ANAIS
CRÉDITO EM SUPPLY CHAIN: ANÁLISE DO RISCO AO LONGO DA CADEIA
RICARDO REOLON JORGE ( [email protected] , [email protected] )
FGV/EAESP
LUIZ C. DI SERIO ( [email protected] )
FGV/EAESP
JÚLIO F. B. FACÓ ( [email protected] )
FGV/EAESP
O objetivo desta pesquisa é identificar e explicar as potenciais relações do risco de crédito ao longo
de uma cadeia produtiva. O estudo compreendeu 925 empresas de uma cadeia produtiva de calçados
femininos. Pela aplicação de técnicas estatísticas multivariadas foi possível avaliar os efeitos das
flutuações do risco de crédito no contexto de cadeias produtivas. Entre as principais conclusões
destaca-se a confirmação da existência de relações entre os riscos de crédito dos agentes da cadeia,
além da validação de um modelo matemático que estabelece relações entre o risco de crédito de pelo
menos dois agentes da cadeia produtiva selecionada.
Palavras-chave: Crédito; Risco; Risco de Crédito; Cadeia de Suprimentos; Setor Calçadista.
1. Introdução
Em todas as transações comerciais existe risco associado ao negócio. O risco de
inadimplência e fraude são exemplos deste risco associados ao crédito. Este risco de crédito,
pela ausência de informações, ou assimetria de informações (AKERLOFF, 1970) sobre o
comprador, muitas vezes encarece o valor do produto (DOUAT; GONZALEZ; 2003),
influenciando o desempenho das organizações.
Por sua vez, a idéia de Supply Chain, ou Cadeia de Suprimentos, está vinculado à rede de
organizações que se relacionam com fornecedores e clientes(COOPER et al; 1997),
objetivando o abastecimento do mercado consumidor de forma competitiva(WOOD e
ZUFFO, 1998). Por sua vez, o conceito de Supply Chain Management (SCM), ou Gestão de
Cadeia de Suprimentos, é utilizado para explicar o planejamento e controle de materiais, bem
como processos e atividades que produzem valor na forma de produtos, serviços e
informações (CHEN; PAULRAJ, 2004; DI SERIO; SANTOS, 2005).
Reconhecendo que questões associadas ao risco nas empresas ganham contornos novos
quando analisadas sob a lente das teorias de SCM (BENDOLY; DONOHUE; SCHULTZ,
2006; SAWHNEY, 2006), esta pesquisa busca identificar e explicar potenciais relações entre
o risco de crédito ao longo da Cadeia à medida que se caminha na rede produtiva para trás (a
montante) e para frente (a jusante). A cadeia escolhida para estudo é a cadeia calçadista na
região de Jaú, no estado de São Paulo. Além desta introdução, são apresentados a seguir uma
revisão da literatura, seguida da apresentação da metodologia empregada no estudo,
finalizando com um discussão e conclusões da pesquisa.
2. Revisão da Literatura
ANAIS
A seguir são apresentados alguns tópicos relacionados aos estudos de Cadeias Produtivas na
perspectiva de Gestão de Operações
2.1. Supply Chain: Em Busca de um Conceito para o Estudo
As cadeias produtivas, ou cadeias de suprimentos, unem diversas cadeias de valor (PORTER,
1998). Normalmente incluem a obtenção de matéria-prima, processos produtivos,
armazenamento de produtos acabados, rede de distribuição e o consumidor final (pessoa ou
empresa). Para Chen e Paulraj (2004) uma cadeia de suprimentos abarca todo esforço
envolvido na produção e entrega de um produto final do fornecedor do fornecedor até o
cliente do cliente.
A globalização e expansão dos mercados aumentou significativamente a complexidade das
cadeias de suprimentos, exigindo novas e mais atividades de coordenação entre seus elos. O
conceito de Supply Chain Management – SCM, ou Gerenciamento da Cadeia de Suprimentos,
começou a se desenvolver a partir da década de 1980 nos Estados Unidos (COORÊA, 2003;
CHEN; PAULRAJ, 2004). No Brasil, o conceito teve maior destaque a partir do final da
década de 1990, impulsionado pelo movimento de logística integrada. (FLEURY, 1999)
A dinâmica envolvendo a gestão de uma cadeia de suprimentos leva em consideração uma
perspectiva holística das várias atividades, funções e sistemas necessários para levar um
produto ou serviço ao mercado (VICKERY et al., 2003). Os mesmos autores propõem que a
cadeia de suprimentos seja estrategicamente gerida como um sistema ou entidade únicos, em
contraste à abordagem de sub-sistemas ou segmentos fragmentados. Isso requer, portanto,
uma integração de atividades, funções, sistemas e informação através da cadeia de
suprimentos.
O conceito de SCM pode ser entendido como o desenvolvimento da função logística nas
organizações, envolvendo a ligação entre as funções internas das principais empresas e,
externamente a estas, envolvendo os fornecedores (CHRISTOPHER, 1999). Este conceito
abarca uma série de fatores críticos para seu sucesso.
Tabela 1: Fatores críticos associados ao SCM
FATORES CRÍTICOS
Complexidade de Aplicação do Conceito
AUTORES
Fleury (1999)
Cooper et al. (1998)
Compreensão do Mercado e Perspectiva dos Clientes
Banker e Khosla (1995)
Visão Estratégica Integrada
Cooper et al. (1997; 1998)
Barut, Faisst e Kanet (2002)
Planejamento da Cadeia de Suprimentos
Cooper et al. (1997)
Lambert, Cooper e Pagh (1998)
Infra-estrutura Tecnológica
Novaes (2001)
Copper et al. (1997)
Aspectos Humanos e de Liderança
Lambert, Cooper e Pagh (1998)
Tracey e Smith-Doerflein (2001)
Croxton et al. (2001)
Bendoly; Donohue e Schultz (2006)
Fonte: Elaborado pelos autores
2
ANAIS
A literatura acerca de SCM permite identificar pelo menos 5 fatores críticos associados ao
sucesso na implementação de uma gestão eficiente na Cadeia de Suprimentos, quais sejam: a
complexidade da aplicação do amplo conceito dessa gestão da cadeia (FLEURY; 1999), a
necessidade de uma visão estratégica integrada de todos os elos e agentes envolvidos na
cadeia bem como da perspectiva dos clientes (BANKER; KHOSLA; 1995; COOPER et al;
1997) associado ao planejamento das atividades e papéis de cada um dos atores (LAMBERT;
COOPER; PAGH; 1998), além da necessidade de investimentos em tecnologia (NOVAES;
2001). Estes fatores críticos estão apresentados na tabela 1.
Como base para esta pesquisa será considerada a definição de Christopher (1999) de que os
fornecedores, parceiros e clientes formam um conjunto de relacionamentos definido como
cadeia de suprimentos. Aliada a essa definição outra ênfase do presente estudo está na visão
sistêmica destas relações (COOPER et al; 1997), particularmente na mensuração de
desempenho dos elosi da cadeia vis-a-vis risco de crédito.
2.2. Perspectiva Sistêmica para Avaliação de Desempenho das Cadeias de Suprimentos
De acordo com Beamon (1999), a seleção de medidas de desempenho é uma etapa crítica no
desenvolvimento e avaliação de qualquer sistema ou processo produtivo. No caso específico
de Supply Chain (cadeia de suprimentos), este aspecto é dificultado pelas diversas etapas do
processo de transformação da matéria-prima em produto final, sendo cada uma delas
composta por diversas empresas ou empreendimentos. Abordando os sistemas de avaliação de
desempenho desenvolvidos até o presente, Beamon (1999) constata que os mesmos são
limitados com relação ao seu escopo ou falham por tentar utilizar medidas singulares (únicas)
de avaliação de desempenho, fatos que limitam a avaliação ou ignoram importantes relações
entre alternativas de avaliação de desempenho.
Considerando este contexto, Beamon (1999) propõe uma estrutura para medição de
desempenho, incluindo objetivos organizacionais estratégicos e atendendo às características
dos setores produtivos, composta por medidas dos Recursos utilizados (R), medidas dos
Resultados (outputs) alcançados (O) e medidas da Flexibilidade (F) da cadeia de suprimentos
analisada. De acordo com a proposta formulada, a autora cita que as medidas de recursos
utilizados (R) devem focar a eficiência do uso para atender os objetivos do sistema. A autora
ainda evidencia a importância de observar as relações de causa e efeito existentes entre os três
tipos de medidas sugeridas.
A proposta formulada apresenta medidas típicas do uso de recursos, tais como: custo total,
custos de distribuição, custos de produção, inventários e retorno sobre o investimento (RSI).
Na seqüência, aborda as medidas de resultados (output - O) da cadeia de suprimentos, como
por exemplo, índices de vendas, lucro, grau de preenchimento dos pedidos, entregas no prazo,
falta de estoque / não atendimento de pedidos, tempo de resposta ao consumidor, lead time
(tempo de atravessamento) de produção, erros de embarque e reclamações de clientes.
Posteriormente, Beamon (1999) aborda a questão da Flexibilidade (F) como medida da
habilidade (capacidade) do sistema de absorver ou se adequar às incertezas do meio e da
demanda. Esta medida se divide em: flexibilidade de volume, flexibilidade de entrega,
flexibilidade de mix (composição) de produção e flexibilidade de novos produtos.
Holmberg (2000) parte da discussão dos fundamentos do SCM (Supply Chain Management),
ou gestão da cadeia de suprimentos, para abordar a questão da avaliação de desempenho.
Segundo o autor, a cadeia de suprimentos deve ser vista como uma entidade única e não de
forma fragmentada. Como decorrência, ela demanda um processo de planejamento estratégico
3
ANAIS
integrado, o qual requer uma nova perspectiva de sistema integrado, e não apenas de puro e
simples relacionamento entre partes.
Holmberg (2000) acrescenta que a falta de conexão entre estratégias e medidas de
desempenho voltadas para o foco interno das empresas, o que muitas vezes contribui para a
sub-otimização da cadeia como um todo. Aborda também a utilização pelas empresas de
medidas de desempenho isoladas (individuais) e incompatíveis com as de outras organizações
da cadeia. Outro ponto igualmente relevante, na visão do autor, é a fragmentação interna das
informações nas empresas e a fragmentação externa das informações (o que mostra o baixo
nível de troca de informações e dados entre empresas integrantes de cadeias de suprimentos).
A partir destas considerações, Holmberg (2000) formula uma proposta genérica de estrutura
de um sistema de avaliação de desempenho de cadeias de suprimentos. Para tanto, considera o
modelo desenvolvido pela cadeia de varejo de móveis IKEA (Suécia), onde foi implantado
um sistema envolvendo as informações dos pontos de venda e troca de informações referentes
a custos, prazos e níveis de estoques, com outras empresas à montante na cadeia
(fornecedores), redundando numa melhoria da gestão do sistema.
Da mesma maneira que a pesquisa em operações, em seu início (CORRÊA; 2003), tratou da
empresa como unidade de análise, atualmente a dimensão de análise tem sido a cadeia, ou de
maneira mais abrangente, a competição entre as redes de empresas. O grande desafio passa a
ser a integração de todos os elos/agentes da cadeia (CHRISTOPHER, 1997) bem como a
adequação de ferramentas apropriadas para análise e gestão da cadeia como um todo em lugar
da empresa individual.
2.3. Crédito e Pontuação de Crédito
Uma questão sempre presente na vida da empresa – e por conseguinte das cadeias em que
essas empresas estão inseridas – diz respeito a sua gestão e relação com crédito.
Os sistemas de pontuação de crédito medem objetivamente o risco de crédito, indicando,
percentualmente, a probabilidade de inadimplência em um determinado horizonte de tempo,
em geral 6 ou 12 meses. Para tal são aplicados modelos estatísticos para empresas pequenas e
médias, e também modelos julgamentais para corporações.
A evolução dos sistemas de pontuação de crédito nas últimas décadas foi impulsionada pelo
surgimento de novas tecnologias de informação que permitiram a manipulação e
processamento de um número cada vez maior de dados e informações. À medida que os
hábitos de pessoas físicas e jurídicas na obtenção de crédito e pagamento passaram a ser
capturados de forma abrangente e consistidos em bases unificadas de dados, houve um
aumento qualitativo substancial nas previsões de inadimplência.
Historicamente, os primeiros sistemas de pontuação eram restritos às análises subjetivas dos
agentes credores. Os índices de mercado e financeiros passaram a ser incorporados nas
análises, inicialmente através de abordagem univariada (índices analisados separadamente), e
posteriormente através de abordagem multivariada e seus métodos quantitativos tradicionais
(análise discriminante linear, regressão logística) e métodos alternativos (redes neurais e
algoritmos genéricos).
Os parâmetros normalmente utilizados nos modelos estatísticos de crédito são baseados em 5
dimensões (os conhecidos Cs do crédito):
• Caráter: indica a intenção do devedor em cumprir as obrigações assumidas; base de
dados: informações cadastrais obtidas diretamente com o devedor, com outros agentes
credores ou com empresas especializadas.
4
ANAIS
•
•
•
•
Condições: fatores macroeconômicos.
Capacidade: habilidade de cumprir os compromissos assumidos junto ao credor;
basicamente, é a capacidade de geração de caixa suficiente para pagar os empréstimos
contraídos.
Capital: são os bens e recursos para saldar os débitos.
Colateral: são as garantias para viabilizar a operação de crédito (ex: hipoteca, penhor,
aval, fiança).
A origem de informações para a análise dos Cs são obtidas de diferentes fontes com a ficha
cadastral e os comprovantes de recolhimento de imposto de renda da pessoa jurídica e dos
respectivos sócios, os livros de caixa, e outras segundo os interesses de cada agente credor.
Em geral, para cada dimensão são levantadas as seguintes informações:
• Cadastrais: identificação; idade da empresa; localização; atividade; quadro social;
administração; participações; conselho de administração; seguros; imóveis; clientes;
fornecedores; referências bancárias. Fontes: Juntas Comerciais, Cartórios de Títulos e
Distribuidores, bancos e empresas.
• Comportamentais: relacionamento com fornecedores; históricos de pagamentos; perfil
de pagamento; referências de negócios; relacionamentos mais antigos. Fontes: mailing
e reciprocidade de dados.
• Negativas: cheques sem fundos, protestos, ações executivas, concordatas, falências e
participações em empresas falidas. Fontes: cartórios, fóruns, varas cíveis, bancos e
empresas.
• Financeiras: balanços; demonstrativos contábeis; fluxo de caixa; índices financeiros;
índices- padrão. Fontes: bancos e empresas, jornais, CVM e escritórios de
contabilidade.
• Setoriais: perspectivas do desempenho do setor de atividade da empresa.
2.4. Limitações e benefícios da análise de crédito: Empresa individual versus Cadeia
Quatro são as limitações dos sistemas de pontuação de crédito atualmente utilizados:
• Observa-se uma forte orientação dos modelos atualmente em vigor à análise individual
de cada agente na cadeia produtiva. Cada dimensão do analisada (C do crédito) foca os
resultados de negócios da empresa que demanda o crédito, tais como seus resultados
financeiros, os perfis de seus sócios e sua capacidade potencial em honrar os
compromissos assumidos com o agente credor.
• A dimensão “condição” amplia, mesmo que limitadamente, a análise orientada
exclusivamente aos resultados individuais da empresa para o contexto da rede de
negócios em que ela está inserida, incorporando às análises elementos das condições
macroeconômicas e eventualmente do setor em que atua.
• Ainda assim são considerações que remetem muito mais a uma análise julgamental,
muitas vezes subjetivas e cuja precisão e qualidade intrínsecas à capacidade do
analista de crédito ou ao grupo de análise de crédito.
• Há então um hiato a ser preenchido nos sistemas de pontuação de crédito atualmente
em vigor. Trata-se da contextualização dos negócios da empresa que pleiteia o crédito
na cadeia produtiva em que está inserida. Esta abordagem poderá contribuir para a o
estabelecimento de risco de crédito de forma mais precisa, reduzindo por vezes o risco
de empresas que isoladamente apresentam desempenho inferior, aumentando assim as
oportunidades de concessão de crédito pelos agentes credores; ou aumentando o nível
do risco, protegendo os agentes credores de potenciais inadimplentes que, se
analisados individualmente, apresentam perfis positivos para obtenção de crédito.
5
ANAIS
Os principais benefícios identificados para o modelo de análise de risco de crédito que
incorpora as dimensões da cadeia produtiva em que a empresa está inserida são a redução dos
custos de crédito e dos custos das operações de crédito.
Em geral as empresas obtêm individualmente financiamento, seja para aquisição de
equipamentos, para produção de estoques ou para outros fins. Não observa-se como prática o
pleito por financiamento de forma integrada entre os agentes da cadeia produtiva. Desta
forma, cada participante tipicamente utiliza diferentes agentes financiadores, cada um com
seus próprios termos e condições, conhecimento da indústria e parâmetros de risco de crédito,
além de raramente conhecerem os níveis e situação dos estoques ao longo da cadeia.
A análise do risco de crédito que considera as variáveis da cadeia produtiva poderá reduzir os
custos de financiamentos à medida que mitiga as limitações do modelo de análise individual
(por empresa) acima descritas.
3. Metodologia
A seguir são apresentados aspectos relativos à metodologia emprega na análise do caso.
3.1. A Amostra
O estudo foi realizado com os dados da cadeia produtiva de calçados femininos da cidade de
Jaú e região, localizada no estado de São Paulo. O estudo abarcou 925 empresas entre os anos
de 2002 e 2007. A escolha da cadeia foi feita essencialmente com base na pluralidade de
empresas que a compõe (micro, pequenas, médias e grandes empresas); na variedade de
segmentos (grande e pequeno varejo, indústria de calçados, curtumes); e pela facilidade de
acesso do pesquisador junto aos principais agentes da cadeia.
Inicialmente foi feito o levantamento das empresas que formam cada elo ou grupo de agentes
selecionado da cadeia produtiva de calçados femininos de Jaú e região. Este levantamento foi
refinado com a exclusão de empresas com informações cadastrais inconsistentes. As
informações sobre as empresas tais como localização, linhas de produtos, tamanho e sócios
foram obtidas junto ao Sindicato de Calçados de Jaú, Abicalçados, Fiesp e Ministério do
Desenvolvimento, Indústria e Comércio.
Foram realizados três encontros na cidade de Jaú com os empresários do setor calçadista. Em
cada encontro, o pesquisador obteve informações relevantes sobre as dinâmicas dos negócios
do setor calçadista, as formas de gestão normalmente adotadas (ex: gestão de fornecedores;
política de preços; atuação junto aos sindicatos), e dados específicos das empresas
selecionadas.
Os principais agentes e interligações da cadeia produtiva de calçados de couro de Jaú e região
são apresentados na figura 1.
Apesar da cadeia produtiva de calçados femininos ser formada por um elevado número de
agentes, para efeito deste estudo foram selecionados curtume, indústria de calçados de couro e
varejo dada sua relevância e importância para a realização das análises.
3.2. O Método Estatístico e as Variáveis de Pesquisa
Segundo Hair et al. (2005), qualquer pesquisador que examine apenas as relações entre duas
variáveis e evite análise multivariada estará ignorando poderosas ferramentas que podem
fornecer informações úteis para a melhor compreensão dos fenômenos complexos do
ambiente das organizações. Os métodos de análise multivariada permitem aos pesquisadores
analisarem simultaneamente múltiplas medidas sobre cada objeto de investigação.
6
ANAIS
Figura 1 – Cadeia produtiva de calçados de couro
Indústria
Metalúrgica
Mineração
Siderurgia
Indústria de
Máquinas
Frigorífico
Ind. EletroEletrônica
Pecuária
Indústria
Farmacêutica
Petroquímico
Indústria
Química
Curtume
Indústria de
Não Tecidos
Indústria de
Defensivos
Indústria de
Fiação
Indústria de
Calçados de
Couro
Varejo
Ind. de Tintas
e Vernizes
Indústria de
Borracha
Indústria de
Plástico
Agricultura
Indústria
Têxtil
Setor de Papel
e Celulose
Setor de
Embalagem
Fonte: Elaborado pelos autores
Sendo assim, será utilizada nesta pesquisa uma análise estatística descritiva e uma análise de
regressão múltipla. Hair et al. (2005) afirmam que a regressão múltipla é um método de
análise apropriado quando o problema de pesquisa envolve uma única variável dependente
considerada relacionada a duas ou mais variáveis independentes. O objetivo desta análise é
prever as mudanças na variável dependente como resposta a mudanças nas variáveis
independentes.
Para efeito do presente estudo, adotou-se o modelo de pontuação de crédito desenvolvido pela
empresa Serasa S/A denominado CreditRiskScoring®. Trata-se de um modelo consolidado e
reconhecido nacional e internacionalmente, utilizado por empresas de todos os portes.
3.2.1. Levantamento do Risk Scoring das empresas componentes dos nós
A pontuação do risco de crédito, CreditRiskScoring® , de cada empresa foi obtida na Serasa
S/A. A pontuação esperada variou entre 0 (default) a 1.000 pontos, sendo de maior pontuação
empresas com menores riscos de inadimplência futura.
A pesquisa levantou 925 empresas instaladas na cidade de Jaú, SP, e região. A tabela 2
apresenta os principais dados do levantamento, e os gráficos 1 a 3 mostram as variações dos
escores de cada agente (conjunto de empresas) ao longo dos 5 anos analisados.
7
ANAIS
O levantamento dos dados compreende o período de maio de 2002 a maio de 2007 com
periodicidade mensal totalizando 60 amostras. Para o estudo adotou-se a mediana dos valores
de cada nó.
60 observações
Tabela 2 – Estatísticas da amostra
Indústria de
Comércio
Calçados de Couro
Curtume
Número de empresas
393
473
59
Escore mediano
366
378
442
Escore mínimo
0
0
0
Escore máximo
828
850
801
Fonte: Elaborados pelos autores
4. Análise dos Dados
A seguir é apresentado uma discussão acerca de particularidade do setor calçadista e os dados
coletados para o presente estudo.
4.1. O Setor de Calçados e seu Processo Produtivo
O processo de produção de calçados envolve operações como cortes, costuras, colagens,
montagens e acabamentos. Utiliza matérias primas naturais, como diferentes tipos de couro e
tecidos, em combinação com materiais sintéticos, e metálicos. Os componentes são cabedal,
solados, entressolas, adesivos, diluentes, palmilhas, enfeites e fivelas.
A etapa do pesponto, que possui um forte caráter artesanal, exige baixíssimos investimentos
em capital fixo, apenas a disponibilidade de poucas máquinas, que podem ser encontradas a
um preço reduzido no mercado de segunda mão. O resultado disso é uma estrutura em que
praticamente inexistem barreiras à entrada. Alguns ex-funcionários estabelecem uma
atividade autônoma, vendendo seus serviços para as firmas de maior porte, cuja principal
característica é o trabalho a domicílio e o pagamento se dá por peça produzida.
A sub-contratação do pesponto não só agiliza o processo de produção, reduz os custos
relacionados com a mão-de-obra na etapa mais intensiva em trabalho de todo o processo
produtivo, mas também aumenta a flexibilidade e evita gargalos no processo produtivo.
Por muitos anos os sapatos foram feitos em couro, com sola também de couro ou borracha
natural. Com o surgimento dos materiais sintéticos, matérias-primas alternativas começaram a
ser utilizadas pelos fabricantes de calçados.
As matérias-primas típicas deste processo são:
• Couro: material nobre, que pode ser utilizado em todas as partes do calçado, desde
sola até cabedal;
• Materiais Têxteis: utilizados sobre tudo no cabedal e como forro;
• Laminados Sintéticos: conhecido como couro sintético, normalmente é um material de
suporte sobre o qual é aplicado uma camada de material sintético (PVC ou
poliuretano). Um dos mais utilizados pela indústria calçadista brasileira é o chamado
“cover line”.
• Materiais Injetados: utilizado para fabricação de saltos (ABS e poliestireno), ou solas e
entressolas (poliuretano – PU, policloreto de vinila - PVC);
8
ANAIS
•
Materiais Vulcanizados: material de excelente resistência ao desgaste, adere bem ao
solo, é leve e flexível (ex. Borracha Natural, Borracha Sintética e copolímero de
etileno e acetato de vinila - EVA);
4.2. Tratamento dos dados
O conjunto de dados obtido tem característica de “séries temporais” e para tal foram
realizados os testes padrões para detecção de raízes unitárias, heterocedasticidade,
multicolinearidade e autocorrelação. Os problemas detectados foram corrigidos de acordo
com a metodologia adequada para cada situação.
Nesta seção foi verificado que os dados utilizados obedeceram às condições ideais para
realização da análise econométrica. A seguir seguem os testes estatísticos aplicados.
4.3. Causalidade – método de Granger
A existência de uma relação entre variáveis não significa que haja causalidade entre elas nem
prova a direção de influência. KOOP (2000) destaca que no caso de séries temporais “o tempo
não corre para trás. Isto é, se A acontece antes de B, então é possível que A cause B.
Contudo, não é possível que B cause A. Em outras palavras, os eventos do passado podem
causar os eventos de hoje, enquanto os eventos futuros não podem”. DIEBOLD (2001)
complementa “a afirmação A causa B é apenas uma forma abreviada para a declaração
mais precisa, mas mais longa, A contém informações úteis para prever B (no sentido dos
mínimos quadrados lineares) além das histórias passadas das outras variáveis do sistema”.
A mera associação entre duas variáveis econômicas é insuficiente para determinar a sua
causalidade. A correlação, por exemplo, mostra a relação entre as variáveis, porém é simétrica
(A correlaciona com B como B correlaciona com A), enquanto a causalidade é não-simétrica
(unidirecional).
GRANGER propõe 4 formas para introduzir a causalidade entre duas variáveis:
1. Controle (controlability) : A causa B se B puder ser controlado indiretamente por A;
porém, A não pode ser controlado indiretamente por B.
2. Teoria relevante: a introdução das premissas de uma teoria reconhecida e relevante (ex:
oferta e demanda).
3. Precedência temporal: a causa sempre ocorre antes do efeito, porém não pode-se assumir
que a causalidade seja instantânea (ex: vendas do aço e vendas de veículos).
4. Informação externa: aceita e reconhecida como válida (ex: como o clima ocorre fora do
sistema econômico, sempre o fluxo de causalidade será do clima para o sistema e nunca o
contrário).
Aplicando-se os pressupostos de Granger à presente pesquisa, obtêm-se os seguintes
resultados:
• Nó Comércio e Indústria: LEE, 1997; SWAMINATHAN, 1998; FISHER, 1994;
FISHER, 1997, apresentam a tipologia de cadeias produtivas segundo os tipos de
mercados que atendem. As cadeias eficientes são desenhadas para itens não perecíveis,
com configuração estável e privilegiam o ganho de escala, enquanto as cadeias
flexíveis são orientadas aos itens altamente perecíveis (ex: moda), alto grau de
customização e rapidamente repostos nos pontos de distribuição e vendas. A partir
desta base, conclui-se que o comércio de calçados femininos tem características de
cadeia flexível e consequentemente flutuações neste nó são imediatamente refletidas
9
ANAIS
•
aos nós a jusante, em especial à indústria de calçados femininos, caracterizando assim
a causalidade.
Nó Indústria e Curtumes: neste caso a causalidade manifestada é questionada dada a
dinâmica da cadeia produtiva a jusante. Apesar da relevância da indústria de calçados
de couro para os curtumes, estes são mais sensíveis às variações do mercado de carne
bobina, fornecedor do principal insumo (couro).
10
ANAIS
Tabela 3 – Teste causalidade de Granger Média dos Escores
Fonte: Elaborados pelos autores
Tabela 4 – Teste causalidade de Granger Mediana dos Escores
Fonte: Elaborados pelos autores
ANAIS
O teste de causalidade de Granger contemplou as seguintes etapas:
a. calculou-se a regressão do Comércio corrente contra todos os termos do Comércio
defasados e calculou-se o somatório dos quadrados dos resíduos.
b. calculou-se a regressão incluindo os escores medianos de Indústria defasados.
c. Testou-se a hipótese nula que prevê que os termos dafasados de Indústria não cabem na
regressão através do teste chi-quadrado.
O teste foi aplicado em diferentes condições para verificar qual apresentaria os resultados
mais consistentes com a dinâmica da cadeia em estudo:
a. utilizou-se inicialmente a estatística média e em um segundo momento a mediana.
b. primeiramente o nó Indústria de Calçados incluiu todas as empresas de calçados (couro
e não couro) e então somente as fabricantes de calçados exclusivamente de couro.
Os resultados são apresentados nas tabelas 3 e 4 a seguir.
Com base na análise das tabelas 3 e 4, concluiu-se:
• Com base nas entrevistas realizadas com empresários do setor de calçados de Jaú, a
produção de calçados é muito sensível às variações no mercado (comércio).
Expansões e retrações no consumo são rapidamente observadas pela indústria que
ajustam suas ofertas de acordo com estes movimentos. Analisando-se os resultados
dos testes da causalidade de Granger (vide capítulo 4.1.6) com base na média,
observa-se inconsistências com a dinâmica da cadeia de calçados, a saber:
o não verificou-se causalidade (significativa) no sentido Comércio – Indústria de
Calçados de Couro.
o verificou-se causalidade (significativa) no sentido Indústria de Calçados de
Couro – Comércio a partir do lag 12.
• 2. A mediana dos escores por sua vez apresentou causalidade significativa no sentido
Comércio – Indústria de Calçados e no sentido Indústria de Calçados de Couro –
Curtume, confirmando assim a premissa de que os reflexos na cadeia de calçados se
dão a jusante.
Conclui-se assim que o preditor adequado para a estimação do modelo é a mediana dos
escores para a estimação do modelo.
4.4. Estimação e validação do modelo
O primeiro passo para e estimação do modelo foi a confirmação ou não da significância dos
lags 11, 12, 13, 14 e 15 identificados nos testes de causalidade de Granger cujos resultados
são apresentados na tabela 4.
Parameter
MU
AR1,1
NUM1
NUM2
NUM3
NUM4
NUM5
Tabela 5 – Resultados da aplicação do modelo ARX para os lags 11 a 15
Maximum Likelihood Estimation
Approx
La
Estimate
Standard Error
t Value
Variable
Pr > |t|
g
5.58840
1.48404
3.77
0.0002
0
LN_IND
0.85970
0.07994
10.75
<.0001
1
LN_IND
-0.01902
0.10295
-0.18
0.8534
0
XLAG11
-0.0043067
0.10087
-0.04
0.9659
0
XLAG12
0.14846
0.10131
1.47
0.1428
0
XLAG13
-0.01051
0.10298
-0.10
0.9187
0
XLAG14
-0.05999
0.10428
-0.58
0.5651
0
XLAG15
Fonte: elaborado pelo autores
12/17
Shift
0
0
0
0
0
0
0
ANAIS
Para tal aplicou-se o método ARX– autoregressive com variável exógena e os resultados são
apresentados na tabela 5.
Observa-se que a estimativa para os lags 11, 12, 14 e 15 são negativas, discordantes da
premissa da dinâmica da cadeia. Desta forma, estes lags foram excluídos do modelo proposto.
A estimativa do lag 13 é positiva e, apesar do nível de significância ser superior a 10%, a
título de estudo assumiu-se como válida, compondo assim o modelo final.
Com base nos resultados, aplicou-se o modelo AR – AutoRegressive somente para o lag 13, e
os resultados (principais) são apresentados na tabela 6. O modelo AR de primeira ordem diz
que o valor previsto de Y no período t (no caso, o escore da indústria de calçados de couro) é
uma proporção (=α1) de seu valor no período (t-1) mais um choque ou distúrbio aleatório no
período t. No presente estudo, introduziu-se a variável exógena COM que representa o escore
do comércio de calçados. Em resumo, o escore da indústria no período t é função de seu valor
passado em (t-1) mais o escore do comércio de calçados em (t-13).
Tabela 6 – Resultados da aplicação do modelo AR para o lag 13
Maximum Likelihood Estimation
Approx
La
Estimate
Standard Error
t Value
Pr > |t|
g
Parameter
291.57383
37.59566
7.76
<.0001
0
AR1,1
0.83815
0.08030
10.44
<.0001
1
NUM1
0.21212
0.09751
2.18
0.0296
Fonte: elaborado pelo autores
0
MU
Variable
IND_CAL
C
IND_CAL
C
XLAG13
Shift
0
0
0
Observa-se uma melhoria significativa na probabilidade Pr (probabilidade de rejeição da
variável do modelo) em relação à aplicação do modelo AR com todos os lags. Enquanto no
primeiro caso a probabilidade se aproximava de 15%, a utilização apenas do lag 13 reduziu
este valor para menos de 3%.
8%
6%
4%
2%
0%
14
16
18
20
22
24
26
28
30
32
34
36
38
40
42
44
46
48
50
52
54
56
58
-2%
-4%
-6%
-8%
Gráfico 1 – Variações das estimativas dos escores para os períodos 14 a 60
Fonte: elaborado pelos autores
13/17
60
ANAIS
Desta forma o modelo final proposto para a cadeia em estudo segue:
IND t = û + α1IND t-1 + α2COM t-13
sendo α1 = 1 – AR(1,1)
ou
IND t = 291,57383 + (0,16185)IND t-1 + (0,21212)COM t-13
Aplicando-se o modelo proposto, as variações dos valores estimados para os períodos 14 a 60
não foram superiores a 6,5% conforme mostra o gráfico 1.
5. Conclusões e Notas Finais
Três são as principais conclusões da pesquisa. Uma primeira das conclusões da presente
pesquisa é que há existência de relações entre os riscos de crédito dos agentes de uma rede.
Esta conclusão abre novas perspectivas para os estudos referentes à predição do risco de
crédito de empresas pois destaca a relevância das interações dos agentes de cadeias produtivas
no dimensionamento do risco.
Uma segunda conclusão é que por meio da aplicação dos testes de causalidade de Granger,
confirmou-se os resultados da primeira parte deste trabalho. Neles, a pesquisa empírica
realizada com empresários do setor calçadista de couro da cidade de Jaú, estado de São Paulo,
e região, apontou que as flutuações do risco na cadeia produtiva são refletidos a jusante, ou
seja, do varejo para a indústria.
Por fim o modelo matemático proposto mostrou-se robusto à medida que a máxima variação
da estimativa dos valores dos períodos 14 a 60 não ultrapassou 6,5% dos valores reais.
5.1. Limitações
As pesquisas futuras poderiam ampliar e analisar os resultados para um maior número de
cadeias produtivas, uma vez que esta pesquisa tratou apenas de uma Cadeia. Uma vez que o
estudo atual contemplou apenas três nós da Cadeia Calçadista, futuramente a pesquisa poderia
abarcar um maior número de nós. Além disso pesquisas futuras poderiam fazer uso de um
maior número de variáveis e seleção das que melhor expliquem as relações entre os nós. Por
fim novos estudos poderiam fazer uso de outros indicadores de crédito além do
CreditRiskScoring® da Serasa utilizado nesta pesquisa.
Bibliografia
AKELOFF, G.A. The Market for Lemmons: quantitative uncertainty and market mechanism.
Quarterly Journal of Economics, v.84, pp.488-500, 1970.
ALTMAN, E.. “Managing credit risk: the challenge for the new millennium”. Presentation.
2001.
ALTMAN, E.. “Predicting financial distress of companies: revisiting the Z-score and Zeta
models”. Journal of Finance. July 2000.
ALTMAN, E.. “The use of credit scoring models and the importance of a credit culture”.
Presentation. 2001.
14/17
ANAIS
AMATO NETO, J.; OLAVE, M.E.L.. “Redes de cooperação produtiva: uma estratégia de
competitividade e sobrevivência para pequenas e médias empresas”. Gestão e Produção. Vol.
8, No. 3, pgs 289-303. Dezembro 2001.
ANDERSON JR, W.T.; COX III, E. P.; FULCHER, D.G.. “Bank selection decisions and
marketing segmentation”. Journal of Marketing. Vol. 40, pgs 40-45, January 1976.
ARAÚJO, E. D.. “A taxa de recuperação de créditos ruins em bancos comerciais privados
brasileiros”. Tese apresentada à EAESP FGVSP. 2004.
BANKER, R.D.; KHOSLA, I.S.. Economics of Operations Management: A research
perspective. Journal of Operations Management, v.12, pp 423-435, 1995.
BARTH, N.L.; Inadimplência – Construção de Modelos de Previsão. São Paulo: Série Serasa
Novas Competências, 2004.
BARUT, M; FAISST, W.; KANET, J.J.. Measuring supply chain coupling: an information
system perspective. European Journal of Purchasing & Supply Management, v. 8, n.3, p.161171, 2002.
BEAMON, B. M. Measuring Supply Chain Performance. International Journal of Operations
& Production Management. vol 19, n. 3, p. 275-292, 1999.
BENDOLY, E.; DONOHUE, K.; SCHULTZ, K.L. Behavior in Operations Management:
Assessing recent findings and revisiting old assumptions. Journal of Operations Management.
V.24, pp. -737-752, 2006.
BENSAOU, M.. “Portfolios of buyer-seller relationships”. Sloan Management Review.
Summer 1999, pg 35-44.
BORGHESANI, W.H.; DE LA CRUZ, P; BERRY, D.. “Controlling the chain: buyer power,
distributive control and new dynamics of retailing”. Business Horizons. August 1997, pg 1724.
BOWERSOX, D.; CLOSS, D.; STANK, T.. “Ten mega-trends that will revolutionize supply
chain logistics”. Journal of Business Logistics. Vol. 21, No. 2, 2000.
BOX, G.; JENKINS, G.; REINSEL, G.; Time Series Analysis. New Jersey: Prentice Hall,
1994.
CASTRO JR, F.H.F.. “Previsão de solvência de empresas brasileiras usando análise
discriminante, regressão logística e redes neurais”. Dissertação apresentada ao Departamento
de Administração da Faculdade de Administração, Economia e Contabilidade da
Universidade de São Paulo. 2003.
CAVINATO, J.. “A total cost/value model for supply chain competitiveness”. Journal of
Business Logistics. Vol. 13, No. 2, 1992.
CHEN; I.J.; PAULRAJ; A. Towards a Theory of supply Chain Management: The constructs
and measurements. Journal of Operations Management, v.22, pp 119-150, 2004.
CHOPRA, S.; MEINDL, P.; Gerenciamento da Cadeia de Suprimentos: estratégia,
planejamento e operações. São Paulo: Pearson, 2003.
CHRISTOPHER, Martin. Logística e Gerenciamento da Cadeia de Suprimentos. São Paulo:
Editora Pioneira, 1997.
COOPER, M.C.; PAGH, J.D.; LAMBERT, D.M.. “Supply chain management: more than a
new name for logistics”. The International Journal of Logistics Management. Vol. 8, issue 1,
pg 1-14, 1997.
COOPER, M.C.; PAGH, J.D.; LAMBERT, D.M.. “Supply chain management:
implementation issues and research opportunities”. The International Journal of Logistics
Management. Vol. 9, issue 2, p 1-20, 1998.
CORRÊA, H.L. A História da Gestão de Produção e Operações. Relatório de Pesquisa.
EAESP/FGV/NPP, 2003.
15/17
ANAIS
CROXTON, K.L.; GARCÍA-DASTUGUE, S.J.; LAMBERT, D.M. The supply chain
management processes. The International Journal of Logistics Management. v.12, n.2,
DAVENPORT, T.. “Putting the enterprise into the enterprise system”. Harvard Business
Review. July 1998.
DI SERIO, L.C.; SANTOS, R.C.; Ponte Para a Competitividade. In: Microsoft. Lucratividade
Pela Inovação: Como eliminar ineficiências nos seus negócios e na cadeia de valor. Rio de
Janeiro: Elsevier: 2005.
DIEBOLD, F.X. “Elements of forecasting”, 2nd. ed., South Western Publishing, 2001, pg.
254.
DOUAT, J. C., GONZALEZ, L. Compartilhamento de Informações: O caminho para a
expansão do crédito em países emergentes, Serasa/Tecnol. Crédito: São Paulo, v.36, pp.7-31,
2003.
FERDOWS, K.. “Making the most of foreign factories”. Harvard Business Review. MarchApril 1997.
FISHER, M. “What is the right supply-chain for your product?” Harvard Business Review.
March 1997.
FISHER, M. et al. “Making supply meet demand in an uncertain world”. Harvard Business
Review. May 1994.
FLEURY, P. F. Supply chain management: conceitos, oportunidades e desafios de
implementação. Tecnologística, n.39, fev.1999.
GUJARATI, D.; Econometria Básica. Rio de Janeiro: Editora Campus, 2006.
GUNASEKARAN, A. et al. “Performance measures and metrics in a supply chain
environment”. The International Journal of Operations and Production Management. Vol. 21,
No.1, 2001, pgs 71-87.
HOLMBERG, Stefan. A Systems Perspective on Supply Chain Mesaurements. International
Journal of Physical Distribution & Logistics Management. Vol. 30, No.10, p. 847-869 , 2000.
JARILLO, J.C.; Strategic Networks – Creating Boardless Organization. Oxford: Elsevier,
1995.
KOOP, G. “Analysis of Economic Data”. Nova York: John Wiley & Sons, 2000, pg. 175.
LAMBERT, D.; POHLEN, T.. “Supply chain metrics”. The International Journal of Logistics
Management. Vol. 12, No. 1, 2001.
LAMBERT, D.M.; COOPER, M.C., PAGH, J.D. Supply Chain Management: implementation
issues and research opportunities. The International Journal of Logistics Management. v.9,
n.2, p. 1-19, 1998.
LAZZARINI, S.; CHADDAD, F.; COOK, M..”Integrating supply chain and network anaysis:
the study of netchains”. Journal of Chain and Network Science. 2001.
LEE, H. “Mass customization at Hewlett Packard: the power of postponement”. Harvard
Business Review. Jan 1997.
LEE, H.; PADMANABHAN, V.; WHANG, S.. “The bullwhip effect in supply-chains”. Sloan
Management Review. Spring 1997.
LOURENÇO, F. C.. “Dimensionamento de linhas de crédito”. Tecnologia de Crédito. Ano
IX, No. 54.
NOVAES, A.G. Logística e gerenciamento da cadeia de distribuição. São Paulo: Campus,
2001.
PORTER, M.. “Clusters and the new economics of competition”. Harvard Business Review.
November-December 1998.
ROSENBLATT, Z.; ROSENBLATT, M.J.; MUNSON, C.L.. “The use and abuse of power in
supply chains”. Business Horizons. Jan-Feb 1999, pg 56-65.
16/17
ANAIS
SAWHNEY, R. Interplay Between Uncertainty and Flexibility Across the Value-chain:
Towards a transformation model of manufacturing flexibility. Journal of Operations
Management, v.24, pp.476-493, 2006)
SECURATO, J.R.; Crédito – Análise e Avaliação de Risco. São Paulo: Saint Paul Institute of
Finance, 2002.
SILVA, J. P.. “Risco de crédito: a indústria e o comércio precisam se preocupar”.
Apresentação. Outubro 2001.
SIMCHI-LEVI, D.; SIMCHI-LEVI, E.; KAMINSKY, P.; Cadeia de Suprimentos – Projeto e
Gestão. São Paulo: Bookman, 2000.
SLACK, N.; CHAMBERS, S.; HARRISON, A.; JOHNSTON, R.; Administração da
Produção. Editora Atlas, 2000.
SWAMINATHAN, J.. “Modeling supply chain dynamics: a multiagent approach”. Decision
Sciences. Vol. 29, No. 3, Summer 1998.
TRACEY, M.; SMITH-DOERFLEIN, K.A. Supply Chain Management: what training
professionals need to know. Industrial and Commercial Training. v.33, n.3, p.99-103, 2001.
VENKATRAMAN, M.A.; MABERT, V.. “Enterprise resource planning: common myths
versus evolving reality”. Business Horizons. 2001. Vol. 44, no. 3, pg 69-76.
VICKERY, S.K.; JAYARAM, J.; DROGE, C.; CALANTONE, R. The effects of an
integrative supply chain strategy on customer service and financial performance: an analysis
of direct versus indirect relationships. Journal of Operations Management. v.21, pp.523-539,
2003..
WOOD JR. Thomaz; ZUFFO, Paulo K. Supply Chain Management. RAE – Revista de
Administração de Empresas, SP, V.38, N.3, p.55-63. Jul./Set.1998.
i
Esta pesquisa trata, como sinônimos, os termos: agentes, atores, elos e nós.
17/17