UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO
CENTRO DE CIÊNCIAS SOCIAIS APLICADAS E HUMANAS DEPARTAMENTO DE CIÊNCIAS SOCIAIS APLICADAS CURSO DE CIÊNCIAS CONTÁBEIS – MOSSORÓ-RN TRABALHO DE CONCLUSÃO DE CURSO (2018)
1 ANÁLISE FATORIAL DOS ÍNDICES FINANCEIROS DAS EMPRESAS QUE COMPÕEM O
SEGMENTO DE ENERGIA ELÉTRICA NA B3
José Matheus Barbosa de Sousa
1, Thaiseany de Freitas Rêgo
2Resumo: O estudo se propõe a investigar, por meio da análise fatorial, os indicadores financeiros mais significativos para a avaliação do desempenho das empresas que compõem o segmento de energia elétrica na “Brasil, Bolsa, Balcão” (B3). A pesquisa de caráter quantitativo e descritivo adota uma amostra com 25 empresas listadas na B3, considerando o conteúdo das demonstrações financeiras publicadas no período de 2013 a 2017. Para tanto, coube estudar 14 indicadores financeiros extraídos do Economática® ou calculados com o uso dos dados financeiros disponíveis. Ao proceder com a análise fatorial exploratória, com o uso do software IBM® SPSS Statistics® (versão 24.0), fez-se necessário rotacionar o modelo três vezes, de modo a ajustar o uso dos indicadores, o que culminou com a exclusão dos índices de Taxa de Rotação do Recebível (TRR) e Taxa de Crescimento de Vendas (TCV) do modelo, por apresentarem comunalidade não aceitável, menor do que 0,6. O KMO (0,6806) e o teste de esfericidade (0,000) garantem a adoção da Analise Fatorial, que permitiu extrair 4 fatores, denominados de: Liquidez (LS, LI, MLL), Investimento e retorno (LAR, RDCPT, ROA, ROE, TRA, TRC), Lucratividade (MLB) e Endividamento (EG, RD). Com a extração dos fatores e combinação dos indicadores, nota- se que o MSA fica acima de 0,7 a 0,9, revelando que os indicadores que permaneceram no modelo são aceitáveis. Ao ajustar o modelo, nota-se que o mesmo detém um poder explicativo de 81,89%, quando se considera o uso de 12 (doze) indicadores e isso mostra que os fatores extraídos permitem avaliar o desempenho das empresas do setor de energia elétrica, de forma objetiva e adequada.
Palavras-chave: Indicadores financeiros. Avaliação de desempenho. Análise Fatorial.
1 INTRODUÇÃO
Destaca-se que com o uso dos indicadores, torna-se possível avaliar o desempenho organizacional e gerenciar informações, além de se admitir um maior planejamento estratégico, controle gerencial e acompanhamento das metas estabelecidas (FLACH;
CASTRO; MATTOS, 2017). Além disso, as informações referentes ao desempenho também podem resultar em vantagem competitiva e promover uma maior adaptação da organização às mudanças do ambiente (BORGES; BENEDICTO; CARVALHO, 2014). No entanto, cabe uma reflexão quanto ao uso dos indicadores existentes, uma vez que o excesso de informação ou sua ausência podem tornar o processo de avaliação confuso e ineficiente (SOUZA et al., 2017).
1
Bacharelando em Ciências Contábeis.
2
Doutora em Administração pela PUC-PR.
2 Quando se trata do setor de energia elétrica, salienta-se que essa configura-se como uma área importante e influente no desenvolvimento nacional, principalmente quando se considera o volume de recursos envolvidos nas operações de geração e transmissão de energia (OLIVEIRA; CARDOSO, 2015). Segundo Ribeiro, Macedo e Marques (2012) o estudo sobre os índices de desempenho do setor elétrico é cabível, por ser o papel estratégico do setor. Isso, porque, a energia produzida pelo setor configura-se como um insumo utilizado nas mais diversas atividades operacionais executadas pelas empresas.
Nesse contexto, reconhecer os indicadores que melhor retratam a realidade econômica e financeira dessas organizações, possibilita as partes interessadas identificar o quão vale a pena investir e fazer uso de seus serviços (SOUZA et al., 2015). Ademais, o uso de indicadores caracteriza-se como uma das melhores ferramentas para mensuração e interpretação no desempenho operacional de uma empresa (BACKES et al., 2009).
Segundo Souza et al. (2017) para se determinar os indicadores mais eficientes no processo de análise, cabe avaliar os índices de forma conjunta, de modo a identificar quais influenciam verdadeiramente na percepção dos usuários da informação, quanto ao resultado auferido pela empresa e em que proporções. A escolha e uso de indicadores de desempenho adequados auxilia os tomadores de decisão na definição de suas ações estratégicas (PERAL; MATÉ; MARCO, 2017). Deste modo, o estudo busca responder a seguinte questão de pesquisa: Quais os indicadores financeiros mais significativos para a avaliação do desempenho das empresas que compõem o segmento de energia elétrica na “Brasil, Bolsa, Balcão”?
Diante do que foi discutido, o estudo objetiva investigar, por meio da análise fatorial exploratória, os indicadores financeiros mais significativos para a avaliação do desempenho das empresas que compõem o segmento de energia elétrica na “Brasil, Bolsa, Balcão”. Para tanto, torna-se imprescindível examinar os pressupostos de adequabilidade requeridos para a análise fatorial exploratória dos indicadores financeiros, bem como averiguar elementos de fatorabilidade da matriz de correlação e covariância dos indicadores financeiros. Estimar os scores para os fatores latentes e avaliar a qualidade de ajustamento da solução fatorial obtida para os indicadores financeiros mais significativos na avaliação do desempenho.
Além disso, cabe também identificar qual o número de índices necessários para que se proceda com uma análise objetiva e adequada.
Em termos teóricos, destaca-se que já existem algumas contribuições acerca do uso do método de análise fatorial, na definição de índices financeiros e de avaliação de desempenho. Dentre os principais estudos existentes tem-se um aplicado em empresas do segmento de seguros (BEZERRA; CORRAR, 2006), outro na área de petróleo e gás (BOMFIM; MACEDO; MARQUES, 2013), além de artigos que consideram as cooperativas de crédito rural (BORGES; BENEDICTO; CARVALHO, 2014) e empresas de energia elétrica (FLACH; CASTRO; MATTOS, 2017). Apesar da temática já ser abordada, os indicadores utilizados no presente estudo foram calculados com base nos dados financeiros disponibilizados pelas empresas ou extraídos do Economática®. O fator tempo é uma variável adicional, que permite considerar um lapso temporal maior do que aqueles observados nos estudos de Pereira, Pedrosa Jr e Ramos (2006), Bomfim et al. (2011), Ribeiro, Macedo e Marques (2012), de forma a possibilitar uma análise mais efetiva dos indicadores e, com isso, reduzir os riscos existentes em função da presença de dados enviesados.
Na prática, o estudo tende a subsidiar os pesquisadores que fazem uso da análise de regressão com dados em painel e que se propõe a avaliar se os indicadores não financeiros, como de capital intelectual e ambiental, impactam no desempenho das empresas do segmento de energia elétrica (TODESCHINI; MELLO, 2013; OLIVEIRA;
CARDOSO, 2015; BERNARDINO; PEIXOTO; FERREIRA, 2015; SOUZA et al., 2015;
BOENTE; LUSTOSA, 2016). Nessa perspectiva, previne-se quanto ao uso aleatório de
indicadores financeiros para avaliar o desempenho, ao mesmo tempo em que se maximiza o
monitoramento do impacto das referidas relações. Além disso, direciona os potencias
3 stakholders sobre quais indicadores são mais significativos e adequados para avaliar uma empresa e subsidiar seu processo de tomada de decisão.
2 INDICADORES FINANCEIROS
Os dados utilizados para calcular os indicadores de desempenho econômico- financeiro das organizações, são comumente extraídos das Demonstrações Financeiras Padronizadas (DFP) (SOUZA et al., 2017). Dentre elas, destacam-se o Balanço Patrimonial, Demonstração do Resultado do Exercício, Notas Explicativas, dentre outros (BACKES et al., 2009). Contudo, os indicadores só são eficazes quando tais demonstrações são construídas de forma fidedigna e retratam a real situação da empresa (SABADIN, 2016).
Segundo Flach, Castro e Mattos (2017) os indicadores financeiros podem ser considerados como um dos principais meios para se avaliar o desempenho das organizações. Isso, porque auxilia tanto no processo de mensuração e avaliação, como no acompanhamento da evolução ou involução econômica, financeira e patrimonial da empresa, no curto e longo prazo. Ademais, permite comparar empresas do mesmo segmento, bem como avaliar os resultados de um setor específico (BORGES; BENEDICTO;
CARVALHO, 2014) e evidenciar tendências (SABADIN, 2016).
Para Ozório (2015) é possível que a análise das DFP atenda a três finalidades específicas: análise econômica, análise financeira e análise do endividamento e risco de inadimplência. Logo, destaca-se que a análise econômica ocorre por meio da avaliação da capacidade da organização em gerar lucro, já a análise financeira observa a capacidade de honrar compromissos de curto prazo e a sua dependência de capital de terceiros. A análise do endividamento e risco considera tanto o risco de crédito empresarial, como a exposição de custos a que a empresa está sujeita. Nesse contexto, apresenta-se no Quadro 1, os principais índices financeiros adotados para avaliar o desempenho das empresas e no Apêndice A, as fórmulas e indicação de sua determinação.
Quadro 1: Índices financeiros (continua)
Grupo Índices
Índices de Liquidez
Liquidez Seca (LS) Razão de Liquidez (RL) Liquidez Imediata (LI) Liquidez Geral (LG)
Utilização de Ativos ou Razões de Volume de
Negócios
Taxa de Rotação Recebível (TRR) Taxa de Rotação do Inventário (TRI)
Taxa Líquida de Rotação do Capital de Trabalho (TLRCT) Taxa de Rotatividade de Ativos (TRA)
Taxa de Rotatividade de Capital (TRC) Taxa de Rotatividade de Ativos Fixos (TRAF)
Taxa de Rotatividade de Ativos de Longo Prazo (TRALP) Taxa de Rotação de Ativos Atuais (TRAA)
Indicadores de Atividade
Prazo Médio de Estocagem (PME)
Prazo Médio de Pagamento à Fornecedores (PMP)
Prazo Médio de Cobrança (PMC)
4
Quadro 1: Índices financeiros (conclui)
Grupo Índices
Índices de Análise do Capital de Giro
Capital de Giro Líquido (CGL)
Necessidade de Capital de Giro (NCG) Saldo em Tesouraria (ST)
Índices de Rentabilidade Margem de Lucro Bruto (MLB) Margem EBITDA
Índices de Rentabilidade
Margem de Lucro Líquido (MLL)
Lucro antes de Rácio Tax-to-Equity (LAR) Retorno Sobre o Patrimônio (ROE) Retorno Sobre Ativos (ROA)
Proporção de Vendas de Despesa para a rede de Funcionamento (PVD) Lucro por Ação (LPA)
Índice Preço-Lucro (IPL) Índices de Crescimento
Taxa de Crescimento de Ativos (TCA)
Taxa de Crescimento do Lucro Líquido (TCLL) Taxa de Crescimento de Vendas (TCV)
Razões da Estrutura de Ativos
Razão de Ativos para Ativos Totais (RAAT) Índice de Ativos de Inventário para Corrente (IAIC)
Razão de Caixa e Equivalentes de Caixa para Ativos Atuais (RCAT) Razão de Ativos para Total de Ativos de Longo Prazo (RAALP) Imobilização de Recursos Permanentes (IRP)
Imobilização do Patrimônio Líquido (IPL)
Índices de Endividamento
Razão da Dívida Financeira de Curto Prazo com Dívida Total (RDFTCPDT)
Razão da Dívida de Curto Prazo para Total (RDCPT) Índice de Cobertura de Juros (ICJ)
Razão de Dívida (RD) Endividamento Geral (EG)
Razão da Dívida Financeira Total e o Total de Passivos (RDFTTP) Fonte: Adaptado de Assaf Neto (2007) e Delen, Kuzey e Uyar (2013).
De modo geral, destaca-se que os índices de liquidez evidenciam a capacidade que a empresa possui em converter, em dinheiro, os recursos de seu patrimônio, para atender as suas obrigações de curto prazo (FLACH; CASTRO; MATTOS, 2017). Assim, também permitem avaliar a solvência da empresa e os riscos de inadimplência. Para Pimentel, Braga e Nova (2005) a liquidez, quando adequada, garante a continuidade das atividades operacionais. Dentre os estudos que fazem uso dos índices de liquidez para analisar o setor elétrico destacam-se os de Pereira, Pedrosa Jr e Ramos (2006), Bomfim et al. (2011), Campos e Sousa (2014), Peris (2016) e Flach, Castro e Mattos (2017).
Carvalho, Santos e Rêgo (2010) apontam que os indicadores de rotatividade, ou de
utilização de ativos, representam o giro das atividades, ou seja, mostram como funciona o
fluxo operacional da empresa. Além disso, permite avaliar como ocorre a rotação dos ativos
e qual a sua interferência na liquidez e rentabilidade da organização. A questão do tempo
necessário para concretizar cada ciclo, econômico, operacional e financeiro, também se
5 torna possível (KROENKE; HEIN, 2011). Nesse contexto, tais indicadores foram utilizados no estudo de Flach, Castro e Mattos (2017), com o intuito de complementar a avaliação de desempenho das empresas do setor elétrico.
Indicadores de atividade, segundo Assaf Neto (2007), permitem analisar os prazos necessários para determinar o tempo de estocagem, pagamento e cobrança existentes entre os ciclos de recebimento e pagamento. Ademais, considera o tempo necessário para o recebimento das vendas realizadas a prazo, bem como do pagamento efetuado junto aos fornecedores e o tempo de permanência dos itens em estoque. Avaliando os estudos do setor de energia elétrica que fazem uso de indicadores de desempenho, nota-se que nenhum deles apontou o uso desses indicadores como influenciadores do desempenho das empresas.
No que concerne aos indicadores de análise do capital de giro, salienta-se que os mesmos são adotados com o intuito de auxiliar na avaliação do desempenho financeiro das empresas. Isso é observado nos estudos desenvolvidos por Pereira, Pedrosa Jr e Ramos (2006) e Bomfim et al. (2011), quando avaliam os recursos envolvidos nas atividades operacionais das empresas do setor de energia elétrica. Tomando por base o uso destes indicadores é possível analisar, conforme aponta Assaf Neto (2007), todo o capital necessário para financiar as atividades operacionais da empresa e garantir a sua continuidade.
Quanto aos índices de rentabilidade, destaca-se que os mesmos mostram o quanto a empresa gerou de lucro, considerando o volume de despesas e custos, e seu confronto com as receitas auferidas no período (FLACH; CASTRO; MATTOS, 2017). De modo geral, nota- se que esse grupo de indicadores esclarece quais os resultados que a empresa obteve em função do lucro contábil auferido em suas atividades operacionais. Logo, ressalta que o objetivo das organizações que atuam em economias capitalistas é a rentabilidade auferida diante do risco (PIMENTEL; BRAGA; CASA NOVA, 2005). O uso desses indicadores costuma avaliar a relação existente entre a rentabilidade e o desempenho das organizações, como observado nos trabalhos de Neves Jr e Batista (2005), Ribeiro, Macedo e Marques (2012) e Peris (2016).
Quanto ao grupo de índices de crescimento, destacam-se aqueles que medem o incremento de ativos, vendas líquidas e lucro líquido. Estes mostram qual a situação da organização no mercado e quanto a mesma tem crescido em determinado intervalo de tempo (FLACH; CASTRO; MATTOS, 2017). Apesar de serem medidas importantes, salienta-se que tais índices não são utilizados com frequência em estudos sobre desempenho econômico e financeiro das empresas do setor de energia elétrica, em razão dos pesquisadores compreenderem que esses não se configuram como índices de análise importante.
Os índices de Estrutura de Ativos tratam da composição e representatividade de grupos de contas da organização, mais precisamente das contas que compõe o grupo dos ativos. Logo, possibilita a análise e comparação do volume de recursos investidos nos ativos, com outras contas, e a observação de sua importância na estrutura empresarial e na distribuição de recursos. No que diz respeito aos índices de estrutura, o de Imobilização do Patrimônio Líquido recebe destaque no trabalho de Pereira, Pedrosa Jr e Ramos (2006), sendo considerado como importante na avaliação do desempenho econômico e financeiro das entidades.
No que concerne aos índices de endividamento, destaca-se que os mesmos revelam
qual o volume de obrigações da empresa para com terceiros. Logo, para que se meça a
alavancagem financeira é preciso que a empresa faça uso de recursos de terceiros e quanto
maior o nível de endividamento, maior o risco que a empresa tem de se tornar inadimplente
(GITMAN, 2010). A análise desses índices revela como está a saúde financeira da empresa
e esclarece qual o modelo de financiamento adotado. Nesse interim, os estudos de Pereira,
Pedrosa Jr e Ramos (2006), Ribeiro, Macedo e Marques (2012) e Flach, Castro e Mattos
6 (2017), propõem-se a identificar a relação do endividamento da empresa para com o desempenho.
Quando se destaca o uso de indicadores para avaliar um segmento, Koch (2002) aponta que o setor de energia elétrica possui índices adicionais, voltados para mensurar o seu resultado operacional. Quando se trata de índices não-financeiros, os mesmos costumam ser utilizados para gerenciar as atividades do setor quanto à satisfação do cliente, manutenção preventiva e implementação de melhorias no processo de distribuição.
Dentre esses índices, Munaretto (2013) destaca indicadores de dimensão econômico- financeira, eficiência operacional, pessoas e inovação, qualidade técnica e comercial, satisfação do consumidor, relacionamento com associados e benefícios sociais e ambientais.
2.1 ESTUDOS ANTERIORES RELACIONADOS AO TEMA
Conforme Macedo e Corrar (2010), a quantidade de indicadores a serem usados para avaliar o desempenho organizacional é sempre passiva de questionamento, bem como sua combinação desordenada. Por essa razão, orienta-se a identificação dos principais índices existentes, sejam eles financeiros ou não financeiros. Isso, porque, ao conhecê-los torna-se possível mensurar o resultado organizacional e tornar o processo de tomada de decisão mais acertado e direcionado para o alcance dos objetivos empresariais (GONZALES et al., 2017).
Para a identificação dos principais indicadores, o uso de métodos multivariados, como a análise fatorial, são os mais indicados. Para Sabadin (2006), estes métodos são fundamentais na aplicação de análise de dados que possuem mais de uma variável envolvida ao mesmo tempo, pois possibilitam a identificação de grupos com variáveis que se relacionam por alguma característica ou objetivo comum, compreendendo mais facilmente o comportamento do conjunto de índices. Nesse contexto, a análise fatorial permite reduzir muitas variáveis e organizá-las como fatores (SOUZA, 2017).
A análise fatorial pode ser exploratória ou confirmatória, sendo a primeira preocupada em reduzir os índices em fatores. Já a análise confirmatória parte do princípio de que o pesquisador já possui ideias ou hipóteses semiestruturadas, sendo esse método adotado para confirmar hipóteses, do número exato de fatores ou se as variáveis estão corretamente agrupadas (HAIR JR et al, 2009). No que se refere à análise de índices financeiros, com a aplicação dessa técnica multivariada, pode-se identificar os principais indicadores a serem considerados para a análise do desempenho econômico-financeiro das organizações (SOUZA, 2017).
O uso da técnica multivariada já vem sendo utilizada em estudos que envolvem o
setor de energia elétrica, o que tem revelado que nem todos os índices existentes são
significantes para a análise (FLACH; CASTRO; MATTOS, 2017). Nesse contexto,
apresenta-se no Quadro 2, os principais estudos que adotaram a análise fatorial e os grupos
de indicadores avaliados como significativos. No mesmo, fica claro que nem todos os
índices financeiros são significativos na avaliação do desempenho empresarial das
empresas do segmento de energia elétrica ou são importantes diante dos dados coletados e
propósito dos estudos.
7 Quadro 2: Indicadores de desempenho dos estudos do segmento de Energia Elétrica
Indicadores
Neves Jr e Batista
(2005)
Pereira, Redrosa
Jr e Ramos
(2006)
Bomfim et al.
(2011)
Ribeiro, Macedo e
Marques (2012)
Cavalcanti (2013)
Campos e Sousa (2014)
Peris (2016)
Flach, Castro
e Mattos
(2017)
LS X X X
RL X X X X X X
LI X X X X X
TRA X
TRR X
TRAF X
TRAA X
CGL X
NCG X X
ST X X
EBITDA X X
MLL X X
ROA X X
ROE X X X
ROI X
IPL X X
RD_CP-T X X
RD X X
ICJ X
EG X X X
Fonte: Elaborado pelo autor (2018).
Neves Jr e Batista (2005) buscaram analisar em seu trabalho, o desempenho de 21 empresas do setor elétrico, no intervalo de 1993 a 2003, com o indicador do EBITDA. As empresas de distribuição foram escolhidas a partir da classificação feita pela Revista Exame – Melhores e Maiores de 2004. A partir da análise realizada, o estudo comprovou que pela ótica do EBITDA a situação financeira das empresas é satisfatória, considerando que a maioria foi classificada em situação boa ou ótima nos anos analisados. Neste estudo, o cálculo da variação do EBITDA foi feito e comparado durante o período analisado, considerando apenas esta variável, com o uso da técnica estatística de regressão, para verificar a sua variação no período.
No estudo de Pereira, Pedrosa Jr e Ramos (2006) fez-se uso da análise fatorial e
análise discriminante, com dados de 40 empresas, no ano de 2013, buscando estimar
empiricamente uma equação com corte simultâneo de previsão de desempenho das
empresas nacionais do setor energético, com base nos índices relativos ao desempenho
das empresas. Como resultado, o estudo identificou quatro fatores de desempenho: Fator 1
– Índice de Endividamento, Grau de Alavancagem e Imobilização do PL; Fator 2 – Solvência
Geral e Garantia de Terceiros; Fator 3 – Liquidez Corrente, Seca e Geral; Fator 4 –
Necessidade de Capital de Giro e Saldo de Tesouraria. Dentre os indicadores analisados
pela pesquisa, o único desconsiderado foi o índice de Composição do Endividamento, que
não mostrou significância estatística no modelo.
8 Bomfim et al. (2011) buscou identificar dentre os indicadores econômico-financeiros selecionados, aqueles que deveriam ser levados em consideração na avaliação do desempenho de curto prazo de 43 distribuidoras de energia elétrica analisadas no ano de 2009. Aplicando os métodos de análise fatorial e de regressão, identificou-se a existência de três fatores de desempenho. No Fator 1 destacou-se os índices de Liquidez Corrente, Imediata, Saldo em Tesouraria, Capital Circulante Líquido e o Índice de Cobertura de Dívidas. No Fator 2, ficou agrupado o Índice de Cobertura de Juros, Eficiência Operacional e Garantia Operacional Corrente, e no Fator 3, o Índice de Necessidade de Capital de Giro ficou destacado. Neste estudo as variáveis excluídas foram as que se referem ao Índice de Eficiência Econômica e o Índice de Perfil de Endividamento, em função do baixo poder de explicação.
No estudo de Ribeiro, Macedo e Marques (2012), analisa-se a relevância de indicadores financeiros e não financeiros na avaliação do desempenho organizacional de 42 empresas do setor brasileiro de distribuição de energia elétrica, tomando por base as informações do ano de 2010. Com isso, identificou-se como principais indicadores financeiros o de Cobertura de Juros, Retorno sobre o PL e o Perfil de Endividamento, além da Margem EBITIDA. Já os demais índices não se mostraram significantes, como os de:
Rotação do Ativo, Multiplicador de Alavancagem, Endividamento Total, Endividamento Oneroso, Imobilização do Patrimônio Líquido, Imobilização dos Recursos não Correntes, Liquidez Corrente, Liquidez Imediata, Rentabilidade Financeira sobre o Patrimônio Líquido, Necessidade de Investimento em Capital de Giro sobre Receita Líquida, Necessidade Total de Financiamento Permanente sobre o Ativo, Saldo Disponível sobre a Receita Líquida e Capital de Giro Líquido sobre o Ativo.
Cavalcanti (2013) objetivou analisar a existência de similaridade entre os indicadores econômico-financeiros das empresas distribuidoras de energia elétrica e as ganhadoras do Prêmio ABRADEE entre 2008 e 2011. Para isso, utilizou-se das técnicas de análise fatorial, cujo propósito foi reduzir o número de dados a serem analisados, e a técnica de análise de conglomerados. Como resultado de sua análise fatorial encontrou dois fatores significativos para o conglomerado de empresas, o Fator 1, Liquidez, composto de Liquidez Corrente e Imediata e Fator 2, Rentabilidade, composto de Margem de Lucro Líquido e Retorno sobre Investimento.
Campos e Sousa (2014), também fizeram uso da análise fatorial dos indicadores financeiros mais representativos na análise de desempenho de 30 distribuidoras de energia elétrica, analisando os dados nos anos de 2010 e 2011. Dentre os índices analisados foram identificados 3 fatores. O Fator 1 composto de Liquidez Corrente, Seca e Imediata, para as empresas de melhor desempenho; Fator 2, agrupando os indicadores de Participação de Capitais de Terceiros, Imobilização do Patrimônio Líquido e Endividamento Geral. Já o fator 3, está fortemente relacionado aos indicadores de Rentabilidade do Ativo e Rentabilidade do Patrimônio Líquido.
No estudo de Peris (2016), foi realizada uma análise sobre o desempenho das empresas do setor elétrico no Brasil, com foco nas companhias de capital aberto, no período de 2010 a 2015, o que resultou em um total de 24 empresas objeto de análise. Como resultado da pesquisa, constatou-se que os índices Margem Líquida e Liquidez Corrente são os mais significativos para avaliar o desempenho financeiro das empresas desse segmento, sendo o ROE a variável dependente. Com a variável dependente ROA, os mais significativos são Endividamento Geral, Liquidez Corrente e Margem Líquida.
Mais recentemente, Flach, Castro e Mattos (2017) fizeram uso da análise fatorial e da árvore de decisão para avaliar um total de 67 empresas do setor de energia elétrica, no período de 2009 a 2013, objetivando identificar os indicadores financeiros mais relevantes para a avaliação de desempenho das empresas brasileiras de capital aberto listadas na
“Brasil, Bolsa, Balcão” (B3). Como resultado do estudo, foram identificados 3 fatores: Fator 1
– Liquidez Corrente, Seca e Imediata; Fator 2 – Giro do Ativo, Giro do Ativo não Circulante e
9 Giro do Ativo Circulante; Fator 3 – Composição do Endividamento e Giro de Contas a Receber. Destaca-se que o estudo tomou por base os índices propostos por Delen, Kuzey e Uyar (2013), para avaliar o desempenho das empresas de energia.
Observando os objetivos e resultados dos estudos analisados, é possível perceber que alguns índices são recorrentes como objetos de análise, enquanto outros são desconsiderados ou utilizados em poucos estudos. Os índices de Liquidez, por exemplo, são os mais analisados pelos pesquisadores e normalmente são tidos como fatores que influenciam no desempenho financeiro das entidades. Outros indicadores que chamam atenção nesse tipo de estudo são aqueles abarcados nos grupos de índices financeiros de Rentabilidade e Endividamento. Dentre os índices do grupo de Utilização de Ativos apenas em um estudo um dos índices é tido como influente, ao passo em que os índices dos grupos de Crescimento e Estrutura não são abordados nos trabalhos adotados como referência.
Para Souza et al. (2017) só seria possível estabelecer os principais indicadores a partir da sua análise conjunta, o que justifica a necessidade de se avaliar o maior número possível de indicadores, sem a exclusão indevida de nenhum deles.
3 PROCEDIMENTOS METODOLÓGICOS
Considerando o propósito de investigar os indicadores financeiros mais significativos para a avaliação de desempenho das empresas que compõem o segmento de energia elétrica da “Brasil, Bolsa, Balcão”, esta pesquisa é classificada como descritiva. Isso se justifica pelo caráter avaliativo e comparativo dos objetivos específicos, ao observar as variáveis estudadas. Para Raupp e Beuren (2012), é por meio da aplicação desse método que se torna possível realizar uma análise conjunta dos indicadores e avaliar a relação entre as variáveis. Logo, assume-se um estudo quantitativo que se vale da análise multivariada de dados, com o uso da regressão obtida com a análise fatorial (PRADONOV; FREITAS, 2013).
Para determinar os indicadores que compõem o estudo, procedeu-se com o levantamento dos 42 (quarenta e dois) indicadores financeiros apresentados no Apêndice B (ASSAF NETO, 20017; DELEN; KUZEY; UYAR, 2013) e que abarcam: Índices de Liquidez (4); Utilização de Ativos ou Razões de Volume de Negócios (8); Indicadores de Atividade (3); Índices de Análise do Capital de Giro (3); Índices de Rentabilidade (9); Índices de Crescimento (3); Razões da Estrutura de Ativos (6) e Índices de Endividamento (6). Ao proceder com a busca no Economática® ou determinação dos índices, com o uso de dados contidos nas demonstrações publicadas na B3, coube excluir 28 (vinte e oito) indicadores que dispunham de dados faltantes (22) ou discrepantes (6). Tais exclusões se fizeram necessárias em razão dos dados se mostrarem inapropriados para a análise fatorial, o que culminou com o uso de 14 (quatorze) indicadores financeiros para determinar a estatística descritiva e investigar os indicadores financeiros mais significativos: EG, LS, LI, LAR, MBL, MLL, RDCPT, RD, ROA, ROE, TCV, TRR, TRA e TRC.
Ao definir como objeto de análise as empresas do segmento de energia elétrica, observou-se que existem 57 (cinquenta e sete) empresas listadas na B3, das quais apenas 25 (vinte e cinco) compõe a amostra final. A determinação dessa amostra considerou a exclusão 16 (dezesseis) empresas que não possuíam ações ordinárias negociadas em bolsa, durante todo o período de análise (2013 a 2017). Ademais, foram retiradas da amostra, 3 (três) empresas cujos dados financeiros estavam parcialmente disponíveis no Economática® ou nas demonstrações, e mais 13 (treze) empresas que apresentaram indicadores discrepantes.
Com a determinação dos indicadores sob estudo e das empresas objeto de análise,
procedeu-se com o estudo da análise fatorial, com o intuito de agrupar os indicadores em
fatores com alta correlação e assim identificar quais os mais representativos do setor.
10 Segundo Corrar, Paulo e Dias Filho (2017), a mesma permite identificar um conjunto de novas variáveis originais e não observáveis, por meio da criação de um número menor de dimensões latentes, chamadas de fatores. Sendo possível identificar os mais significativos no que se refere ao desempenho financeiro organizacional. Para que esses fatores fossem identificados coube avaliar se as variáveis analisadas apresentam níveis de correlação capazes de agrupá-las por características comuns (HAIR et al., 2009).
Para atender ao propósito do presente estudo, coube avaliar os componentes principais e os pressupostos da técnica multivariada de análise fatorial, com o uso do IBM SPSS Statistics® (versão 24.0). Tal preocupação, segundo Fávero et al. (2009), é essencial para a adoção do método da análise fatorial, bem como a identificação dos fatores e principais indicadores da análise. Marôco (2011) destaca que esse tipo de análise permite avaliar as relações entre variáveis e construir uma escala de medida, que requer a determinação do modelo e extração de fatores.
4 RESULTADOS E DISCUSSÕES
Para determinar o conjunto de fatores mais significativos e capaz de avaliar, com segurança, o desempenho das empresas do segmento de energia elétrica, os indicadores foram submetidos a medida de Kaiser-Meyer-Olkin (KMO) e ao teste de esfericidade de Bartlett. De acordo com Soares (2006), o KMO destaca que as correlações entre os pares de variáveis podem ou não ser explicadas por fatores, cujo parâmetro ideal é que o Measure of Sampling Adequac (MAS) apresente valor maior que 0,6, indicando que os fatores encontrados conseguem descrever as variações dos dados originais. Já pelo teste de esfericidade, é possível identificar se existe relação suficiente entre os indicadores para a aplicação da análise fatorial, cuja regra básica consiste em permitir a aplicação da análise fatorial quando o teste de significância (sig.) não ultrapassa 0,05 (GIRIOLI, 2010).
Considerando os aspectos enunciados, foram realizados 3 (três) testes, avaliando a adequabilidade ou não dos indicadores selecionados, para a análise fatorial. Nessa conjuntura, ao rotacionar a primeira análise fatorial exploratória, com os 14 (quatorze) indicadores listados na metodologia, notou-se que embora o KMO (0,6564) apresentasse valor aceitável e que o teste de esfericidade (0,000) validou o uso desse conjunto de dados para a análise fatorial, com significância menor que 0,05, e apesar do modelo possuir uma variância explicada de 76,75%, o mesmo apresentou um problema de comunalidade. Isso, porque, o indicador TCV (0,31) dispunham de um fator de extração baixo, quando se espera o mínimo de 0,5, para que os indicadores pudessem apresentar explicações razoáveis e aceitáveis.
Nos estudos de Bomfim et al. (2011) e Flach, Castro e Mattos (2017), também coube a retirada de indicadores, tais como: Índice de Perfil do Endividamento (IPE); Índice de Eficiência Econômica (IEE); Índice de Necessidade de Investimento em Capital de Giro (INIG); EBITIDA; Taxa de Crescimento do Lucro Líquido (TCLL); Taxa de Crescimento de Ativos (TCA), dentre outros. Tudo isso, de modo a propiciar melhorias na determinação do poder explicativo do modelo, que ficou, respectivamente, de 88,07% e 85%. Destaca-se que a exclusão de indicadores considerou como parâmetro aqueles que detinham um fator de extração menor do que 0,5, de modo a melhorar os testes de adequação da análise fatorial e o poder explicativo do modelo.
Ao rotacionar a segunda analise fatorial exploratória, que considerou a retirada do
indicador TCV e permanecendo com os demais 13 (treze) indicadores, verificou-se que o
KMO (0,6540) diminuiu, mas permaneceu dentro de parâmetros aceitáveis. O teste de
esfericidade (0,000) também validou o uso da análise fatorial, com significância menor do
que 0,05, mas percebeu-se que o TRR (0,498) passou a indicar problemas de
comunalidade, apesar de ter aumentado a variância total explicada para 81,89%. Logo,
11 coube excluir mais esse indicador, com vias a melhorar o modelo de avaliação de desempenho dos indicadores financeiros e aumentar a variância total explicada.
Com a exclusão do indicador TRR e uso dos 12 (doze) indicadores que apresentaram comunalidade maior do que 0,6, que é considerada como aceitável, procedeu-se com o terceiro teste. Ao executar a análise fatorial exploratória com essa nova composição de indicadores, observou-se que o teste KMO (0,6806) apresentou melhora, para um teste de esfericidade (0,000), com significância menor do que 0,05, como indicado no Quadro 3. A adequação da amostra para a adoção da análise fatorial é confirmada pelo estudo de Campos e Sousa (2014), ao apresentar KMO, de 0,600 e 0,609 para os períodos de 2010 e 2011, respectivamente, como suficientes para explicar a associação entre as variáveis, apesar de ainda baixos.
Quadro 3: Teste de KMO e Bartlett
KMO and Bartlett's Test
Medida Kaiser-Meyer-Olkin de adequação de amostragem. 0,6806 Teste de esfericidade de
Bartlett
Aprox. Qui-quadrado 1.802,60
Df 66,00
Sig. 0,000
Fonte: Dados da pesquisa.
Ante ao exposto, cabe destacar que os resultados obtidos com a medida de KMO e o teste de esfericidade, não apresentaram um aumento expressivo com a exclusão das variáveis sugeridas em razão da comunalidade, mas indicaram melhoria na variância total explicada, que no último modelo passou para 87,01%. Nesse contexto, o KMO aponta que as correlações entre os pares de variáveis podem ser explicadas por fatores de forma satisfatória. Logo, existe relação suficiente e adequada entre os indicadores para a aplicação da análise fatorial e consequente avaliação das empresas do segmento de energia elétrica listadas na “Brasil, Bolsa, Balcão”.
Avaliando a matriz anti-imagem, para identificar quais indicadores contribuem mais para determinar o poder de explicação dos fatores, nota-se na diagonal inferior, que os valores do MSA foram maiores do que 0,5, com exceção do indicador RD (0,495). Apesar disso, pela proximidade com o valor mínimo aceitável, a variável permaneceu no modelo para análise, o que permite inferir que os indicadores são aceitáveis e juntos detém um bom poder de explicação, uma vez que prevalece a presença de MSA acima de 0,7 a 0,9, como ilustrado no Quadro 4. No estudo de Bomfim et al. (2011), o valor do MSA dos indicadores também foi maior que 0,5 e apesar de um deles ser inferior à este, a comunalidade do indicador foi alta a ponto de permitir compor um fator exclusivo. Com isso, torna-se possível compreender a razão de se ter relaxado quanto a permanência do indicador RD, o que também se confirma com o MSA na matriz anti-imagem, como recomenda Fávero et al.
(2009).
12 Quadro 4: Matrizes anti-imagem
Anti-image Matrices
EG LS LI LAR MBL MLL RDCPT RD ROA ROE TRA TRC
Cov ariâ nc ia an ti -i m ag e m
EG 0,09 0,05 -0,04 -0,01 -0,03 0,03 0,01 -0,05 0,02 -0,01 -0,03 0,02 LS 0,05 0,48 -0,20 -0,01 0,06 -0,05 0,14 -0,01 0,00 0,00 -0,02 0,01 LI -0,04 -0,20 0,57 -0,00 0,04 -0,02 0,02 0,03 -0,04 0,02 0,04 -0,02 LAR -0,01 -0,01 -0,00 0,05 -0,01 0,03 -0,01 0,00 -0,00 -0,03 0,00 -0,00 MBL -0,03 0,06 0,04 -0,01 0,38 -0,06 -0,00 -0,00 0,02 -0,00 0,01 0,02 MLB 0,03 -0,05 -0,02 0,03 -0,06 0,22 -0,06 -0,01 -0,05 -0,02 0,02 -0,01 RDCPT 0,01 0,14 0,02 -0,01 -0,00 -0,06 0,37 0,00 -0,01 0,01 -0,02 -0,00 RD -0,05 -0,01 0,03 0,00 -0,00 -0,01 0,00 0,04 -0,01 0,00 0,03 -0,03 ROA 0,02 0,00 -0,04 -0,00 0,02 -0,05 -0,01 -0,01 0,07 -0,02 -0,02 0,02 ROE -0,01 0,00 0,02 -0,03 -0,00 -0,02 0,01 0,00 -0,02 0,03 0,00 -0,00 TRA -0,03 -0,02 0,04 0,00 0,01 0,02 -0,02 0,03 -0,02 0,00 0,03 -0,03 TRC 0,02 0,01 -0,02 -0,00 0,02 -0,01 -0,00 -0,03 0,02 -0,00 -0,03 0,02
Cor rel aç ã oa n ti -i ma ge m
EG ,624a 0,22 -0,20 -0,11 -0,14 0,24 0,04 -0,81 0,22 -0,11 -0,55 0,46 LS 0,22 ,794a -0,38 -0,05 0,15 -0,17 0,32 -0,09 0,02 0,02 -0,12 0,06 LI -0,20 -0,38 ,755ª -0,03 0,09 -0,06 0,05 0,19 -0,19 0,12 0,26 -0,17 LAR -0,11 -0,05 -0,03 ,756a -0,07 0,25 -0,06 0,10 -0,06 -0,83 0,10 -0,07 MLB -0,14 0,15 0,09 -0,07 ,900a -0,22 -0,00 -0,03 0,12 -0,02 0,05 0,20 MLL 0,24 -0,17 -0,06 0,25 -0,22 ,800ª -0,22 -0,13 -0,42 -0,22 0,18 -0,12 RDCPT 0,04 0,32 0,05 -0,06 -0,00 -0,22 ,882a 0,01 -0,04 0,11 -0,22 -0,01 RD -0,81 -0,09 0,19 0,10 -0,03 -0,13 0,01 ,495a -0,27 0,12 0,80 -0,84 ROA 0,22 0,02 -0,19 -0,06 0,12 -0,42 -0,04 -0,27 ,762ª -0,41 -0,43 0,39 ROE -0,11 0,02 0,12 -0,83 -0,02 -0,22 0,11 0,12 -0,41 ,731a 0,07 -0,11 TRA -0,55 -0,12 0,26 0,10 0,05 0,18 -0,22 0,80 -0,43 0,07 ,527a -0,91 TRC 0,46 0,06 -0,17 -0,07 0,20 -0,12 -0,01 -0,84 0,39 -0,11 -0,91 ,600a Nota: Medidas de adequação de amostragem (MSA).
Fonte: Dados da pesquisa.
No presente estudo, não foi escolhido ponto de corte para exclusão de indicadores, logo, todos os indicadores foram considerados na análise, e podem explicar satisfatoriamente os fatores que compõem. Confrontando com outros estudos, nota-se que Cavalcanti (2013) optou pela escolha de um ponto de corte, onde os indicadores que apresentaram valor menor que 0,60 na matriz anti-imagem foram excluídos do estudo. Essa exclusão se deu em função da busca por um menor número de fatores, mesmo alguns apresentando bom poder de explicação.
Para demonstrar o poder de explicação do indicador, pelo fator, procedeu-se com o
teste de comunalidade, como disposto no Quadro 5. O mesmo se trata se uma medida de
quanto da variância de uma variável é explicada pelos fatores derivados da análise fatorial
(GIRIOLI, 2010). A regra para apontar o poder de explicação da variável considera que
quando o fator de extração está acima de 0,7, o modelo possui um bom poder de
explicação, ou seja, as variáveis podem ser explicadas pelos fatores de forma mais precisa
e satisfatória, com a retirada dos indicadores TCV (0,31) e TRR (0,498).
13 Quadro 5: Teste de Comunalidade
Comunalidades
Inicial Extração
EG 1,00 0,93
LS 1,00 0,80
LI 1,00 0,76
LAR 1,00 0,91
MLB 1,00 0,85
MLL 1,00 0,75
RDCPT 1,00 0,73
RD 1,00 0,95
ROA 1,00 0,94
ROE 1,00 0,95
TRA 1,00 0,92
TRC 1,00 0,95
Nota: Método de extração – Análise de componente principal.
Fonte: Dados da pesquisa.
No estudo de Bomfim et al. (2011), todas as comunalidades dos índices analisados também foram superiores a 0,7, assim como constatado no presente estudo, o que assegura a permanência dos indicadores no modelo. Logo, têm-se condições de avaliar o grau de explicação das variáveis de desempenho econômico-financeiro das empresas de energia elétrica de forma adequada, considerando que a variação dos indicadores é explicada satisfatoriamente pelos fatores derivados da AF.
No que concerne ao grau de explicação, obtido com o teste de variância total, apresentado no Quadro 6, nota-se a extração de 4 (quatro) fatores. Nesse contexto, salienta-se que a regra é de que o valor mínimo a ser considerado para explicar os fatores comuns deve ser de 60%, para que o uso da análise fatorial possa de fato ser aceitável (CORRAR; PAULO; DIAS FILHO, 2017). Sendo assim, ao avaliar o Quadro 6, percebe-se que os quatro fatores apresentam eigenvalues maiores do que 1,0 e juntos explicam 87,01%
da variância total dos dados originais.
Quadro 6: Teste da Variância Total Explicada
Total Variance Explained
Compo- nente
Valores próprios iniciais
Somas de extração de carregamentos ao
quadrado
Somas rotativas de carregamentos ao
quadrado Tota
l
% de variân-
cia
% cumu-
lativa
Tota l
% de variân-
cia
% cumu-
lativa
Total
% de variân-
cia
% cumu-
lativa 1 4,87 40,55 40,55 4,87 40,55 40,55 3,61 30,12 30,12 2 3,27 27,28 67,83 3,27 27,28 67,83 2,84 23,70 53,83 3 1,18 9,79 77,62 1,18 9,79 77,62 2,25 18,72 72,55 4 1,13 9,39 87,01 1,13 9,39 87,01 1,73 14,46 87,01 Nota: Método de extração – Análise de componente principal.
Fonte: Dados da pesquisa.
14 Ante ao exposto, os dados indicam que os fatores são bons e úteis, podendo ser aplicados diante da variância, o que também aponta que 12,99% da variância tende a ser esclarecida por outros fatores diferentes dos enumerados no presente estudo. Avaliando o nível de explicação da variância total, observado no presente estudo, destaca-se que o mesmo é satisfatório, se comparado com os estudos de Pereira, Pedrosa Jr e Ramos (2006), Bomfim et al. (2011), Cavalcanti (2013), Campos e Sousa (2014) e Flach, Castro e Mattos (2017). Isso, porque, os referidos trabalhos apresentaram uma variância total explicada, que oscilam entre 81% e 91%, o que aponta uma alta capacidade de explicação dos dados originais pelos fatores extraídos.
Ao se avaliar a matriz de componentes, observa-se quais variáveis compõem cada um dos quatro fatores encontrados, bem como qual o fator que melhor explica o modelo, como apontado no Quadro 7. Segundo Corrar, Paulo e Dias Filho (2017), para que seja definida qual a composição de cada fator, deve-se analisar a maior carga fatorial, ou seja, em qual fator aquela variável possui um valor mais alto. No estudo de Flach, Castro e Mattos (2017), a composição dos fatores também observou a carga fatorial dos indicadores e nele foi possível detectar a presença de 3 (três) fatores que abarcam os mesmos índices utilizados no presente estudo, para um poder explicativo equivalente, ou seja, de 85%.
Quadro 7: Composição dos Fatores
Matriz de componentes Componentes
1 2 3 4
EG -0,75 0,27 0,29 0,46
LS 0,62 0,07 -0,57 0,28
LI 0,56 -0,10 -0,40 0,52
LAR 0,59 0,71 0,21 0,00
MLB 0,55 -0,37 0,63 0,11
MLL 0,67 0,50 0,10 0,19
RDCPT -0,50 0,61 -0,03 -0,32
RD -0,73 0,16 0,21 0,59
ROA 0,64 0,73 0,07 -0,02
ROE 0,61 0,74 0,19 0,01
TRA -0,58 0,71 -0,23 -0,18
TRC -0,78 0,56 -0,13 0,16
Fator Liquidez Investimento e
retorno Lucratividade Endividamento Nota: Método de extração – Análise de componente principal. a. 4 componentes
Fonte: Elaborado pelo autor.
Com base nos dados apresentados, percebe-se que o Fator 1 (LS, LI, MLL), explica
40,55%, o Fator 2 (LAR, RDCPT, ROA, ROE, TRA, TRC) 27,28%, o Fator 3 (MLB) 9,79%, e
o Fator 4 (EG, RD) 9,39%, do valor da variância total explicada. O que chama atenção na
composição dos indicadores são os agrupamentos, no qual observa-se a presença de
índices dos grupos de Liquidez (LS, LI) e de Rentabilidade (MLL), no Fator 1, denominado
de Liquidez. No Fator 2, nota-se a presença de índices de Rentabilidade (LAR, ROA, ROE),
Utilização de Ativos (TRA, TRC) e Endividamento (RDCPT), qualificado como Investimento
e retorno. No Fator 3, destaca-se apenas um índice de Rentabilidade (MLB) e no Fator 4, de
15 Endividamento (EG, RD), denominados no presente estudo como Lucratividade e Endividamento, respectivamente.
Com a extração dos fatores, nota-se que os mesmos consideraram a junção de índices com finalidades de análise distintas, mas complementares. Considerando que essa extração observa a carga fatorial, a determinação do modelo final pode ter sido motivada pelas características dos próprios índices. Comparando-se com os achados de Flach, Castro e Mattos (2017), nota-se que os fatores extraídos têm um comportamento diferente ao que foi identificado no presente trabalho, ao ter seus fatores compostos de indicadores com finalidades parecidas, assim como observado nos estudos de Cavalcanti (2013) e Campos e Sousa (2014). Já nos estudos de Pereira, Pedrosa Jr e Ramos (2006) e Bomfim et al. (2011), percebe-se que os fatores extraídos dispõem de indicadores diferentes, o que confirma o modelo aqui apresentado, e que podem explicar em maior ou menor grau os demais 12,99%.
5 CONSIDERAÇÕES FINAIS
O presente estudo objetivou investigar, por meio da análise fatorial, os indicadores financeiros mais significativos para a avaliação do desempenho das empresas que compõem o segmento de energia elétrica da “Brasil, Bolsa, Balcão”. Para tanto, coube identificar os indicadores já calculados e disponíveis, bem como determinar aqueles que poderiam compor o modelo, com o auxílio dos dados econômicos e financeiros das empresas pesquisadas. Com os dados disponíveis, foi possível proceder com a retirada de dados faltantes e discrepantes, para executar a análise fatorial exploratória.
Quanto ao exame dos pressupostos do modelo de análise fatorial para os indicadores financeiros, constatou-se um KMO de 0,6806, significando que a aplicação da análise fatorial é pertinente para o grupo de indicadores, além de um teste de esfericidade (0,000) significante. Em relação à averiguação dos elementos de fatorabilidade da matriz de correlação e covariância dos indicadores financeiros, notou-se que os valores do MSA contidos na matriz foram maiores do que 0,5, sendo assim aceitáveis, com exceção do indicador RD (0,495). Que pela proximidade com o valor mínimo aceitável e por não representar um problema para a composição do modelo, não foi retirado da análise.
No que diz respeito à estimativa dos scores para os fatores latentes, os dados revelam que as cargas fatoriais dos indicadores apresentam valores maiores que 0,5, o que denota a presença de correlação dos indicadores com os fatores extraídos. A avaliação da qualidade de ajustamento da solução fatorial obtida para os indicadores financeiros mais significativos na avaliação do desempenho, revela que é possível o estabelecimento de 4 fatores (Liquidez, Investimento e retorno, Lucratividade e Endividamento), que juntos permitem explicar, satisfatoriamente, a variância dos dados originais das empresas do segmento de energia elétrica.
O presente estudo previne potenciais pesquisadores quanto ao uso aleatório de
índices financeiros, ao identificar os 12 (doze) indicadores cujos dados estão disponíveis e
aptos a possibilitar uma análise objetiva e adequada do desempenho das empresas do
segmento de energia elétrica: LS, LI, MLL, LAR, RDCPT, ROA, ROE, TRA, TRC, MLB, EG e
RD. Apesar disso, destaca-se que o presente estudo teve como limitações, a não utilização
de alguns índices financeiros inicialmente propostos, pela ausência de informações devidas
para o cálculo. Logo, recomenda-se para estudos futuros, a comparação de índices
financeiros e não financeiros na análise do desempenho do setor estudado. Além disso,
cabe fazer uso da análise fatorial dos indicadores financeiros para outros segmentos da B3,
verificando qual o grupo de índices mais adequado para a análise destes setores de forma
conjunta.
16 REFERÊNCIAS
ASSAF NETO, A. Finanças Corporativas e Valor. 3. ed. São Paulo: Atlas, 2007.
BACKES, N. A. et al. Indicadores Contábeis mais apropriados para mensurar o Desempenho Financeiro das empresas listadas na BOVESPA. Estratégia e Negócios, Florianópolis, v. 2, n. 1, p.117-135, jan./jun. 2009.
BERNARDINO, F. F. M.; PEIXOTO, F. M.; FERREIRA, R. N. Governança e Eficiência em Empresas do Setor Elétrico Brasileiro. Revista Pretexto, Belo Horizonte, v. 11, n. 1, p. 36- 51, jan./mar. 2015.
BEZERRA, F. A.; CORRAR, L. J. Utilização da Análise Fatorial na identificação dos principais Indicadores para Avaliação do Desempenho Financeiro: uma aplicação nas Empresas de Seguros. Revista Contabilidade e Finanças, São Paulo, n. 42, p. 50-62, set./dez. 2006.
BOENTE, D. R.; LUSTOSA, P. R. B. Um estudo comparativo da Eficiência de Distribuidoras Brasileiras de Energia Elétrica Privadas e Públicas. Revista Ambiente Contábil, Natal, v. 8, n. 2, p. 263-286, jul./dez. 2016.
BOMFIM, P. R. C. M.; MACEDO, M. A. S.; MARQUES, J. A. V. C. Indicadores Financeiros e Operacionais para a Avaliação de Desempenho de Empresas do Setor de Petróleo e
Gás. Contabilidade, Gestão e Governança, Brasília, v. 16, n. 1, p. 112-131, jan./abr. 2013.
BOMFIM, P. R. C. M. et al. Utilização de Análise Multivariada na Avaliação do Desempenho Econômico-Financeiro de Curto Prazo: uma Aplicação no Setor de Distribuição de Energia Elétrica. Revista ADM. MADE, Rio de Janeiro, v.15, n. 1, p. 75-92, jan./abr. 2011.
BORGES, R. C.; BENEDICTO, G. C.; CARVALHO, F. M. Utilização da Análise Fatorial para identificação dos principais Indicadores de Avaliação de Desempenho Econômico-
Financeiro em Cooperativas de Crédito Rural de Minas Gerais. Revista Organizações Rurais & Agroindustriais, Lavras, v. 16, n. 4, p. 466-480, dez. 2014.
CARVALHO, J. R. M.; SANTOS, W. C.; RÊGO, T. F. Uma Análise dos Fatores de
Desempenho Financeiro: O Caso das Lojas Americanas S.A. Qualit@s Revista Eletrônica, Campina Grande, v. 9, n.1, p. 1-15, jan.-mar. 2010.
CAMPOS K. C.; SOUSA R. P. Índice de Desempenho Econômico-Financeiro de Empresas do Setor de Energia Elétrica no Brasil. Revista Eletrônica de Economia da Universidade Estadual de Goiás, Anápolis, v. 10, n. 1, p. 87-106, jan./jun. 2014.
CAVALCANTI, M. A. N. Análise de similaridade entre distribuidoras do setor elétrico brasileiro: um estudo dos indicadores econômico-financeiros e sua relação com as ganhadoras do prêmio ABRADEE no período de 2008 a 2011. 2013. 78 f. Dissertação (Mestrado) - Curso de Ciências Contábeis, UNB/UFRN/UFPB, Natal, 2013.
CORRAR, L. J.; PAULO, E.; DIAS FILHO, J. M. (coord.). Análise multivariada para cursos
de Administração, Ciências Contábeis e Economia. São Paulo: Atlas, 2017.
17 DELEN, D.; KUZEY, C.; UYAR, A. Measuring firm performance using financial ratios: A decision tree approach. Expert Systems with Applications, v. 40, n. 10, p. 3970-3983, aug.
2013.
FÁVERO, L. P. et al. Análise de dados: Modelagem multivariada para tomada de decisões.
Rio de Janeiro: Campus, 2009.
FLACH, L.; CASTRO, J. K.; MATTOS, L. K. Avaliação de Desempenho Financeiro de empresas brasileiras de energia a partir da Análise Fatorial e Árvore de Decisão. Revista Eletrônica de Estratégia & Negócios, Florianópolis, v. 10, n. 1, p. 201-225, jan./abr. 2017.
GIRIOLI, L. S. Análise do uso de medidas de desempenho de empresas, presente nas pesquisas em contabilidade no Brasil. 2010. 114 f. Dissertação (Mestrado em
Controladoria e Contabilidade), Programa de Pós-Graduação em Ciências Contábeis, Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto, Universidade de São Paulo, Ribeirão Preto, 2010.
GITMAN L. J. Princípios de Administração Financeira. 12. ed. São Paulo: Pearson Prentice Hall, 2010.
GONZALES, E. et al. Key Performance Indicators for Wind Farm Operation and Maintenance. Energy Procedia, v. 137, p. 559–570, out. 2017.
HAIR JR. J. F. et al. Análise Multivariada de Dados. 6. Ed. Porto Alegre: Bookman, 2009.
KROENKE, A.; HEIN, N. Avaliação de empresas por meio de indicadores de atividade: uma aplicação do método AHP. REGE-Revista de Gestão, São Paulo, v. 18, n. 4, p. 605-620, out./dez. 2011.
KOCH, N. Quadro Equilibrado de Indicadores de Desempenho para a Gestão Estratégica Empresarial: Aplicação a uma pequena empresa da área de Serviço Público de Energia Elétrica. 2002. 111 f. Dissertação. (Mestrado Profissionalizante em Engenharia) Escola de Engenharia da Universidade Federal do Rio Grande do Sul. Porto Alegre, 2002.
MACEDO, M. A. S; CORRAR, L. J. Análise do Desempenho Contábil-Financeiro de
Seguradoras no Brasil no Ano de 2007: um Estudo Apoiado em Análise Hierárquica (AHP).
Revista Contabilidade Vista & Revista, Belo Horizonte, v. 21, n. 3, p. 135-165, jul./set.
2010.
MARÔCO, J. Análise estatística com o SPSS Statistics. 5. ed. ReportNumber: Pero Pinheiro, 2011.
MUNARETTO, L. F. Avaliação do Desempenho Organizacional em Cooperativas de Eletrificação: Um estudo sobre o uso de Indicadores de Desempenho. 2013. 293 f.
Tese. (Doutorado em Administração) Programa de Pós-Graduação em Administração do
Departamento de Administração da Faculdade de Economia, Administração e Contabilidade
da Universidade de São Paulo. São Paulo, 2013.
18 NEVES JR. I. J.; BATISTA C. P. Estudo Empírico do Desempenho das Empresas de
Distribuição de Energia Elétrica Segundo o EBTIDA. Revista de Contabilidade do Mestrado em Ciências Contábeis da UERJ, Rio de Janeiro, v. 10, n. 2, p. 27-40, 2005.
OLIVEIRA, I. G. S.; CARDOSO, S. P. Sustentabilidade empresarial, desempenho e valor corporativo: uma análise no setor elétrico brasileiro. Exacta – EP, São Paulo, v. 13, n. 3, p.
353-363, 2015.
OZÓRIO, L. M. Análise do Desempenho Econômico-Financeiro de Distribuidoras de Energia Elétrica no Brasil. Grupo de Estudos do Setor Elétrico UFRJ (GESEL). Rio de Janeiro, n.
66, dez. 2015.
PERAL, J.; MATÉ, A.; MARCO, M. Application of Data Mining techniques to identify relevant Key Performance Indicators. Computer Standards & Interfaces, v. 54, n. 2, p. 76-85, nov.
2017.
PEREIRA, A. F. A. O.; PEDROSA JR, C; RAMOS, E. J. S. Modelo e Análise de Previsão de Desempenho pela Metodologia de Análise Multivariada de Dados: um estudo empírico do setor de energia elétrica. Revista Contemporânea de Contabilidade, v. 1, n. 5, p. 59-74, jan./jun. 2006.
PERIS, R. W. Análise do Desempenho do Setor Elétrico no Brasil – 2010 a 2015. 2016.
115 f. Dissertação (Mestrado em Administração) Programa de Pós-Graduação em Administração do Departamento de Administração da Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo, São Paulo, 2016.
PIMENTEL, R. C.; BRAGA, R.; CASA NOVA, S. P. C. Interação entre rentabilidade e liquidez: um estudo exploratório. Revista de Contabilidade do Mestrado em Ciências Contábeis da UERJ, Rio de Janeiro, v. 10, n. 2, p. 83-98, jul./dez. 2005.
RAUPP, F. M.; BEUREN, I. M. Metodologia da Pesquisa Aplicável às Ciências Sociais.
BEUREN, I. M. Como elaborar Trabalhos Monográficos em Contabilidade. São Paulo:
Editora Atlas, 2013. p. 76-97.
RIBEIRO, M. G. C.; MACEDO A. S. M.; MARQUES J. A. V. C. M. Análise da Relevância de Indicadores Financeiros e Não Financeiros na Avaliação de Desempenho Organizacional:
Um Estudo Exploratório no Setor Brasileiro de Distribuição de Energia Elétrica. Revista de Contabilidade e Organizações, Ribeirão Preto, SP, v. 6, n. 15, p. 61-79, maio/ago. 2012.
SABADIN, A. L. Análise de Indicadores Contábeis para Avaliação de Desempenho Favorável: Um estudo nas Cooperativas do Estado do Paraná. 2006. 254 f. Dissertação (Mestrado em Ciências Contábeis) – Programa de Pós-Graduação em Ciências Contábeis do Centro de Ciências Sociais e Aplicadas da Universidade Regional de Blumenau,
Blumenau, 2006.
SOARES, M. A. Analise de Indicadores para avaliação de desempenho econômico-
financeiro de operadoras de planos de saúde brasileiras: uma aplicação da análise
fatorial. 2006. 130 f. Dissertação (Mestrado em Controladoria e Contabilidade) – Programa
19 de Pós-Graduação em Ciências Contábeis, Faculdade de Administração, Economia e
Contabilidade – FEA, Universidade de São Paulo, São Paulo, 2006.
SOUZA, J. A. et al. Aplicação da Análise Fatorial para identificação dos principais Indicadores de Desempenho Econômico-Financeiro em Instituições Financeiras
Bancárias. Revista Catarinense da Ciência Contábil, Florianópolis, v. 16, n. 47, p. 26-41, jan./abr. 2017.
SOUZA, P. et al. Estudo sobre o uso dos atributos da Contabilidade Gerencial em empresas de capital aberto do setor de Energia Elétrica. Revista Ambiente Contábil, Natal, v. 7, n. 2, p. 215-230, jul./dez. 2015.
TODESCHINI, C.; MELLO, G. R. Rentabilidade e Sustentabilidade Empresarial das
empresas do Setor de Energia. Revista de Contabilidade e Controladoria, Curitiba, v. 5,
n. 3, p.33-46, set./dez. 2013.
20 Apêndice A – Fórmula e fonte
(continua)
Índices Fórmula Fonte
Economática Calculada
LS (Ativo Circulante - Estoque) / Passivo Circulante X
RL Ativo circulante / Passivo atual X
LI Caixa e Equivalentes de Caixa / Passivo Circulante X LG Ativo Circulante + Realizável a Longo Prazo /
Passivo Circulante + Exigível à Longo Prazo X
TRR Vendas / Contas a Receber X
TRI Custo dos Bens Vendidos / Inventário X
TLRCT Vendas / (Ativo Circulante - Passivo Circulante) X
TRA Vendas / Ativos totais X
TRC Vendas / Patrimônio Líquido X
TRAF Vendas / Ativos Fixos X
TRALP Vendas / Ativos de Longo Prazo X
TRAA Vendas / Ativos Atuais X
PME (Estoque Médio/CPV) x 360 X
PMP (Contas à Pagar a Fornecedores (média)/Compras
Anuais a Prazo) x 360 X
PMC (Valor a Receber Vendas a Prazo /Vendas anuais a
prazo) x 360 X
CGL Ativo Circulante - Passivo Circulante X
NCG Contas a Receber + Valor em Estoque - Valor das
Contas a Pagar X
ST Ativo Circulante Financeiro - Passivo Circulante
Financeiro X
MLB Lucro Bruto / Vendas Líquidas X
EBITDA Ganhos antes de Juros, Impostos, Depreciações e
Amortização / Vendas X
MLL Lucro Líquido / Vendas Líquidas X
LAR Lucro Antes do Imposto / Patrimônio Líquido X
ROE Lucro Líquido / Patrimônio Próprio X
ROA Lucro Líquido / Ativo Total X
PVD Despesas de Funcionamento / Vendas Líquidas X
LPA Lucro Líquido / Número de Ações Emitidas X
IPL Preço de Mercado (Aquisição) da Ação / Lucro por
Ação X
TCA (Total de Ativos
t- Total de Ativos
t-1) / Total de Ativos
t-1X TCLL (Lucro Líquido
t- Lucro Líquido
t-1) / Lucro Líquido
t-1
