Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !

"#$"

Estatsticas no auxlio anlise de demonstraes contbeis (texto em elaborao)

Introduo Tenho ouvido, em perodos recentes, reclamaes generalizadas de alunos que gostariam de ver o uso da estatstica no mbito da contabilidade. Muito dessas reclamaes procedem, pois os alunos viam exemplos de estatsticas com algo prximo do que poderia se ver em empresas m!dia de idade de trabalhadores, propor"o de trabalhadores por sexo, sal#rios m!dios e sal#rios m#ximo e mnimo dos trabalhadores da empresa etc.$, sem contudo, ver exemplos direcionados a questes cont#beis. %inda para re&orar o estado de coisas narrado, a disciplina de estatstica coincide com a &ase inicial do curso, aliada a pouca viv'ncia que alguns pro&essores teriam com a mat!ria cont#bil. Tais &atos podem ter sido o &ormadores de um ambiente propcio para a gera"o de insatis&a"o ou desencanto com o uso da mat!ria. (o mbito da )*+,, sempre procurei &alar com pro&essores que vinham lecionar estatstica no curso de ci'ncias cont#beis, para que eles trouxessem os exemplos para o contexto empresarial, e quando possvel utilizassem alguma mensura"o cont#bil. -om a re&orma curricular &oram introduzidas as disciplinas de m!todos quantitativos e contabilometria para&raseando econometria$. % primeira consolidaria assuntos de matem#tica de ensino m!dio, com c#lculo in&initesimal com 'n&ase na abordagem &uncional, &azendo algumas introdues ao mundo da estatstica. % segunda daria mais 'n&ase estudos que se voltassem para an#lise de dados, com regresses simples e m.ltiplas. ,sta re&orma, &ez com que se consolidasse a disciplina de contabilometria, que a meu ver deveria se chamar -/(T%012M,T31%, &azendo com que disciplinas como an#lise de demonstraes cont#beis e an#lise de custos pudessem ser ministradas com maior 'n&ase em conhecimentos estatsticos, o que de &ato viria a acontecer. %qui no 0rasil alguns autores, por volta dos idos da d!cada de 45 tentaram &azer uso da estatstica em seus livros de contabilidade gerencial, a exemplo do livro do +ro&essor 6!rgio de 1udcibus com o ttulo -ontabilidade 7erencial, editado pela %T2%6 em 894:. (ele ;# havia aplicaes de regresses para estimativa de custos, programa"o linear para escolha de mix timo na produ"o e c#lculo de tamanho de amostra para &ins de auditoria. %demais podemos in&ormar aos alunos que muito se tem escrito sobre uso da estatstica no auxlio < tomada de decis"o e na #rea de &inanas. 1sto ;# acontece h# alguns anos e muitas das publicaes v'm com os textos voltados para economia, contabilidade e administra"o.

Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !"#$"

(o mundo das &inanas a estatstica ! bem utilizada para mensura"o de risco ou retorno, dentre outras aplicaes. )samos estatstica desde a simples criaes de tabelas e gr#&icos com in&ormaes cont#beis, como c#lculos de medidas de posi"o e dispers"o at! uso de modelos para testar hipteses e &azer previses sobre comportamento de vari#veis estudadas. ,m auditoria o pro&issional pode &azer uso do c#lculo do tamanho da amostra, ideal para possibilitar ao auditor &azer seus testes de con&ormidade. 1nvestigaes estatsticas podem auxiliar o processo decisrio, n"o s com o simples conte.do in&ormacional da estatstica descritiva, bem como da estatstica in&erencial. / analista com dados de um grupo de empresas ! capaz de calcular medidas simples como a m!dia, a moda, a mediana, o desvio=padr"o, outras separatrizes como decs, percents etc., estatsticas estas inseridas no mundo da estatstica descritiva. -om dados amostrais, ! possvel tamb!m se &azer algumas in&er'ncias estatsticas, comparando comportamento de dados de empresas ao longo do tempo, ou &azendo=se um corte de indicadores de grupos de empresas ao longo de dois intervalos de tempo, ou &azendo uso de an#lise discriminante entre dois grupos de empresas, como as solventes e insolventes. Separatrizes e algumas medidas de posio %s separatrizes, como o prprio nome dar uma id!ia, estuda como um rol de dados estatsticos pode ser mensurado em partes separadas$, ou melhor, como esses dados ao serem ordenados podem ser separados para dar in&ormaes a respeito da posi"o de um deles em rela"o ao con;unto rol$. ,m an#lise de demonstraes cont#beis podemos utilizar essas medidas para ordenar posies de indicadores cont#beis como ndice de liquidez corrente, ndice de rentabilidade do patrim>nio lquido, tentando investigar qual a posi"o de um desses indicadores em rela"o ao con;unto de indicadores de empresas selecionadas numa dada amostra estatstica. 6e tiv!ssemos a in&orma"o da popula"o de empresas, tal estatstica separatrizes$ tamb!m poderia ser utilizada. ,xemplo? -onsidere os dados de parte das empresas pesquisadas por um grupo de alunos do semestre @588.@ desta disciplina. (a tabela do lado esquerdo est"o apresentados os dados brutos e de &orma desordenada, e na tabela do lado direito, tais dados ;# aparecem num rol, do maior

Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !"#$"

ndice de liquidez corrente ao menor ndice de liquidez corrente daquele grupo de empresas.
E M P R E SA S
SOUZA CRUZ S.A. TEKNO S.A. VICUNHA TXTIL S.A. SCHULZ S.A. TECNISA S.A. TUPY S.A. SANSUY S.A. S!O "ARTINHO S.A. VALE #ERTILIZANTES S.A. ITAUTEC S.A. SARAIVA S.A. SUZANO PAPEL E CELULOSE S.A. TECTOY S.A. SPRIN$ER S.A. $%& L'()*+ A,-.*+ P*/0. ".(%+ $0*-*-*1.+ 2.*(+ 324 2010 5IN6IVI6UAL #OR2AS TAURUS 2010 5 CONTROLA6ORA KARSTEN 2010 5 CONTROLA6ORA LC 1,442 6,901 1,183 1,981 0,480 0,95 1,861 0,5 6 1,042 2,410 2,949 2,584 1,258 2,353 3,296 1,088 3, 12 1, 44 2,069 0,941

Ponto 2 17 15 11 12 10 14 19 4 7 18 1 13 3 16 9 6 20 8 5

LC Ordem Porcentagem 6,901 1 100,00% 3,712 2 94,70% 3,296 3 89,40% 2,949 4 84,20% 2,584 5 78,90% 2,410 6 73,60% 2,353 7 68,40% 2,069 8 63,10% 1,981 9 57,80% 1,861 10 52,60% 1,744 11 47,30% 1,442 12 42,10% 1,258 13 36,80% 1,183 14 31,50% 1,088 15 26,30% 1,042 16 21,00% 0,957 17 15,70% 0,941 18 10,50% 0,576 19 5,20% 0,480 20 0,00%

% &ormata"o da tabela do lado direito &oi gerada automaticamente pelo ,A-,2 a partir dos comandos de anlise de dados, que automaticamente abre um leque de opes onde o aluno dever# procurar em &erramentas de an#lise a op"o Bordem e percentilC, clicando /D.

Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !"#$"

+osteriormente dever# marcar o vetor E0E@?E0E@@$ que &orma essa ordem e percentil, como mostrado na &igura a seguir, escrevendo o intervalo de dados e clicando em Brtulos na primeira linhaC para garantir que saia na tabela gerada pelo ,A-,2 o tipo de vari#vel que se est# querendo ordenar.

Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !"#$"

E M P R E SA S
SOUZA CRUZ S.A. TEKNO S.A. VICUNHA TXTIL S.A. SCHULZ S.A. TECNISA S.A. TUPY S.A. SANSUY S.A. S!O "ARTINHO S.A. VALE #ERTILIZANTES S.A. ITAUTEC S.A. SARAIVA S.A. SUZANO PAPEL E CELULOSE S.A. TECTOY S.A. SPRIN$ER S.A. $%& L'()*+ A,-.*+ P*/0. ".(%+ $0*-*-*1.+ 2.*(+ 324 2010 5IN6IVI6UAL #OR2AS TAURUS 2010 5 CONTROLA6ORA KARSTEN 2010 5 CONTROLA6ORA

LC 1,442 6,901 1,183 1,981 0,480 0,95 1,861 0,5 6 1,042 2,410 2,949 2,584 1,258 2,353 3,296 1,088 3, 12 1, 44 2,069 0,941

Ponto 2 17 15 11 12 10 14 19 4 7 18 1 13 3 16 9 6 20 8 5

LC Ordem Porcentagem 6,901 1 100,00% 3,712 2 94,70% 3,296 3 89,40% 2,949 4 84,20% 2,584 5 78,90% 2,410 6 73,60% 2,353 7 68,40% 2,069 8 63,10% 1,981 9 57,80% 1,861 10 52,60% 1,744 11 47,30% 1,442 12 42,10% 1,258 13 36,80% 1,183 14 31,50% 1,088 15 26,30% 1,042 16 21,00% 0,957 17 15,70% 0,941 18 10,50% 0,576 19 5,20% 0,480 20 0,00%

Fo resultado podemos constatar que a 6ouza -ruz 6G% +onto 8 na tabela do lado direito com um ndice de 8,HH@$ apresentou um ndice de liquidez em @585 menor que a mediana 8,45@I do grupo de empresas selecionadas aleatoriamente, ou dizer que seu ndice de liquidez corrente est# no IJ percentil, ou se;a, est# entre os H5K e I5K maiores ndices de liquidez das empresas daquele grupo. % mediana que ns havamos &alado era a posi"o do ndice de liquidez que dividiria aquela lista de ndices, devidamente ordenados, em I5K, ou se;a, L 8,4M8N8,OHH$G@ P 8,45@IQ. ,sta medida, a mediana, poderia ter sido escolhida como uma medida de posi"o selecionar empresas, cu;o crit!rio seria descartar investimento em aes de empresas que n"o apresentassem ndices de liquidez superior ao da mediana. 1sto poderia servir de exemplo, n"o querendo se a&irmar aqui que este se;a um crit!rio ideal. / mesmo poderia ser &eito com a m!dia aritm!tica. / uso de outras estatsticas como o desvio=padr"o e o coe&iciente de varia"o tamb!m servem para explicar o grau de dispers"o dos indicadores que compem a amostra que serve para analisar o indicador da empresa &rente a seus cong'neres ou da carteira selecionada. Anlise discriminante (a an#lise discriminante se tenciona discriminar, segregar grupos de empresas com dada situa"o, normalmente situaes opostas. )m caso cl#ssico ! o da segrega"o entre empresas solventes e insolventes.

Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !"#$"

%lguns livros mais antigos traziam term>metros para medir a capacidade de solv'ncia ou insolv'ncia de empresas a partir de dados extrados de suas demonstraes cont#beis. Fesses podemos destacar o Term>metro de Danitz, o 1ndicador de 1nsolv'ncia de %2TM%(, o Modelo de +ereira, dentre outros. % an#lise discriminante pode &azer uso de regress"o m.ltipla para calcular coe&icientes que multiplicados por vari#veis eleitas ndices de liquidez ou endividamento que compem o modelo$ calcular escores discriminantes capaz de selecionar o estado de determinada empresa perante o modelo. /s autores citados anteriormente, propuseram os seguintes modelos? Danitz e seu *ator de 1nsolv'ncia8 *1 P 5,5I A8 N 8,MI A@ N :,II A: R 8,5M AH R 5,::AI 6endo? A8 P 22G+2 A@ P %- N %32+$ G +- N +S-$ A: P %- R ,stoques$ G +AH P %- G +AI P +- N +S-$ G +2 6e o *ator de 1nsolv'ncia estiver entre 5 e O, a empresa estar# na #rea de solv'ncia, se entre 5 e =:, estar# na #rea de penumbra #rea de inde&ini"o$ e por .ltimo se entre =: e =O, estar# na zona de insolv'ncia. ,dTard 1. %ltman com mais dois pro&essores da +)-=3U 89O9$@ V8 P R 8,HHA8 N H,5: A@ N @,@I A: N 5,8H AH N 5,H@ AI 6endo? A8 P %- R +-$ G %T A@ P +2 R -apital 6ocial %portado$ G %T A: P 2ucro antes dos ;uros e impostos$ G %T AH P +2 G +- N +S-$
8

,quaes adaptadas pelo +ro&essor para as mudanas da legisla"o recente em consonncia com a converg'ncia cont#bil as normas internacionais. @ / trabalho pioneiro de %ltman data de 89M4 com empresas americanas. %qui s apresentamos o modelo V8 e com a;ustes terminolgicos e&etuados pelo +ro&essor.

Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !"#$"

AI P Wendas G %T % &aixa crtica est# entre =5,:H e 5,@5, ou se;a, empresas onde n"o ! possvel identi&icar claramente se est"o ou n"o com problemas. %cima de 5,@5 est"o as empresas sem problemas &inanceiros e abaixo de =5,:H est"o as empresas com problemas &inanceiros. +ereira: V P 5,O@@ R I,8@H A8 N 88,58M A@ R 5,:H@ A: R 5,5H4 AH N 4,M5I AI R 5,55H AM A8 P Fuplicatas descontadas G Fuplicatas a receber A@ P ,stoques G Wendas R 2ucro 0ruto$ A: P *ornecedores G Wendas AH P ,stoque m!dio G Wendas R 2ucro 0ruto$ AI P 2ucro operacional N Fespesas &inanceiras$ G %tivo total m!dio R 1nvestimento m!dio$ AM P +- N +S-$ G 22 N 5,8 1mobilizado m!dio NG= 3esultado da -orre"o Monet#ria$ 1magine agora que queiramos identi&icar um modelo para separar empresas com bom nvel de rentabilidade e empresas com nvel de rentabilidade n"o aceito pelo crit!rio de escolha do analista. / crit!rio seria? acima de 85K de retorno sobre o patrim>nio lquido m!dio, seria aceitoX abaixo dos 85K, seria re;eitado. -ontudo, chamamos a aten"o para algumas empresas que poderia ter um indicador acima dos 85K, e no con;unto, quando analisado com outros indicadores composi"o do endividamento e ndice de liquidez$, n"o conduzir a uma escolha satis&atria. )tilizando a an#lise discriminanteH poderemos melhor selecionar as empresas. / trabalho poderia ser obtido com um con;unto de indicadores que nem os propostos pelos autores Danitz, %ltman e +ereira. ,xemplo? -onsidere a tabela a seguir com dadosI de empresas onde, segregou=se entre empresas que esperava=se apresentar um bom indicador de retorno e outras n"o YP 85K, bom indicador, grupo @$?
:

+ara prev' insolv'ncia de empresas industrial no ano imediatamente seguinte ao ano dos indicadores utilizados. H Modernamente se aconselha utilizar modelos de an#lise multivariada para selecionar os componentes principais para compor tal modelo. I (este trabalho n"o se &ez a sele"o dos indicadores com alguma t!cnica estatstica, a exemplo de an#lise de componentes principais.

Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !"#$"

E7-1.+* CT8PL AC8PC LL8PL7 1 162,234 1,442 69,660 2 12,3 4 6,901 11,201 3 6,3 1 1,183 8,044 4 184,606 1,981 19,496 5 88,94 0,480 19,280 6 146,801 0,95 15,908 241,284 1,861 516, 15 8 1,19 0,5 6 ,284 9 30,695 1,042 2,801 10 109,03 2,410 2,241 11 43,591 2,949 14,3 12 116,163 2,584 10,316 13 160,849 1,258 519, 48 14 2,144 2,353 3,999 15 44,095 3,296 8,20 16 403,185 1,088 92, 83 1 15,829 3, 12 20,061 18 1088,44 1, 44 9, 96 19 66,4 4 2,069 15,260 20 248,306 0,941 15,856

C&*++'9':*;<% $RUPOS *:'7* 2 *:'7* 2 *=*'>% 1 *:'7* 2 *:'7* 2 *:'7* 2 *=*'>% 1 *=*'>% 1 *=*'>% 1 *=*'>% 1 *:'7* 2 *:'7* 2 *=*'>% 1 *=*'>% 1 *=*'>% 1 *:'7* 2 *:'7* 2 *=*'>% 1 *:'7* 2 *:'7* 2

,legemos @ para empresas que apresentassem ndice de rentabilidade do patrim>nio lquido acima de 85K e 8 para aquelas que n"o preenchessem tal exig'ncia. %trav!s de uma an#lise de regress"o m.ltipla construiremos um modelo para estimar se outras empresas apresentariam condies ideais ou n"o de atender o retorno exigido a partir do modelo preditivo desenvolvido. / modelo aps o c#lculo de uma regress"o m.ltipla conduziu a seguinte equa"o? Z P 8,@O5M8@9 R 5,555H5H -TG+2$ N 5,5OM::959 %-G+-$ N 5,58@@4:49 22G+2m$ 6ubstituindo=se os indicadores de outras empresas no modelo acima, espera=se obter uma estimativa de retorno para os investimentos mensurados pelo conceito 22G+2m. +ara cada empresa em pauta, o escore ;# est# calculado. % m!dia dos escores e desvios= padr"o est"o apresentados na tabela a seguir?

Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !"#$"

E7-1.+* 1 2 11 4 5 6 12 16 1 19 20 3 8 9 10 13 14 15 18

CT8PL 162,234 12,3 4 43,591 184,606 88,94 146,801 116,163 403,185 15,829 66,4 4 248,306 6,3 1 241,284 1,19 30,695 109,03 160,849 2,144 44,095 1088,44

AC8PC LL8PL7 C&*++'9':*;<% 1,442 69,660 2 6,901 11,201 2 2,949 14,3 2 1,981 19,496 2 0,480 19,280 2 0,95 15,908 2 2,584 10,316 2 1,088 92, 83 2 3, 12 20,061 2 2,069 15,260 2 0,941 15,856 2 1,183 8,044 1 1,861 516, 15 1 0,5 6 ,284 1 1,042 2,801 1 2,410 2,241 1 1,258 519, 48 1 2,353 3,999 1 3,296 8,20 1 1, 44 9, 96 1

E+:%-. 2,1 1 1,930 1,655 1,58 1,508 1,480 1,548 2,331 1, 94 1,589 1,43 1,429 1,110 1,3 5 1,3 2 1,438 1,059 1,498 1,605 1,084

Estats

",?'* $2 1, 30 6.+@.P.$2 0,282215

P.?. :%-A. 1,530015

",?'* $1 1,330 6.+@.P.$1 0,1860 1

-omo ent"o identi&icar se uma empresa est# num ou noutro nvel de exig'ncia de retorno[ +rimeiro precisamos compreender como a coluna ,6-/3, &oi elaborada. *izemos uma regress"o m.ltipla das vari#veis independentes -TG+2, %-G+- e 22G+2m na vari#vel dependente -lassi&ica"o. *azendo uso do ,A-,2, selecionamos na sequ'ncia? FadosG%n#lise de FadosG3egress"o

Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !"#$"

+reenchemos os campos relativos as vari#veis? dependente, que ! a coluna que cont!m a classi&ica"o8 ou @, aqui representado pelo vetor EDE@4?EDEH4 e as independentes, aqui representado pela matriz E\E@4?EUEH4. Marcando 3tulos para identi&icar que tanto na matriz quanto no vetor constam os rtulos, ou cabealho contendo o nome das vari#veis.

Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !"#$"

%o clicar em /D, obtemos a %(/W%, con&orme ilustrado a seguir?

RESU"O 6OS RESULTA6OS Estatstica de regresso R 7B&A'1&% 0,632218 R5C0*?-*?% 0,399 0048 R5D0*?-*?% *E0+A*?% 0,28 14432 E--% 1*?-<% 0,430949 2 O=+.-@*;F.+ 20 ANOVA gl R./-.++<% R.+G?0% T%A*& SQ MQ F F de significao 3 1,9 851 38 0,659505 9 3,55112044 0,0383 4604 16 2,9 148262 0,185 1 66 19 4,95 Erro padro 0,2081404 0,00042918 0,0 013105 0,00400288 Stat t 6,10459526 50,9412846 1,08852054 3,068 646 valor-P 1,5211E505 0,360554 3 0,29249034 0,00 344 8 95% inferiores 95% superiores 0,8293 4965 1, 11850833 50,001313809 0,000505843 50,0 23321 0,22501028 0,003 98168 0,020 69612 nferior 95!"% Superior 95!"% 0,8293 4965 1, 11850833 50,001313809 0,000505843 50,0 23321 0,22501028 0,003 98168 0,020 69612

I(A.-+.;<% CT8PL AC8PC LL8PL7

Coeficientes 1,2 06129 50,000404 0,0 633909 0,01228389

(ote que na coluna coe&icientes da %(/W%$ vamos encontrar os coe&icientes da regress"o m.ltipla listada a seguir? Z P 8,@O5M8@9 R 5,555H5H -TG+2$ N 5,5OM::959 %-G+-$ N 5,58@@4:49 22G+2m$ 6ubstituindo as vari#veis de cada linha da matriz, se obt!m o escore Z, tal como o que &aremos para a primeira linha do exemplo. Z P 8,@O5M8@9 R 5,555H5H x 8M@,@:H N 5,5OM::959 x 8,HH@ N 5,58@@4:49 x M9,MM5 P @,8O54HO859 %ps o c#lculo de todos os escores, calculamos a m!dia e o desvio=padr"o para as duas distribuies de empresas R retorno igual ou acima de 85K e retorno abaixo de 85K. ,legemos a m!dia das m!dias como a m!dia que caracterizar# o ponto de corte, no caso 8,I:558I. % primeira distribui"o, a das empresas que t'm retorno abaixo de 85K, tem m!dia igual a 8,::5 e desvio=padr"o 5,84M5O8, que se adicionado ou deduzido a m!dia nos &ornece os pontos 8,8H:9@9 e 8,I8M5O8 vide gr#&ico$. U# a segunda distribui"o, a das empresas que t'm retorno igual ou acima de 85K, tem m!dia igual a 8,O:5 e desvio=padr"o igual a 5,@4@@8I, que se adicionado ou deduzido a m!dia nos &ornece os pontos da distribui"o abaixo desenhada, ou se;a, 8,HHOO4I e @,58@@8I.

Notas de aula de anlise de demonstraes contbeis UFPE Professor Gutembergue Leal de Mesquita Semestre !"#$"

1,14

1,33

1,52

1,45

1, 3

2,01

/ escore discriminante seria assim tabulado? a$ %baixo de 8,I@, retorno menor que 85IX b$ ,ntre 8,I@ e 8,HI, #rea de inde&ini"oX c$ %cima de 8,HI, retorno acima de 85K.