabilidade de receber uma carta de comentário (SEC_CL) e FRC (Complexidade). As
empresas com altas pontuações no FRC têm, em média, 52% de chance de receber uma carta de comentários, em oposição a 34% de chance para empresas com baixas
pontuações no FRC (Painel A). Também encontramos uma correlação positiva e significativa entre SEC_CL e Complexidade. O efeito da expertise contábil da empresa sobre
a probabilidade de receber uma carta de comentário não é evidente a partir da análise univariada, uma vez que ambas as variáveis de expertise, BoardRatioAcc e ACRatioAcc,
e a variável SEC_CL estão positivamente associadas à Complexidade e, consequentemente, entre si.
A Tabela 9 relata os resultados da estimativa dos modelos de regressão conforme especificado na Eq. (4). Encontramos associações positivas e estatisticamente
significativas entre SEC_CL e Complexidade nas Colunas (1) a (3). A associação na coluna (1) pode ser interpretada da seguinte forma. Um aumento de um desvio padrão
no FRC aumenta a probabilidade de receber uma carta de comentário da SEC em 0,028 ( = 0,071 0,39 ), ou seja, cerca de 6,4% da média SEC_CL.20 Também encontramos
associações negativas e estatisticamente significativas entre SEC_CL e interações entre FRC e perícia contábil da empresa. Os valores desses coeficientes são comparáveis
aos valores dos coeficientes de Complexidade nos modelos de regressão correspondentes. No geral, documentamos que o FRC está positivamente associado à probabilidade
de receber uma carta de comentário da SEC e que um alto nível de especialização em contabilidade em uma empresa elimina completamente essa associação.
6. Análises adicionais e testes de robustez
6.1. Análise das mudanças temporais no FRC das empresas
A associação positiva entre FRC e perícia contábil que documentamos acima pode ser impulsionada por (a) características endógenas não observáveis da empresa não
capturadas por nossos modelos de regressão, ou (b) causalidade reversa (embora esta segunda possibilidade seja menos plausível: implica que um aumento na perícia
contábil da empresa causa aumento na FRC). A fim de mitigar essas preocupações, regredimos as mudanças temporais na experiência contábil das empresas sobre as
mudanças temporais no FRC. Para realizar essa análise de mudanças, para cada empresa em nossa amostra que requer dados, calculamos a diferença em FRC, expertise
contábil e variáveis relacionadas entre os anos de 2014 e 2011.21 A Tabela 10 mostra os resultados com mudanças no tamanho do conselho ( ÿBoardSize ) , o tamanho do
comitê de auditoria (ÿACSize) e a proporção de especialistas em contabilidade no conselho de administração (ÿBoardRatioAcc) e no comitê de auditoria (ÿACRatioAcc)
regrediram em mudanças no FRC (Complexity) e nas variáveis de controle.22 Encontramos associações positivas e estatisticamente significativas entre esses dependentes
variáveis e nossa medida FRC. Tomados em conjunto com nossos principais achados, esses resultados reforçam a conjectura de que, após o controle das características
gerais da empresa, existe uma forte associação entre o FRC e o investimento da empresa em expertise contábil.
6.2. Os efeitos da propriedade institucional na relação entre FRC e perícia contábil.
A evidência de nossa análise principal é consistente com o FRC sendo conduzido pela complexidade das operações contábeis e de negócios (em oposição à ofuscação
gerencial) e as empresas que buscam mitigar essa complexidade. Especificamente, descobrimos que quando o FRC é alto, as empresas tentam aprimorar os papéis de
monitoramento e aconselhamento de seus conselhos de administração adquirindo mais especialistas em contabilidade. A literatura anterior encontra evidências consistentes
com maior propriedade institucional, reforçando melhor monitoramento e governança (por exemplo, Chen et al., 2007; Chung e Zhang, 2011). Se o aumento da especialização
contábil é um mecanismo para atenuar os efeitos negativos do FRC e os proprietários institucionais fortalecem a governança de uma empresa, devemos esperar uma relação
mais forte entre a especialização contábil e o FRC quando a propriedade institucional é alta.
20
Como nas deficiências de controle interno e análises de atualização, estimamos os modelos de regressão relatados na Tabela 9 como OLS (em oposição a logit/
probit) para melhor interpretação dos coeficientes de interação.
21
Não estimamos modelos de efeito fixo da empresa, ou modelos de defasagem de curto prazo, uma vez que as mudanças no FRC são pouco frequentes e as mudanças
nas composições do conselho são lentas (Kole e Lehn, 1999). Pode levar vários anos para que as mudanças permanentes no FRC se reflitam em mudanças na composição do
conselho.
22
Na análise não tabulada, incluímos mudanças no número (absoluto) de especialistas em contabilidade no conselho de administração e no comitê de auditoria (ou seja,
ÿBoardNumAcc e ÿACNumAcc) como variáveis dependentes em modelos de regressão de mudança e encontramos resultados semelhantes.
245
Tabela 10
Mudança na complexidade dos relatórios financeiros e especialização em contabilidade do conselho.

(1) (2) (3) (4)
ÿTamanho da placa ÿACSize ÿBoardRatioAcc ÿACRatioAcc
ÿComplexidade 0,624*** 0,438*** 0,023** 0,031**
(5,103) (4,312) (2,237) (2,138)

ÿTamanho da placa ÿ0,000 0,006*
(-0,157) (1.847)
ÿNumBus ÿ0,070 0,080 0,009 ÿ0,002
(-0,521) (0,703) (0,732) (-0,129)

ÿNumGeo ÿ0,355*** ÿ0,177** 0,000 0,004
(-3,146) (-2,103) (0,004) (0,288)

ÿTamanho 0,390*** 0,109*** 0,018*** 0,023***
(9,315) (4.601) (4,627) (4,624)

ÿAlavancagem 0,024 ÿ0,095 0,012 0,005
(0,278) (ÿ1,450) (1,289) (0,398)

ÿROA ÿ0,127*** ÿ0,070*** ÿ0,013** ÿ0,017**
(ÿ2,959) (ÿ3,584) (ÿ1,989) (-2.514)

ÿMTB ÿ0,011*** ÿ0,004*** ÿ0,001 ÿ0,001**
(-4,686) (ÿ3,177) (-1,474) (ÿ2,007)

ÿAcréscimos 0,045 ÿ0,064 0,003 ÿ0,012
(0,442) (ÿ0,939) (0,311) (ÿ0,963)

ÿGanhoVol 0,034 0,001 0,003 0,011**
(0,748) (0,040) (0,797) (2.014)

Estrangeiro 0,008 0,036 ÿ0,005 ÿ0,005
(0,094) (0,427) (-0,728) (-0,460) 0,011

Perda 0,030 ÿ0,147 0,016*
(0,286) (ÿ1,599) (1,846) (0,867)

Reestruturar 0,104 ÿ0,161* 0,010 0,016
(1,094) (ÿ1,731) (1,298) (1,470)

Aquisição ÿ0,113 ÿ0,134 0,011 0,005
(ÿ1,240) (ÿ1,603) (1,433) (0,468)

litigioso ÿ0,128 ÿ0,080 0,019 0,044**
(-0,856) (ÿ0,579) (1,403) (2,422)

GrandeAuditor 0,464*** 0,098 0,028*** 0,038***
(4,534) (1,134) (2,948) (2,901)

FirmAge ÿ0,094 ÿ0,368*** 0,019*** 0,024***
(-1.183) (ÿ5,760) (2,846) (2,628)

Observações 2335 2335 2335 2.335
R2 0,122 0,034 0,047 0,049
** ***
estatísticas t entre parênteses *p < 0,10, p < 0,01.
p < 0,05,
Esses painéis mostram os coeficientes estimados das regressões do tamanho do comitê de auditoria (ACSize) e
proporção de especialistas em contabilidade no comitê (ACRatioAcc) em comprimento de palavra de 10 K (10 KLength, Painel B) e legibilidade de 10 K medida
usando o índice Gunning Fog (Fog , Painel C). As colunas (2) e (4) incluem a medida de complexidade de relatórios financeiros baseada em padrões contábeis
apresentada neste artigo (Complexidade). Todas as variáveis são definidas no Apêndice B. As regressões nas Colunas (1) e (2) são estimadas usando a regressão
de Poisson, e as regressões nas Colunas (3) e (4) são estimadas usando o modelo linear generalizado (GLM) com distribuição binomial e ligação logit função. Os
efeitos fixos da indústria e do ano estão incluídos em cada regressão, mas não são relatados. As regressões nos Painéis B e C incluem as mesmas variáveis de
controle do Painel A, mas seus coeficientes estimados não são relatados. As estatísticas relatadas são baseadas em erros padrão robustos e agrupamento no nível
da empresa. Todos os valores R2 são calculados usando estatísticas McFadden pseudo R2 .
Na Tabela 11, regredimos os tamanhos do conselho e do comitê de auditoria (BoardSize e ACSize) e a expertise contábil (BoardNumAcc, BoardRatioAcc,
ACNumAcc e ACRatioAcc) em FRC (Compelxity), uma variável indicadora de altos níveis de propriedade institucional (HighInst) e seus interação (HighInst ×
Complexidade). HighInst é um se a propriedade institucional de uma empresa estiver acima da mediana (e zero caso contrário). Conforme relatado no Painel
A, descobrimos que a propriedade institucional amplifica a relação entre o FRC e a experiência em contabilidade do conselho (mas não entre o FRC e o
tamanho do conselho). Voltando ao Painel B, descobrimos que a propriedade institucional amplifica a relação entre o FRC e o tamanho do comitê de auditoria,
mas não a relação entre o FRC e a expertise do comitê de auditoria. No geral, esses resultados indicam que a propriedade institucional, pelo menos
parcialmente, aumenta a relação entre o FRC e a expertise contábil da empresa, mais uma vez, sugerindo que as empresas tentam mitigar os efeitos adversos
do alto FRC. Além disso, tomados em conjunto com outras descobertas, esses resultados fornecem evidências adicionais de que nossos principais resultados
não são motivados por variáveis omitidas que afetam independentemente tanto o FRC quanto a especialização em contabilidade do conselho.
6.3. Os efeitos da complexidade das normas contábeis versus o número de itens relatados na expertise contábil da empresa
Nossa medida FRC é calculada como uma soma das pontuações de complexidade de todos os itens monetários GAAP exclusivos relatados em um
relatório 10-K. Uma pontuação de complexidade para um determinado item é calculada como o comprimento das normas contábeis relacionadas à divulgação
desse item. Portanto, por construção, nossa medida está correlacionada com o número de itens relatados em um relatório 10-K. Na análise não tabulada, examinamos
246
Tabela 11
Experiência contábil, complexidade dos relatórios financeiros e propriedade institucional.
Painel A: experiência em contabilidade do conselho, complexidade dos relatórios financeiros e propriedade institucional.
(1) (2) (3)

Complexidade 1.984*** 0,040 0,004

(12.258) (0,315) (0,273)
HighInst 0,022 0,198*** 0,027***
(0,299) (3,497) (4,039)
HighInst × Complexidade ÿ0,093 0,253** 0,031**
(-0,552) (2.005) (2,147)
Controles Sim Sim Sim

0,359 0,567 0,154

** ***
*p < 0,10, p < 0,05, Painel B: p < 0,01.
experiência em contabilidade do comitê de auditoria, complexidade dos relatórios financeiros e propriedade institucional.
(1) (2) (3)
Complexidade 0,656*** 0,200*** 0,049***

(6,953) (2,834) (3,158)
HighInst 0,051 0,089** 0,017*
(0,772) (2.132) (1.876)
HighInst × Complexidade 0,404*** ÿ0,018 ÿ0,026
(2.695) (-0,201) (-1.420)
Controles Sim Sim Sim

R2 0,165 0,603 0,137
** ***
t estatísticas entre parênteses *p < 0,10, p < 0,05, p < 0,01. O Painel A mostra os coeficientes estimados das regressões OLS do conselho de administração
tamanho (BoardSize), número de especialistas em contabilidade no conselho (BoardNumAcc) e proporção de especialistas em contabilidade no conselho (BoardRatioAcc)
sobre a complexidade dos relatórios financeiros (Complexity), indicador de alta propriedade institucional ( HighInst) e sua interação (HighInst × Complexidade).
O Painel B mostra os coeficientes estimados das regressões OLS do tamanho do comitê de auditoria (ACSize), número de especialistas em contabilidade no comitê
(ACNumAcc) e proporção de especialistas em contabilidade no comitê (ACRatioAcc) na complexidade dos relatórios financeiros (Complexidade), indicador de alta
propriedade institucional (HighInst) e sua interação (HighInst × Complexidade). HighInst é uma variável fictícia que indica observações do ano da empresa com
propriedade institucional acima da mediana. Os modelos de regressão no Painel A (Painel B) incluem as mesmas variáveis de controle da Tabela 5 (6), mas seus
coeficientes estimados não são relatados. Todas as variáveis são definidas no Apêndice B. Os efeitos fixos da indústria e do ano estão incluídos em cada regressão,
mas não são relatados. As estatísticas relatadas são baseadas em erros padrão robustos e agrupamento no nível da empresa. Todos os valores de R2 são calculados
usando estatísticas de R2 ajustadas.
a importância relativa da complexidade oriunda das normas contábeis versus a complexidade oriunda do número de itens reportados. Especificamente,
em nossas principais regressões que examinam a relação entre FRC e perícia contábil (ver Eq. (2)), substituímos a variável Complexidade pelos
logaritmos naturais do número de itens contábeis GAAP relatados em um 10-K (GAAPConcepts) e o número de palavras em padrões contábeis
exclusivos que se relacionam com a divulgação desses itens (Ac cStandardsWords).23 Descobrimos que nossos resultados são atribuídos
principalmente à relativa complexidade dos padrões, AccStandardsWords, e não ao número de conceitos GAAP usados em finanças relatórios,
GAAPConcepts.
7. Conclusões
Vários estudos recentes encontraram variação significativa na complexidade dos relatórios financeiros (FRC) entre empresas e setores, e essa
variação está associada a resultados dispendiosos de relatórios financeiros (por exemplo, reformulações e deficiências de controle interno). Além disso,
pesquisas anteriores demonstram que a expertise contábil das empresas está relacionada aos relatórios financeiros. Essa evidência leva à questão de
saber se as empresas tentam gerenciar os efeitos adversos do FRC aumentando seus níveis de expertise contábil. Examinamos essa questão
construindo uma medida de FRC específica da empresa com base na complexidade dos padrões contábeis aplicáveis aos relatórios financeiros de uma
empresa e testando sua associação com vários proxies para o investimento de uma empresa em especialização contábil.
Achamos que o FRC está positivamente relacionado à experiência contábil no conselho de administração e no comitê de auditoria. O FRC também
está positivamente associado à incidência de deficiências de controle interno, reformulações e cartas de comentários da SEC. No entanto, altos níveis de
23
Para calcular AccStandardsWords, contamos palavras para cada referência única à norma contábil apenas uma vez, ou seja, se dois conceitos contábeis se
referem à mesma norma, incluímos essa norma apenas uma vez em nossa contagem de palavras.
247
a perícia contábil mitiga os efeitos do FRC para deficiências de controle interno e cartas de comentários da SEC, mas não para reformulações.
Nossos resultados são robustos a uma série de análises adicionais.
Observamos que nossas descobertas devem ser avaliadas considerando duas grandes ressalvas. Em primeiro lugar, fazemos o possível para mitigar o efeito
do erro de medição correlacionado em nossas proxies para FRC e perícia contábil, incluindo um conjunto abrangente de controles em nossos modelos de
regressão e conduzindo análises temporais e transversais. No entanto, não podemos descartar completamente essa possibilidade.
Em segundo lugar, as empresas fazem investimentos não observáveis em perícia contábil. Na medida em que existe uma correlação positiva entre a presença
de especialistas nas principais funções de relatórios financeiros e também no conselho, nossas descobertas podem subestimar o efeito do investimento da
empresa em especialização contábil.
Nossas descobertas combinadas sugerem que as empresas adquirem conhecimento contábil para reduzir os efeitos negativos do FRC. De forma mais
ampla, nosso estudo amplia nossa compreensão das consequências de padrões de relatórios complexos e o papel da perícia contábil nas empresas.
governança.
Reconhecimentos
Agradecemos a Wayne Guay (Editor), Daniel Taylor (Árbitro), Khrystyna Bochkay, Sam Bonsall, Rani Hoitash, Brian Miller, Matthew Phillips, Sundaresh
Ramnath, Michael Willenborg e aos participantes do seminário no Boston College, Chinese University of Hong Kong, Hong Kong University of Science and
Technology, Indiana University, Universidad de Chile, University of Washington, à Nick Dopuch Accounting Conference 2015 na Washington University em St.
Louis e à European Accounting Association Conference 2016 por seus comentários e sugestões úteis.
Apêndice A. Estimando a complexidade dos relatórios financeiros de itens contábeis individuais
Neste Apêndice, fornecemos dois exemplos de como calculamos a complexidade do relatório de itens contábeis individuais em 10-K
relatórios (Seções A.1 e A.2), bem como estatísticas descritivas sobre pontuações de complexidade de itens contábeis individuais (Seção A.3).
A1. Exemplo de complexidade de relatórios de caixa
O conceito XBRL GAAP mais comum usado para relatório descontar financeiro declarações é
“CashAndCashEquivalentsAtCarryingValue”.24 Abaixo está uma descrição parcial deste conceito conforme fornecido na XBRL Financial Reporting Taxonomy do
FASB.
Propriedade de valor
Nome CashAndCashEquivalentsAtCarryingValue Documentação

Quantidade de moeda em mãos, bem como depósitos à vista em bancos ou instituições financeiras. Inclui outros tipos de contas que têm o
características gerais dos depósitos à vista. Também inclui investimentos de curto prazo de alta liquidez, prontamente conversíveis em um montante conhecido de caixa e tão próximos de seu
vencimento que apresentam risco insignificante de mudança de valor devido a mudanças nas taxas de juros. Exclui caixa e equivalentes de caixa no grupo de alienação e operação descontinuada.
MonetárioItemType Instantâneo
Tipo de dados
Tipo de Período
Equilíbrio débito
Referências ASC 210.10-45.1(a), ASC 230.10-45.4, SX 210.5-02.1
Embora a taxonomia forneça documentação textual para cada conceito, geralmente é uma breve descrição do conceito e não capta bem sua complexidade.
Observe na tabela acima que CashAndCashEquivalentsAtCarryingValue é um item monetário (medido em dólares e centavos), tem um saldo normal de débito e
é medido em uma determinada data (em oposição a um intervalo de datas).
CashAndCashEquivalentsAtCarryingValue tem três referências a padrões e regulamentos na taxonomia, duas à Codificação de Padrões Contábeis do FASB e
uma ao Regulamento SX. O número total de palavras nessas referências é 281, e esse é o número que usamos para representar a complexidade do relatório
financeiro desse item. Abaixo, fornecemos o texto dessas referências e suas contagens de palavras.
ASC 210.10-45.1 (19 palavras)

Os ativos circulantes geralmente incluem todos os itens a seguir:
(a) Caixa disponível para operações correntes e itens equivalentes a caixa ASC 230.10-45.4
(84 palavras)
Uma demonstração dos fluxos de caixa deve explicar a mudança durante o período em caixa e equivalentes de caixa. A demonstração deve usar termos
descritivos, como caixa ou caixa e equivalentes de caixa, em vez de termos ambíguos, como fundos. Os valores totais de caixa e equivalentes de caixa no início
e no final do período mostrados na demonstração dos fluxos de caixa devem ser os mesmos que itens de linha com títulos semelhantes ou subtotais mostrados
nas demonstrações da posição financeira nessas datas.
SX 210.5-02.1 (178 palavras)
Dinheiro e itens de dinheiro. A divulgação separada deve ser feita do dinheiro e itens de dinheiro que são restritos quanto à retirada ou uso.
24
Aproximadamente, 95% das empresas públicas usam CashAndCashEquivalentsAtCarryingValue para relatar dinheiro. Outros conceitos populares para representar
cash são “Cash” e “CashAndDueFromBanks”.
248
As disposições de quaisquer restrições devem ser descritas em nota explicativa às demonstrações financeiras. As restrições podem incluir depósitos legalmente
restritos mantidos como saldos de compensação contra acordos de empréstimos de curto prazo, contratos firmados com terceiros ou declarações de intenção da
empresa com relação a depósitos específicos; no entanto, depósitos a prazo e certificados de depósito de curto prazo geralmente não são incluídos em depósitos
legalmente restritos. Nos casos em que existam acordos de compensação de saldos, mas não sejam acordos que restrinjam legalmente o uso de valores em dinheiro
mostrados no balanço, descreva nas notas às demonstrações financeiras esses acordos e o valor envolvido, se determinável, para o balanço patrimonial auditado mais
recente exigido e para qualquer balanço não auditado subseqüente exigido nas notas às demonstrações financeiras. Os saldos compensatórios mantidos por meio de
contrato de garantia de disponibilidade futura de crédito devem ser divulgados em nota explicativa, juntamente com o valor e os termos desse contrato.
A2. Exemplo de complexidade de relatórios de despesas com pensões
O item de linha de despesas com pensões geralmente é representado na Taxonomia de Relatórios Financeiros US GAAP do FASB por meio de “PensionExpense”
conceito. Este conceito é descrito na taxonomia da seguinte forma:
Propriedade Valor
Nome Despesas de pensão
Documentação O valor dos custos de benefícios de pensão reconhecidos durante o período para (1) planos de benefício definido e (2) planos de contribuição definida. Para planos de benefício definido, a despesa de pensão
inclui os seguintes componentes: custo do serviço, custo dos juros, retorno esperado sobre os ativos do plano, ganho (perda) sobre os ativos do plano, custo ou crédito do serviço anterior, ativo ou
obrigação de transição e ganho (perda) devido a acordos ou reduções. Para planos de contribuição definida, a despesa com pensões geralmente é igual à contribuição da empresa para as contas
dos empregados (se a empresa contribuir) durante o período. duração de tipo de item monetário
Tipo de dados
Tipo de período
Equilíbrio débito
Referências ASC 715.70-50.1, ASC 230.10-45.28, ASC 715.20-50.1
De acordo com a descrição acima, PensionExpense é um conceito monetário com saldo devedor normal e refere-se a um determinado intervalo de datas (por
exemplo, um ano fiscal). A taxonomia fornece três referências à Codificação de Normas Contábeis do FASB que totalizam 2.254 palavras de texto de normas. Observe
que isso é oito vezes o número de palavras nas referências de itens de caixa, sugerindo que a divulgação de despesas com pensões é muito mais complexa do que a
divulgação de dinheiro. Abaixo, fornecemos apenas textos parciais de referências de PensionsExpense devido a limitações de tamanho de texto.
ASC 715.70-50.1 (73 palavras)

Um empregador deve divulgar o valor do custo reconhecido para planos de pensão de contribuição definida e para outros planos de benefício pós-aposentadoria
de contribuição definida para todos os períodos apresentados separadamente do valor do custo reconhecido para planos de benefício definido. As divulgações devem
incluir uma descrição da natureza e efeito de quaisquer mudanças significativas durante o período que afetem a comparabilidade, como uma mudança na taxa de
contribuições do empregador, uma combinação de negócios ou um desinvestimento.
ASC 230.10-45.28 (335 palavras)
As entidades que optarem por não fornecer informações sobre as principais classes de recebimentos e pagamentos de caixa operacional pelo método direto,
conforme incentivado no parágrafo 230-10-45-25, devem determinar e relatar o mesmo valor para o fluxo de caixa líquido das atividades operacionais indiretamente,
ajustando o lucro líquido de uma entidade comercial ou alteração nos ativos líquidos de uma entidade sem fins lucrativos (NFP) para reconciliá-la com o fluxo de caixa
líquido das atividades operacionais (o método indireto ou de reconciliação). Isso requer o ajuste do lucro líquido de uma entidade comercial ou alteração nos ativos
líquidos de um NFP para remover ambos os itens a seguir:
(a) Os efeitos de todos os diferimentos de recebimentos e pagamentos de caixa operacionais passados, tais como mudanças durante o período em estoque, renda
diferida e similares, e todos os acréscimos de recebimentos e pagamentos de caixa operacionais futuros esperados, tais como mudanças durante o período em contas
a receber e a pagar. Ajustes no lucro líquido de uma entidade comercial ou alteração nos ativos líquidos de um NFP para determinar o fluxo de caixa líquido das
atividades operacionais devem refletir provisões para juros ganhos, mas não recebidos, e juros incorridos, mas não pagos. Essas provisões podem ser refletidas na
demonstração da posição financeira em mudanças nos ativos e passivos relacionados a atividades de investimento ou financiamento, como empréstimos ou depósitos.
No entanto, os juros creditados diretamente em uma conta de depósito que tem as características gerais de caixa são uma saída de caixa do pagador e uma entrada
de caixa do beneficiário quando o lançamento é feito (b) Todos os itens incluídos no resultado líquido que não
afetam caixa líquido fornecido ou usado para atividades operacionais, como depreciação de bens, instalações e equipamentos e amortização de ativos intangíveis
de vida finita. Isso inclui todos os itens cujos efeitos de caixa estão relacionados a fluxos de caixa de investimento ou financiamento, como ganhos ou perdas na venda
de ativos imobilizados e operações descontinuadas (relacionadas a atividades de investimento) e ganhos ou perdas na extinção de dívidas ( que se relacionam com
atividades de financiamento).
ASC 715.20-50.1 (1846 palavras)

Um empregador que patrocina um ou mais planos de pensão de benefício definido ou um ou mais planos de benefícios definidos pós-aposentadoria deve fornecer
as seguintes informações, separadamente para planos de pensão e outros planos de benefícios pós-aposentadoria. Os valores relacionados aos resultados das
operações do empregador devem ser divulgados para cada período para o qual uma demonstração do resultado é apresentada. Os valores relativos à demonstração
da posição financeira do empregador devem ser divulgados na data de cada demonstração da posição financeira apresentada. Todos os itens a seguir devem ser
divulgados... [o texto completo não é fornecido devido a restrições de tamanho do texto]
249
A3. Estatísticas descritivas e exemplos de conceitos GAAP
Nossa medida de complexidade de relatórios financeiros é uma pontuação agregada (o logaritmo da soma) de pontuações de complexidade de
itens contábeis individuais relatados em um 10-K. Estimamos a complexidade de cada item contábil GAAP relatado em um 10-K como o número de
palavras na Codificação de Padrões Contábeis (ASC) do FASB e no Regulamento SX da SEC que regem a divulgação deste item. Nesta seção,
fornecemos estatísticas descritivas e exemplos relacionados à complexidade do relatório de itens contábeis individuais (em oposição ao agregado,
nível 10-K).
Abaixo, fornecemos estatísticas descritivas sobre pontuações de complexidade (número de palavras, sentenças e referências a contabilidade stan
dards) usando uma amostra de 5576 itens GAAP monetários únicos definidos nesta taxonomia:
Variável Significar Std Dev. mín. 1% 25% Mediana 75% 99% máx.
Palavras 185 264 3 4 61 117 239 1072 6134
Frases 7 11 1 1 3 5 9 34 250
Referências 5 6 1 1 2 3 5 23 141
O gráfico a seguir ilustra a distribuição do número de palavras nas normas contábeis relacionadas à divulgação dos itens contábeis.
Finalmente, a tabela abaixo mostra dez exemplos de itens contábeis (conceitos monetários no FASB's XBRL Financial Reporting
Taxonomia) com pontuações de complexidade alta, média e baixa:
Conceito Monetário GAAP Palavras Sentenças Referências 250

Depreciação, Esgotamento, Amortização e Depreciação de Propriedades de Petróleo e Gás 6134 141
Planos de Plano de Benefício Definido com Obrigações Acumuladas Excedendo os Ativos do Plano, Acumulação Agregada 4836 119 3
Obrigação de Benefício ulado
Planos de Plano de Benefício Definido com Obrigações Acumuladas Excedendo os Ativos do Plano, Valor Justo Agregado 4836 119 3
de Ativos do Plano
Planos de Planos de Benefício Definido com Obrigações Acumuladas Excedendo os Ativos do Plano, Agregados Projetados 4836 119 3
Obrigação de benefício
Títulos mantidos até o vencimento, restritos 3302 123 83
Aumento/Redução em Títulos e Valores Mobiliários, Restrito 3250 113 73
Lucro/Perda de Operações Contínuas antes de Impostos de Renda, Itens Extraordinários e Não Contínuos 3249 109 70
Interesse de trollagem
Contratos de revenda, valores de final de período excluindo efeitos de contratos relatados líquidos pela contraparte 3157 106 68
Terrenos e Benfeitorias 3106 168 104
Pedidos de alteração não faturados, valor esperado a ser cobrado em um ano 2933 162 100
Custos Diferidos Leasing, Bruto 117 11 11
Arrendamentos Operacionais, Demonstração de Resultados Custos Diretos Iniciais 117 11 11
Lucros retidos, apropriados 117 11 9
Títulos negociáveis, ganhos/perdas realizados 117 7 6
Concentração de Valor Justo dos Prêmios de Risco a Receber 117 9 5
Estimativa de Valor Justo Não Praticável Prêmios, Recebíveis 117 9 5
Prêmios a receber pelo valor contábil 117 9 5
Divulgação do Valor Justo dos Prêmios a Receber 117 9 5
Juros pagos 117 5 3
Juros pagos, capitalizados 117 5 3
Salários e remunerações 5 1 1
Comissões e taxas de vendas 5 1 1
Despesa de venda 5 1 1
250
Despesas de viagem e entretenimento 5 1 1

Efeitos de ganhos/perdas de participação não realizados sobre o valor presente dos lucros futuros de seguros 4 1 1
Lucro/Perda Incluindo Parcela Atribuível à Participação Não Controladora 4 1 1
Comissões de Seguros 4 1 1
Despesas de Juros, Títulos de Capital 4 1 1
Despesas de Juros, Papel Comercial 4 1 1
Despesas de Juros, Debêntures Subordinadas Júnior 4 1 1
Apêndice B. Definições de variáveis
Variável Definição Fonte

Complexidade Medida de complexidade de relatórios financeiros definida como o logaritmo natural do número de palavras no texto no ASC do FASB e no EDGAR, FASB, SEC
Regulamento SX da SEC que regulam a divulgação de itens relatados no 10-K de uma empresa, winsorized em 1% e 99%.
A taxonomia de relatórios financeiros XBRL do FASB é usada para associar itens específicos aos padrões e regulamentos contábeis relevantes. A
variável é ajustada pela média por setor e ano (ano da taxonomia XBRL).
BoardSize Número de membros do conselho de administração. BoardEx
BoardNumAcc Número de especialistas em contabilidade no conselho de administração, onde o especialista em contabilidade é um membro do conselho com pelo menos BoardEx
uma das seguintes qualificações: possui um CPA (ou certificação semelhante) ou foi empregado como auditor, profissional tributário,
financeiro controlador, tesoureiro ou CFO.
BoardRatioAcc Número relativo (fração) de peritos contábeis no conselho de administração. Definido como BoardNumAcc dividido por BoardSize. BoardEx
BoardRatioIndep Número relativo (fração) de membros independentes no conselho de administração. BoardEx

ACSize Número de membros do comitê de auditoria. BoardEx
ACNumAcc
Número de especialistas em contabilidade no comitê de auditoria, onde o especialista em contabilidade é um indivíduo com uma das seguintes qualificações: BoardEx
possui um CPA (ou certificação semelhante) ou foi empregado como auditor, especialista em impostos, controlador financeiro, tesoureiro ou
DIRETOR FINANCEIRO.
ACRatioAcc Número relativo (fração) de peritos contábeis no conselho fiscal. Definido como ACNumAcc dividido por ACSize. Indicador BoardEx que é igual a um se houver
ICW uma divulgação de fraqueza material no ano fiscal atual. Audit Analytics
Correção Indicador que equivale a um se a empresa emitiu uma correção contábil relacionada ao exercício fiscal atual. Variável do
SEC_CL indicador de análise de auditoria que é igual a um se uma empresa recebeu uma carta de comentário da SEC no ano fiscal atual. Audit Analytics
NumBus Logaritmo natural de um mais o número de segmentos de negócios em que uma empresa opera. COMPUSTAT
NumGeo Logaritmo natural de um mais o número de segmentos geográficos em que uma empresa opera. COMPUSTAT
Tamanho
Logaritmo natural de um mais o valor das vendas, winsorizado em 1% e 99%. COMPUSTAT
Aproveitar Dívida corrente e de longo prazo dimensionada pelos ativos totais do início do ano, winsorizada em 1% e 99%. COMPUSTAT
ROA Lucros antes de itens extraordinários escalados pelos ativos totais do início do ano, winsorizados em 1% e 99%. COMPUSTAT
BTT Valor de mercado do patrimônio mais o valor contábil do passivo dividido pelos ativos totais do início do ano, winsorizados em 1% e 99%. COMPUSTAT
Acréscimos Acréscimos calculados usando fluxos de caixa das operações. Definido como receita antes de itens extraordinários menos receita de ativos totais COMPUSTAT
escalados de atividades operacionais, winsorized em 1% e 99%.
EarnVol Desvio padrão dos rendimentos escalonados pelo total de ativos calculados nos últimos cinco anos. É necessário um mínimo de três anos de COMPUSTAT
informações de ganhos, winsorized em 1% e 99%.
Estrangeiro Indicador igual a um se a empresa tiver operações no exterior. COMPUSTAT
Perda Indicador que equivale a um se uma empresa teve prejuízo no ano corrente ou no ano anterior. COMPUSTAT
Reestruturar Indicador que equivale a um se houver um evento de reestruturação. COMPUSTAT
litigioso Variável indicadora igual a um se uma empresa opera em um setor contencioso (uma empresa com código SIC 1) entre 2833 e 2836, 2) entre 3570 COMPUSTAT
e 3577, 3) entre 3600 e 3674 ou 4) entre 5200 e 5961, ou 5) igual a 7370).
GrandeAuditor Indicador igual a um se o auditor da empresa for uma firma “big four”. Análise de auditoria
SndTierAuditor Indicador igual a um se o auditor da empresa for uma empresa de “segundo nível” (por exemplo, BDO, Crowe Horwath, Grant Thornton, Análise de auditoria
McGladrey & Pullen).
FirmAge Logaritmo natural de um mais o número de anos que uma empresa está coberta pelo COMPUSTAT. COMPUSTAT
Crescimento Mudança relativa nas vendas totais em relação ao ano anterior. Definido como o total de vendas deste ano dividido pelo total de vendas do ano COMPUSTAT
anterior menos um, winsorizado em 1% e 99%.
Valor de mercado Logaritmo natural da capitalização de mercado, calculado como o número de ações em circulação multiplicado pelo preço da ação no final do COMPUSTAT
exercício fiscal, winsorizado em 1% e 99%.
Risco de Falência Classificação do decil do risco de falência calculado usando o escore Z de Altman como em (Altman, 1968). Valores mais altos (próximos de 10) COMPUSTAT
indicam observações firmes que provavelmente estarão em dificuldades financeiras.
RestructCharge A soma dos encargos de reestruturação dos anos atual e anterior escalados pela capitalização de mercado da empresa (MarketCap), COMPUSTAT
winsorized em 1% e 99%.
ExtFinancing A soma do financiamento de capital e dívida dimensionada pelo total de ativos medidos no final do próximo ano fiscal (seguindo Cassell et al. (2013) COMPUSTAT
e Ettredge et al. (2011)). O financiamento de capital é calculado como as vendas menos a compra de ações ordinárias e preferenciais e menos
dividendos. O financiamento da dívida é calculado como a dívida de longo prazo emitida menos a dívida de curto prazo reduzida e menos a
variação da dívida atual. A variável é winsorizada a 1% e 99%.
CFOTure O logaritmo natural do mandato do CFO (em anos), em que o mandato do CFO é a diferença anual entre o ano atual e o ano de nomeação do CFO. ExecuComp
CEO Posse O logaritmo natural do mandato do CEO (em anos), em que o mandato do CEO é a diferença anual entre o ano atual e o ano de nomeação do CEO. ExecuComp
CEOChairman Indicador igual a um, caso o CEO seja o presidente do conselho de administração. ExecuComp
251
Referências
Abbott, LJ, Parker, S., Peters, GF, 2004. Características e reformulações do comitê de auditoria. Auditoria 23 (1), 69-87.
Agrawal, A., Chadha, S., 2005. Governança corporativa e escândalos contábeis. J. Law Econ. 48 (2), 371–406.
Altman, EI, 1968. Índices financeiros, análise discriminante e previsão de falência corporativa. J. Finanças 23 (4), 589–609.
Asay, HS, Libby, R., Rennekamp, K., 2018. Desempenho da empresa, metas de relatórios e escolhas de linguagem em divulgações narrativas. Conta J. Econ. 65 (2–3), 380–398.
Badolato, PG, Donelson, DC, Ege, M., 2014. Expertise financeira do comitê de auditoria e gerenciamento de resultados: o papel do status. Conta J. Econ. 58 (2–3), 208–230.
https://doi.org/10.1016/j.jacceco.2014.08.006. http://www.sciencedirect.com/science/article/pii/S0165410114000470
Bloomfield, R., 2008. Discussão sobre “Legibilidade do relatório anual, ganhos atuais e persistência dos ganhos”. Conta J. Econ. 45 (2–3), 248–252.
Bonsall, SB, Leone, AJ, Miller, BP, Rennekamp, K., 2017. Uma medida simples em inglês de legibilidade de relatórios financeiros. Conta J. Econ. 63 (2), 329–357.
Boone, AL, Casares Field, L., Karpoff, JM, Raheja, CG, 2007. Os determinantes do tamanho e composição do conselho corporativo: uma análise empírica. J. Financ. Econ. 85
(1), 66–101. https://doi.org/10.1016/j.jfineco.2006.05.004. http://www.sciencedirect.com/science/article/pii/S0304405X07000311 Bryan, DM, Liu, C., Tiras, SL,
2004. The Influence of Independent and Effective Audit Committees on Earnings Quality. SSRN Working Paper Series Bushee, BJ, Gow, ID, Taylor, DJ, 2018. Complexidade linguística
em divulgações de empresas: ofuscação ou informação? Conta J. Res. 56 (1), 85–121.
Bushman, R., Chen, Q., Engel, E., Smith, A., 2004. Informação contábil financeira, complexidade organizacional e sistemas de governança corporativa. Conta J. Econ.
37 (2), 167–201. https://doi.org/10.1016/j.jacceco.2003.09.005. http://linkinghub.elsevier.com/retrieve/pii/S0165410103000697
Cameron, AC, Gelbach, JB, Miller, DL, 2008. Melhorias baseadas em Bootstrap para inferência com erros agrupados. Rev. Econ. Estado. 90 (3), 414–427. https://doi.org/
10.1162/rest.90.3.414. http://www.mitpressjournals.org/doi/abs/10.1162/rest.90.3.414
Cassell, CA, Dreher, LM, Myers, LA, 2013. Revisão do processo de revisão da SEC: 10 mil cartas de comentários e o custo da correção. Conta. Rev. 88 (6), 1875–1908. https://doi.org/10.2308/
accr-50538.
Chen, S., Miao, B., Shevlin, T., 2015. Uma nova medida de qualidade de divulgação: o nível de desagregação de dados contábeis em relatórios anuais. Conta J. Res. 53 (5),
1017–1054.
Chen, X., Harford, J., Li, K., 2007. Monitoramento: quais instituições importam? J. Financ. Econ. 86 (2), 279–305.
Cheng, S., 2008. Tamanho do conselho e a variabilidade do desempenho corporativo. J. Financ. Econ. 87 (1), 157–176.
Chung, KH, Zhang, H., 2011. Os efeitos da complexidade dos relatórios na negociação de pequenos e grandes investidores. J. Financ. Quant. Anal. 46 (1), 247–273. https://doi.org/10.
1017/S0022109010000682
Cohen, JR, Hoitash, U., Krishnamoorthy, G., Wright, AM, 2014. O efeito da experiência do comitê de auditoria no monitoramento do processo de relatórios financeiros.
Conta. Rev. 89 (1), 243–273. https://doi.org/10.2308/accr-50585.
Coles, J., Daniel, N., Naveen, L., 2008. Board: one size fit all? J. Financ. Econ. 87 (2), 329–356. https://doi.org/10.1016/j.jfineco.2006.08.008. http://www.
sciencedirect.com/science/article/pii/S0304405X07001821
Comissão, S., Exchange, 1998. Um manual simples em inglês: como criar documentos de divulgação claros da SEC. Gabinete de Educação e Apoio ao Investidor.
Dechow, PM, Dichev, ID, 2002. A qualidade dos acréscimos e ganhos: o papel dos erros de estimativa de competência. Conta. Rev. 77, 35–59. https://doi.org/10.2308/accr. 2002.77.s-1.61. http://
aaajournals.org/doi/abs/10.2308/accr.2002.77.s-1.61 DeFond, ML, Hann, RN, Xuesong, HU,
Engel, E., 2005. O mercado valoriza a expertise financeira em comitês de auditoria de conselhos de administração? Conta J. Res. 43
(2), 153–204. https://doi.org/10.1111/j.1475-679x.2005.00166.x.
DeFond, ML, Raghunandan, K., Subramanyam, KR, 2002. Os honorários de serviços não relacionados à auditoria prejudicam a independência do auditor? Evidências de pareceres de auditoria de continuidade operacional. j.
Conta. Res. 40 (4), 1247-1274.
Doyle, J., Ge, W., McVay, S., 2007. Qualidade de provisões e controle interno sobre relatórios financeiros. Conta. Rev. 82 (5), 1141–1170.
Doyle, J., Ge, W., McVay, S., 2007. Determinantes das deficiências no controle interno sobre relatórios financeiros. Conta J. Econ. 44 (1–2), 193–223. https://doi.org/10.
1016/j.jacceco.2006.10.003. http://linkinghub.elsevier.com/retrieve/pii/S0165410106000905
Dyer, T., Lang, M., Stice-Lawrence, L., 2017. A evolução da revelação textual 10-K: evidências da alocação latente de Dirichlet. Conta J. Econ. 64 (2), 221–245.
Erkens, DH, Bonner, SE, 2013. O papel do status da empresa nas nomeações de especialistas financeiros contábeis para comitês de auditoria. Conta. Rev. 88 (1), 107–136. https://
doi.org/10.2308/accr-50261. http://aaajournals.org/doi/abs/10.2308/accr-50261
Ettredge, M., Johnstone, K., Stone, M., Wang, Q., 2011. Os efeitos do tamanho da empresa, qualidade da governança corporativa e más notícias sobre a conformidade com a divulgação. Rev. Conta.
Viga. 16 (4), 866–889.
Conselho de Normas de Contabilidade Financeira, 2009. Estrutura de divulgação. http://www.fasb.org/jsp/FASB/FASBContent_C/ProjectUpdatePage&cid=1176156344894 Conselho de Normas
de Contabilidade Financeira., 2013. Observações de Russell G. Golden, Presidente, Conselho de Normas de Contabilidade Financeira, Conferência AICPA sobre Desenvolvimentos Atuais da SEC e
PCAOB, Washington, DC. http://www.fasb.org/cs/ContentServer?c=Document_C&pagename=FASB%2FDocument_C%2FDocumentPage&cid= 1176163675405.
Filzen, JJ, Peterson, K., 2015. Complexidade das demonstrações financeiras e atendimento das expectativas dos analistas. Contemp. Conta. Res. 32 (4), 1560–1594.
Guay, W., Samuels, D., Taylor, D., 2016. Orientando através do nevoeiro: complexidade das demonstrações financeiras e divulgação voluntária. Conta J. Econ. 62 (2), 234–269.
Hennes, KM, Leone, AJ, Miller, BP, 2008. A importância de distinguir erros de irregularidades na pesquisa de reapresentação: o caso de reapresentações e rotatividade de CEO/CFO. Conta. Rev. 83
(6), 1487–1519.
Hoitash, R., Hoitash, U., 2018. Medindo a complexidade dos relatórios contábeis com XBRL. Conta. Rev. 93 (1), 259–287.
Klein, A., 1998. Desempenho da empresa e estrutura do comitê do conselho. J. Law Econ. 41 (1), 275–304.
Kole, SR, Lehn, KM, 1999. Desregulamentação e adoção de estrutura de governança: o caso da indústria aérea americana. J. Financ. Econ. 52 (1), 79–117.
Krishnan, J., Lee, JE, 2009. Expertise financeira do comitê de auditoria, risco de litígio e governança corporativa. Auditoria 28 (1), 241–261.
Krishnan, J., Wen, Y., Zhao, W., 2011. Experiência jurídica em comitês de auditoria corporativa e qualidade de relatórios financeiros. Conta. Rev. 86 (6), 2099–2130. https://doi. org/10.2308/
accr-10135. http://aaajournals.org/doi/abs/10.2308/accr-10135
Lawrence, A., 2013. Investidores individuais e divulgação financeira. Conta J. Econ. 56 (1), 130–147.
Lehavy, R., Li, F., Merkley, K., 2011. O efeito da legibilidade do relatório anual sobre o acompanhamento dos analistas e as propriedades de suas previsões de ganhos. Conta. Rev. 86 (3),
1087–1115. https://doi.org/10.2308/accr.00000043. http://aaajournals.org/doi/abs/10.2308/accr.00000043
Li, F., 2008. Legibilidade do relatório anual, ganhos atuais e persistência dos ganhos. Conta J. Econ. 45 (2), 221–247. https://doi.org/10.1016/j.jacceco.2008.02.003. http://www.sciencedirect.com/
science/article/pii/S0165410108000141 Linck, J., Netter, J., Yang, T., 2008. Os
determinantes da estrutura do conselho. J. Financ. Econ. 87 (2), 308–328. https://doi.org/10.1016/j.jfineco.2007.03.004. http://
www.sciencedirect.com/science/article/pii/S0304405X0700181X
Lo, K., Ramos, F., Rogo, R., 2017. Gestão de resultados e legibilidade do relatório anual. Conta J. Econ. 63 (1), 1–25.
Madsen, PE, 2011. Quão padronizada é a contabilidade? Conta. Rev. 86 (5), 1679–1708. https://doi.org/10.2308/accr-10102.
Miller, BP, 2010. Os efeitos da complexidade dos relatórios na negociação de pequenos e grandes investidores. Conta. Rev. 85 (6), 2107–2143. https://doi.org/10.2308/accr.00000001.
http://aaajournals.org/doi/abs/10.2308/accr.00000001
Oxford University Press, 2018. Oxford English Dictionary. sv “especialista” http://www.oed.com/view/Entry/66551
252
Peterson, K., 2012. Complexidade contábil, relatórios incorretos e as consequências dos relatórios incorretos. Rev. Conta. Viga. 17 (1), 72-95. https://doi.org/10.1007/s11142-
011-9164-5. http://link.springer.com/10.1007/s11142-011-9164-5
Securities and Exchange Commission, 2008. Relatório Final do Comitê Consultivo sobre Melhorias nos Relatórios Financeiros para a SEC dos EUA. Discurso da SEC
Comissária, Cynthia A. Glassman. http://www.sec.gov/about/offices/oca/acifr/acifr-finalreport.pdf Securities and
Exchange Commission, 2006. Complexidade em relatórios financeiros e regulamentação de divulgação. https://www.sec.gov/news/speech/2006/spch060806cag.
htm
You, H., Zhang, XJJ, 2009. Complexidade de relatórios financeiros e reação insuficiente do investidor às informações de 10-k. Rev. Conta. Viga. 14 (4), 559–586. https://doi.org/
10.1007/s11142-008-9083-2. http://link.springer.com/10.1007/s11142-008-9083-2
253

1 s2.0 S0165410118301101 Main

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

1 s2.0 S0165410118301101 Main

Enviado por

Direitos autorais:

Formatos disponíveis

Machine Translated by Google

Journal of Accounting and Economics 67 (2019) 226–253

Listas de conteúdos disponíveis em ScienceDirect

Revista de Contabilidade e Economia

Complexidade dos padrões de relatórios financeiros e perícia contábil

Roman Chychylaa , Andrew

INFORMAÇÕES DO ARTIGO ABSTRATO

R. Chychyla et ai. Journal of Accounting and Economics 67 (2019) 226–253

relatórios financeiros (por exemplo, Li, 2008; Lo et al., 2017).

R. Chychyla et ai. Journal of Accounting and Economics 67 (2019) 226–253

2. Antecedentes e literatura relacionada

2.1. Complexidade dos relatórios financeiros e seus efeitos adversos

R. Chychyla et ai. Journal of Accounting and Economics 67 (2019) 226–253

2.2. Fontes de complexidade de relatórios financeiros

2.3. Complexidade de relatórios financeiros e expertise contábil

R. Chychyla et ai. Journal of Accounting and Economics 67 (2019) 226–253

2.4. Medidas de complexidade de relatórios financeiros

3.1. Medindo a complexidade dos relatórios financeiros

R. Chychyla et ai. Journal of Accounting and Economics 67 (2019) 226–253

3.2. Modelo de determinantes para FRC

R. Chychyla et ai. Journal of Accounting and Economics 67 (2019) 226–253

3.3. Medindo a experiência contábil da empresa

3.4. Modelos para FRC e perícia contábil da empresa

+ Perda +,i t 12 Reestruture - o 13 , + 14 Aquisição ,

+ 15 litigioso eu + 16 GrandeAuditor + 17 FirmAge isto

Variável dependenteisto =+ Complexidade

R. Chychyla et ai. Journal of Accounting and Economics 67 (2019) 226–253

SEC _CL i t, =+0 1 Complexidade

+ Reestruturar + 14, i t 15 Aquisição eu

+ 1 IndustryFixedEffects + 2 YearFixedEffects + isto, , (4)

4. Dados, seleção de amostras e estatísticas descritivas

4.1. Seleção de dados e amostras

4.2. Estatísticas descritivas

R. Chychyla et ai. Journal of Accounting and Economics 67 (2019) 226–253

A amostra abrange o período de 2011-2014.

Painel A: Complexidade do relatório financeiro e variáveis características da empresa.

Significar Padrão Dev. Q1 Mediana Q3

Complexidade 0,02 0,39 ÿ0,21 0,00 0,24

Aproveitar 0,27 0,54 0,01 0,19 0,37

Estrangeiro 0,35 0,48 0,00 0,00 1,00

Aquisição 0,48 0,50 0,00 0,00 1,00

litigioso 0,29 0,45 0,00 0,00 1,00

GrandeAuditor 0,74 0,44 0,00 1,00 1,00

FirmAge 3.08 0,62 2.71 3,00 3,50

Valor de mercado 6.53 2.18 5.08 6.62 8.05

Risco de Falência 5,50 2.87 3,00 6,00 8h00

RestructCharge ÿ0,01 0,02 ÿ0,00 0,00 0,00

ExtFinancing 0,03 0,29 ÿ0,06 ÿ0,01 0,04

Painel B: Experiência contábil e variáveis de resultados de relatórios financeiros.

SEC_CL 0,43 0,49 0,00 0,00 1,00

R. Chychyla et ai. Journal of Accounting and Economics 67 (2019) 226–253

5.1. Associação entre FRC e características da empresa

5.2. FRC e experiência em contabilidade do conselho

R. Chychyla et ai. Journal of Accounting and Economics 67 (2019) 226–253

Painel A: complexidade dos relatórios financeiros e características da empresa. Matriz de correlação.

(1) (2) (3) (4) (5) (6) (7) (8)

(1) Complexidade 1,00

(5) Alavancagem 0,01 ÿ0,02** ÿ0,09*** 0,02** 1,00 0,29***

(13) Aquisição 0,32*** 0,13*** 0,20*** 0,04*** ÿ0,05*** 0,05***

(9) (10) (11) (12) (13) (14) (15)

(9) EarnVol 1,00

(10) Estrangeiro ÿ0,05*** 1,00

(13) Aquisição ÿ0,08*** 0,10*** ÿ0,22*** 0,21*** 1,00

(5) Alavancagem 0,01 ÿ0,02 ÿ0,09* 0,02 1,00 0,29*

(13) Aquisição 0,32* 0,13* 0,20* 0,04* ÿ0,05* 0,05*

(13) Aquisição ÿ0,08* 0,10* ÿ0,22* 0,21* 1,00

(14) Litigioso 0,06* ÿ0,05* 0,17* ÿ0,03* ÿ0,08*** 1,00

(15) BigAuditor ÿ0,10* 0,10* ÿ0,21* 0,19* 0,20*** ÿ0,02* 1,00

(16) FirmAge ÿ0,12* 0,03* ÿ0,30* 0,17* 0,09* ÿ0,17* 0,12***

Complexidade 0,098* 0,059* 0,124***

10KComprimento 0,040* 0,028 0,083** 0,070*

Névoa 0,004* 0,003 0,014* 0,013*

Complexidade 0,116* 0,055* 0,185***

10KComprimento 0,005 ÿ0,009 0,207* 0,188*

Névoa 0,000 ÿ0,001 0,020* 0,019

Complexidade 0,015 0,032* 0,029***

Complexidade 0,051* 0,050* 0,047***

Complexidade 0,071 0,106* 0,105***

ÿComplexidade 0,624* 0,438* 0,023 0,031