0
CENTRO UNIVERSITÁRIO DA FEI
PEDRO PAULO PERES GARCIA
A OTIMIZAÇÃO DO CAPITAL DE GIRO E SEU REFLEXO NA
RENTABILIDADE DAS EMPRESAS
Relatório final
CENTRO UNIVERSITÁRIO DA FEI
Bolsista (PIBIC): PEDRO PAULO PERES GARCIA
E-mail: [email protected]
N° FEI: 11110131-7
Orientador: Prof. Hong Y. Ching
Departamento de administração – FEI
E-mail: [email protected]
Colaborador: Prof. Ayrton Novazzi
Departamento de matemática – FEI
E-mail: [email protected]
São Bernardo do Campo
31/07/2011
1
RESUMO
Para diferenciarem-se no alto nível de competição, algumas empresas têm levado em
consideração a otimização do capital de giro como uma vantagem para aumentar o lucro. Esse
projeto tem como objetivos: 1) descobrir a relação entre a eficiência da gestão do DCG e a
rentabilidade; 2) descobrir se existe diferença na rentabilidade como resultado da eficiência
desta gestão de dois grupos distintos, assim como o menor uso do capital e uso intensivo do
capital; 3) determinar quais variáveis mais afetam a rentabilidade. Esse projeto tem como
problema de pesquisa: “A otimização do capital de giro melhora a rentabilidade das
empresas?” Desde modo algumas hipóteses foram lançadas, como o fato do DCG e
Alavancagem financeira estarem negativamente relacionadas com a rentabilidade. Foram
utilizadas empresas de capital aberto, 32 empresas no total, separadas em dois grupos, 16 com
menor uso do capital e 16 com uso intensivo do capital. Esse estudo abrangeu um período de
5 anos (2005-2009). Foram utilizados dois métodos matemáticos, o de Regressão Múltipla e
Anova. Nessa análise encontramos que o PME esta negativamente relacionado com os
medidores de rentabilidade, ROS e ROA; e Alavancagem Financeira encontra-se
negativamente relacionado com o ROA.
2
I.
OBJETIVOS E HIPÓTESES
I. 1 - Objetivos
Os objetivos dessa pesquisa são:
1.
Descobrir a relação entre a eficiência da gestão do capital de giro e a
rentabilidade da empresa
2.
Descobrir se existe diferença na rentabilidade da empresa como
resultado da eficiência na gestão do capital de giro em dois grupos distintos de
empresas: as de uso intensivo de capital e as de menor uso de capital. Serão
consideradas empresas de capital intensivo, aquelas cujo ativo não circulante
represente mais de 50% do ativo total. Empresas típicas são as dos setores de
siderurgia, químico e petroquímico. Já as de menor uso de capital serão aquelas
empresas com ativo não circulante menor que 50% do ativo total. Empresas típicas são
as dos setores de varejo, comércio, calçado e alimentício.
3.
Determinar as variáveis de capital de giro que mais afetam a
rentabilidade.
I. 2 - Hipóteses
As hipóteses estabelecidas são as seguintes:
1.
Dia de capital de giro DCG é negativamente relacionado com a
rentabilidade da empresa – quanto maior o DCG, menor a rentabilidade e vice versa;
2.
Alavancagem
Financeira
é
negativamente
relacionada
com
a
rentabilidade da empresa – quanto maior a alavancagem, menor a rentabilidade e vice
versa;
3
II. REVISÃO BIBLIOGRÁFICA
II.1 Capital de giro
O significado do termo capital de giro está claro na literatura. Este se refere aos
recursos próprios ou de terceiros, necessários para sustentar as atividades operacionais, no
dia-a-dia das empresas (Matias, 2007, Ching 2010, Assaf e Silva, 2002, Weston e Brigham,
2000). Não há discordância gritante entre os autores a respeito desse termo, mas sim
colocações de forma distinta. Daí a importância de destacar o emprego da expressão capital de
giro.
Weston e Brigham (2000) referem-se ao capital de giro CG, ou capital circulante,
simplesmente como ativo circulante, enquanto capital de giro liquido CGL, para eles, é
definido como sendo o ativo circulante menos o passivo circulante. O capital de giro
representa o valor total dos recursos demandados pela empresa para financiar o seu ciclo
operacional. Posição idêntica tem Assaf e Silva (2002), Ching (2010) e Brigham e Ehrhardt
(2002). Sinônimo dessa expressão é o capital circulante liquido CCL. Para esses autores, ativo
circulante é representado pelas disponibilidades - valor a receber e estoques - enquanto
passivo circulante é identificado como fornecedores, salários e encargos sociais, contas a
pagar, além de empréstimos e financiamentos.
Bodie et al. apud Aguado (2003) e Helfert apud Aguado (2003) referem-se ao capital
de giro de maneira abrangente, qualificando-o como o conjunto dos ativos circulantes e
exigibilidades de curto prazo, incluindo contas a pagar, salários e empréstimos bancários de
curto prazo. Para os autores acima citados, essa definição é a do CGL. Essa definição é, no
entanto, minoria na literatura pesquisada.
Uma divisão dos grupos patrimoniais do ativo e passivo circulante, e que se mostra
bastante didática, é descrita por Matias (2007) e também compartilhada por Brigham e
Ehrhardt (2002) e Matarazzo (2003). Eles se dividem em capital de giro operacional e capital
de giro financeiro, conforme mostra a figura 1 abaixo.
4
Financeiro
Operacional
Ativo circulante
Passivo circulante
Caixa e bancos
Aplicações
financeiras
Financiamentos
e empréstimos
Contas a receber
Fornecedores
Estoques
Contas a pagar
Figura 1. Divisão do capital de giro
Fonte: Autor
O ativo circulante operacional ACO é o investimento que decorre automaticamente
das atividades de compra / produção / estocagem / venda, enquanto o passivo circulante
operacional PCO é o financiamento, também automático, que decorre dessas atividades. A
diferença entre esses investimentos ACO e financiamentos PCO é a quantia que a empresa
necessita de capital para financiar o giro, ou seja, a NCG. Portanto NCG = ACO – PCO. Em
outras palavras, o ativo circulante operacional não pode ser totalmente financiado pelo
passivo circulante operacional.
A necessidade de capital de giro NCG faz com que a empresa busque recursos
externos ao ciclo operacional para financiar o capital de giro. Esses recursos podem advir dos
proprietários (via capital de giro próprio) ou de terceiros (instituições financeiras).
Antes de partir para falar sobre o capital de giro financeiro, convém explicar o
significado do capital de giro próprio. Este é a parcela de recursos próprios que está sendo
utilizada no financiamento do capital de giro (ativo circulante). O CGP é dado pela diferença
entre o patrimônio líquido PL com o montante composto pelo ativo realizável a longo prazo
RLP e o ativo permanente AP. Portanto CGP = PL – AP – RLP (Matias, 2007 e Matarazzo,
2003).
Um conceito importante na gestão do capital de giro financeiro é o saldo de tesouraria
ST, que integra a captação e a aplicação de recursos financeiros para o giro, além de envolver
as contas financeiras, do ativo e do passivo circulantes. Portanto ST = ativo circulante
financeiro – passivo circulante financeiro (Matias, 2007). A relação entre CGL, NCG e ST
pode ser visto na figura 2 abaixo, adaptada de Matias (2007).
5
Ativo circulante
(-)
Passivo circulante
(=) CGL
=
A. C.Operacional
(-)
P. C. Operacional
(=) NGC
+
A. C.Financeiro
(-)
P. C. Financeiro
(=) ST
Figura 2. Formação do CGL
Fonte: Autor
A partir destas relações, pode-se identificar vários tipos de estruturas financeiras.
Matias (2007) denomina de estrutura de baixo risco quando a empresa tem um NCG nulo e há
excedente financeiro (ST positivo) para financiar o CGL. No outro extremo, a estrutura de
alto risco cujo CGL é negativo, as operações não conseguem recursos para se financiar e há
necessidade de recursos de bancos para financiar o ativo operacional (ST negativo).
II.2 Ciclo operacional, ciclo de caixa, dias de capital de giro e eficiência de conversão de
caixa
Um dos conceitos fundamentais é o ciclo operacional da empresa, definido pelo
montante de tempo desde o ponto que a empresa coloca material e trabalho no processo de
produção até o momento em que o dinheiro da venda é arrecadado. Este ciclo é formado por
dois componentes: o período médio do estoque (PME) e o período médio de cobrança das
vendas ou de recebimento (PMR). Quando esse ciclo se inicia, a empresa compra insumos de
produção a crédito. O tempo que leva a empresa a pagar por esses insumos é denominado
período médio de pagamento (PMP). Esse fôlego em seus pagamentos é fonte de
financiamento para o ciclo operacional. O ciclo financeiro ou ciclo do caixa, por outro lado,
focaliza as movimentações de caixa, abrangendo o período entre o momento em que a
empresa realiza os pagamentos e o momento em que recebe pelas vendas (Matias, 2007,
Matarazzo, 2003 e Ching, 2010). Na figura 3 abaixo, o ciclo operacional é de 90 dias (25 +
65) e o ciclo financeiro de 30 dias (90 – 60).
6
TEMPO EM DIAS
0
20
25
Compra de Término da
MP e
Produção
Início de e Pagamento
Produção de Salários
60
VENDA
Pagamento
ao
fornecedor
90
Recebimento
das
Vendas
(PME) = 25 dias
(PMR) = 65
(PMP) = 60 dias
CF
Figura 3. Ciclo operacional e ciclo financeiro
Fonte: Autor
Os cálculos do PMR, PME e PMP são universalmente conhecidos na literatura e suas
fórmulas são as seguintes. Prazo médio de recebimento PMR = contas a receber / vendas
diárias; prazo médio de estoque PME = estoque / custo das vendas diário e prazo médio de
pagamento PMP = contas a pagar / compras diárias (Matias, 2007). Dias de capital de giro,
por sua vez, representa um resumo dos dias médios de recebimento, estoque e de pagamento.
Seu cálculo é a soma do prazo médio de recebimento, mais o prazo médio de estoque menos
prazo médio de pagamento.
Por fim, a eficiência de conversão de caixa é calculada como fluxo de caixa das
operações dividido pelas vendas (Filbeck et al, 2007). O fluxo de caixa das operações nada
mais é do que o NCG, isto é, o ativo circulante operacional menos o passivo circulante
operacional. Santi Filho e Oliquevitch (1995) fizeram uma variante dessa formula
multiplicando o resultado por 360 dias e denominando-a de ciclo financeiro. Ao invés do
resultado ser em percentual, ele sai em numero de dias. Quanto menor esse índice, seja em
percentual, seja em numero de dias, melhor para a empresa, pois está sendo mais eficiente na
utilização da sua NCG em relação às vendas geradas.
II.3 Indicadores de rentabilidade e de endividamento
Os três indicadores de rentabilidade e o de endividamento a serem utilizados nessa
pesquisa encontram amplo respaldo na literatura nacional e estrangeira, assim sendo
7
universalmente conhecidos.
O retorno sobre o ativo (do inglês return on asset ROA)
estabelece a eficiência dada pela administração ao dinheiro utilizado nas operações da
empresa. A gestão de uma empresa é considerada eficaz quando o gerenciamento dos seus
ativos gera um retorno adequado a seus investimentos. (Ching et al, 2010).
O retorno sobre patrimônio liquido (do inglês return on equity ROE) apura a relação
entre os ganhos obtidos pelos acionistas e o investimento que realizaram na empresa (Ching et
al, 2010).
O retorno sobre vendas (do inglês return on sales ROS) apura a relação entre ganhos e
vendas das empresas.
O nível de endividamento mostra a relação entre as fontes de divida financeira,
representado pela soma da divida de curto prazo e de longo prazo, e o ativo total. Quanto
maior esse nível, mais endividada a empresa está (Ching et al, 2010).
II. 4 Algumas pesquisas relacionadas
Algumas pesquisas relacionadas são apresentadas abaixo, medindo a influência do
capital de giro na rentabilidade das empresas, Shin and Soenen (1998) investigaram
companhias americanas durante o período de 1975 a 1994 somando um total de 59.985
observações. As variáveis utilizadas foram rentabilidade, medida pelo ROA (returno on
assets) e ROS (return on sales), e ciclo de conversão de caixa. O estudo achou uma forte
evidência na relação negativa entre rentabilidade e ciclo de conversão de caixa, significando
que quanto menos dias de capital de giro, maior a rentabilidade. O estudo também indicou um
positivo impacto nos valores das ações.
Lazaridis e Tryfonidis (2006) investigaram a relação que é estatisticamente
significante entre rentabilidade, ciclo de conversão de caixa e seus componentes. Eles
utilizaram 131 empresas da bolsa de valores de Atenas em um período de 2001 – 2004. As
variáveis independentes que foram utilizadas, similares em nosso trabalho, são: Alavancagem
financeira, ciclo de conversão de caixa e seus componentes (dias de estoque e dias de
recebimento). A variável dependente é rentabilidade medida pelo lucro bruto de vendas. O
estudo mostra uma relação negativa entre alavancagem financeira, rentabilidade e ciclo de
conversão de caixa. Quando os autores substituíram ciclo de conversão de caixa pelos seus
componentes, foi encontrada uma relação negativa entre dias de estoque e dias de
recebimento com a rentabilidade. Os autores concluíram que se pode aumentar o lucro com
8
uma boa gestão do ciclo de conversão de caixa, deixando seus componentes em um
ótimo nível.
Resultados similares foram encontrados por Deloof (2003), pesquisa com
empresas belgas em um período entre 1992 e 1996. Ele encontrou uma relação
negativa entre lucro bruto de vendas e dias a receber e dias de estoque.
No estudo de Christopher and Kamalavalli (2009) foram objeto de pesquisa 14
hospitais indianos, no período de 1996/97 a 2005/06. As variáveis em comum
utilizadas foram dias de estoque, dias a receber e dias de capital de giro. A variável
dependente rentabilidade, nesse caso, foi medida pelo ROI (return on investiment). O
método quantitativo utilizado foi regressão múltipla. Os autores concluíram que os
hospitais deveriam concentrar-se em melhorar a eficiência do capital de giro para
melhorar a rentabilidade, e, junto a isso, melhorar seu valor no mercado.
Ganesan (2007) selecionou uma análise de 349 empresas Norte-Americanas de
equipamentos de telecomunicação, abrangendo um período de 2001-2007. As
variáveis independentes utilizadas foram dias de recebimento, dias de estoque, dias a
pagar, dias de capital de giro e ciclo de conversão de caixa. A variável dependente
rentabilidade foi calculada por (“entrada” divido por ativo total) e (“entrada” dividida
por vendas). A eficiência da gestão do capital de giro está negativamente associada
com rentabilidade, no entanto, há uma evidência que as gestões dos dias a pagar,
receber e estoque são pobres, portanto essas variáveis não têm tanto efeito na
rentabilidade.
A Associação entre rentabilidade e liquidez foi investigada pelo trabalho
Eljelly (2004) nas companhias da Arábia Saudita. O ciclo de conversão de caixa
mostrou ser mais importante do que o índice de liquidez corrente como medida da
liquidez que afeta a rentabilidade.
Raherman and Nasr (2007), selecionaram 94 companhias paquistanesas de
diferentes setores de economia por um período de 5 anos (1999-2004). Os resultados
mostram uma forte evidência de uma associação negativa entre as variáveis do capital
de giro e rentabilidade. A explicação para a relação negativa entre contas a pagar e
rentabilidade se da pelo fato de empresas com menor rentabilidade demorarem mais
para pagar suas contas. Também foi encontrada uma relação negativa entre liquidez e
rentabilidade, e ainda o índice de liquidez corrente, o mais importante medidor da
9
liquidez, foi utilizado. Eles encontraram uma positiva relação entre Tamanho e rentabilidade.
Finalmente acharam que quando aumenta à dívida financeira, rentabilidade diminui.
No estudo de Palombini (2010) foi investigado o impacto da gestão do capital de giro
sobre a rentabilidade de companhias brasileiras de capital aberto abrangendo um período de
14 anos (1994 – 2008). A pesquisa se separou em duas etapas. Na primeira o CCC e Dias de
Estoque apresentaram uma relação negativa com a rentabilidade, enquanto Dias a receber e
Tamanho das empresas apresentaram uma relação positiva. A relação positiva entre Dias a
Receber e rentabilidade pode ser explicada pelo fato das empresas lucrarem com os juros
impostos no parcelamento das compras. Na segunda etapa Alavancagem Financeira mostrouse negativamente relacionada com a rentabilidade, assim como CCC e Dias de Estoque.
Silva e Moraes Júnior (2006), baseados em dados de uma empresa fictícia SSM
Móveis para Escritório S/A, com dados de 2005, analisaram o desempenho financeiro com as
variáveis ROA e ROE, baseados no ROI (Return on Investment). Os resultados mostram que
no primeiro trimestre a empresa mostrou um nível de lucratividade bom (ROA= 16% e ROE=
23%) aparecendo atrativa para o mercado, no entanto, no segundo trimestre os níveis
abaixaram e chegaram a 2% e 3% respectivamente, sendo desvalorizada no mercado. Isso
mostra que seus gestores devem tomar medidas rápidas para que seus acionistas não se
desfaçam de suas ações.
Na pesquisa de Chakraborty (2008), que verificou 25 companhias Indianas de
farmácia, sendo todas privadas. Não foram encontrados resultados significativos, porém,
quando todas as firmas são consolidadas em uma ,foi encontrado que quanto maior a
rentabilidade das firmas maior a liquidez, e, quanto menos dias de estoque mais rentabilidade.
Para ele, Dias a Receber não teve impacto significante.
Os estudos acima apresentam algumas semelhanças e diferenças. O termo
rentabilidade é medido de formas diferentes pelos autores. Ele pode ser medido por “return on
investment”, “return on assets”, “return on equidity”, “return on sales”, “return on capital
employed”, “Profit before interest and Tax margin” e “lucro bruto de vendas”. Embora para
maioria dos autores o Ciclo de Conversão de Caixa tem uma relação negativa com os
medidores de rentabilidade, para Ganesan (2007) não teve nenhuma associação relevante.
Para ele também mostrou que a gestão do capital de giro não tem nenhum impacto na
rentabilidade das firmas, já Chakraborty (2008), que não estudou os Dias a Pagar, encontrou
que apenas Dias a Receber não têm impacto. Para Deloof (2003) e Raheman e Nasr (2007) as
10
variáveis do capital de giro tem relação negativa com a rentabilidade, enquanto para
Lazaridis e Tryfonidis (2006) contas a pagar tem um impacto positivo e para
Palombini (2010) dias a receber tem um impacto positivo. Chakraborty (2008)
encontrou uma relação negativa entre Dias de Estoque e rentabilidade. Não há conflito
entre os autores perante Alavancagem Financeira com uma relação negativa.
Finalmente a variável Eficiência do Capital de Giro foi utilizada por apenas Ganesan
(2007) e não apresentou associação com rentabilidade.
Na análise desses estudos foram elaborados alguns objetivos e hipóteses. Os
objetivos 1 e 3 aparecem similarmente em outras pesquisas, assim como as hipóteses 1
e 2. Nosso estudo diferencia-se por duas maneiras. Primeiro pelo objetivo 2, onde
ocorre uma análise do efeito do capital de giro na rentabilidade das empresas de dois
grupos distintos; segundo pelo cálculo da rentabilidade utilizando 3 variáveis, ROS,
ROA e ROE;
Esses estudos fornecem uma base sólida para a compreensão de uma
associação da rentabilidade e a gestão do capital de giro e seus componentes. Com
base nesses estudos conduzidos em diferentes países, desenvolvemos nossa pesquisa
com empresas brasileiras de capital aberto.
III. METODOLOGIA UTILIZADA
III.1 – Seleção das empresas e cálculo das variáveis
No início da pesquisa, foram extraídas do site da CVM, Comissão de Valores
Mobiliários, demonstrações financeiras, assim como DRE, Ativo e Passivo das
empresas brasileiras de capital aberto. No projeto inicial iriam ser selecionadas 40
empresas, sendo 20 de cada grupo, porém no decorrer da pesquisa foi discutido que
um número menor (32 empresas) não afetaria os resultados esperados na pesquisa.
Portanto foram selecionadas 32 empresas, 16 de cada grupo, uso intensivo e menor
uso do capital. Foram consideradas empresas de capital intensivo aquelas cujo ativo
não circulante represente mais de 50% do ativo total. As de menor uso de capital são
aquelas empresas com ativo não circulante menor que 50% do ativo total. A amostra
11
abrangeu um período de 5 anos (2005 a 2009); formando um total de 160 observações.
Usaram-se Variáveis dependentes e independentes iguais para todas as empresas, e foram
foram escolhidas de acordo com estudos previstos relatados na revisão bibliográfica. No
projeto, foi proposto dois diferencias em relação aos outros estudos sobre capital de giro. O
primeiro grande diferencial foi o cálculo da rentabilidade em três diferentes variáveis
dependentes, ROA, ROE e ROS; o outro diferencial proposto foi o estudo das empresas em
dois grupos distintos, o do uso intensivo e menor uso do capital.
O cálculo das variáveis dependentes:

ROS (Lucro de venda liquida) é a razão do (lucro ajustado) e (receita liquida
de vendas).

ROA (Retorno sobre ativo) é a razão do (lucro ajustado) e a (média do
Passivo total dos anos presente e seguinte).

ROE (retorno de equivalência) é a razão do (lucro ajustado) e a (média do
Patrimônio liquido dos anos presente e seguinte).
Lucro ajustado é igual ao (lucro do período) menos os (resultado de
equivalência, financeiras, depreciação e amortização)
O cálculo das variáveis independentes:

CCE (cash flow efficiancy) é à razão do (cash flow from operation) e a
(receita bruta de vendas).
Cash flow from operation é a soma do (clientes e estoque) menos
(fornecedores, impostos, taxas, provisão, salários, ordinárias, aluguel e outros.)

Alavancagem financeira (AF) é à razão da (soma dos empréstimos,
financiamento e debêntures dos passivos circulante e não circulante) e (passivo total).

PMR (prazo médio de recebimento) é a razão de (clientes) e a (receita bruta
dividida por 360).

PME (prazo médio de estoque) é a razão de (estoques) e a (receita bruta
dividida por 360).

DCG (dias de capital de giro) é igual à soma do (PMR e PME) menos (PMP).
PMP (prazo médio de pagamento) é igual à soma de (fornecedores,
impostos, taxas, provisão, salários, ordinárias, aluguel e outros) sobre (receita bruta dividida
por 360).
12
Um objetivo inicial do estudo era analisar empresas de um mesmo setor, para
que exista uma maior comparabilidade entre os resultados, no site da
BMF&BOVESPA as empresas estão separadas em seus respectivos setores e
subsetores; para nosso estudo essa foi a base setorial das empresas.
As empresas foram escolhidas a partir de um critério. As primeiras dezesseis
empresas escolhidas tinham como pré- requisito o ativo circulante (AC) maior que
50% do ativo total. As outras dezesseis o Ativo Circulante menor que 50% do ativo
total.
Como já previsto, não foi possível encontrar 16 empresas em um mesmo
subsetor ou setor que tinham os pré-requisitos solicitados, portanto, para que se
completassem as 16 empresas em cada grupo, foram utilizados empresas de outros
setores e subsetores, como ilustrado nas tabelas a seguir.
Tabela 1 – Número de empresas selecionadas em cada setor
SETORES
SUBSETORES
No
EMPRESAS
No EMPRESAS
SELECIONADAS
Tecidos, vestuários
Consumo
e Calçados
34
11
Cíclico
Ultilidades domésticas
9
3
Comércio e distribuição
4
1
Químico
BMF&BOVESPA
4
1
Consumo
não Cíclico
Materiais
Básicos
Fonte:
Nota: Dados Trabalhados pelo Autor
Para as empresas do primeiro grupo, o setor econômico escolhido para as
pesquisas foi o de consumo cíclico, como ilustrado no quadro acima, onde se deu
maior preferência para o subsetor de Tecidos, Vestuários e Calçados. Nesse subsetor
foram encontradas 34 empresas, mas dessas, apenas 11 empresas tinham o prérequisito. Como não foi possível escolher dezesseis empresas outros subsetores foram
selecionados como Utilidade Doméstica. Nesse subsetor existem 9 empresas, mas
apenas 3 tinham o AC maior que 50%. Somando esses dois subsetores foram
encontradas 14 empresas, restando assim duas para completar a amostra, estas foram
retiradas de outros setores; no setor de Consumo não Cíclico, no subsetor de Comércio
13
e Distribuição na área de Saúde, onde foram encontradas 1 entre 4 empresas. E, para
completar a amostra, o setor de Materiais Básicos no subsetor Químico Fertilizantes, onde
novamente, encontramos 1 dentre 4 empresas.
Setor Econômico: Consumo cíclico
Subsetor: Tecidos, Vestuários e Calçados
Empresas: Dohler, Indústria Cataguas, Karsten, Santanense,
Vicunha têxtil, Cia Hering, Cambuci, Alpargatas, Renner, Grazziotin, Pettenati.
Subsetor: Utilidades domésticas
Empresas: Whirlpool, Nadir Figueiredo, Globex.
Setor Econômico: Consumo não cíclico
Subsetor: Comércio e distribuição
Empresas: Drogasil.
Setor Econômico: Materiais básicos
Subsetor: Químico
Empresas: Heringer.
Depois de calcular os dados das variáveis, foi feito o mesmo processo com
outras 16 empresas, do outro grupo, dados retirado dos mesmos sites (Bovespa e CVM), mas
desta vez o pré-requisito foi do ativo circulante ser menor que 50% do ativo total.
14
Tabela 2 – Número de empresas selecionadas em cada setor
SUBSETORES
No
EMPRESAS
No EMPRESAS
SELECIONADAS
Siderurgia e Metalurgia
14
3
Mineração
5
1
Químico
11
3
Materiais
Madeira e Papel
11
1
Básicos
Embalagem
4
1
combustível
Exploração de refinos
7
1
Consumo
Tecidos
Cíclico
Vestuários e Calçados
34
6
SETORES
Petróleo,
Gás e Bio-
Fonte: BMF&BOVESPA
Nota: Dados trabalhados pelo Autor
O setor econômico que foi focado desta vez foi Materiais Básicos, no subsetor
de Siderurgia. Nesse subsetor encontramos 14 empresas, sendo apenas três com o prérequisito. Desta vez não houve sucesso em encontrar um bom número de empresas no
primeiro subsetor com o pré-requisito, assim diversos subsetores foram pesquisados
como Mineração com cinco empresas, Químico com 11, Madeira e Papel com nove,
Embalagens com quatro; nesses subsetores foram encontradas 1, 3, 1, 1 empresas,
respectivamente. Assim como nas primeiras pesquisas, foi necessário ir a diferentes
setores para alcançar a meta de 16 empresas. O setor de Petróleo, Gás e Bicombustível
no subsetor de Exploração de Refinos, onde foi encontrada apenas uma empresa
dentre sete. E, para completar as 16 empresas desse grupo, foi recorrido o setor de
Consumo Cíclico no subsetor de Tecidos, Vestuários e Calçados, das 34 empresas,
foram selecionadas seis para completar o grupo.
Setor econômico: materiais básicos
Subsetor: siderurgia
Empresas: CIA Siderurgia, Indústria Siderúrgica de Minas
Gerais S.A, Duque.
Subsetor: mineração
Empresas: Vale
15
Subsetor: químico
Empresas: Braskem,Vale fertilizantes, Millenium.
Subsetor: Madeira e papel
Empresas: Duratex,
Subsetor: Embalagens
Empresas: Dixie Toga
Setor econômico: Petróleo, Gás e Bicombustível
Subsetor: exploração de refinos
Empresas: Petrobrás
Setor econômico: Consumo cíclico
Subsetor: tecidos, vestuários e calçados
Empresas: Buettner, Cedro, Fabrica Carlos Renaux, Teka,
Botucatu, Têxtil Renaux.
As tabelas acima 1 e 2 mostram um número expressivo de empresas que foram
excluídas da amostra. Isso ocorreu devido ao grande número de empresas de “holdings”, que
alguns dados (receita e/ou estoque e/ou clientes) são nulos. Nesse estudo foram selecionadas
apenas as empresas que forneciam os dados de todos os 5 anos, 2005-2009, excluindo assim
mais algumas empresas. Outra e última ocorrência que dificultou a permanência em somente
um mesmo setor foram devidas algumas empresas, tanto com ativo circulante menor, quanto
com ativo circulante maior que 50%, se aproximaram muito dos exatos 50%, ou oscilavam a
cada ano. E, portanto, foram excluídas da amostra.
O fato de ter sido usado diferentes setores não afeta os resultados, pois estas empresas
foram diferenciadas a partir de um critério (ativo circulante maior ou menor que 50% do ativo
total), então, a mudança de setores para se completar a amostra não tem nenhum impacto na
pesquisa.
As demonstrações financeiras das empresas foram organizadas em planilhas
eletrônicas (Excel), para facilitar o trabalho de cálculo das variáveis, e depois de efetuados os
16
cálculos as variáveis foram tabuladas, como mostram as tabelas 3 e 4 abaixo, para o inicio do
tratamento estatístico.
As empresas escolhidas foram:
Categoria 1
Grazziotin (E1), Renner (E2), Drogasil (E3), Globex (E4), Heringer (E5), Dohler (E6),
Ind. Cataguas (E7), Karsten (E8), Santanense (E9), CIA Hering (E10), Alpargatas (E11),
Cambuci (E12), Whirlpool (E13), Nadir Figueira (E14), Vicunha (E15), Pettenati (E16)
Categoria 2
Ind. Sid. M.G. (E1), Cia Siderúrgica (E2), Duque (E3), Vale (E4), Duratex (E5), Dixie
Toga (E6), Braskem (E7), Vale Fertilizantes(E8), Millennium (E9), Petrobrás (E10), Buettner
(E11), Cedro (E12), Fab. C. Renaux (E13), Teka (E14), Textil Renaux (E15), Botucatu (E16)
Tabela 3 – Variáveis do primeiro grupo (Categoria 1)
Observação
CCE (%)
AF (%)
PMR
(dias)
PME
(dias)
DCG
(dias)
ROS (%)
ROA (%)
ROE (%)
1. E1
11,7
-
53,1
48,8
42,2
9,9
483,1
417,8
2. E2
13,5
18,7
89,2
24,0
48,7
10,8
259,0
525,6
3. E3
5,9
5,1
20,5
52,8
21,5
5,1
269,2
109,4
4. E4
(5,7)
4,8
13,9
57,3
(20,6)
(5,2)
(297,8)
107,2
5. E5
(1,5)
33,7
33,9
45,9
(5,4)
(0,4)
(18,4)
2,1
6. E6
33,8
8,3
73,2
94,3
121,7
(3,4)
(320,7)
(413,8)
7. E7
34,0
28,3
72,0
77,1
123,0
0,6
46,2
73,8
8. E8
22,7
61,6
67,9
46,8
85,9
11,6
542,8
996,4
9. E9
41,9
15,9
82,4
61,6
121,2
10,0
615,7
1.212,0
10. E10
18,1
28,8
88,5
36,7
65,0
12,1
444,1
786,5
11. E11
17,3
8,3
73,2
25,1
62,1
13,3
333,6
825,9
12. E12
24,0
31,5
94,6
45,5
101,0
43,9
1.996,6
4.433,9
13. E13
(14,1)
2,9
20,5
20,5
(50,8)
6,7
137,5
(340,4)
14. E14
22,1
27,1
80,4
40,3
79,6
5,5
221,6
437,8
15. E15
12,7
40,6
80,8
59,4
102,9
6,9
410,1
710,0
16. E16
9,2
6,3
53,2
32,7
33,0
3,3
107,8
108,9
-
-
número
2009
2008
17. E1
0,8
-
16,3
40,0
2,8
8,8
351,6
24,6
18. E2
16,9
22,1
89,4
24,1
60,7
9,9
238,1
600,5
19. E3
8,7
6,8
20,4
59,5
31,7
3,8
225,9
120,5
20. E4
3,5
9,9
39,1
34,4
12,6
1,7
58,5
21,5
17
21. E5
(3,1)
34,6
35,1
53,2
(11,1)
6,3
335,3
(69,6)
22. E6
37,2
14,8
63,2
107,6
133,8
(2,9)
(311,9)
(388,0)
23. E7
35,7
29,5
80,5
81,7
128,6
6,2
506,5
797,3
24. E8
25,9
55,0
94,8
38,7
99,1
5,2
201,4
515,5
25. E9
32,6
17,3
78,4
36,1
94,8
12,2
440,3
1.156,6
26. E10
18,0
38,7
97,2
43,2
64,9
16,5
712,1
1.070,9
27. E11
21,0
14,7
77,3
30,6
75,5
14,7
450,3
1.109,9
28. E12
23,4
42,9
86,9
62,9
98,8
8,2
515,9
810,2
29. E13
(9,7)
2,8
14,5
31,7
(34,8)
13,3
421,2
(462,8)
30. E14
20,1
22,7
59,5
53,4
72,3
8,9
475,2
643,5
31. E15
21,8
37,5
77,8
53,9
99,6
2,4
129,4
239,0
32. E16
9,7
10,6
44,5
44,8
34,9
4,1
183,8
143,1
-
-
33. E1
2,5
-
26,1
44,7
9,1
6,5
290,7
59,2
34. E2
12,8
18,2
99,4
21,4
46,1
10,2
218,0
469,8
35. E3
4,9
10,2
21,2
42,7
18,1
3,0
128,0
54,4
36. E4
5,7
25,8
33,4
31,7
20,6
4,3
136,2
88,7
37. E5
24,1
22,5
49,2
84,3
54,8
2,3
193,9
126,1
38. E6
34,4
11,8
58,9
106,2
123,8
(3,6)
(382,4)
(445,7)
39. E7
31,3
22,4
83,5
65,2
112,6
6,6
430,1
743,2
40. E8
29,0
27,6
96,9
38,6
108,8
7,0
270,4
761,6
41. E9
32,4
20,8
81,9
40,7
93,6
7,4
301,4
692,6
42. E10
13,6
18,1
98,0
45,6
48,8
9,8
446,6
478,2
43. E11
15,6
9,3
73,0
24,9
56,1
12,8
319,2
718,1
44. E12
12,3
34,8
84,7
44,6
60,9
(2,7)
(120,4)
(164,4)
45. E13
(7,6)
0,6
21,0
29,9
(27,2)
12,1
362,3
(329,1)
46. E14
19,9
25,7
69,1
38,4
71,7
10,1
387,7
724,2
47. E15
26,3
26,0
74,0
66,6
99,5
6,6
439,3
656,7
48. E16
9,7
8,4
45,4
40,7
35,1
8,3
337,6
291,3
-
-
2007
2006
49. E1
2,2
-
26,7
43,3
8,0
8,0
346,1
64,0
50. E2
3,3
7,7
80,7
21,8
11,9
9,8
213,4
116,2
51. E3
7,9
13,8
24,1
55,3
23,2
4,8
265,4
111,4
52. E4
5,1
15,2
31,3
43,2
14,1
5,4
233,4
75,9
53. E5
(3,4)
16,0
62,2
39,4
(10,9)
3,1
122,0
(33,9)
54. E6
37,0
8,9
67,1
108,8
133,2
(8,4)
(913,9)
(1.118,9)
55. E7
22,7
17,2
86,8
57,2
81,8
8,5
485,9
695,3
56. E8
28,9
34,6
85,5
54,8
109,2
1,0
54,8
109,2
57. E9
35,6
17,8
99,4
43,4
103,3
6,6
286,3
681,8
58. E10
7,9
55,1
79,6
38,4
28,5
12,5
480,3
356,3
59. E11
12,4
4,9
61,9
19,2
44,7
10,2
195,8
455,9
60. E12
1,3
74,7
71,8
38,0
39,4
(2,5)
(94,9)
(98,5)
61. E13
(0,6)
0,5
45,3
28,4
(2,2)
11,4
324,1
(25,1)
62. E14
20,5
16,5
73,8
37,5
73,9
9,3
348,8
687,3
63. E15
26,0
27,8
73,9
52,4
93,9
(7,4)
(387,4)
(694,9)
64. E16
13,9
15,3
53,8
50,1
50,0
3,6
180,3
180,0
18
-
-
65. E1
2005
2,9
-
22,8
46,0
10,5
6,6
303,4
69,3
66. E2
7,0
6,1
94,7
21,6
25,1
7,8
168,5
195,7
67. E3
7,2
8,1
23,1
49,4
20,8
3,8
187,8
79,0
68. E4
1,4
1,5
26,6
33,6
(4,0)
6,4
214,9
(25,3)
69. E5
1,2
9,3
74,4
48,6
5,5
(1,3)
(63,2)
(7,1)
70. E6
25,8
5,2
54,8
78,4
92,7
(12,2)
(956,4)
(1.130,9)
71. E7
22,6
12,5
90,4
54,9
81,4
5,5
301,9
447,7
72. E8
32,1
24,7
84,1
70,5
120,0
5,0
352,6
600,0
73. E9
32,5
20,4
74,7
41,0
94,3
17,8
730,5
1.678,5
74. E10
1,2
58,0
89,5
32,2
4,2
4,6
147,9
19,3
75. E11
9,3
5,0
50,4
18,6
33,6
9,4
174,7
315,8
76. E12
5,6
95,3
70,7
37,8
47,5
1,7
64,2
80,8
77. E13
(3,4)
3,1
34,9
20,5
(12,3)
5,6
114,7
(68,9)
78. E14
22,1
17,8
75,2
40,8
79,6
7,6
309,9
605,0
79. E15
31,1
41,2
68,8
77,8
111,9
5,2
404,7
581,9
54,2
65,9
3,8
206,0
250,4
80. E16
18,3
18,1
60,5
Fonte: CVM (Comissão de Valores Imobiliários)
Nota: Dados Trabalhados pelo Autor
Tabela 4 – Variáveis do segundo grupo ( Categoria 2)
AF (%)
PMR
(dias)
PME (dias)
DCG
(dias)
ROS ( %)
ROA (%)
ROE (%)
25,7
22,6
46,71
95,59
92,49
2,7
258,1
249,7
2. E2
14
41,4
46,87
64,53
50,49
32,6
2.103,7
3. E3
-2,4
19,5
11,82
29
-8,68
2,7
78,3
4. E4
3,9
8,8
44,34
24,83
13,89
15,3
379,9
212,5
5. E5
24
31
86,11
45,83
86,37
9,5
435,4
820,5
6. E6
15,2
16,9
69,26
31,45
54,62
2,1
66,0
7. E7
-11,5
45,3
20,91
35,58
-41,42
103,2
8. E8
8,2
5,7
13,17
64,39
29,58
9. E9
12,2
4,2
32,71
65,52
43,84
2,9
20,8
13,6
EMPRESAS CCE (%)
2009
1. E1
1.646,0
-
23,4
114,7
-
120,1
- 1.339,3 -
615,3
-
596,2
891,1 -
10. E10
-8,4
9,2
26,34
33,19
7,29
16,5
547,6
120,3
11. E11
-15,4
23,5
9,4
50,94
-55,39
66,6
3.392,6
- 3.689,0
12. E12
2,1
16,1
29,19
51,57
7,61
51,6
7,6
13. E13
-32,6
25,1
10,54
63,96
-117,35
1,0
19,8
- 1.266,4
2.323,5
14. E14
-29
37,7
14,03
32,17
-104,39
17,6
566,2
- 1.837,3
15. E15
-19,7
55,4
68,04
58,81
-70,96
2,9
170,5
-
205,8
16. E16
-8
17,1
29,17
47,79
-28,86
27,7
1.323,8
-
799,4
2008
17. E1
20,5
20
23,17
84,79
73,83
26,3
-
-
2.230,0
1.941,7
19
18. E2
11,9
36,4
40,6
69,21
42,67
70,7
4.893,1
3.016,8
19. E3
5,7
24,3
5,83
36,55
20,65
5,1
186,4
105,3
20. E4
25,8
7,1
102,71
30,45
92,86
58,5
1.781,3
5.432,3
21. E5
2,3
39,1
24,34
28,09
8,17
18,6
522,5
152,0
22. E6
16,7
22,6
54,57
38,82
60,23
5,8
225,2
23. E7
-9,2
53,4
18,93
57,95
-33,14
8,1
469,4
24. E8
-18,4
0,7
1,35
184,12
-66,24
6.757,2
25. E9
22,3
6,3
41,27
144,81
80,45
36,7
5,5
-
-3
4,5
30,06
23,97
9,18
21,8
522,5
27. E11
-50
23,9
17,97
39,63
-180,13
0,6
23,8
28. E12
10
17,3
20,29
40,9
36,14
429,5
29. E13
-41,8
23,4
15,61
69,16
-150,48
30. E14
-76,2
36,7
17,05
27,62
-274,43
10,5
9,6
23,6
31. E15
-63,2
92,8
51,99
43,96
-227,47
32. E16
-26,7
31,2
41,6
78,27
-95,99
0,2
99,2
-
442,5
200,1
-
108,1
379,5
663,9
1.444,6
651,8
8,8
268,4
- 2.431,0
796,5 -
26. E10
-
349,3
-
6.476,5
-
45,5
- 7.764,4
9.522,2
-
-
2007
33. E1
12,8
4
30,19
50,27
45,92
25,5
1.281,9
1.171,0
34. E2
3,5
32,6
32,2
66,64
12,61
25,0
1.666,0
315,3
35. E3
-1
22,5
8,16
24,36
-3,74
3,4
82,8
36. E4
4,1
8,9
37,19
30,2
14,58
35,3
1.066,1
514,7
37. E5
0,9
33,6
36,67
15,68
3,4
15,6
244,6
53,0
38. E6
12
27,6
48,6
30,36
43,31
2,3
69,8
99,6
39. E7
-6,7
33,9
24,14
33,45
-24,09
10,1
337,8
-
243,3
40. E8
-11,7
2
3,37
42,47
-42,25
870,6
-
866,1
-
12,7
41. E9
12,8
0
44,85
47,26
45,92
20,5
11,1
42. E10
0,5
2,6
25,45
27,07
7,04
16,6
449,4
43. E11
-24,4
25,2
47,29
47,13
-87,83
127,3
44. E12
0,9
20
27,88
48,95
3,24
45. E13
-19,4
24,6
18,29
86,29
-69,88
46. E14
-60,4
27,8
12,1
47,67
-217,37
47. E15
-54
77,9
56,73
44,72
-194,37
48. E16
10,6
26,8
32,8
81,27
38,08
2,7
3,7
17,8
0,1
5,6
18,9
-
-
49. E1
18,2
5,5
40,3
49,88
65,38
23,8
1.187,1
1.556,0
50. E2
4,7
34,9
58,83
67,93
16,77
26,4
1.793,4
442,7
51. E3
2,5
21,7
20,63
26,35
8,89
4,8
126,5
42,7
52. E4
16,4
28
88,97
20,02
58,88
38,9
778,8
2.290,4
53. E5
5,5
42,4
35,88
21,51
19,68
5,7
122,6
112,2
54. E6
12
27,6
48,6
30,36
43,31
2,3
69,8
99,6
55. E7
-7,6
40,5
22,52
36,46
-27,4
6,7
244,3
2006
-
-
524,6 -
509,7
116,9
-
237,1
181,1 -
12,0
- 1.536,0
4,8
1.243,9
-
1.088,5
21,7
250,4
- 1.536,0 -
-
719,7
183,6
20
56. E8
10,6
10,6
4,09
76,38
38,24
8,6
656,9
328,9
57. E9
20,3
0,5
55,11
66,34
73,06
7,9
524,1
577,2
58. E10
3,2
3,5
23,03
28,78
21,04
595,7
435,5
59. E11
-18,7
20,7
46,09
36,52
-67,24
60. E12
10,6
18,6
32,86
63,78
38,13
61. E13
-4,1
20,4
22,68
100,44
-14,77
62. E14
-64,8
25,8
30,41
37,75
-233,36
63. E15
-58,9
122,7
21,5
54,3
-212,01
20,7
0,6
7,4
18,0
3,3
22,7
64. E16
8,4
23,1
27,45
53,61
30,19
1,8
2005
-
21,9
40,3
-
472,0 -
282,2
- 1.807,9
265,9
-
770,1
124,6
- 1.232,6
4.812,6
96,5
54,3
-
-
65. E1
12,6
8,3
34,39
49,72
45,19
32,0
1.591,0
1.446,1
66. E2
8,5
34,9
62,89
49,54
30,55
31,6
1.565,5
965,4
67. E3
2
21,8
18,06
22,91
7,12
2,5
57,3
17,8
68. E4
1,9
6,7
40,54
22,43
6,87
40,7
912,9
279,6
69. E5
6,5
31,1
32,53
31,93
23,47
10,0
319,3
234,7
70. E6
12,4
31
54,09
31,45
44,61
4,5
141,5
200,7
71. E7
-4,4
37,2
22,92
29,74
-15,71
10,1
300,4
72. E8
13
19,1
6,23
123,43
46,73
8,3
1.024,5
387,9
73. E9
25,3
2,5
60,99
61,64
91,11
25,8
1.590,3
2.350,6
74. E10
1,7
5,2
26,75
25,9
19,13
-10,7
19,3
32,05
43,9
-38,49
528,4
4,4
390,3
75. E11
20,4
0,1
76. E12
8,4
10,9
26,5
57,07
30,07
410,9
216,5
77. E13
-10,5
19,8
21,89
76,37
-37,75
7,2
19,9
- 1.519,8
751,2
78. E14
-59,1
22,6
39,82
40,36
-212,6
79. E15
-23,7
103,4
1,98
35,96
26,2
80. E16
5,5
35,6
24,75
Fonte: CVM (Comissão de Valores Imobiliários)
149,3
-
158,7
3,8
-85,27
3,7
38,3
-
786,6
- 1.377,3
3.265,8
19,93
3,6
94,3
71,7
Nota: Dados trabalhados pelo Autor
III.2 - Parte teórica dos métodos quantitativos: Regressão múltipla e Anova
Esta seção contou com a colaboração do Professor Ayrton Novazzi que utilizou dois
autores como referencia: Owen (1984) e George e Willian (1989).
Um dos objetivos desse trabalho é investigar simultaneamente os efeitos de diversas
variáveis independentes
,
sobre uma variável dependente Y. Isto foi feito usando
regressão múltipla, uma técnica que inclui variáveis independentes num modelo linear geral,
cuja equação básica no que se refere à regressão populacional é descrita como:
21
|
Na expressão citada
as variáveis
Y quando
quando
,
representa o valor médio (ou esperado) de Y quando
|
assumem valores
. O parâmetro
aumenta uma unidade, ficando inalterados
;
indica o acréscimo em Y
aumenta uma unidade, ficando inalterados
parâmetro
corresponde ao valor de Y se
indica o acréscimo em
e assim por diante. O
forem zero.
De acordo com a teoria clássica da análise de regressão, o modelo apresentado pode
ser reescrito da seguinte forma:
|
(1)
sendo |
o valor de Y quando as variáveis
é um componente aleatório que indica a diferença entre
assumem os valores de
|
e
e
.O
|
comportamento probabilístico desse componente obedece a uma distribuição normal com
média 0 e desvio padrão .
Para uma amostra de n valores de (
Y sobre
) a curva estimada da regressão de
é:
̂
̂
(2)
|
Os números
minimizam ∑
(
, estimativas de
serão aqueles que
̂ ) , a soma dos quadrados das n diferenças entre valores reais e
estimados de Y. Tais números foram encontrados com o auxílio das seguintes equações
mínimo quadráticas:
{
(2.1)
̅
̅
̅
Nessas equações usamos a notação: ̅
∑
indicar ∑
̅) (
; ̅ para indicar ∑
(
̅ );
̅ )(
;
∑
;
̅ );
(
̅
para indicar ∑
para indicar ∑
;
∑
̅) (
̅ ).
(
(
̅ )(
;
; ̅ para indicar
̅ )(
̅ );
̅ );
∑
para
(
22
Testes de algumas hipóteses vinculadas ao modelo - Neste estudo consideramos dois
tipos de hipóteses concernentes a (1):
(1)
Hipóteses referentes à significância do modelo de regressão como um todo.
(2)
Hipóteses referentes ao efeito de uma variável
.
Em ambos empregamos a técnica da análise de variância (Anova). No que diz respeito
ao item (a), o par de hipóteses posto à prova é:
para pelo menos um i,
versus
. Nesse caso, a anova conduz ao seguinte quadro resumo:
Quadro Resumo 1 – Anova: Validade da regressão
Variação
Explicada
pela
regressão
Não
explicada
(resíduo)
Soma dos quadrados
∑( ̂
̅)
∑( ̂
)
Gl
∑
Quadrado médio
∑
K
(
∑
)
∑
)
∑( ̅
Total
Fonte: Autor
Tendo em vista o fato de que quando
é verdadeira,
F (Fisher – Snedecor) com número de graus de liberdade
esta estatística para testar
tem distribuição
e
, usamos
. O procedimento tradicional de teste consiste em: (a) supor
verdadeira; (b) fixar um risco de erro tipo I, isto é, impor uma probabilidade
de rejeitar
quando ela é verdadeira. Via de regra,
não deve superar 0.05; (c) achar um valor
que (
se
|
)
; (d) rejeitar
, aceitar
se
tal
.
No que se refere ao item (b), para conhecer o efeito de uma variável especificada
, sobre Y por meio da anova, isolamos esta variável e empregamos as
restantes para prever Y. Como ilustração, suponhamos que nosso foco de interesse seja
analisar o efeito de
sobre Y. Nesse caso, basta fazer uso das variáveis
estimar Y, com suporte nos estimadores
seguinte sistema de equações mínimo quadráticas:
para
, os quais são determinados resolvendo o
23
{
(2.2)
Tendo à disposição os
e os
, vem o seguinte quadro
resumo:
Quadro Resumo 2 – Anova: Efeito de
variação
Efeito adicional
de
Regressão sobre
Resíduo
sobre Y
Soma dos quadrados
Gl
Quadrado médio
∑
1
∑
∑
∑
(
∑
∑
)
∑
∑
(
)
Total
Fonte: Autor
No presente caso, o par de hipóteses posto à prova é
estatística utilizada para testar
e
é
versus
ea
. Esta estatística tem distribuição F com
graus de liberdade se
for verdadeira. Sendo assim, para testar
leva-se em conta o procedimento que se mencionou.
Critérios análogos ao explanado para avaliar a influência de
evidentemente, válidos para qualquer outra variável
sobre Y são,
.
Na avaliação da regressão como um todo, se a Anova conduziu à rejeição de
calculamos o coeficiente de determinação
,
, que é uma relação entre a variação explicada
pela regressão e a variação total:
∑
(2.3)
24
IV – ANÁLISE DOS RESULTADOS
Neste estudo foram coletados dados amostrais de natureza contábil abrangendo duas
categorias de empresas. Da primeira fizeram parte empresas com ativo circulante maior que
50% do ativo total e da segunda, empresas com ativo circulante menor que 50% do ativo total,
como citado anteriormente na seção III.1.
Nossas fontes de informação foram os balanços corporativos, abertos ao público no
site da CVM, que possibilitaram a quantificação das variáveis independentes: X1=CCE,
X2=Debt Ratio, X3=PMR, X4=PME, X5= Dias de CG e das seguintes variáveis dependentes:
Yr= Rentabilidade, Ya=ROA, Yo=ROE.
As empresas escolhidas foram citadas anteriormente na seção III.1, metodologia.
Nesta mesma seção estão os valores calculados das variáveis independentes e dependentes,
nas Tabelas 3 e 4.
Indicando por Y cada uma das variáveis dependentes, os valores de bi, i=0,..., 5, que
identificam a regressão estimada de Y sobre Xi, i=1,..., 5, ou seja
,
serão calculados com base em [(2.1)] da seção III.2, para k=5
IV.1 - Equação de regressão – Empresas com alto capital de giro (Categoria1)
Nesta etapa, foi usada a regressão múltipla para a análise das empresas da categoria 1.
Para determinar até que ponto as variáveis Xi afetam a rentabilidade das firmas, empregamos a
Anova. Para isso, serão observadas a tabela 3, da seção III.1 e a parte teórica, encontrada na
seção III.2.
IV. 1.1 - Regressão estimada de Yr sobre X1, X2, X3, X4, X5
Nesta parte da pesquisa, usaremos a tabela da seção III.1, tabela 3. Abaixo foi
realizado a tratamento estatístico sobre a variável dependente ROS. Regressão múltipla e
Anova.
Da tabela 3, vem:
25
Substituindo esses valores em [(2.1)] e resolvendo as equações, vem:
Ŷr=7,873107+0,119868x1-0,0365483x2+0,0798714x3-0,131252x4-0,0294017x5
A Anova, para o teste da validade da regressão como um todo, conduziu aos seguintes
resultados [quadro-resumo 1] da seção III.2:
Anova para regressão múltipla
Variação
Soma dos
quadrados
g.l
Quadrado médio
Explicada
894,171662
5
178,834332
não explicada
2972,578213
74
40,169976
Total
3866,749875
79
Fobs=4,451940, Fcrít=F5,74=3,275224, para α=0,01; R2=0,231246 [(2.3)]
Conclusão: Ao nível de 1% rejeitamos a hipótese H0, segundo a qual todos os βi, i=1,..., 5, são iguais a
zero. Ou seja, pelo menos um deles é diferente de zero.
A regressão estimada acima mostra que 23.12% da variação do ROS é explicada pelas
variáveis independentes.
Como H0 foi rejeitada, devemos conhecer quais β’s são não nulos. Isto pode ser feito
pesquisando os efeitos de cada uma das variáveis independentes, com base em [(2.2)] e
[quadro resumo 2], localizados na seção III.2. Por exemplo, pesquisando o X1 obtivemos:
26
a) Efeito de X1 sobre Yr
Causa da variação
Soma de quadrados
g.l
Quadrado médio
9,389543
1
9,389543
884,782119
4
Resíduo
2972,578213
74
Total
3866,749875
79
Efeito de X1 depois de
eliminadas as outras
variáveis
Regressão sobre X2, X3,
X4, X5
40,169976
Fobs=0,233745, Fcrít=F1,74=3,970230, para α=0,05
Conclusão: Sendo Fobs<Fcrit, não há evidência da presença do efeito de X1
Idêntico processo foi utilizado para avaliar o efeito de X2,..., X5.
Vale lembrar que o único efeito verificado foi o de X4, como ilustrado abaixo.
b) Efeito X4 sobre Yr
Causa da variação
Soma de quadrados
g.l
Quadrado médio
414,934564
1
414,934564
479,237098
4
Resíduo
2972,578213
74
Total
3866,749875
79
Efeito de X4 depois de
eliminadas as outras
variáveis
Regressão sobre X1, X2,
X3, X5
40,169976
Fobs=10,329470, Fcrít=F1,74=6,990275, para α=0,01
Conclusão: Sendo Fobs>Fcrit (nível 0.01), X4 tem efeito na regressão. Então, β4 não é nulo.
Ficou evidente que o PME (X4) foi a única variável independente apresentou efeito
sobre a rentabilidade das empresas com alto capital de giro.
A regressão estimada de X4 sobre Yr é ŷr=b0+b4x4. De [(2.1)] tem-se que b4c44=cy4 e
b0=ȳ-b4Ẍ4. Fazendo as substituições convenientes, vem:
ŷr=11,739199-0,118374x4.
Portanto, o aumento de 1 dia no PME acarreta a diminuição de 0.118% no ROS.
27
IV.1.2 - Regressão estimada de Ya sobre X1, X2, X3, X4, X5
Nesta etapa da pesquisa será feito, assim como anteriormente, as regressões sobre a
variável dependente, mas desta vez, sobre ROA.
Da tabela 3, vem:
.
Substituindo esses valores em [(2.1)] e resolvendo as equações, podemos escrever:
O teste da validade a regressão como um todo [quadro-resumo 1] apresentou a
seguinte configuração:
Anova para regressão múltipla
Variação
Soma dos
quadrados
g.l
Quadrado médio
Explicada
793,310796
5
158,662159
não explicada
4773,316704
74
64,504280
total
5566,627500
79
Fobs=2,458715, Fcrít=F5,74=2,338278, para α=0,05; R2=0,142512 [(2.3)]
Conclusão: Sendo Fobs>Fcrit, (nível 0.05), rejeitamos H0, segundo a qual β1=β2=...=β5=0.
Neste caso a regressão estimada mostrou que 14.25% da variação do ROA pode ser
explicada pelas variáveis independentes. E devemos investigar os β’s para conhecer os que
não são nulos. Como vimos, isso pode ser conseguido analisando os efeitos dos Xi sobre Ya.
28
Levando em conta [(2.2)] e [quadro-resumo 2], vem:
a) Efeito de X1 sobre Ya
Causa da variação
Soma de quadrados
g.l
Quadrado médio
0,007473
1
0,007473
793,303323
4
Resíduo
4773,316704
74
Total
5566,627500
79
Efeito de X1 depois de
eliminadas as outras
variáveis
Regressão sobre X2, X3,
X4, X5
64,504280
Fobs=0,000116, Fcrít=F1,74=3,970230, para α=0.05
Conclusão: Sendo Fobs<Fcrit, não há evidência da presença de efeito de X1
Idêntico processo foi utilizado para avaliar o efeito de X2,..., X5.
Vale lembrar que o único efeito verificado foi o de X4, como ilustrado abaixo.
b) Efeito X4 sobre Ya
Causa da variação
Soma de quadrados
g.l
Quadrado médio
347,647202
1
347,647202
445,663594
4
Resíduo
4773,316704
74
Total
5566,627500
79
Efeito de X4 depois de
eliminadas as outras
variáveis
Regressão sobre X1, X2,
X3, X5
64,504280
Fobs=5,389521, Fcrít=F1,74=3,970230, para α=0,05. (Efeito de X4)
Fobs=1,727264, Fcrít=F4,74=2,495388, para α=0,05. (Variação explicada pela regressão sobre X1, X2, X3,
X 5)
Conclusão: Fica evidenciada a presença do efeito de X4 (nivel 0.05). Fica também evidenciado que a
regressão de Ya sobre as outras variáveis independentes não foi estatisticamente significante. Ou seja, apenas o
PME (X4) interfere no ROA das empresas com capital de alto giro.
Novamente ficou evidente que o PME (X4) foi a única variável independente
apresentou efeito sobre a rentabilidade das empresas com alto capital de giro.
A regressão estimada de X4 sobre Yr é ŷr=b0+b4x4. De [(2.1)] tem-se que b4c44=cy4 e
b0=ȳ-b4ẍ4. Fazendo as substituições convenientes, vem:
.
Portanto, o aumento de 1 dia no PME acarreta a diminuição de 0.123% no ROA.
29
IV.1.3 - Regressão estimada de Ye sobre X1, X2, X3, X4, X5.
Depois da regressão sobre as duas variáveis dependentes, foi feito sobre o ROE, para
assim, finalizar a primeira categoria de empresas.
Da tabela 3, vem:
Empregando esses números em [(2.1)] e resolvendo as equações, podemos escrever:
ŷe=17,999329+5,710737x1+0,663617x2-0,104016x3+0,0990423x4-1,973358x5
O teste da validade da regressão como um todo [quadro-resumo 1] conduziu aos
seguintes resultados:
Anova para regressão múltipla
Variação
Soma dos
quadrados
g.l
quadrado médio
Explicada
39430,189442
5
7886,037888
não explicada
496062,304433
74
6703,544655
Total
535492,493875
79
Fobs=1,176398, Fcrít=F5,74=2,338278, para α=0,05, R2=0,07363 [(2.3)]
Conclusão: Sendo Fobs<Fcrit, aceitamos a hipótese H0, segundo a qual os βi, i=1,..., 5, são nulos.
Portanto, a regressão fica invalidada.
Devido ao baixo valor explicado, essa regressão foi considerada insignificante,
explicando aproximadamente apenas 8%. ROE foi invalidado pelo menos para essa amostra
coletada, pertencente a esse grupo de empresas.
IV.2 - Equação de regressão – Empresas com baixo capital de giro (Categoria 2 )
Nesta outra etapa do estudo, foram observadas as empresas da categoria 2, pelos
mesmo métodos utilizados anteriormente, regressão múltipla para a análise das empresas da
categoria 2, e, para determinar até que ponto as variáveis Xi afetam a rentabilidade das firmas,
30
empregamos a Anova. Para isso, foram observadas a Tabela 4 da seção III.1 e a parte teórica,
encontrada na seção III.2.
IV.2.1 - Regressão estimada de Yr sobre X1, X2, X3, X4, X5
Abaixo, a regressão estimada da variável dependente Rentabilidade (ROS) sobre as
variáveis independentes.
Da tabela 4, vem:
Substituindo esses valores em [(2.1)] e resolvendo as equações, vem:
No teste de regressão como um todo [quadro-resumo 1], obtivemos:
Anova para regressão múltipla
Variação
Soma dos quadrados
g.l
quadrado médio
Explicada
7475,047813
5
1495,009563
não explicada
33937,270187
74
458,611759
Total
41412,318000
79
Fobs=3,259859, Fcrít=F5,74=2,338278, para α=0,05; R2=0,180503 [(2.3)]
Conclusão: rejeita-se H0 ao nível de 0,05. Portanto, pelo menos um dos βi, i=1,..., 5, deve ser diferente de
zero.
Do exposto verificamos que 18.05% da variação do ROS pode ser explicada pelas
variáveis independentes.
Ao rejeitarmos a hipótese H0 segundo o qual todos os βi são não nulos, devemos
31
investigar qual (ou quais) desse (s) parâmetros difere (m) de zero. Isto pode ser feito pesquisando
o efeito dos Xi na regressão múltipla.
a) Efeito de X1 sobre Yr
Causa da variação
Soma de quadra os
Efeito de X1 depois de
eliminadas as outras
variáveis
g.l
65,856743
1
7409,191070
4
Resíduo
33937,270187
74
Total
41412,318000
79
Regressão sobre X2, X3,
X4, X5
Quadrado médio
65,856743
458,611759
Fobs=0,143600, Fcrít=F1,74=3,970230, para α=0,05
Conclusão: Sendo Fobs<Fcrit, não há evidência da presença do efeito de X1
b) Efeito de X2 sobre Yr
Causa da variação
Soma de quadrados
g.l
Quadrado médio
723,472323
1
723,47232
6751,575490
4
Resíduo
33937,270187
74
Total
41412,318000
79
Efeito de X2 depois de
eliminadas as outras
variáveis
Regressão sobre X1, X3,
X 4, X 5
458,611759
Fobs=1,577527, Fcrít=F1,74=3,970230, para α=0,05
Conclusão: Sendo Fobs<Fcrit, não há evidência da presença do efeito de X2
c) Efeito X3 sobre Yr
Causa da vari cão
Soma de quadrados
g.l
Quadrado médio
497,707711
1
497,707711
6977,340102
4
Resíduo
33937,270187
74
Total
41412,318000
79
Efeito de X3 depois de
eliminadas as outras
variáveis
Regressão sobre X1, X2,
X 4, X 5
458,611759
Fobs=1,085248, Fcrít=F1,74=3,970230, para α=0,05
Conclusão: Sendo Fobs<Fcrit, não há evidência da presença do efeito de X3
32
d) Efeito X4 sobre Yr
Causa da varição
Soma de quadrados
g.l
Quadrado médio
632,617263
1
632,617263
6842,430550
4
Resíduo
33937,270187
74
Total
41412,318000
79
Efeito de X4 depois de
eliminadas as outras
variáveis
Regressão sobre X1, X2,
X 3, X 5
458,611759
Fobs=1,379418, Fcrít=F1,74=3,970230, para α=0,05
Conclusão: Sendo Fobs<Fcrit , não há evidência na presença do efeito de X4
e) Efeito de X5 sobre Yr
Caus
da variação
Soma de quadrados
g.l
Quadrado médio
121,700956
1
121,700956
7353,346857
4
Resíduo
33937,270187
74
Total
41412,318000
79
Efeito de X5 depois de
eliminadas as outras
variáveis
Regressão sobre X1, X2,
X3, X4
458.611759
Fobs=0,265368, Fcrít=F1,74=3,970230, para α=0,05
Conclusão: Sendo Fobs<Fcrit, não há evidencia da presença de efeito de X5
Como mencionado, nenhuma das variáveis Xi, i=1,..., 5 tem efeito estatisticamente
significante sobre Yr se as quatro outras estiverem juntas. O fato de a Anova para a regressão
estimada ter sido significante decorre a existência de multicolinearidade, ou seja, alta correlação
entre as variáveis independentes. Quando isto ocorre a Anova não pode ser aplicada.
IV.2.2 - Regressão estimada de Ya sobre X1, X2, X3, X4, X5
Nesta seção, foi analisada a regressão da variável ROA sobre as variáveis independentes.
Da tabela 4, vem:
Substituindo esses valores em [(2.1)] e resolvendo as equações, vem:
33
O teste da validade da regressão como um todo conduziu a:
Anova para regressão múltipla de Ya sobre X1, X2, ..., X5
Variação
Soma dos quadrados
g.l
quadrado médio
Explicada
2071,738021
5
414,347604
não explicada
7436,913979
74
100,498838
Total
9508,652000
79
Fobs=4,122909, Fcrít=F5,74=3,275224, para α=0,01, R2=0,21788 [(2.3)]
Conclusão: Rejeita-se H0 e, portanto, pelo menos um dos βi, i=1,..., 5, difere de zero.
Do quadro acima verificamos que 21.79% da variância do ROA pode ser explicada pelas
variáveis independentes.
A rejeição de H0 leva-nos a pesquisar quais são os β’s que não são nulos, mediante os
testes que identificam os efeitos de Xi, i=1,..., 5. Neste caso usamos como exemplo o X1.
a) Efeito de X1 sobre Ya
Causa da variação
Soma de quadrad s
g.l
Quadrado médio
24,790880
1
24,790880
2046,947141
4
Resíduo
7436,913979
74
Total
9508,652000
79
Efeito de X1 depois de
eliminadas as outras
variáveis
Regressão sobre X2, X3,
X4, X5
100,498838
Fobs=0,246678, Fcrít=F1,74=3,970230, para α=0,05
Conclusão: Sendo Fobs<Fcrit, não há evidência da presença do efeito de X1
Idêntico processo foi utilizado para avaliar o efeito de X2,..., X5.
Vale lembrar que o único efeito verificado foi o de X2, como ilustrado a seguir.
34
b) Efeito de X2 sobre Ya
Causa da variação
Efeito de X2 depois de
eliminadas as outras
variáveis
Regressão sobre X1, X3,
X 4, X 5
Soma de quadrados
g.l
762,616368
1
1309,121653
Quadrado médio
762,6
368
4
Resíduo
7436,913979
74
Total
9508,652000
79
Fobs=7,588310, Fcrít=F1,74=6,990275, para α=0,01
100,498838
Conclusão: Sendo Fobs>Fcrit, fica evidenciada a presença do efeito de X2 (nivel 0.01).
Do
exposto,
verificamos
que
Alavancagem
Financeira
(X2)
tem
influência
estatisticamente significante no ROA.
A regressão estimada de X2 sobre Ya,
.
, calculada com base em [(2.1)], é
Pode-se então inferir que quando a AF aumenta 1%, o ROA diminui 0.214%.
IV.2.3 - Regressão estimada de Ye sobre X1,..., X5
Nesta parte, a regressão sobre o ROE.
Da tabela 4, vem:
Substituindo esses valores em [(2.1)] e resolvendo as equações, vem:
O teste da validade da regressão como um todo apresentou os seguintes resultados:
35
Anova para regressão múltipla de Ye sobre X1, X2, ..., X5
Variação
Soma dos quadrados
g.l
quadrado médio
Explicada
39430,189442
5
7886,037888
não explicada
496062,304433
74
6703,544655
Total
535492,493875
79
Fobs=1.176398, Fcrít=F5,74=2.338278, para α=0.05, R2=0,07363 [(2.3)]
Conclusão: Sendo Fobs<Fcrit, aceitamos a hipótese H0, segundo a qual os βi, i=1,..., 5, são nulos. Portanto,
a regressão fica invalidada.
Novamente, como na primeira categoria, a variável ROE não mostrou nenhuma relação
significante com as variáveis independentes. E, portanto, pode ser concluído que, com esses
dados coletados nesta amostra, tanto para categoria 1, quanto para categoria 2, não mostram
relação entre return on equidity e outras variáveis.
V – DISCUSSÃO DOS RESULTADOS
Nesta seção, foi feita a análise dos resultados encontrados na seção anterior, discutindoos e os comparando com pesquisas estudadas anteriormente, e, citadas na Revisão
Bibliográfica.
No inicio da pesquisa, antes do tratamento estatístico, fazendo uma análise parcial dos
valores das variáveis encontrados nas tabelas 3 e 4 da seção III.1, podemos observar que as
variáveis PME e PMR são sempre positivas, enquanto as outras variáveis oscilam entre valores
positivos e negativos. PME e PMR, sempre positivos, vão de acordo com a teoria. A variável
Prazo Médio de Estoque (PME) é medida pelo tempo (dias) que leva desde a chegada do
produto final ao estoque até sua saída (venda). Já o Prazo Médio de Recebimento é calculado
pelo tempo, em dias, que leva para o recebimento do dinheiro após a venda ter sido
concretizada. Por isso não podem aparecer resultados negativos, já que estamos tratando de
tempo.
Continuando a análise anterior, as outras variáveis podem apresentar um resultado
negativo, até mesmo o DCG. Tal fato ocorre quando o Prazo Médio de Pagamento é maior que
a soma dos Prazos de Estoque e Recebimento.
Analisando os resultados encontrados pós-tratamento estatístico, a variável dependente
ROE não teve nenhuma relação significante em nenhuma das duas categorias, sendo nas
36
empresas da categoria 1 sua regressão estimada explicou, aproximadamente, apenas 8%; o
mesmo aconteceu com as empresas da categoria 2. Enquanto ROA e ROS, apresentaram
resultados a serem discutidos. Na categoria 1 o ROS explicou 23.12% e o ROA 14.15%; já na
categoria 2 explicaram 18.05% e 21.79% respectivamente.
V.1 – Resultados da categoria 1
Na primeira etapa dos cálculos (IV.1) foram encontradas, na regressão estimada, que as
variáveis independentes, como um todo, explicam 23.12% da variação no ROS e 14.25% da
variação no ROA. Já o ROE, como dito anteriormente, não se mostrou importante.
Na regressão sobre a variável dependente ROS foram excluídas todas as variáveis
independentes, menos o PME, que teve um efeito significante. No aumento de 1 dia no PME
leva a diminuição de 0.118% no ROS. Novamente, na regressão sobre o ROA, ficou clara a
importância do PME. No aumento de 1 dia no PME, ocorre a diminuição de 0.123% no ROA.
V.2 - Resultados da categoria 2
Na segunda etapa dos cálculos (IV.2) foram encontradas na regressão estimada que as
variáveis independentes, como um todo, explicam 18.05% e 21.79% da variação no ROS e
ROA, respectivamente.
Na variação sobre ROS nenhuma variável independente apresentou efeito significante
quando as outras quatro estiverem juntas. O fato de apresentarem 18.05% de explicação do
ROS decorre a existência de multicolinearidade, ou seja, alta correlação entre as variáveis
independentes. Neste caso a Anova não pode ser aplicada. Já sobre o ROA, apenas AF teve
importância relevante, no aumento de 1% leva a diminuição de 0.214% no ROA.
V.3 – Comparação com outros estudos
A variável DCG na maioria dos estudos apresenta uma relação negativa com a
rentabilidade. No nosso estudo, não verificamos nenhum efeito significante. No entanto, no
PME encontramos uma relação negativa com a rentabilidade das firmas, e, portanto quanto
maior PME, maior o DCG e menor a rentabilidade. Os estudos que se diferenciaram podem ser
explicados pelo fato das empresas lucrarem com o parcelamento de suas vendas, implantando
juros altos, como no estudo de Palombini (2010). Portando, quanto menos dias a receber,
menos DCG e menor a rentabilidade; e, também pode ser explicado pelas empresas com menor
rentabilidade demorarem mais para pagar suas contas, como nas pesquisas de Raheman e Nasr
37
(2007). Onde, quanto menor dias a pagar, maior DCG e maior rentabilidade.
No nosso trabalho, Alavancagem Financeira apresentou uma relação negativa com a
rentabilidade, assim como os outros estudos expostos na revisão bibliográfica. Dias de Estoque,
que apresentou uma relação negativa, também pode ser notado nas pesquisas de Lazaridis e
Tryfonidis (2006), Deloof (2003) e Chakraborty (2008). Lazaridis e Tryfonidis (2006) e Dellof
(2003) também encontraram uma relação negativa entre dias a receber e rentabilidade, mas
nosso estudo não apresentou nenhuma evidência, assim como Chakraborty (2008). Quanto ao
CCE, usado apenas por Ganesan (2007) onde não encontrou nenhum efeito, obtivemos os
mesmo resultados.
VI – CONCLUSÃO
Nesse estudo tínhamos como objetivos descobrir a relação entre rentabilidade (ROS,
ROA e ROE) e a eficiência do capital de giro, descobrir se existe alguma diferença entre essa
relação nos dois grupos, menor uso (cat. 1) e uso intensivo do capital (cat. 2), e determinar
quais variáveis mais afetam a rentabilidade. O Projeto estabeleceu as seguintes hipóteses:
Ambas as hipóteses apontam uma relação negativa entre as variáveis, (1) DCG e (2) AF, com a
rentabilidade.
Neste trabalho foram estimadas as regressões múltiplas do ROS, do ROA e do ROE
sobre as variáveis independentes CCE (%), AF (%), PMR (dias), PME (dias), DCG (dias), para
empresas com alto e baixo capital de giro.
Na regressão estimada das empresas da cat. 1, as variáveis independentes como um todo
explicaram 23.12% da variação no ROS, 14.25% no ROA, valores retirados do R2 (coeficiente
de determinação múltipla); Já na cat. 2, explicaram 18.05%, 21.79%, respectivamente.
Infelizmente, para o ROE, não foram obtidos valores significantes.
A regressão estimada dos dois grupos distintos não relataram grandes divergências.
Portanto, respondendo o objetivo 2, podemos dizer que não existe diferença na relação entre a
eficiência do capital de giro e rentabilidade das firmas dos dois grupos.
A constatação da regressão total das equações de regressão múltipla do ROS e do ROA
não significa que, necessariamente, todas as variáveis independentes levadas em conta tenham
efeito. Sendo assim, tivemos o cuidado de excluir as variáveis independentes que não tiveram
38
influência em cada uma das variáveis dependentes, ROS e ROA. O processo de exclusão foi
desenvolvido a partir da Anova, deixando claros os seguintes pontos:
I) Empresas com alto capital de giro
a) Na regressão do ROS foram excluídas todas menos o PME, que teve efeito
evidenciado. O acréscimo de um dia no PME leva a uma diminuição de 0.118% no ROS
b) No ROA, novamente, ficou evidente a importância do PME. Aumentando 1 dia no
PME, reduz o ROA em 0.123%.
Com esses dados encontrados, concluímos que a gestão do estoque é importante para
empresas da cat. 1; Podemos então, concluir que quanto melhor a rentabilidade (ROS e ROA)
das empresas, menor os dias de capital de giro, confirmando a hipótese 1. Então quanto mais
eficiente essa gestão de estoque, melhor seu retorno. Simultaneamente, podemos relacionar
esse achado com o objetivo 1, dizendo que existe uma relação negativa entre as variáveis do
capital de giro com a rentabilidade das empresas.
II) Empresas com baixo capital de giro
a) Devido à presença de multicolinearidade, a Anova não pode ser aplicada.
b) No ROA, somente a AF teve importância relevante, quando aumenta em 1%, leva à
diminuição de 0.214% no ROA.
De acordo com os resultados encontrados, AF (alavancagem financeira) está
negativamente associado com ROA, confirmando a hipótese 2.
Podemos, contudo, concluir que, de acordo com o método ANOVA, as variáveis
independentes que mais afetam a rentabilidade das empresas, respondendo o objetivo 3 do
estudo, foram:
Cat. 1 – PME, com aumento de 1 dia, leva à queda do ROS e ROA, 0.118% e 0.123%,
respectivamente.
Cat. 2 – No ROA, a única variável independente que teve efeito significante foi a AF,
ao aumentar 1%, acarreta uma diminuição de 0,214% no ROA.
39
REFERÊNCIAS
1. AGUADO, S. C. Estudo comparativo entre o CCL e o IOG – uma abordagem didática.
Dissertação de mestrado de Ciências Contábeis da PUC/SP. 2003.
2. ASSAF NETO, A.; Silva, C. A. T. Administração do capital de giro. 3. ed. São Paulo:
Editora Atlas, 2002.
3. BRIGHAM, E.F.; Ehrhardt, M.C. Financial Management- Theory and Practice. 10. ed.
Florida: South-Western, 2002
4. CHAKRABORTY, K. Working capital and profitability: Na empirical analysis of their
relationship with reference to selected companies in the Indian pharmaceutical Industry.
ICFAI Journal of Management Research, India, 2008, Vol. VII, No. 12
5. CHING, H.Y. Gestão de caixa e de capital de giro. Curitiba: Juruá, 2010.
6. CHING, H. Y.; Marques, F.; PRADO, L. Contabilidade e Finanças para não especialistas.
3.ed. São Paulo: Editora Pearson, 2010.
7.CHRISTOPHER, S. B., Kamalavalli, A. L. Sensitivity of profitability to working capital
management in Indian corporate hospitals. Cópia electronica disponível
HTTP://ssrn.com/abstract=1331500, 2009.
8. DELOOF, M. Does Working Capital Management affect profitability of Belgian Firms?
Journal of Business Finance & Accounting, Vol.30 No 3 & 4, pp 573-587, 2003.
9. ELJELLY, A. Liquidity-Profitability Tradeoff: An empirical investigation in an emerging
market. International Journal of Commerce & Management, Vol 14 No 2, pp 48-61, 2004.
10. FILBECK, G.; Krueger, T.; Dianna, P. CFO Magazine´s “working capital survey”: do
selected firms work for shareholders? Quarterly Journal of Business & Economics. Vol 46,
No 2, 2007.
11. GANESAN, V. An Analysis of working capital management efficiency in
telecommunication equipment industry. River Academic Journal, Vol. 3 No 2, 2007.
12. GEORGE, W. Snedecor; Willian G. Cochram,. Statistical Methods, The Lowa State
University Ress, Iowa, USA, 1989.
13. LAZARIDIS, J.; Tryfonidis, D. Relationship between working capital management and
profitability of listed companies in the Athens Stock Exchange. Journal of Financial
Management and Analysis. Vol. 19 (1), pp 26-35, 2006.
14. MATARAZZO. D.C. Análise financeira de balanços. 6.ed. São Paulo: Editora Altas, 2003.
15. MATIAS, A. B. Finanças corporativas de curto prazo. São Paulo: Editora Altas, 2007.
16. OWEN, L. Davies, Statistical Methods in Research and Production with special reference to
the chemical industry. Imperial Chemical Industries limited & Oliven Boyol, 1984.
40
17. PALOMBINI, Nathalie Vicente Nakamura. Gestão do capital de giro: impacto sobre a
rentabilildade e seus determinants. São Paulo: Universidade Presbiteriana Mackenzie, 2010.
Disponível em: < http://mx.mackenzie.com.br/tede/tde_busca/arquivo.php?codArquivo=1848 >.
Acesso em 21 mar 2011.
18. RAHERMAN. A.; Nasr, M. Working Capital Management and Profitability – Case of
Pakistani Firms. International Review of Business Research Papers. Vol. 3 No 1, PP 279-300,
2007.
19. SANTI FILHO, A.; Oliquenvitch, J. L. Análise de balanços para controle gerencial. 3. ed.
São Paulo: Editora Altas, 1995
20. SHIN, H. H.; Soenen, L. Efficiency of working capital management and corporate
profitability. Financial Practice and Education. Vol.8 No 2, pp 37-45, 1998.
21. SILVA, S. S; Moraes Júnios, V. F. Análise econômico-financeira dos índices
de
lucratividade ROA e ROE, baseados no modelo ROI. Natal: Revista cientifica da faculdade
de
Natal,
2006.
Disponível
em:
<
http://www.mendeley.com/research/anliseeconmicofinanceira-dos-ndices-lucratividade-roa-e-roe-baseado-modelo-roi/
>. Acesso em 01 jul 2010.
22. WESTON, J.F.; Brigham, E. F.Fundamentos da Administração Financeira. 10. ed. São
Paulo: Makron Books, 2000.
23. _______________, Pesquisa Corporate Recovery. Consultoria KPMG, 2006.