I SIMPÓSIO INTERNACIONAL DE CIÊNCIAS INTEGRADAS DA UNAERP CAMPUS GUARUJÁ

I SIMPÓSIO INTERNACIONAL DE CIÊNCIAS INTEGRADAS DA UNAERP CAMPUS GUARUJÁ

Risco empresarial – Como prever falências

Proposta de novo modelo e aplicação em indústrias paulistas

Danilo David dos Santos

Graduado em Administração de Empresas com habilitação em Comércio Exterior pela UNAERP

Mestrando em Estatística pela UNICAMP danidavid@terra.com.br

RESUMO A situação financeira das empresas tem sido investigada por profissionais e técnicos, quando estudam a concessão de créditos, fusão ou qualquer outra operação mercantil. O estudo de modelos que permitam a projeção de insolvências tem sido aprofundado nos últimos anos.

Segundo MATIAS (2003), toda a concessão de crédito é amparada em modelagem estatística de previsão de insolvência. Com este trabalho procurou-se construir um modelo de previsão de insolvência, aplicado a empresas industriais em operação no estado de São Paulo. A metodologia aplicada foi a seguinte: a) levantamento da ocorrência de insolvências em São Paulo; b) determinação do tamanho da amostra de empresas insolventes; c) coleta de dados financeiros das empresas insolventes; d) seleção de empresas solventes e coleta de seus dados financeiros; e) cálculo de índices financeiros das empresas de ambos os grupos; f) cálculo da análise discriminante sobre os indicadores financeiros das empresas de ambos os grupos; g) testes estatísticos; h) construção da escala de pontuação do modelo. As principais conclusões do trabalho revelam de que é possível a previsão de insolvência de empresas industriais com um ano de antecedência através do modelo aqui desenvolvido.

Palavras-chave: administração financeira; modelo; insolvência; concessão de crédito

ABSTRACT The financial aspect of the companies has been investigated by professionals and technicians, when they study the concession of credits, fusion or any other mercantile operation. The study of the models that allow the projection of insolvencies has been broadened in the last years.

Accordingly to MATIAS (2003) every concession of credit is supported in a

statistics model of insolvency forecast. In this paper it was possible to

make a model of bankruptcy forecasting, applied to the industrial

companies in operation in the state of São Paulo. The methodology used

was the following: a) survey of the occurrence of the insolvency’s in São

Paulo; b) determinations of the size of the sample of insolvency’s companies; c) collection of financial data of the insolvent companies; d) selection of the solvent companies and collection of its financial data; e) calculation of financial indicators of the companies of both the groups; f) calculation of the discriminant analysis on the financial pointers of the companies of both groups; g) statistical tests; h) construction of the Industrial Risk Score Model score’s scale punctuation. The main conclusions of the this paper reveal that is possible to foresee the industrial companies insolvency one year before hand using this model.

Key-words: Financial management; model; insolvency; concession of credits

1. INTRODUÇÃO O propósito deste trabalho é de analisar a ocorrência de insolvências nas indústrias domiciliadas na capital paulista nos anos de 2001 a 2003, identificando e evidenciando os principais indicadores financeiros característicos dos casos de insucesso neste segmento, propondo um modelo de previsão amparado em uma técnica estatística de análise multivariada.

Após o estudo de ALTMAN (1968), diversos outros estudos foram realizados sobre o tema, baseando-se na análise discriminante múltipla como técnica estatística para previsão de insolvências. Segundo DIETRICH (1984) o principal objetivo de tais estudos pode ser justificado sob dois enfoques teóricos; 1. Os modelos permitem estabelecer relações estatísticas significativas entre os resultados dos índices financeiros calculados através das demonstrações contábeis e a insolvência empresarial, ou seja, procuram verificar se os dados contábeis podem fornecer; 2. Os modelos constituem-se num instrumento capaz de prever o fracasso empresarial e, portanto, podem auxiliar diferentes usuários no seu processo de tomada de decisões.

2. REVISÃO DOS TRABALHOS REALIZADOS Os pesquisadores americanos foram os pioneiros nos estudos de insolvências empresariais. No Brasil o primeiro estudo foi elaborado por STEPHEN C. KANITZ em 1974.

SILVA (1998) apresenta como de maior relevância os seguintes estudos:

2.1 Estudo de FITZ PATRICK

Foram analisadas 19 empresas falidas e 19 empresas bem-sucedidas no

período de 1920 a 1929. As principais conclusões deste estudo revelam

que os indicadores PL / Passivo e Lucro Líquido / PL apresentavam

pontuação superior nos grupos de empresas bem-sucedidas em relação às empresas falidas. Este estudo apenas separa os dois grupos de empresas, não sendo feitas ponderações dos indicadores na explicação da falência.

2.2 Estudo de WINAKOR e SMITH

Desenvolvido com base em 21 indicadores dos últimos de anos de falências de 183 empresas, durante o período de 1923 a 1931, tal estudo concluiu que o índice CCL / ATIVO foi o melhor indicador na antecipação de insolvências. Assim como FITZ PATRICK não há ponderação.

2.3 Estudo de MERWIN

Este estudo foi desenvolvido com dados de empresas com ativos inferiores a US$250.000. Concluindo de que o índice Capital de Giro/Ativo foi o melhor preditor de falências. MERWIN introduz dois tipos de abordagem: na primeira, trabalha com uma faixa mínima e máxima para os índices; na segunda adota uma média para as empresas sobreviventes.

As empresas em processo de falência apresentaram índices abaixo e fora da faixa de variação. Segundo MATIAS, et. al. (2004), embora seja uma evolução entre os estudos anteriores, falta ainda o peso da participação dos índices na explicação da falência.

2.4 Estudo de TAMARI

Realizado no período 1956 a 1960, TAMARI identifica faixas de valores para os índices, concluindo que os índices poderiam ser utilizados como indicadores, não necessariamente de falências, mas, como classificador de empresas.

Segundo SILVA (1998), TAMARI é o primeiro a utilizar um composto ponderado de vários índices, onde para cada índice há um determinado valor que multiplicado por um peso atinge uma determinada escala.

2.5 Estudo de BEAVER

Em 1967 BEAVER realizou um estudo comparativo entre 79 empresas de boa saúde financeira, e 79 empresas que apresentavam deficiências na liquidação de seus passivos exigíveis. Suas conclusões apresentam como de maior relevância na predição de insolvências os índices, Geração de Caixa / Exigível Total e Lucro Líquido / ATIVO.

O estudo de BEAVER baseou-se um teste classificação dicotômica, onde

foram criados grupos de índices e adotados pontos de corte (ou índice

limite crítico), as empresas que possuíam pontuação abaixo do ponto de

corte eram classificadas como falidas.

MATIAS, et al. (2004) afirma que o mérito deste estudo está na adoção do ponto de corte crítico, similar aos modelos de insolvência baseados no modelo discriminante.

2.6 Estudos de ALTMAN

ALTMAN foi um dos primeiros pesquisadores a utilizar a análise discriminante múltipla, como instrumento para previsão de insolvências.

O estudo utilizou uma amostra de 33 empresas insolventes e 33 empresas solventes, com ATIVOS Totais entre US$1.000.000 e US$

25.000.000, no período de 1946 a 1965. ALTMAN buscava superar as deficiências das análises realizadas com apenas um índice, chegando seguinte equação: Z = 0,012(X

) + 0,014(X

) + 0,033(X

) + 0,006(x

) + 0,999(X

).

Onde:

X

= CCL / ATIVO

X

= Lucros Retidos / ATIVO

X

= Lucros Antes de Jurtos e Imposto de Renda / ATIVO X

= Valor de Mercado das Ações / Exigível Total)

X

= Vendas / ATIVO

A média dos grupos foi a seguinte:

Insolventes = -0,29 Solventes = 5,02

Em estudo posterior ALTMAN (2000), defende a revisão do Z-Score Model, adaptando a função discriminante para empresas privadas (Z’) e para empresas não-manufatureiras (Z”). Os resultados foram os seguintes:

Z’ = 0,717(X

) + 0,847(X

) + 3,107(X

) + 0,420(X

) + 0,998 (X

) Original Classificação

Insolventes Solventes Total Insolventes 30

(90,9%) 3

(9,1%) 33 Solventes 1

(3,0%) 32

(97%) 33 Fonte: ALTMAN (2000)

A média dos grupos foi a seguinte:

Insolventes = 0,15

Solventes = 4,14

Z” = 6,56(X

) + 3,26(X

) + 6,72(X

) + 1,05(X

)

Segundo ALTMAN (2000) todos os coeficientes das variáveis X

a X

, foram alterados assim como as médias dos grupos e pontos de corte. Este modelo em particular é de utilidade em industrias quando o tipo de financiamento dos ativos não se refere a grandes companhias ou importantes ajustes, como capitalização de leasing. Este modelo foi aplicado por ALTMAN, HATZEL e PECK (1995), em estudo realizado com empresas de mercados emergentes, especificamente empresas mexicanas.

Neste estudo foi acrescentado o termo constante +3,25 para que o ponto de corte do modelo fosse igual a zero.

2.7 Estudo de BACKER e GOSMAN

BACKER e GOSMAN consideraram como principais parâmetros para a insolvência o declínio na capacidade de cumprimento das obrigações contraídas através de debêntures, declínio na avaliação de crédito da D&B (DUN & BRADSTREET) e a dificuldade obtenção de novos empréstimos bancários.

Forma realizados os testes estatísticos: Teste T, análise fatorial e análise discriminante, sendo considerados como principais parâmetros para caracterização de insolvência o declínio do “rating” da S&P (Standard &

Poor´s), declínio na avaliação de crédito da D&B e a dificuldade obtenção de novos empréstimos bancários.

Segundo MATIAS et al. (2004) esta é uma abordagem que pode ser considerada moderna, pois utiliza uma “cesta” de conceitos para a avaliação de risco do cliente.

2.8 Estudo de LETÍCIA E. TOPA

Segundo SILVA (1998), este estudo trabalha com o conceito de probabilidade subjetiva, onde os fatores de análise são classificados em:

 Análise do caráter, do conceito na praça, experiência no negócio e seguros, denominados determinantes;

 Os fatores complementares são estruturados como uma relação de peso por tipo de análise chegando-se a uma avaliação de risco aceitável ou não.

SILVA (1998) comenta que este modelo difere do uso do modelo

discriminante, onde os pesos são atribuídos objetivamente conforme o

modelo estatístico, neste modelo os pesos são atribuídos conforme a

experiência de relacionamento com o tomador do financiamento e são de

responsabilidade dos dirigentes da empresa.

ANÁLISE

V A L O R R E L A T I V O

QUALIFICAÇÃO PONDERADA

R I S C O Ó T I M O

RISCO MÁXIMO ACEITÁVEL

CLASSE PONTOS CLASSE PONTOS CLASSE PONTOS CLASSE PONTOS CLASSE PONTOS QUALIDADE

PONDERADA

Situação Fin. 6 C -2 A 4 B 7 MB 10 60 A 4 24

Situação Eco. 8 D -2 R 4 B 7 MB 10 60 R 4 32

Capital + Gar 10 I -5 E 4 Ad 7 MS 10 100 A 7 70

Disclosure 3 P -1 M 5 O 10 30 M 5 15

Conglomerado 4 EN -2 NH 0 EP 10 40 NH 0 0

Capacidade 4 P -1 M 5 S 10 40 M 5 20

Conceito 5 B 1 MB 10 50 B 1 5

Condições 6 Pe -4 N 4 Di 7 Ex 10 60 N 4 24

Org/Controle 4 D -1 B 5 MB 10 40 B 5 20

Tempo (anos) 4 0/

2 -2 2/

5 3 5/1

0 7 10 10 40 2/

5 3 12

540 222

Quadro 1. Estudo de LETÍCIA E. TOPA Fonte: MATIAS et al. (2004)

Onde:

CLASSE CONCEITO A Aceitável

Ad Adequado

B Boa

C Comprometida

D Deficiente Di Dinâmicas

E Escasso

EN Efeito negativo EP Efeito positivo Ex Excepcional I Insuficiente

M Média

MB Muito Boa MS Muito solvente

N Normal

NH Não há

O Ótima

P Pobre

Pe Perigosas

R Regular

S Sobressalente

2.9 Estudo de ESTEPHEN C. KANITZ

Este estudo foi desenvolvido em dezembro de 1974 intitulado: “Como prever a falência de empresas” publicado na revista Exame.

Assim como ALTMAN (1968), KANITZ (1974) desenvolveu seu modelo através da análise discriminante, KANITZ obteve a seguinte equação:

FI = 0,05(X

) + 1,65(X

) + 3,55(X

) – 1,06(X

) – 0,33(X

) Onde:

FI (Fator de Insolvência) = Total de pontos obtidos X

= Lucro Líquido / Patrimônio Líquido

X

= Ativo Circulante + Realizável a Longo Prazo / Exigível Total X

= Ativo Circulante – Estoques / Passivo Circulante

X

= Ativo Circulante / Passivo Circulante X

= Exigível Total / Patrimônio Líquido

A classificação através do modelo de KANITZ é feita através de uma escala desenvolvida por ele, a qual ele nomeou como termômetro de insolvência, conforme quando abaixo:

FATOR DENOMINAÇÃO SIGNIFICADO 7

ÁREA DE SOLVENCIA

Sempre que o fator de insolvência for maior que zero, a empresa estará classificada nesta área e conseqüentemente apresenta menores riscos de quebra.

6 5 4 3 2 1 0

ÁREA DE PENUMBRA

Empresas que apresentam fator de insolvência entre -3 e 0 denotam situação perigosa

merecendo cuidados especiais na concessão de financiamento.

-1 -2 -3 -4

ÁREA DE INSOLVÊNCIA

As empresas com fator de insolvência menor que -3 são as que apresentam as maiores probabilidades de insolvência. Quanto menor o fator de insolvência maior a probabilidade de quebra.

-5 -6 -7

Quadro 2. Termômetro de insolvência de KANITZ Fonte: MATIAS et. al. (2004)

2.10 Trabalho de ELIZABETSKY

ELISABETSKY utilizou a análise discriminante em um grupo de 373

empresas, auferindo três modelos diferentes, com resultados diferentes,

segregando os modelos de acordo com o número de variáveis, percebendo de que o número de variáveis causara distorções nas avaliações, conclui que:

"Este tipo de variável vem distorcer bastante o processo de regressão: se umas

poucas empresas de determinado grupo têm um índice com valor bastante diferenciado em relação

às outras, este passa por si só a ser um fator discriminante, e a variável é incluída na equação;

desta forma, a equação procura ajustar os coeficientes das demais variáveis de modo a compensar

esta inclusão para as demais empresas da amostra".

O modelo final publicado por ELIZABETSKY foi o seguinte:

Z = 1,93(X

) – 0,20(X

) + 1,02(X

) + 1,33(X

) – 1,12(X

) Onde:

Z = total de pontos obtidos X

= Lucro Líquido / Vendas

X

= Disponível / Ativo Permanente X

= Contas a Receber / Ativo Total X

= Estoques / Ativo Total

X

= Passivo Circulante / Ativo Total Nesse modelo o ponto crítico é 0,5.

2.11 Trabalho de MATIAS

Em 1978 MATIAS desenvolveu seu modelo utilizando a análise discriminante com 100 empresas de diversos setores, sendo 50 empresas solventes e 50 empresas insolventes. MATIAS obteve a seguinte equação:

Z = 23,792A – 8,260B – 8,868C – 0,764D + 1,5E + 9,912F – 3 Onde:

A = Patrimônio Líquido – Reserva de Reavaliação / Ativo Total – Reserva de Reavaliação + Leasing a pagar

B = Empréstimos de curto prazo + Duplicatas Descontadas + ACC

+ Leasing / Ativo Circulante

C = Fornecedores / Ativo Total + Leasing a pagar

D = Ativo Circulante / Passivo Circulante + Leasing vencendo a curto prazo

E = Resultado Operacional – Resultado de Equivalência Patrimonial / Receitas Líquidas

1

Adiantamento de contrato de câmbio.

F = Disponível + Aplicações Financeiras / Ativo Total + Leasing a pagar O ponto crítico nesse modelo é 0 (zero).

A média dos grupos foi a seguinte:

Insolventes = -0,321 Solventes = 11,176 2.12 Modelo PEREIRA

PEREIRA desenvolveu sua dissertação de mestrado utilizando a análise discriminante, chegando a um modelo semelhante aos modelos de ALTMAN, KANITZ, ELIZABETSKY e MATIAS.

PEREIRA chegou a seguinte equação:

Z = 0,722 – 5,124(E

) + 11,016(L

) – 0,342(L

) – 0,048(L

) + 8,605(R

) – 0,004(R

)

Onde:

Z = total de pontos obtidos

E23 = Duplicatas Descontadas / Duplicatas a Receber L19 = Estoque (Final) / Custo das Mercadorias Vendidas L21 = Fornecedores / Vendas

L26 = Estoque Médio / Custo das Mercadorias Vendidas

R13 = Lucro Operacional + Despesas Financeiras / Ativo Total – Investimento Médio

R29 = Exigível Total / (Lucro Líquido + 0,1 Imobilizado Médio + Saldo Devedor

da Correção Monetária)

O ponto crítico desse modelo é zero.

SILVA (1983) realizou um teste comparativo com estes cinco modelos, as conclusões estão expostas no quadro a seguir:

2

No caso de saldo credor, o sinal deverá ser negativo.

MODELO

% Empresas solventes classificadas corretamente

pelo modelo

% Empresas insolventes classificadas corretamente

pelo modelo

KANITZ 80% 68%

ALTMAN 83% 77%

ELIZABETSKY 74% 63%

MATIAS 70% 77%

PEREIRA 90% 86%

Quadro 3. Comparativo de diversos modelos de previsão de insolvência com base na análise discriminante

Fonte: MATARAZZO (2003) 3. A ANÁLISE DISCRIMINANTE

A análise discriminante caracteriza a relação entre um grupo de variáveis independentes com uma

MATIAS (1978) descreve a análise discriminante como um conjunto de técnicas cuja finalidade é a alocação de um elemento em uma de K populações previamente conhecidas, supondo que este elemento pertença a uma delas. Através de sua aplicação podemos identificar se uma empresa pertence ao grupo de solventes ou insolventes.

Segundo DOWING E CLARK (1999) na análise discriminante linear pressupõe-se que, a relação entre a variável dependente y e as m – 1 variáveis independentes x1, x2,...xm-1, é dada pela seguinte equação:

yi = B1xi1 + B2xi2 +…+ Bm-1xm-1 + Bm + e Onde:

yi =

valor da variável dependente;

Bij =

observação da

;

e = variável aleatória normal com média 0 e δ2 desconhecida.

4. AMOSTRAGEM DESTE TRABALHO

Para a construção de um modelo de previsão de insolvência são necessários dois grupos distintos, um grupo de empresas solventes e um grupo de empresas insolventes, a saber:

 Empresas insolventes: são aquelas que sofreram processo de falência

decretada e/ou concordata requerida ou deferida, caracterizando assim

que a empresa foi incapaz de saldar suas obrigações;

n

N n

(N –1) n =

 Empresas solventes: são aquelas que se encontram em atividade e desfrutam de pleno crédito bancário;

Para compor a amostragem coletamos um histórico de 12 anos de falências e concordatas na capital e no estado de São Paulo, estudo este elaborado pelo Instituto de Economia “Gastão Vidigal” da Associação Comercial de São Paulo.

A figura 3.4 apresenta graficamente as insolvências ocorridas na capital no período de 1993 a 2003.

INSOLVÊNCIAS EM SÃO PAULO

0 200 400 600 800 1000 1200 1400

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 ANO

NÚMERO DE EMPRESAS

Indústria Comércio Serviços

Gráfico 1. Insolvências em São Paulo Fonte: Instituto de Economia "Gastão Vidigal"

Optamos por analisar o período de 2001 a 2003, neste período foram registrados 2825 casos de insolvências na capital paulista, sendo 541 casos referente a empresas industriais.

A amostragem deste trabalho foi baseada na fórmula para determinação de amostras para populações finitas, conforme BERENSON e LEVINE (1999), a saber:

Onde:

n

=

Z = 1,96 (Nível de confiança desejado) e = 5 (Erro amostral aceitável)

N = 541 (Tamanho da população) δ =13,2 (Desvio-padrão populacional)

Sendo assim o tamanho da amostra de empresas industriais insolventes com 95% de confiança é de 26 empresas insolventes.

(Z)

(δ)

(e)

Para a construção do modelo precisaremos compor nossa base de dados com índices financeiros de 26 empresas insolventes, e igual número de empresas solventes que façam par com o grupo de empresas insolventes, totalizando 52 empresas. Exigiu-se que as demonstrações financeiras das empresas insolventes fossem relativas ao exercício anterior ao estado de insolvência, sendo assim nosso modelo possui a capacidade preditiva do estado de insolvência com um ano de antecedência, no caso das demonstrações financeiras das empresas solventes exigiu-se que as mesmas correspondessem ao mesmo período da empresa insolvente par.

O quadro a seguir apresenta a descrição do ramo das empresas insolventes que foram utilizadas para compor a amostragem.

RAMO

2 0 0 1

2 0 0 2

2 0 0 3

T O T A L

Adubo Orgânico 1 1

Artefatos de Borrachas 1 1

Artefatos de Papel 4 4

Auto Peças 2 2

Componentes Eletr. 1 1

Embalagens Plast. 1 1 2

Empreiteira 2 2

Equipamentos de Inf. 1 1 2

Lacticínios 1 1

Material Elétrico 1 1

Pisos e Azulejos 1 1

Produtos Alimentares 1 1 2

Tapetes e Carpetes 1 1

Têxtil 2 2

Diversos 1 2 3

Total Global 10 10 6 26

Quadro 4. Empresas insolventes industriais por ramo 5. RESULTADOS E DISCUSSÃO

De posse dos demonstrativos financeiros das empresas insolventes, procuramos para cada uma delas uma empresa solvente que possuísse características similares. Sendo assim iniciamos a comparação por setor de atividade, e em seguida por seu porte econômico.

O próximo passo foi o de selecionar os indicadores e testá-los, buscando

assim identificar quais são os indicadores que melhor caracterizam o

SQREG

SQE m –1 n - m F =

estado de solvência e insolvência. Nossa análise inicial contou com quatorze indicadores.

Após testarmos trinta e cinco possíveis combinações dentre os indicadores, finalizamos o modelo com cinco.

Os indicadores foram selecionados com base na análise de covariância das médias dos indicadores das empresas de ambos os grupos, foram testados os indicadores que apresentavam maior covariância negativa. A covariância é obtida através da seguinte fórmula:

cov(X,Y) = Σ (xi – μx)(yi – μy) 5.1 Teste F

Para testarmos a relação entre as variáveis dependentes e independentes de nosso modelo formulamos a seguinte hipótese nula.

H

: B1 = B2 = ... Bm-1 = 0

Tal hipótese afirma de que não há qualquer relação entre as variáveis dependentes e independentes do modelo, sendo assim o valor de todas as m – 1 variáveis é zero.

Para testarmos esta hipótese recorremos à estatística F, o resultado é a apresentado na tabela ANOVA a seguir.

ANOVA

gl SQ MQ F

Regressão 5 5,831 1,166 7,482 Resíduo 46 7,169 0,156

Total 51 13

Quadro 5. Tabela ANOVA O valor de F é obtido através da fórmula a seguir:

Em nosso modelo o valor de F é de 7,482, superior a 4,46 (valor crítico de

95% para uma distribuição F com 5 e 46 graus de liberdade, conforme

apêndice IV). Sendo assim, podemos rejeitar com segurança a hipótese

nula.

5.2 Grau de precisão do modelo

Depois de auferida a equação discriminante, testamos o modelo em todas as empresas pertencentes à pesquisa e comparamos a classificação apresentada pelo modelo com a classificação original das empresas dos dois grupos. O modelo classificou corretamente 83% das empresas pertencentes à pesquisa.

ORIGINAL CLASSIFICAÇÃO Insolven

tes Solvent

es Total

Insolventes 19 7 26

Solventes 24 2 26

Acerto 73% 92% 83%

Quadro 6. acerto através do modelo 5.3 Apresentação do modelo

O Industrial Risk Score Model é representado pela seguinte equação:

Z = 1,6727 + 0,2717X1 – 0,1431X2 – 0,1895X3 + 0,2901X4 + 0,0167X5 Onde:

Z = Pontuação obtida através do modelo

X1 = Disponível + Títulos a receber + Outros + Ativos de rápida conversibilidade /Passivo circulante

X2 = Passivo circulante + Exigível a longo prazo / Passivo total X3 = Vendas líquidas / Ativo total

X4 = Lucro Líquido / Receita líquida de vendas

X5 = Ativo circulante – Passivo Circulante / Ativo Total

O ponto crítico do modelo é 0, abaixo disso a empresa estará insolvente;

acima, solvente. Veja o quadro abaixo.

4

SOLVENTE 3

2 1

0 PONTO CRÍTICO -1

INSOLVENTE -2

-3 -4

Quadro 7. Escala de pontuação do

Industrial Risk Score Model

6. CONCLUSÕES

Através desta pesquisa confirmamos de que as informações contidas nos demonstrativos contábeis de empresas industriais permitem classificar com alto grau de precisão empresas insolventes e solventes.

A aplicação deste modelo mostra-se eficaz na previsão de insolvência de empresas industriais, com um ano de antecedência. Vale ressaltar de que sua aplicação não substitui a análise financeira tradicional, porém a complementa com informações valiosas e seguras para anteciparem situações de desequilíbrio financeiro.

O modelo possui aplicação gerencial e acadêmica; gerencial no sentido de prover subsídios à tomada de decisões de crédito por parte de instituições financeiras à empresas industriais, bem como aos gestores de empresas industriais na previsão de riscos financeiros futuros; na área acadêmica sua aplicação prove subsídios ao estudo de Administração Financeira e Estatística abordados nos cursos de Administração, Ciências Contábeis, Estatística e Economia.

REFERÊNCIAS

ALTMAN, E. I. – Predicting Financial Distress of Companies: Revisiting the Z-Score and Zeta Models – New York 2000

BERENSON, M. L., LEVINE D. M., Basic Business Statistics, Seventh Edition: Prentice Hall – New Jersey 1999

DIETRICH, J. R. Discussion of Methodological Issues Relation to the Estimation of Financial Distress Prediction Models. Journal of Accounting Research, supplement. 1984.

GITMAN, L. J., Princípios de Administração Financeira Essencial, 2ª Edição Porto Alegre: Editora Bookman 2001

DOWING, D., CLARK J., Estatística Aplicada, Série Essencial São Paulo:

Editora Saraiva 1998

KASSAI, J. R., KASSAI, S. Desvendando o Termômetro de Insolvência de Kanitz. São Paulo:FEA/USP -

http://www.eac.fea.usp.br/eac/publicacoes/artigo.asp

MATARAZZO, D.C., Análise financeira de balanços: abordagem básica e gerencial, 6a Edição. São Paulo, Atlas 2003

MATIAS, A. B., Contribuição às técnicas de análise financeira: Um modelo de concessão de crédito, monografia apresentada à FEA/USP em dezembro de 1978

____________, Insucesso de grandes bancos nacionais de varejo, Tese de livre docência apresenta à FEA/USP, São Paulo 1999

____________, Entrevista concedida. Ribeirão Preto 2003 MATIAS, A.B., Equipe de Professores e

Pós Graduandos da FEARP/USP. Gestão financeira do capital de giro,

Ribeirão Preto 2004

SILVA, J.P., Análise Financeira das Empresas, 3ª Edição São Paulo Atlas 1996

___________, Gestão e análise de risco de crédito. São Paulo: Atlas, 1998.