Avaliando Modelos Lineares de Value Relevance: Eles Captam o que Deveriam Captar?

Abstract

Resumo Este trabalho teve como objetivo investigar a qualidade e o impacto dos modelos de value relevance das informações financeiras através da regressão quantílica (QR) em comparação com o método de estimação ordinary least squares (OLS). Seguindo os princípios e fundamentos de Ohlson (1995), Feltham e Ohlson (1995) e Ohlson e Kim (2015), foi possível utilizar um parâmetro de comparação entre os modelos de avaliação da relevância da informação contábil. Para tanto, foram aplicados dois testes (A e B), com dois modelos cada, assim como em Ohlson e Kim (2015), um com a variável dependente lucro líquido no período seguinte e, o segundo, com o valor de mercado da firma no período atual. Diante dessa temática, a regressão quantílica se mostra mais eficiente e com menos possibilidades de erros de estimação do que o método OLS, pelo menos sob as condições restritas deste trabalho. Portanto, é recomendável o emprego da estimação por meio de regressão quantílica nos modelos que utilizam informações contábeis e financeiras, uma vez que heterocedasticidade e outliers são comumente encontrados nesses tipos de dados, pois esse método de estimação é menos sensível e mais robusto às tais condições normalmente apresentadas pelos dados deste campo de pesquisa.

O Value Relevance é relevante?

“…O uso dos modelos de value relevance são importantes para identificar se as demonstrações contábeis são uteis para a tomada de decisão dos investidores. Caso contrário, todo o esforço e custo das empresas, para elaborar os relatórios financeiros, podem ser inúteis (Duarte, Girão & Paulo, 2017). As equações de preço e retorno possuem a capacidade de captar o valor da empresa em função do lucro e do patrimônio líquido (Ohlson, 1995), sendo este um dos modelos mais usados para avaliar a relevância da informação.…”

Value relevance: um estudo com ofertas públicas iniciais (IPO)

“…Diferentemente das outras pesquisas, Duarte et al (2017) avaliaram o impacto da escolha das regressões usadas (quantílica e mínimo quadrados ordinários -OLS) usando dois testes e dois modelos cada, onde as variáveis lucro lí-quido no período seguinte e valor de mercado foram utilizadas como variável dependente. Como resultado, os autores concluíram que a regressão quantílica apresentou resultado superior ao OLS em condições restritas de trabalho, como a presença de heterocedasticidade e outliers.…”

Assimetria de custos no gerenciamento de resultados

“…Estudos que avaliaram essa relação LOY, 2017;MOJDEHI, 2017; utilizaram somente modelos lineares, sendo os mais comumente aplicados os modelos de Jones (1991), Jones Modificado (DECHOW;SWEENEY, 1995) e Roychowdhury (2006). Recentemente, estudos na área contábil têm avaliado outros modelos entre variáveis contábeis para identificar se são mais adequados que os lineares CHI;WANG, 2015;DUARTE;GIRÃO;PAULO, 2017;HÖGLUND, 2012;HUANG et al, 2017;WU, 2014). Segundo Höglund (2012) Esse estudo traz uma contribuição prática ao apontar os atributos das organizações que permitem uma melhor previsibilidade da ocorrência do gerenciamento de resultados nas empresas e, por conseguinte, para a tomada de decisão dos usuários da informação contábil.…”