Anda di halaman 1dari 16

1 DESVENDANDO O TERMMETRO DE INSOLVNCIA DE KANITZ Autores: Jos Roberto Kassai e Silvia Kassai RESUMO A anlise de balano atravs de indicadores

contbeis enriquecida pela existncia de modelos preditivos, estruturados a partir de uma cesta de informaes ponderada de acordo com critrios estatsticos. o caso dos modelos de previso de insolvncia. O termmetro de insolvncia de Kanitz, utilizado para prever falncia das empresas, foi um dos modelos pioneiros no Brasil na dcada de 70. Ao divulgar seu modelo, KANITZ no explica como chegou na frmula de clculo, dizendo tratar-se de um ferramental estatstico. O objetivo deste nosso trabalho justamente desmistificar o ferramental estatstico utilizado pelo autor, de uma forma simples e sem os rigores das formulaes matemticas. Trata-se da anlise discriminante, uma tcnica que permite realizar clculos de regresso linear com variveis no numricas. Mostramos, atravs de cinco passos bsicos, como se monta um modelo prprio de previso de insolvncia. Para isso, desenvolvemos um caso prtico utilizando os recursos de clculos das conhecidas planilhas eletrnicas. Pretendemos, com isso, despertar o leitor para modelos mais recentes e sofisticados, e at incentiv-lo a desenvolver seus prprios modelos, no apenas restritos a anlise de crdito, mas aplicveis em quaisquer outras reas do planejamento empresarial. 1. APRESENTAO A anlise de balanos atravs de indicadores contbeis tem se desenvolvido no meio acadmico graas a integrao com a comunidade empresarial. O escopo desses indicadores abrangente e a possibilidade de criar-se novas frmulas de acordo com necessidades especficas tem como limite a experincia e a criatividade de cada pessoa. Para que o analista no se sinta perdido diante de um grande volume de ndices, quocientes, indicadores..., muitas vezes repetitivos ou at contraditrios, essas anlises so dispostas em grupos ou modelos especficos que procuram analisar a situao de uma determinada empresa sob os mais variados enfoques. As anlises tradicionais so dispostas em grupos de indicadores que procuram avaliar as situaes de liquidez, endividamento, rentabilidade e alavancagem, retorno de investimento, estrutura dos ativos, qualidade dos passivos etc. Outras anlises se compe

2 na forma de modelos com capacidade preditiva, estruturados a partir de uma cesta de informaes e ponderadas de acordo com critrios estatsticos. o caso do modelo de previso de falncia elaborado por KANITZ e que o enfoque deste estudo. Ao divulgar seu modelo, KANITZ no explica como chegou na frmula de clculo, dizendo tratar-se de um ferramental estatstico:
Para calcular o fator de insolvncia... usamos uma combinao de ndices, ponderados estatisticamente... Trata-se de uma ponderao relativamente complexa...1

IUDCIBUS, em seus estudos de anlise de balanos, tambm relata o fato:


Stephen C. Kanitz... construiu o termmetro de insolvncia... Por outro lado, no revelou a metodologia empregada para construir o termmetro.2

O objetivo deste nosso trabalho justamente desmistificar o ferramental estatstico3 utilizado pelo autor, de forma simples e sem os rigores das formulaes matemticas. Para isso, iremos desenvolver um caso prtico utilizando os recursos das conhecidas planilhas eletrnicas. Pretendemos, com isso, despertar o leitor para modelos mais recentes e sofisticados, e at incentiv-lo a desenvolver seus prprios modelos, no apenas restritos a anlise de crdito, mas aplicveis em quaisquer outras reas do planejamento empresarial. 2. O MODELO DE PREVISO DE FALNCIA DE KANITZ O Professor Stephen Charles Kanitz foi responsvel, durante mais de 20 anos, pela elaborao da anlise econmica e financeira das 500 Melhores e Maiores empresas brasileiras editada pela Revista Exame4. Fruto de seu trabalho e de suas pesquisas, elaborou um modelo de previso de falncias, tambm conhecido como fator de insolvncia. Esse fator obtido a partir de informaes de balanos contbeis de empresas, atravs do clculo de uma frmula mgica, a saber:

Kanitz, Stephen Charles. Como prever falncias de empresas. Artigo publicado originalmente na Revista Exame de dezembro de 1974, pag. 95 a 102.
2 3 4

IUDCIBUS, Srgio de. Anlise de balanos. So Paulo: Atlas, 7 edio, pag. 129. A tcnica estatstica utilizada a ANLISE DISCRIMINANTE, a ser tratada neste trabalho.

Atualmente esse trabalho efetuado pela Fundao Instituto de Pesquisas Contbeis, Atuariais e Financeiras (FIPECAFI), sob a coordenao dos professores L. Nelson de Carvalho e Ariovaldo dos Santos da FEA/USP.

F .Insolvnci a = 0,05 X 1 + 1,65 X 2 + 3,55 X 3 1,06 X 4 0,33 X 5


Lucro Lquido Patrimnio Lquido Ativo Circulante + Re alizvel a Longo Pr azo Passivo Circulante + Exigvel a Longo Pr azo Ativo Circulante Estoques Passivo Circulante

Onde:

X1 =

X2 =

X3 =

X4 =

Ativo Circulante Passivo Circulante Passivo Circulante + Exigvel a Longo Pr azo Patrimnio Lquido

X5 =

Aps o clculo, obtm-se um nmero denominado de Fator de Insolvncia que determina a tendncia de uma empresa falir ou no. Para facilitar, o autor criou uma escala chamada de Termmetro de Insolvncia, indicando trs situaes diferentes: Solvente, Penumbra e Insolvente, a saber:

4
TERMMETRO DE INSOLVNCIA DE KANITZ 7 6 5 4 3 2 1 0 -1 -2 -3 -4 -5 -6 -7

SOLVENTE

PENUMBRA

INSOLVENTE

Os valores positivos indicam que a empresa est em uma situao boa ou solvente, se for menor do que 3 a empresa se encontra em uma situao ruim ou insolvente e que poder lev-la falncia. O intervalo intermedirio, de 0 a 3, chamada de penumbra representa uma rea em que o fator de insolvncia no suficiente para analisar o estado da empresa, mas inspira cuidados. Uma empresa que apresenta um fator de insolvncia positivo, tem menor possibilidade de vir a falir e essa possibilidade diminuir medida que o fator positivo for maior. Ao contrrio, quanto menor for o fator negativo maiores sero as chances da empresa encerrar suas atividades. Naquela poca, incio da dcada de 70, KANITZ aplicou seu modelo nas 500 Melhores e Maiores empresas brasileiras. A empresa escolhida como a melhor do ano apresentava um fator de insolvncia igual a 10, enquanto que outra com fator igual a 2,6 pediu concordata no ano seguinte, com um fator de insolvncia igual a -7. No Brasil, o modelo de KANITZ foi um dos precursores (1972). Nos EUA Edward ALTMAN j explorava essa tcnica (1930). Atualmente, outros pesquisadores brasileiros j desenvolveram modelos semelhantes e mais atualizados, como ELIZABETSKY, MATIAS e PEREIRA. As frmulas desses outros modelos esto demonstradas a seguir.
Modelo de ALTMAN:

Fator = 1,84 0,51 X 1 + 6,32 X 3 + 0,71 X 4 + 0,53 X 5

5 Onde: X1 = (Ativo Circulante Passivo Circulante) : Ativo Total X2 = Reservas e Lucros Suspensos : Ativo Total X3 = Ativo Total X4 = Patrimnio Lquido : Exigvel Total X5 = Vendas : Ativo Total Anlise: o ponto crtico zero.
Modelo de ELIZABETSKY:

Fator = 1,93 x1 0,2 X 2 + 1,02 X 3 + 1,33 X 4 1,12 X 5


Onde: X1 = X2 = X3 = X4 = X5 = Lucro Lquido : Vendas Disponvel : Ativo Permanente Contas a Receber : Ativo Total Estoques : Ativo Total Passivo Circulante : Ativo Total

Anlise: o ponto crtico 0,5. Acima desse valor a empresa estar solvente; abaixo, insolvente.
Modelo de MATIAS:

Fator = 23,792 X 1 8,26 X 2 9,868 X 3 0,764 X 4 0,535 X 5 + 9,912 X 6


Onde: X1 = X2 = X3 = X4 = X5 = X6 = Patrimnio Lquido : Ativo Total Emprstimos Bancrios : Ativo Circulante Fornecedores : Ativo Total Ativo Circulante : Passivo Circulante Lucro Operacional : Lucro Bruto Disponvel : Ativo Total

Anlise: o ponto crtico zero.


Modelo de PEREIRA:

Fator = 0,722 5,124 X 1 + 11,016 X 2 0,342 X 3 0,048 X 4 + 8,605 X 5 0,004 X 6


Onde: X1 = X2 = X3 = X4 = Duplicatas Descontadas : Duplicatas a Receber Estoque final : Custo das Vendas Fornecedores : Vendas Estoque mdio : custo das vendas

6 X5 = (Lucro Operacional + Desp.Financ.) : (Ativo Total Investimento mdio) X6 = Exigvel Total : (Lucro Lq. + 10%Imob.mdio + Saldo devedor da Cor. Monet.) Anlise: o ponto crtico zero. Todos esses modelos de previso de insolvncia foram desenvolvidos a partir de uma determinada amostra colhidas em suas respectivas pocas. O modelo de KANITZ, por exemplo, no teria o mesmo grau de preciso previsto na poca de seu desenvolvimento. PEREIRA5, apurou o grau de preciso desses modelos comparando as empresas classificadas corretamente com as informaes reais obtidas em amostra de empresas solventes e insolventes. O seu modelo foi o que obteve o melhor ndice de acerto, 90% para as empresas solventes e 86% para as empresas insolventes. Veja o grfico a seguir com o grau de preciso, ou de acertos, (mdio) desses modelos que adaptamos a partir do estudo de PEREIRA:

Grau de Preciso dos Modelos de Previso de Insolvncia


88% 80% 74% 74%

69%

PEREIRA

ALTMAN

KANITZ

MATIAS

ELIZABETSKY

Esses modelos so desenvolvidos atravs de uma tcnica estatstica denominada de anlise discriminante. O seu uso, bastante difundido em outros pases, s agora comea a ser difundido no Brasil.

3. O FERRAMENTAL ESTATSTICO UTILIZADO: A ANLISE DISCRIMANTE

A anlise discriminante, tambm chamada de anlise do fator discriminante ou anlise discriminante cannica, uma tcnica estatstica desenvolvida a partir dos
5

SILVA, Jos Pereira da. Administrao de crdito e previso de insolvncia. So Paulo: Atlas, 1983.

7 clculos de regresso linear e, ao contrrio desta, permite resolver problemas que contenham no apenas variveis numricas, mas tambm variveis de natureza qualitativa, como o exemplo de empresas solventes e no solventes. Mas como realizar clculos matemticos com essas variveis no numricas? simples, basta atribuir um nmero qualquer a essas variveis. Por exemplo, empresa no solvente igual a 1, e empresa solvente igual a 2. Com esse artifcio, transformamos aquele problema num problema simples de regresso linear. Portanto, a anlise discriminante uma sofisticao dos tradicionais clculos de regresso linear. Ao imaginarmos dois pontos distintos, conseguimos facilmente passar uma reta entre os mesmos e, como sabemos, essa reta pode ser representada por uma equao matemtica do tipo y = ax + b. Se quisermos estimar um outro ponto qualquer dessa reta, basta calcul-lo a partir dessa equao. Numa outra situao em que h diversos pontos, e no dispostos em linha reta, tambm possvel determinar uma reta e a respectiva equao linear e, obviamente, s ter valor se esses pontos no estiverem muito dispersos. Esse grau de disperso medido atravs do clculo de correlao, ou R2. Nos modelos de previso de insolvncia, a anlise discriminante se processa da seguinte forma:

Selecionar dois grupos de empresas, solventes e no solventes. Selecionar os respectivos indicadores contbeis dessas empresas. Atribuir nmeros s variveis no numricas. Obter a equao linear atravs dos clculos de regresso, que a base do modelo de previso de insolvncia. O grau de preciso do modelo pode ser medido comparando-se a classificao das empresas a partir da equao de regresso, com a classificao original previamente estabelecida. Se o grau de preciso foi muito baixo, necessrio substituir os indicadores contbeis escolhidos ou acrescentar novos.

O processo para a construo de um modelo de previso de insolvncia relativamente simples. A qualidade de um modelo avaliada pelo seu grau de preciso e pela habilidade do autor na escolha de quais e quantos indicadores contbeis utilizar. O ideal atingir um grau de preciso maior possvel, prximo a 100% e com um nmero menor possvel de indicadores ou informaes. Essa otimizao obtida atravs do feeling do autor e das inmeras simulaes de acrscimo ou excluso de indicadores, da anlise da correlao entre o mesmos, at se chegar num grau de preciso julgado adequado. Esse processo s praticvel utilizandose recursos de processamento eletrnico de dados. KANITZ desenvolveu seu modelo, na poca, atravs de cartes perfurados; hoje, dispomos de inmeros software estatsticos.

4. VAMOS CONSTRUIR UM MODELO ATRAVS DA PLANILHA EXCEL

Para demonstrar a tcnica de anlise discriminante na construo de modelos de previso de insolvncia, vamos desenvolver um caso prtico atravs da planilha eletrnica Excel6. Desenvolvemos para isso cinco passos bsicos para a construo de nosso prprio modelo, a saber:
1 Passo: obter dos dados e montar o problema. 2 Passo: efetuar o clculo de regresso linear e definir a funo ou equao discriminante. 3 Passo: construir uma coluna chamada escore discriminante e calcular o ponto de corte. 4 Passo: analisar o grau de preciso do modelo. 5 Passo: construir o termmetro de insolvncia.

Considerando as simplificaes necessrias para uma demonstrao proposta neste trabalho, vejamos o desenrolar desses passos, atravs de um caso simplificado. O SR. ZEZINHO RESOLVEU MONTAR O SEU PRPRIO TERMMETRO DE INSOLVNCIA. PARA ISSO, OBTEVE UMA AMOSTRA DE CASOS REAIS COMPOSTA DE 20 EMPRESAS, SENDO 10 EMPRESAS CONSIDERADAS SOLVENTES E 10 EMPRESAS QUE VIERAM A FALIR, CONSIDERADAS INSOLVENTES. PARA CADA UMA DESSAS EMPRESAS, ELE HAVIA SELECIONADO, INICIALMENTE, UM GRANDE NMERO DE INDICADORES CONTBEIS, MAS APS ALGUMAS
REFLEXES UTILIZANDO TODA A SUA EXPERINCIA EM ANLISE DE CRDITO E DE BALANOS, BEM COMO NOES BSICAS DE ESTATSTICA, REDUZIU PARA APENAS 3 INDICADORES CONTBEIS. VEJA O QUADRO COM ESSAS INFORMAES:

Utilizamos a verso recente do aplicativo Microsoft Excel. Entretanto, o mesmo pode ser obtido com verses mais antigas ou at outras planilhas eletrnicas como o Lotus, Works ETC.

9
DADOS INICIAIS Ind-1 Ind-2 ind-3 8,1 0,13 0,64 6,6 0,10 1,04 5,8 0,11 0,66 12,3 0,09 0,80 4,5 0,11 0,69 9,1 0,14 0,74 1,1 0,12 0,63 8,9 0,12 0,75 0,7 0,16 0,56 9,8 0,12 0,65 7,3 0,10 0,55 14,0 0,08 0,46 9,6 0,08 0,72 12,4 0,08 0,43 18,4 0,07 0,52 8,0 0,08 0,54 12,6 0,09 0,30 9,8 0,07 0,67 8,3 0,09 0,51 20,6 0,13 0,79

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

Classificao Solvente Solvente Solvente Solvente Solvente Solvente Solvente Solvente Solvente Solvente Insolvente Insolvente Insolvente Insolvente Insolvente Insolvente Insolvente Insolvente Insolvente Insolvente

1 PASSO: OBTER OS DADOS E MONTAR O PROBLEMA.

Aps a obteno dos dados, a primeira etapa substituir as variveis no numricas por nmeros quaisquer, para que possamos dar continuidade aos clculos estatsticos. Com esse artifcio, no lugar de insolvente atribumos o nmero 1, por exemplo, e 2 para solvente, a saber:

10

2 PASSO: EFETUAR O CLCULO DE REGRESSO LINEAR E DEFINIR A EQUAO DISCRIMINANTE.

FUNO

OU

Um vez estruturado os dados em forma de planilha, vamos realizar o clculo de regresso linear atravs da funo ferramentas, anlise de dados, regresso da planilha eletrnica Excel, a saber:

Em seguida, s clicar OK e o aplicativo ir apresentar os resultados da regresso linear:

11

Com base nos coeficientes obtidos na regresso, podemos criar a funo discriminante, isto , a equao de regresso, a saber:

0,166 - 0,036(Ind1) + 8,859(Ind2) + 1,2(Ind3)

Caso a equao apresentasse um ndice de erro muito grande, os dados deveriam ser alterados at se chegar a um resultado aceitvel. Essa anlise feita atravs dos R calculados.
3 PASSO: CONSTRUIR UMA COLUNA CHAMADA ESCORE DISCRIMINANTE E CALCULAR O PONTO DE CORTE.

Muito bem, em princpio essa frmula representa o nosso modelo de previso de insolvncia. Entretanto, ainda falta analisar o seu grau de preciso e para isso precisamos, antes, calcular o escore discriminante e o ponto de corte. Chamamos de escore discriminante uma outra coluna com os valores calculados com base na funo discriminante para cada uma das 20 empresas. O ponto de corte7 obtido atravs da mdia aritmtica das mdias dos escores discriminante de cada grupo de empresas, a saber:

Existem outras tcnicas estatsticas para se refinar o clculo do ponto de corte e aprimorar as anlises discriminantes, por exemplo o clculo da Distncia Euclidiana, Distncia de Mahalanobis, anlise multivariante etc. Em nosso caso, o ponto de corte refinado igual a 1,535. Maiores informaes podero ser obtidas no Laboratrio de Contabilometria da Fipecafi - FEA/USP.

12

4 PASSO: ANALISAR O GRAU DE PRECISO DO MODELO.

O ponto de corte de 1,500 serve de parmetro para classificar as empresas nesse modelo. Abaixo desse escore sero classificadas as empregas do grupo 1 (insolventes) e acima as empresas do grupo 2 (solventes). A prxima etapa, portanto, reclassificar as 20 empresas selecionadas com base nesse modelo e, comparando-se com a classificao original, apurar o seu grau de preciso. Vejamos:

Comparando-se a classificao obtida a partir de nosso modelo de previso de insolvncia com a classificao original da amostra de empresas, constatamos que houve apenas duas classificaes erradas, isto , o nosso modelo apresenta, portanto, um grau de preciso8 de 80%.

oportuno lembrar que se fssemos utilizar clculos avanados para refinar o clculo do ponto de corte, o modelo apresentaria um grau de preciso de 90%.

13
5 PASSO: CONSTRUIR O TERMMETRO DE INSOLVNCIA.

Uma vez obtido um grau de preciso aceitvel, o modelo est aprovado. Se no fosse assim, teramos que simular novos dados, empresas, indicadores at chegar em um nvel desejado. A exemplo do modelo de KANITZ, podemos tambm criar um termmetro de insolvncia, ou seja, uma escala ilustrativa para classificao das empresas. Para isso, precisamos calcular o desvio padro dos escore discriminantes de cada grupo, o que uma tarefa muito simples usando-se as funes do Excel, a saber:

Com essas informaes, podemos desenhar graficamente as curvas de cada um dos grupos, a seguir:

Considerando-se a abrangncia de um desvio padro para cada um dos grupos de empresas, nota-se um intervalo (1,41 a 1,65) que est fora dessa rea e que KANITZ chamou em seu modelo de rea de penumbra, ou seja, uma empresa classificada nessa rea est em uma situao indefinida e, provavelmente, inspira cuidados. Estatisticamente, significa que o modelo no tem base para afirmar nenhuma classificao nesse intervalo.

14 Finalmente, agora podemos desenhar nosso termmetro de insolvncia, inclusive considerando uma rea de penumbra, a exemplo de KANITZ.
NOSSO T ERMMETRO DE I NSOLVNCIA

2.05 SOLVENTE 1.85 1.65 1.41 1.16 0.91 PENUMBRA

INSOLVENTE

O ponto crtico de nosso modelo 1,41. Uma empresa classificada abaixo desse valor dever estar em uma situao ruim, de insolvncia e que, provavelmente, ir falir mantidas as condies atuais. Ao contrrio, uma empresa classificada acima de 1,65, e quanto maior estiver deste ponto, menores sero as chances de um dia vir a falir.
5. COMENTRIOS FINAIS

A anlise discriminante bem como outros mtodos quantitativos baseados em estatstica, j bastante difundidos em outros pases, s agora comeam a ser empregados no Brasil. Em nossa opinio, isso se deve ao conhecimento restrito em estatstica da mdia de nossos profissionais. Os tempos do auge da inflao vividos nos ltimos anos e da conturbada economia tambm contriburam para isso, dificultando e desmotivando os profissionais para o uso desses mtodos quantitativos na gesto empresarial. Esperamos ter contribudo para despertar nos leitores o interesse pelo uso das tcnicas estatsticas, em especial a anlise discriminante e alertamos para o fato de que, apesar da perfeio matemtica desses modelos preditivos, ainda no substituem o ser humano em suas decises. Alis, nem o prprio ser humano capaz de prever o futuro com certeza 9.
9

...a propsito, a empresa que mencionamos anteriormente neste trabalho como a campe entre as 500 melhores e maiores pela Revista Exame/74, classificada com empresa muito solvente pelo Termmetro de Kanitz, depois de mais de 20 anos teve que ser vendida para evitar a falncia.

15 A tendncia que esses modelos sejam utilizados no apenas como uma bola de cristal para prever o futuro, mas principalmente com instrumentos de avaliao de riscos empresariais. Dessa forma, devemos nos cercar de todos os recursos que auxiliem no processo de tomadas de decises no ambiente empresarial. Os bons profissionais, que tambm dominam os mtodos quantitativos, certamente estaro em vantagens sobre os demais.

16

BIBLIOGRAFIA

1. ALTMAN, E. I., R. B. Avery, R. A Eisenbeis & J. F. Sinkey. Application of classification techniques in business, banking and finance. Greenwich, CT: JAI Press, 1981. 2. IUDCIBUS, Srgio de. Anlise de balanos. So Paulo: Atlas, 7 edio, 3. KANITZ, Stephen Charles. Como prever falncias de empresas. Artigo publicado na Revista Exame, dezembro de 1974. 4. KASSAI, Jos Roberto & Slvia. Anlise discriminante. Trabalho apresentado na disciplina Contabilometria do curso de doutorado em Controladoria, coordenada pelo professor Luiz Joo Corrar. 5. MATARAZZO, Dante C. Anlise financeira de balanos. So Paulo: Editora Atlas, 3 edio, 1995. 6. PETERS & SUMMERS. Anlise estatstica e processo decisrio. Fundao Getlio Vargas, Instituto Nacional do Livro/MEC. Editora da Universidade de So Paulo. 7. SILVA, Jos Pereira da. Administrao de crdito e previso de insolvncia. So Paulo: Editora Atlas, 1983.