Abstract
Objetivo: Analisar como o efeito impulso-resposta de variáveis macroeconômicas impacta nos indicadores de solvência, de empresas reguladas e não reguladas de capital aberto listadas na Brasil, Bolsa, Balcão (B3).
Método: Foi adotado o modelo de Vetores Autorregressivos (VAR) com Correção de Erros (VEC) para quatro defasagens, com o uso da ordenação de Cholesky. O período de investigação foi entre o primeiro trimestre de 2005 e o terceiro de 2020, com vetores contábeis (Endividamento Total, Cobertura de Juros e Fluxo de Caixa Operacional) e vetores macroeconômicos (Produto Interno Bruto, Taxa de Juros, Taxa de Inflação e Taxa de Câmbio). Os dados amostrais de 137 instituições brasileiras foram tratados por winsorização de 5%, agregados com base na média ponderada dos setores.
Resultados: Os segmentos regulados e não regulados apresentaram comportamento distinto, sendo instituições não reguladas mais impactadas pelo efeito impulso-resposta em comparação às reguladas, com tendência do efeito econômico de longo prazo, em ambos os segmentos. O modelo demonstrou que variáveis macroeconômicas impactam desde o primeiro trimestre após a observância do choque, sendo que o efeito da própria variável sobre o sistema analisado nem sempre responde de maneira significativa para explicar o efeito de longo prazo observado sobre os indicadores de solvência, sendo a taxa de câmbio (dólar) mais economicamente significativa para o comportamento do Endividamento.
Contribuição: A pesquisa contribui com a definição de um modelo para investigação dos ciclos econômicos em nível institucional e corrobora com a academia para a compreensão do efeito macroeconômico na informação contábil.
Publisher
Associacao Nacional de Programas de Pos-Graduacao em Ciencias Contabeis (ANPCONT)
Reference37 articles.
1. Abdalla, A. M., & Carabias, J. M. (2022). From accounting to economics: the role of aggregate special items in gauging the state of the economy. The Accounting Review, 97(1), 1-27.
2. Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589–609. http://www.jstor.com/stable/2978933
3. Baltagi, B. H. (2011). Time-series analysis. In Econometrics (5th ed., Vol. 1, pp. 373–396). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-20059-5_1
4. Beaver, W. H. (1968). Alternative accounting measures as predictors of failure. The Accounting Review, 43(1), 113–122. http://www.jstor.com/stable/244122
5. Bertomeu, J., & Magee, R. P. (2015). Mandatory disclosure and asymmetry in financial reporting. Journal of Accounting and Economics, 59(2-3), 284-299. https://doi.org/10.1016/j.jacceco.2014.08.007