Recuperação judicial: conheça os principais fatores determinantes

Recuperação judicial: conheça os principais fatores determinantes

tcschool

28 ABR

4 MIN

Recuperação judicial: conheça os principais fatores determinantes

Sabe qual é a diferença entre recuperação judicial, falência e insolvência?

Uma das principais contribuições do trabalho de Filipe Scabora, orientado pelo Professor Marcelo Botelho (USP-RP), é tratar disso, numa modelagem para analisar os fatores determinantes da recuperação judicial, com base nos fluxos de caixa das firmas.

Recuperação Judicial

Entenda tudo sobre Análise Fundamentalista: 

  1. Balanço Patrimonial: o que é, como usar e dicas de análise
  2. Análise Fundamentalista: Entenda as Abordagens Top-Down e Bottom-Up
  3. Entenda o custo do capital próprio, custo do capital de terceiros e o WACC

Fatores determinantes da recuperação judicial considerando os fluxos de caixa das firmas

A capacidade de geração e aplicação de caixa das empresas,  é decisiva para evitar a insolvência das organizações?

Maiores Recuperações Judiciais do Brasil em Bilhões de R$

Fonte: dados da pesquisa

 

Para responder a essa pergunta, desenvolvemos uma pesquisa intitulada “Fatores determinantes da recuperação judicial considerando os fluxos de caixa das firmas” (o link para a pesquisa completa está no final do texto).

Para esclarecer, qual é a influência dos fluxos de caixa na (in)solvência das organizações.

A figura abaixo apresenta,  o fluxograma simplificado do processo de recuperação judicial e falência:

Recuperação Judicial

Procuramos descobrir se os fluxos de caixa (positivos ou negativos) são determinantes para o equilíbrio econômico-financeiro das empresas e, ainda, se, aliados a outras informações contábeis, de mercado e de dados macroeconômicos, possuem melhor capacidade preditiva do que os modelos mais tradicionalmente utilizados na previsão de insolvência.

A seguir, vamos explicar como desenvolvemos essa pesquisa e o que descobrimos com ela.

Boa leitura!

Metodologia para avaliar os impactos dos fluxos de caixa na recuperação judicial

Realizamos o levantamento das Demonstrações dos Fluxos de Caixa (DFC) e outras informações contábeis (Demonstração do Resultado do Exercício e Balanço Patrimonial) de 100 empresas brasileiras. Analisadas, por meio de consulta de dados primários nos Tribunais de Justiça, Juntas Comerciais e na B3, sendo metade delas em recuperação judicial e a outra metade de companhias solventes.

fluxo de caixa contabilidade

Fonte: Contabilidade Financeira

A coleta abrangeu o período compreendido,  entre 31/12/08 (quando a DFC se tornou obrigatória) e 31 de dezembro do ano-calendário imediatamente anterior ao pedido de recuperação judicial (para as empresas em recuperação judicial) e 31/12/17 para as empresas solventes.

Os dados coletados foram então analisados e tratados, chegando-se a uma amostra final composta de 94 empresas, metade em recuperação judicial e a outra metade solvente.

Após a seleção das variáveis – principalmente indicadores de fluxo de caixa, informações macroeconômicas e de mercado, em contrapartida aos modelos mais tradicionais –  obtivemos 669 observações de dados.

Falência, recuperação judicial e concordata no Brasil

Fonte: Serasa (2018), elaborado pelo autor da pesquisa

As estatísticas descritivas das variáveis utilizadas no modelo, resumindo as médias e os desvios padrão para os dados em painel foram apresentadas e as variáveis selecionadas foram implementadas por meio de Redes Neurais Artificiais (modelo proposto).

E também, Regressão Logística e Linear (modelos tradicionais), tendo por variáveis independentes o fato de a empresa estar em recuperação judicial (dummy) e o tempo (t) decorrido até o evento de interesse (recuperação judicial).

Resultados da pesquisa: o que faz uma empresa entrar em recuperação judicial?

Com base no que foi exposto, ao confrontarmos os resultados obtidos pelas Redes Neurais e pela Regressão Logística em relação à variável independente “recuperação judicial”.

Foi possível verificar que o modelo proposto apresentou alta capacidade classificatória (88,1913%), sendo superior ao modelo tradicional (64,13%) na classificação das empresas em recuperação.

A comparação dos resultados, entre os modelos foi um desafio! Pois não poderia se limitar simplesmente ao acerto, assim, foram analisadas ainda a raiz do erro médio quadrático e a matriz de confusão.

Os resultados ratificaram a superioridade do modelo de Redes Neurais em relação à:

  • acurácia (0,323 x 0,47935)
  • sensitividade (87,40% x 21,79%)
  • eficiência (88,01% x 51,60%).

Dessa forma, a partir desses mesmos parâmetros também foi possível identificar o modelo de Redes Neurais com maior correlação entre a variável independente tempo (t) e as demais variáveis dependentes (87,85%).

Nesse caso, a acurácia também se mostrou superior: 1,3329 (Redes Neurais) e 2,6936 (regressão linear).

Por fim, também foi medida a correlação entre as variáveis dependentes e os outputs das Redes Neurais (variáveis independentes recuperação judicial e tempo).

As variáveis mais correlacionadas encontravam-se dentre as seguintes:

  • Fluxo de caixa (Fluxo de Caixa de Financiamento – FCF e Fluxo de Caixa de Investimento – FCI)
  • Variáveis macroeconômicas (IPCA e SELIC) e
  • Variáveis de mercado (Idade e Tamanho)
  • Tudo isto em contrapartida aos indicadores financeiros mais utilizados nos modelos tradicionais.

Reflexões práticas acerca da pesquisa

De acordo com isso tudo, em função dos resultados obtidos, foi possível concluir que o modelo proposto se mostrou superior aos tradicionais.
Dessa forma, colaborando as hipóteses de pesquisa de que os fluxos de caixa em geral tem um papel significativo na (in)solvência das organizações. E que modelos de inteligência artificial,  que conjugam informações contábeis, de mercado e de dados macroeconômicos resultam em melhor performance.

Embora,  as Redes Neurais raramente apresentem grande capacidade explicativa, o modelo proposto contém contribuição metodológica bastante significativa. Pois, além da seleção das variáveis e da utilização de técnicas de Machine Learning (ainda pouco aplicadas), se preocupou em definir com precisão o evento de interesse.

Enquanto,  a maioria dos modelos não faz distinção entre recuperação judicial, falência e insolvência. Foi possível refletir sobre a diferença e importância de cada um desses eventos na análise de insolvência.

Para ler o trabalho completo, clique aqui.

https://tc.com.br/tc-school/analise-fundamentalista/recuperacao-judicial-de-empresas-da-bolsa-e-possivel-sair-vivo

A sua escola como investidor

Análise Fundamentalista

E-BOOK

Análise Fundamentalista

Neste e-book, abordaremos de forma simplificada os principais pontos que você precisa saber para entender a Análise Fundamentalista nas suas decisões de investimento.

Receba todas as novidades do TC

Deixe o seu contato com a gente e saiba mais sobre nossas novidades, eventos e facilidades.

Receba todas as novidades do TC

Deixe o seu contato com a gente e saiba mais sobre nossas novidades, eventos e facilidades.