O impacto da Qualidade da Informação Financeira nas Decisões de Investimento das Empresas

2014 0 O Impacto da Qualidade da Informação Financeira nas Decisões de Investimento das Empresas Finanças e Fiscalidade Orientada por: Prof. Doutor António de Melo da Costa Cerqueira Prof. Doutor Elísio Fernando Moreira Brandão Andreia Filipa Sousa Alves DISSERTAÇÃO DE MESTRADO APRESENTADA À FACULDADE DE ECONOMIA DA UNIVERSIDADE DO PORTO EM i Nota Biográfica Andreia Filipa Sousa Alves, nascida no Porto a 25 de Dezembro de 1990. Licenciada em Economia, na Faculdade de Economia do Porto, no ano 2011, com média final de 14 valores. Iniciou a sua carreia profissional no ano 2012, numa Sociedade de Revisores Oficiais de Contas, onde se mantém atualmente. No ano letivo de 2012/2013 ingressou no Mestrado em Finanças e Fiscalidade, cuja média da componente curricular é de 15 valores. ii Agradecimentos Na fase final deste percurso não posso deixar de exprimir os meus agradecimentos ao corpo docente do Mestrado em Finanças e Fiscalidade, e ao seu diretor, Prof. Doutor Elísio Fernando Moreira Brandão, por todos os ensinamentos e por se mostrarem sempre disponíveis ao longo destes dois anos. Um agradecimento especial ao Prof. Doutor António de Melo da Costa Cerqueira, por todo o seu rigor, incentivo, e principalmente por toda a sua disponibilidade, sem a qual não teria sido possível a realização deste trabalho. Expresso ainda o meu agradecimento ao Dr. Pedro Duarte, por todo o apoio e confiança depositada em mim e nas minhas capacidades. À Dra. Célia Baganha, à Carla Moreira e à Joana Moreira, pela grande motivação dada nos momentos de maior cansaço. Por fim, e não menos importante, um agradecimento àqueles que são efetivamente o pilar da minha vida, e que direta ou indiretamente contribuíram para a realização deste trabalho: ao José Silva, aos meus pais, à minha irmã e às amigas de sempre, Elisabete Ramos, Ana Gonçalves e Ana Marques. A todos, muito obrigado! iii Resumo Neste estudo analisamos a influência da qualidade da informação financeira nas decisões de investimento levadas a cabo por um conjunto de empresas cotadas na Bolsa de Londres. Mais concretamente, examinamos se a probabilidade de uma empresa escolher um nível de investimento ineficiente diminui, à medida que a qualidade da informação financeira aumenta. Esta hipótese baseia-se na ideia de que as decisões são tomadas num contexto em que a informação disponível não é igual para todos os agentes, o que torna possível o aparecimento de atritos, como o risco moral e a seleção adversa. Por outro lado, e com base em estudos anteriores, esperamos que a qualidade da informação financeira atenue os problemas inerentes à assimetria de informação, o que irá refletir-se em decisões de investimento mais eficientes. Os resultados obtidos, embora com algumas limitações documentadas nas análises de sensibilidade, corroboram com esta expectativa, uma vez que empresas com maior qualidade da informação financeira têm menor probabilidade de se desviarem do seu nível de investimento expectável. Este trabalho reveste-se de uma importância acrescida, dada a relevância do investimento, tanto a nível empresarial, como a nível macroeconómico, sendo um dos determinantes do crescimento económico agregado. Palavras – Chave: Qualidade da Informação Financeira; Eficiência do Investimento. Códigos JEL: M41; G31 iv Abstract This paper studies the influence of financial reporting quality in investment decisions for a sample of firms listed on the London Stock Exchange. More specifically, we investigate if the probability that a company chooses an inefficient level of investment decreases, as the financial reporting quality increases. This hypothesis is based on the insight that decisions are made in a context where the available information is not the same for all agents, which makes possible the appearance of frictions such as moral hazard and adverse selection. On the other hand, based on previous studies, we expect that financial reporting quality mitigates asymmetric information problems, which will be reflected in more efficient investment decisions. Our results, although with some limitations documented in the sensitivity analyzes, are consistent with expectations, since companies with higher financial reporting quality are less likely to deviate from their predicted level of investment. This study is relevant, given the importance of investment in both business and macroeconomic level, being one of determinants of economic growth. Keywords: Financial Reporting Quality; Investment Efficiency. JEL Codes: M41; G31 v Índice 1. Introdução .................................................................................................................. 1 2. Revisão de Literatura e Desenvolvimento das Hipóteses .......................................... 4 2.1. Determinantes da Ineficiência do Investimento ..................................................... 4 2.2. O Papel da Qualidade da Informação Financeira ................................................... 6 2.3. Hipóteses de Investigação ...................................................................................... 7 3. Desenho da Investigação ........................................................................................... 9 3.1. Qualidade da Informação Financeira ................................................................. 9 3.1.1. Proxy da Qualidade da Informação Financeira – Accruals Discricionários 9 3.1.2. Medida Alternativa da Qualidade de Informação Financeira ................... 12 3.2. Eficiência do Investimento ............................................................................... 13 3.3. Variáveis de Controlo ...................................................................................... 16 3.4. Metodologia ..................................................................................................... 17 3.5. Dados e Amostra .............................................................................................. 19 4. Principais Resultados Empíricos ................................................................................ 21 4.1. Estatísticas Descritivas e Correlações entre as Variáveis .................................... 21 4.2. Qualidade da Informação Financeira e Eficiência nas Decisões de Investimento24 4.2.1. Análise Prévia ................................................................................................ 24 4.2.2. Regressão Logística ....................................................................................... 26 4.2.3. Regressão Logística Multinomial .................................................................. 28 5. Análises de Sensibilidade ........................................................................................... 31 5.1. Medida Alternativa da Qualidade da Informação Financeira .............................. 31 5.2. Modelo Logit Multinomial - Classificação das Observações .............................. 35 5.3. Método Stepwise - Seleção de Variáveis ............................................................. 37 6. Conclusões .................................................................................................................. 40 Apêndice ......................................................................................................................... 42 Apêndice 1 – Definição das Variáveis ........................................................................ 42 Apêndice 2 – Setores de Atividade: Códigos SIC a 2 dígitos ..................................... 44 Apêndice 3 – Resumo do Procedimento Stepwise ...................................................... 45 Referências Bibliográficas .............................................................................................. 46 vi Índice de Tabelas Tabela 1 – Descrição da Amostra ................................................................................... 20 Tabela 2 – Estatísticas Descritivas .................................................................................. 22 Tabela 3 – Correlações entre as Variáveis ...................................................................... 23 Tabela 4 – Qualidade da Informação Financeira e Desvios face ao Investimento Esperado – Modelo Logit ............................................................................................... 27 Tabela 5 – Qualidade da Informação Financeira e Desvios face ao Investimento Esperado – Modelo Logit Multinomial .......................................................................... 29 Painel A – Subinvestimento vs Grupo de Referência ................................................ 29 Painel B – Sobreinvestimento vs Grupo de Referência ............................................. 30 Tabela 6 – Medida Alternativa da Qualidade da Informação Financeira – Modelo Logit ................................................................................................................................ 32 Tabela 7 – Medida Alternativa da Qualidade da Informação Financeira – Modelo Logit Multinomial ........................................................................................................... 34 Painel A – Subinvestimento vs Grupo de Referência ................................................ 34 Painel B – Sobreinvestimento vs Grupo de Referência ............................................. 34 Tabela 8 – Classificação das Observações – Modelo Logit Multinomial ...................... 37 Tabela 9 – Modelo Logit Multinomial após Aplicação do Método Stepwise nas Variáveis de Controlo ..................................................................................................... 38 Painel A – Subinvestimento vs Grupo de Referência ................................................ 38 Painel B – Sobreinvestimento vs Grupo de Referência ............................................. 38 Tabela 10 – Classificação das Observações – Modelo Logit Multinomial após Aplicação do Método Stepwise nas Variáveis de Controlo ............................................................. 39 vii Índice de Gráficos Gráfico 1 – Resíduos do Investimento entre os Níveis da Qualidade da Informação Financeira ........................................................................................................................ 25 Painel A – Subinvestimento e o Nível da Qualidade da Informação Financeira ....... 25 Painel B – Sobreinvestimento e o Nível da Qualidade da Informação Financeira .... 25 viii Índice de Figuras Figura 1 – Divisão da Amostra de acordo com o Estado do Investimento ..................... 15 7 incentivos dos gestores com os interesses dos acionistas (Ozkan et al., 2012). Este mecanismo de controlo tenderá a incentivar os gestores a direcionar os recursos para os projetos mais favoráveis e afastar-se daqueles que não pactuem com os interesses da empresa. Por outro lado, uma maior qualidade da informação financeira melhora o próprio entendimento dos gestores sobre os cash flows inerentes a cada investimento, ajudando-os a identificar os bons e os maus projetos, o que permite por si só uma melhor alocação do capital e, consequentemente, um melhor desempenho da empresa (Bushman e Smith, 2001). Dados estes argumentos, vários estudos defendem que a qualidade da informação financeira é capaz de aumentar a eficiência do investimento. Biddle e Hilary (2006) concluem que empresas com elevada qualidade da informação financeira tendem a possuir uma maior eficiência do investimento, uma vez que têm uma menor sensibilidade do investimento aos cash flows gerados internamente. Biddle et al. (2009) confirmam que a qualidade da informação financeira diminuiu as ineficiências do investimento, uma vez que empresas com maior qualidade da informação financeira têm menor probabilidade de cair em situações de sobre ou subinvestimento. Chen et al. (2011) estudam o papel da qualidade da informação financeira na eficiência do investimento para uma amostra de empresas não cotadas em mercados emergentes, concluindo que a qualidade da informação financeira afeta positivamente a eficiência do investimento. Mais recentemente, Gomariz e Ballesta (2014) concluem que a qualidade da informação financeira atenua o problema do sobreinvestimento, utilizando uma amostra de empresas cotadas espanholas. 2.3. Hipóteses de Investigação Conforme foi apresentado acima, uma melhor qualidade da informação financeira é capaz de combater os principais determinantes da escolha de um nível de investimento ineficiente. Por um lado, ajuda a empresa a obter os fundos necessários para financiar os seus projetos, reduzindo a assimetria de informação entre a empresa e os fornecedores de capital. Por outro lado, consegue melhorar a seleção dos projetos, o que se deve tanto ao aumento da capacidade dos acionistas na monitorização dos gestores, dada a redução da assimetria de informação entre eles, como ao aperfeiçoamento da capacidade de identificação dos investimentos mais vantajosos por parte dos próprios gestores. Neste sentido, é nossa expectativa que a qualidade da informação financeira, ao reduzir a assimetria de informação e os problemas que lhe estão 8 associados, contribuirá para decisões de investimento mais eficientes por parte das empresas. Assim, a hipótese principal deste estudo é a seguinte: H1: A qualidade da informação financeira está negativamente relacionada com o investimento ineficiente. Adicionalmente foram ainda formuladas duas hipóteses que, muito embora corroborem com a hipótese principal acima especificada, procuram evidência mais precisa sobre o impacto da qualidade da informação financeira na eficiência do investimento. Neste sentido, analisamos a relação entre a qualidade da informação financeira e cada uma das vias de ineficiência do investimento, o sub e o sobreinvestimento. Deste modo, as duas hipóteses complementares deste estudo são: H1a: A qualidade da informação financeira está negativamente relacionada com o subinvestimento. H1b: A qualidade da informação financeira está negativamente relacionada com o sobreinvestimento. 9 3. Desenho da Investigação Esta secção tem por objetivo apresentar a forma como este estudo foi concretizado. Para isso, importa primeiramente definir as variáveis chave da análise, a qualidade da informação financeira e a eficiência do investimento, bem como as variáveis de controlo consideradas. 2 Posteriormente serão especificados os modelos que permitiram testar as hipóteses, e por fim será apresentada a amostra utilizada. 3.1. Qualidade da Informação Financeira Conforme foi referido anteriormente, a divulgação de informação por parte das empresas é fundamental para que os agentes económicos atuem de forma mais eficiente. Esta informação é divulgada principalmente através das demonstrações financeiras que, sendo construídas com base num conjunto de normas contabilísticas com aceitação generalizada, procuram representar a verdadeira posição financeira da empresa, os resultados das suas operações e os seus fluxos de caixa. Estas normas concedem alguma flexibilidade aos gestores, com vista a que estes façam uso da excelência de conhecimento que possuem sobre a empresa, para divulgar informações que efetivamente traduzam o seu real desempenho. Contudo, esta flexibilidade pode ser aproveitada de forma oportunista pelos gestores, que através da manipulação dos resultados procuram obter vantagens pessoais, como por exemplo maximizar a sua remuneração total (e.g. Bergstresser e Philippon, 2006). Dada a constatação de que a flexibilidade contabilística, em conjunto com a divergência de interesses dos agentes económicos, pode estimular comportamentos oportunistas, a medida escolhida como proxy da qualidade da informação financeira baseia-se nos accruals discricionários, conceito amplamente utilizado na literatura de referência (Dechow et al., 2010), e que passamos a apresentar. 3.1.1. Proxy da Qualidade da Informação Financeira – Accruals Discricionários Os accruals são ajustamentos temporais efetuados no reconhecimento dos cash flows de modo a que os números obtidos destes ajustamentos (que correspondem aos resultados) 2 No apêndice 1 pode ser consultado um quadro resumo, onde constam todas as variáveis empregues neste estudo. 10 representem de forma mais apropriada o desempenho da empresa. Segundo a Statement of Financial Accounting Concepts número 8 do FASB (2010), os efeitos das transações, bem como de outros eventos ou circunstâncias, devem ser refletidos no período em que efetivamente ocorrem, independentemente do movimento financeiro acontecer num diferente período, uma vez que esta metodologia proporciona uma melhor base de avaliação da performance e da capacidade da empresa para gerar cash flows. No entanto, para concretizar estes ajustamentos é necessário que a própria gestão leve a cabo estimativas e suposições, nomeadamente no que toca aos cash flows futuros. Estas estimativas podem conter erros intencionais, conforme referido acima, que distorcem a função dos accruals. Note-se que os erros de estimação podem existir mesmo que não tenham sido intencionalmente provocados pelos gestores, mas sim devido a lapsos da gestão ou à incerteza do ambiente, dadas as características específicas do setor de atividade ou da própria empresa. No entanto, este estudo não distingue se os erros são ou não intencionais, uma vez que esta separação não cria grande valor neste contexto, dado ambos implicarem uma menor qualidade dos accruals e dos resultados (Dechow e Dichev, 2002). A importância dos accruals prende-se com o facto de estes serem o ponto de ligação entre os resultados e os cash flows, sendo estes últimos um dos fatores de maior interesse para grande parte dos agentes económicos interessados na informação financeira de uma determinada empresa. Prever os cash flows futuros é uma necessidade primitiva dos utentes da informação, e acaba por tornar-se mais seguro se existir alguma garantia de que os accruals não estão a ser influenciados por erros materiais. Isto permite concluir que a qualidade dos accruals acaba por medir o risco de informação existente nos valores contabilísticos, ou seja a probabilidade de os agentes tomarem decisões de fraca qualidade tendo em conta as informações financeiras, o que é de especial interesse para os utentes da informação (Francis et al., 2005). A qualidade dos accruals é habitualmente medida com base no desvio-padrão dos resíduos decorrentes da diferença entre os accruals estimados por um determinado modelo e os accruals efetivamente observados. Assim, quanto menores forem os desvios-padrão, maior será a qualidade dos accruals e, consequentemente, da informação financeira. Um dos modelos que inclui este conceito é o de Dechow e Dichev (2002), onde a qualidade dos accruals é medida pelo grau em que os accruals correntes estão relacionados com as realizações de cash flows operacionais. Esta abordagem baseia-se numa regressão que coloca os accruals correntes em função dos cash flows operacionais do ano atual, do ano anterior e 11 do ano seguinte. Os resíduos de estimação, ou seja, a parte não explicada pelo modelo, refletem a parte dos accruals que não se encontra relacionada com as realizações de cash flows, e o seu desvio-padrão é uma medida inversa da qualidade dos accruals, sendo que um maior desvio-padrão implica uma menor qualidade. No entanto, vários estudos têm considerado ajustamentos a este modelo base, que assentam na inclusão de outras variáveis fundamentais, alegando que deste modo é possível aumentar o seu poder explicativo (McNichols, 2002; Francis et al., 2005). Assim, neste estudo é utilizada uma medida baseada na qualidade dos accruals que deriva do trabalho de Dechow e Dichev (2002) aumentada pelas variáveis fundamentais do modelo de Jones (1991), conforme o que foi utilizado por Francis et al. (2005). Mais concretamente, este modelo consiste numa regressão que procura explicar os accruals correntes totais com base nos cash flows operacionais do período atual, do período anterior e do período seguinte em conjunto com a variação das vendas e com o valor dos ativos fixos tangíveis, e a parte não explicada deste modelo é a base para a medida da qualidade dos accruals. O primeiro passo deste modelo consiste em calcular os accruals observados de acordo com a seguinte formulação: A , t A , t - , t - p , t , t (3.1) onde, j é o índice referente à empresa, t é o índice referente ao ano, ACT são os accruals correntes totais, ΔAC é a variação do ativo corrente entre t-1 e t, ΔPC é a variação do passivo corrente entre t-1 e t, ΔDp é a variação das disponibilidades entre t-1 e t, e ΔDC é a variação do endividamento de curto prazo entre t-1 e t. Nesta equação utilizamos os dados efetivamente recolhidos para cada empresa para calcular a variável dependente que será utilizada na regressão que permite calcular a medida da qualidade dos accruals. Dado nesta abordagem se pretender analisar a diferença entre os accruals observados e os accruals estimados, o segundo passo consiste em estimar a seguinte regressão: A , t , t , t , t Vendas , t A , t , t (3.2) 12 onde, j é o índice referente à empresa, t é o índice referente ao ano, ACT são os accruals correntes totais, CFO é o cash flow operacional, 3 ΔVendas é a variação das vendas entre t-1 e t, e AFT é o valor bruto dos ativos fixos tangíveis no ano t. A equação 3.2 é estimada ano a ano, e separadamente para cada setor desde que tenha pelo menos 10 observações nesse ano, 4 utilizando o método dos mínimos quadrados (OLS), e normalizando todas as variáveis pelo ativo desfasado. A métrica da qualidade dos accruals, an s, consiste no desvio-padrão dos resíduos da equação 3.2 de uma empresa, calculado entre os períodos t-5 a t-1, e multiplicado por (-1), para que seja crescente com a qualidade da informação financeira. 5 3.1.2. Medida Alternativa da Qualidade de Informação Financeira A qualidade da informação financeira é um conceito subjetivo e de difícil mensuração, para o qual não existe ainda uma proxy unânime, apesar da vasta literatura existente sobre o tema (Dechow et al., 2010). Assim, no sentido de averiguar se os resultados se mantêm inalterados considerando uma diferente proxy da qualidade da informação financeira, na secção 5 será efetuada uma análise de sensibilidade, com uma medida baseada no conceito de vendas discricionárias desenvolvido por McNichols e Stubben (2008). Neste caso, em vez de usar os accruals, os autores focam-se apenas numa das componentes dos resultados, as vendas, considerando a existência de vendas discricionárias como proxy da manipulação de resultados. As vendas discricionárias são a diferença entre a variação nas contas a receber efetivamente observada e a variação das mesmas prevista pelo modelo, de acordo com a seguinte especificação: , t Vendas , t , t (3.3) onde, j é o índice referente à empresa, t é o índice referente ao ano, ΔCR representa a variação anual nas contas a receber e ΔVendas representa a variação anual das vendas. As vendas 3 Neste estudo, a variável utilizada como cash flow operacional foi extraída da Statement of Cash Flow, por se encontrar disponível para todo o período em análise. 4 A desagregação por setor utilizada neste trabalho tem por base os códigos de classificação das atividades económicas a dois dígitos, conforme a divisão que pode ser consultada no apêndice 2. 5 A variável que deriva do modelo de Francis et al. (2005) é calculada utilizando o desvio-padrão entre t-5 e t-1, de modo a que todas as variáveis explicativas sejam medidas antes do período t, para o cálculo da an s nesse ano, conforme o que consta no artigo de referência (Biddle et al., 2009). 13 discricionárias são captadas pelos resíduos desta equação, que é estimada pelo método dos mínimos quadrados (OLS), para cada conjunto setor-ano que tenha pelo menos 10 observações, e todas as variáveis são normalizadas pelo ativo desfasado. Embora este conceito já tenha sido utilizado no artigo de McNichols e Stubben (2008), neste estudo concedemos-lhe uma diferente formulação, uma vez que enquanto estes autores medem a manipulação dos resultados pelo valor das vendas discricionárias, captadas pelos resíduos da equação 3.3, aqui propomos que seja utilizado o seu desvio-padrão, o que vai no sentido da evolução verificada na metodologia dos accruals, e que pode justificar-se pelo facto de a dispersão dos valores ao longo de um período de tempo ser tendencialmente um melhor indicador do comportamento da empresa comparativamente à análise de uma única observação. 6 Assim, a variável utilizada para captar a qualidade da informação financeira, en, é dada pelo desvio-padrão dos resíduos da equação 3.3, calculado entre os períodos t-4 a t, e multiplicado por (-1), para que seja crescente com a qualidade da informação financeira. Embora as medidas dos accruals discricionários sejam largamente utilizadas, introduzir uma medida das vendas discricionárias apresenta algumas vantagens no contexto deste estudo, nomeadamente, pelo facto de as vendas estarem estritamente relacionadas com as decisões de investimento. Estas decisões dependem das oportunidades de crescimento da empresa, que por sua vez estão relacionadas com o crescimento das vendas, conforme será visto na secção seguinte. Outra vantagem, e esta a nível mais global, prende-se com o facto de as vendas serem a maior componente dos resultados da generalidade das empresas, e as normas contabilísticas compreenderem algum julgamento por parte da gestão no que toca ao seu reconhecimento, o que permite que grande parte da manipulação dos resultados seja concretizada via manipulação das vendas. 3.2. Eficiência do Investimento Depois de definidas as proxies da qualidade da informação financeira, torna-se necessário criar condições para identificar se as empresas se encontram ou não a tomar decisões de 6 O modelo proposto por McNichols e Stubben (2008), foi também aplicado no trabalho recente de Gomariz e Ballesta (2014) como proxy da qualidade da informação financeira igualmente no sentido de testar a sua relação com a eficiência do investimento. Nesse trabalho, a medida utilizada consiste no valor absoluto dos resíduos da equação 3.3 a multiplicar por (-1) para ser crescente com a qualidade da informação financeira. 14 investimento eficientes. Neste sentido, e seguindo os autores de referência (Biddle et al., 2009), é utilizado o seguinte modelo que explica o investimento de uma empresa com base nas suas oportunidades de crescimento, captadas pelo crescimento das vendas, nvestimento i, t rescimento das Vendas i, t i, t (3.4) onde, j é o índice referente à empresa, t é o índice referente ao ano, o Investimento será medido em percentagem do ativo desfasado e é dado pela soma das despesas de investigação e desenvolvimento, com as despesas em capital e os ativos líquidos provenientes de aquisições. O Crescimento das vendas é igual à variação percentual das vendas entre t-1 e t. Note-se que, na equação 3.4, a variável dependente e a variável explicativa se encontram desfasadas no tempo, de modo a traduzir que o crescimento das vendas no período t determina o nível de investimento do ano que se lhe segue, ou seja, o investimento em t+1. Este modelo foi estimado separadamente para cada conjunto setor-ano que tenha pelo menos 10 observações, utilizando o método dos mínimos quadrados (OLS). Cada observação possui um resíduo de estimação, que representa a parte do investimento que não é explicada pelo modelo, ou por outras palavras, o desvio face ao investimento esperado. Com base na magnitude destes resíduos, classificamos as observações de acordo com o estado do seu investimento. Mais concretamente, para cada ano, ordenamos as observações por ordem crescente da magnitude dos resíduos e dividimos em quartis. O quartil inferior inclui as observações com resíduos mais negativos, o quartil superior inclui as observações com resíduos mais elevados, e por fim os dois quartis intermédios são considerados como o grupo de referência, com resíduos mais próximos de zero. Estes grupos serão utilizados como variável dependente em modelos de escolha discreta, na análise principal. Especificamente na primeira abordagem adotada, que consiste numa regressão logística, consideramos uma análise entre empresas ineficientes e empresas eficientes, onde as empresas com resíduos mais próximo de zero (quartis intermédios) são classificadas como empresas que apresentam um nível de investimento eficiente, enquanto as restantes, que se localizam num dos quartis extremos, são classificadas como ineficientes. Isto corresponde a uma variável dependente binária, denominada s ad n es en definida conforme se segue: 15 Na segunda abordagem, que aplica uma regressão logística multinomial, pretendemos analisar cada uma das vias de ineficiência (sub e sobreinvestimento) separadamente, o que implica a formulação de uma variável que pode assumir 3 valores distintos. Nesse sentido reagrupamos as empresas consideradas ineficientes, de modo a separar os dois tipos de ineficiência, onde as observações do quartil inferior (resíduos mais negativos) são classificadas como grupo do subinvestimento e as observações do quartil superior (resíduos mais elevados) são classificadas como grupo do sobreinvestimento. Isto corresponde a uma variável dependente policotómica denominada s ad n es en n a definida conforme se segue: Em suma, a divisão da amostra de acordo com o estado do investimento das observações, que origina a variável dependente do estudo, pode ser resumida na figura seguinte, onde num primeiro nível apenas se dividem as observações em eficientes e ineficientes aplicando a regressão logística, mas posteriormente é refinada a análise dividindo as ineficiências em sub e sobreinvestimento com a aplicação da regressão logística multinomial. Figura1 - Divisão da Amostra de acordo com o Estado do Investimento 16 3.3. Variáveis de Controlo Para além da qualidade da informação financeira, foram controlados determinados fatores que influenciam tanto o investimento como os accruals, e que podem deturpar os resultados aqui obtidos, adicionando ao modelo central do estudo o leque de variáveis de controlo utilizado no artigo de referência (Biddle et al., 2009). Para garantir que os resultados não se encontram somente a refletir a relação entre as ineficiências do investimento e a volatilidade do mesmo, foi introduzida a variável σ( ), que é calculada com base no desvio-padrão do investimento entre os períodos t-5 e t-1. No sentido de controlar a volatilidade operacional da empresa, utilizamos variáveis de controlo que captam a volatilidade dos cash flows e das vendas, σ(C O), σ(Vendas), pois embora estejam altamente correlacionadas com a qualidade dos accruals, podem captar diferentes fatores que influenciam por exemplo o custo do capital. Estas variáveis representam o desvio-padrão, respetivamente, do cash flow operacional e das vendas, entre os períodos t-5 e t-1. Incluímos a variável Idade, medida pela diferença entre o primeiro ano em que a empresa apareceu na base de dados Datastream e o ano em causa, e a variável CicloOperacional, que representa o cumprimento do ciclo operacional da empresa e é medida pelo logaritmo natural da soma de (Contas a Receber/Vendas) com (Inventários/Custo das Mercadorias Vendidas e Matérias Consumidas) a multiplicar por 360. Estas variáveis pretendem controlar a fase do ciclo de negócios da empresa e o próprio cumprimento do ciclo, fatores que, por si só, são capazes de influenciar os accruals, discricionários ou não. Finalmente foram incluídas as seguintes variáveis no modelo, devido à expectativa de que estão relacionadas com o investimento das empresas, e que têm sido utilizadas em artigos de referência (Biddle e Hilary, 2006; Biddle et al., 2009): a Dimensão, medida pelo logaritmo natural do ativo total; o rácio Market-to-Book, que representa o rácio entre o valor de mercado do ativo e o seu valor contabilístico (Mkt-to-Book) 7 ; o risco de falência, aplicando o modelo Z-score, desenvolvido por Altman em 1968; 8 a Tangibilidade, que mede o nível de ativos fixos tangíveis possuídos por uma empresa com base no rácio entre os ativos fixos 7 Seguindo o conceito utilizado por Bharath e Shumway (2004), o valor de mercado do ativo foi calculado somando ao valor de mercado do capital, o valor contabilístico do passivo, dado o valor de mercado deste último não ser conhecido. 8 A variável Z-score é definida como: -score , , , , , onde, = Fundo de Maneio/Ativo; = Resultados Retidos/Ativo; = Resultado Operacional/Ativo; = V. Mercado do Capital Próprio/V. Contabilístico do Passivo; = Vendas/Ativo. 23 24 4.2. Qualidade da Informação Financeira e Eficiência nas Decisões de Investimento 4.2.1. Análise Prévia Antes de avaliar os resultados principais deste estudo, efetuamos uma análise prévia da relação entre os desvios face ao investimento esperado e a qualidade da informação financeira. Esta análise foi efetuada separadamente para o caso do sub e do sobreinvestimento, dividindo a amostra com base na variável s ad n es en n a , conforme pode ser verificado no Gráfico 1. A qualidade da informação financeira é apresentada por níveis, o que deriva da divisão em tercis da variável an s onde o tercil inferior representa uma baixa qualidade da informação financeira, o tercil intermédio representa um nível médio da qualidade da informação financeira e o tercil superior um alto nível de qualidade da informação financeira, classificação que apenas é utilizada no âmbito desta análise. Os desvios face ao investimento esperado são captados pelo valor dos resíduos do modelo do investimento (equação 3.4) e são apresentados em termos médios para cada nível da qualidade da informação financeira. O Painel A do Gráfico 1 representa as empresas classificadas como estando em subinvestimento, para as quais existe uma relação positiva entre a qualidade da informação financeira e os resíduos do investimento, que passam de uma média de -9,97% para -8,96% entre os níveis da qualidade da informação financeira. Esta relação indica que, aumentando a qualidade da informação financeira, os resíduos do investimento das empresas que se encontram a subinvestir vão aumentando, o que equivale a dizer que os desvios face ao investimento esperado ficam mais próximos de zero, ou seja, de um investimento eficiente. O Painel B representa as empresas classificadas como em sobreinvestimento. Neste caso, existe uma relação negativa entre a qualidade da informação financeira e os resíduos do investimento, que passam de uma média de 18,90% para 10,01% entre os níveis da qualidade da informação financeira. Isto é consistente com a ideia de que aumentando a qualidade da informação financeira os resíduos das empresas que se encontram a sobreinvestir vão diminuindo, ou seja, os desvios face ao investimento esperado ficam cada vez mais próximos de zero, ou seja, de um investimento eficiente. Esta análise apresenta resultados idênticos aos obtidos numa análise similar no artigo de referência, e vai de encontro com as expectativas inerentes às hipóteses que vamos de seguida testar. 25 Gráfico 1 – Resíduos do Investimento entre os Níveis da Qualidade da Informação Financeira Este gráfico pretende evidenciar a relação entre a qualidade da informação financeira e os desvios do investimento face ao seu nível expectável. A qualidade da informação financeira é apresentada por níveis, o que deriva da divisão em tercis da variável an s e os desvios face ao investimento expectável são captados pelos resíduos da equação 3.4 e aparecem neste gráfico em termos médios para cada nível da qualidade da informação financeira. 26 4.2.2. Regressão Logística Neste ponto pretendemos analisar se a qualidade da informação financeira influencia a probabilidade de uma empresa possuir um nível de investimento ineficiente em vez de se enquadrar no grupo de referência. Para isso utilizamos uma regressão logística para testar a probabilidade de uma empresa ser classificada como tendo um investimento ineficiente, o que implica que se localiza num dos quartis extremos do investimento não explicado (equação 3.4). Note-se que esta análise considera o sub e o sobreinvestimento conjuntamente, colocando em comparação o grupo de empresas classificadas como ineficientes com o grupo de empresas eficientes, ou seja, o grupo de referência. Os resultados deste teste podem ser analisados na Tabela 4, onde o coeficiente da variável qualidade da informação financeira tem sinal negativo (-5,439) e significativo a um nível de 5%. Numa regressão logística, um coeficiente negativo corresponde a uma variável que diminui a probabilidade de a empresa possuir a característica de interesse, que neste caso é ser classificada como ineficiente. Neste sentido, estes resultados corroboram com a hipótese principal deste estudo (H1), uma vez que empresas com maior qualidade da informação financeira têm uma menor probabilidade de se desviarem do seu nível expectável de investimento. O mesmo será dizer que, uma maior qualidade da informação financeira diminui a probabilidade de as empresas possuírem um nível de investimento ineficiente. Estes resultados fornecem evidência de que a qualidade da informação financeira atua no sentido de reduzir a assimetria de informação entre os gestores, os fornecedores de capital e os acionistas, criando espaço para melhores decisões de investimento pelas empresas. Quanto às variáveis de controlo, note-se que apenas são estatisticamente significativas as seguintes variáveis, considerando um nível de significância de 10%: Dimensão, σ (C O), Disponibilidades/AFT, CicloOperacional, com influência negativa na probabilidade de ter um investimento ineficiente, e σ ( ), CFO/Vendas e Disponibilidades com uma influência positiva. 27 Tabela 4 Qualidade da Informação Financeira e Desvios face ao Investimento Esperado – Modelo Logit Variável Coeficiente P-value C 1,800 0,014 an s -5,439 0,023 Dimensão -0,129 0,000 Mkt-to-Book 0,043 0,587 σ (C O) -3,138 0,055 σ (Vendas) 0,301 0,324 σ ( ) 0,009 0,092 Z-score 0,021 0,515 Tangibilidade -0,237 0,411 Estrutura-K -0,389 0,341 CFO/Vendas 0,917 0,085 Disponibilidades/AFT -0,062 0,001 Dividendos 0,003 0,986 Idade 0,004 0,298 CicloOperacional -0,134 0,072 Prejuízo 0,107 0,574 Disponibilidades 2,806 0,000 Obs. 1.683 Pseudo R (%) 3,76% Esta tabela representa as estimativas dos parâmetros da regressão logística. A variável dependente é baseada nos desvios face ao investimento esperado, onde as observações são ordenadas e divididas em quartis de acordo com o nível dos resíduos da equação 3.4, e caso se localizem num dos quartis extremos são classificadas como tendo um investimento ineficiente. Assim, os resultados desta tabela representam a influência das variáveis explicativas na probabilidade de ter um investimento ineficiente. C representa o termo independente. an s é a medida da qualidade da informação financeira, baseada na qualidade dos accruals, proposta por Francis et al. (2005). Dimensão é o logaritmo natural do ativo total. Mkt-to-Book é o rácio entre o valor de mercado do ativo e o seu valor contabilístico. σ (C O) é o desvio-padrão dos cash flows operacionais normalizados pelo ativo desfasado, entre os anos t-5 e t-1. σ (Vendas) é o desvio-padrão das vendas normalizadas pelo ativo desfasado, entre o ano t-5 e t-1. σ ( ) é o desvio-padrão do investimento total em percentagem do ativo desfasado, entre os anos t-5 e t-1. Z-score é a medida do risco de falência seguindo a metodologia de Altman (1968). Tangibilidade é o rácio entre os ativos fixos tangíveis e o ativo total. Estrutura-K é o rácio entre a dívida de longo prazo e a soma entre a dívida de longo prazo e o valor de mercado do capital. CFO/Vendas é o rácio entre o cash flow operacional e as vendas. Disponibilidades/AFT é o rácio entre as disponibilidades e os ativos fixos tangíveis. Dividendos é uma variável dummy que assume o valor 1 se a empresa pagou dividendos, e 0 caso contrário. Idade é a diferença entre o primeiro ano em que a empresa aparece na base de dados e o ano corrente. CicloOperacional é igual ao logaritmo natural da expressão [(Contas a Receber/Vendas)+(Inventários/CMVMC)]*360. Prejuízo é uma variável dummy que assume o valor 1 se a empresa apresenta um resultado antes de itens extraordinários negativo, e 0 caso contrário. Disponibilidades é o rácio entre as disponibilidades e o ativo total. 28 4.2.3. Regressão Logística Multinomial De seguida, embora pretendamos igualmente testar a probabilidade de uma empresa se encontrar a escolher um nível de investimento ineficiente em função da qualidade da informação financeira, utilizamos uma diferente abordagem recorrendo à regressão logística multinomial. Neste caso, testamos em simultâneo, mas separadamente, a probabilidade de sub e de sobreinvestir, ou seja, as empresas ineficientes são reagrupadas em dois grupos distintos de modo a que cada um deles seja capaz de representar isoladamente o sub e o sobreinvestimento, conforme foi apresentado na secção 3.2. Será então testada a probabilidade de: 1) uma observação estar enquadrada no grupo do subinvestimento em vez de estar no grupo de referência, de modo a testar a hipótese H1a; 2) uma observação estar enquadrada no grupo do sobreinvestimento em vez de estar no grupo de referência, de modo a testar a hipótese H1b. Na Tabela 5 são apresentadas as estimativas dos parâmetros para o Modelo Logit Multinomial. No Painel A constam os resultados no que toca ao subinvestimento, onde se pode observar que o coeficiente da variável an s é negativo (-6,999) e significativo a um nível de 5%. Numa regressão logística multinomial, um coeficiente negativo corresponde a uma variável que atua no sentido de diminuir a probabilidade de uma observação se enquadrar na categoria testada em oposição à categoria de referência. Neste caso concreto, isto significa que uma maior qualidade da informação financeira diminui a probabilidade de uma empresa se encontrar numa situação de subinvestimento, conforme previsto em H1a. Por sua vez o Painel B apresenta os resultados para o grupo do sobreinvestimento. De forma análoga, o sinal do coeficiente da proxy da qualidade da informação financeira é negativo (-2,970) conforme previsto na hipótese H1b, não sendo porém significativo. De qualquer modo, o facto de o coeficiente ter o sinal esperado, confirma a orientação prevista da relação entre a qualidade da informação financeira e o sobreinvestimento, embora na amostra em análise não tenha uma influência expressiva. Em suma, pode concluir-se que, no que toca ao subinvestimento, os resultados estão de acordo com as hipóteses levantadas e com a literatura anterior, nomeadamente com o artigo de referência (Biddle et al., 2009). De acordo com os argumentos teóricos que se encontram na base deste estudo, este resultado indica que uma melhor qualidade da informação financeira atenua a assimetria de informação, nomeadamente entre a empresa e os 29 fornecedores de capital, de modo que a capacidade de financiar os seus projetos com VAL positivo aumenta, melhorando a eficiência do investimento. No caso do sobreinvestimento, embora o sinal da relação com a qualidade da informação seja o esperado, não existe uma evidência forte da sua influência, pelo que não podemos validar a hipótese H1b. Quanto às variáveis de controlo, considerando um nível de significância de 5%, as variáveis estatisticamente significativas no caso do subinvestimento são: σ(C O), Tangibilidade e Disponibilidade/AFT com uma influência negativa na probabilidade de subinvestir e a variável Disponibilidades com uma influência positiva. Note-se que destas variáveis apenas o coeficiente da Disponibilidades/AFT não possui o sinal encontrado no artigo de referência. No caso do sobreinvestimento, as variáveis de controlo significativas são: Dimensão, Estrutura-K e Disponibilidades/AFT com influência negativa na probabilidade de sobreinvestir, e as variáveis σ( ), Tangibilidade, CFO/Vendas e Disponibilidades com uma influência positiva. Neste caso tanto a variável CFO/Vendas como a variável Disponibilidade/AFT não possuem o sinal encontrado pelos autores do artigo de referência. Esta discordância de sinal deve-se provavelmente apenas ao facto de a amostra considerada neste estudo ser significativamente inferior à considerada no estudo de referência. Tabela 5 Qualidade da Informação Financeira e Desvios face ao Investimento Esperado – Modelo Logit Multinomial Variável Coeficiente P-value Painel A – Subinvestimento vs Grupo de Referência C -0,233 0,797 an s -6,999 0,013 Dimensão 0,000 0,998 Mkt-to-Book -0,033 0,748 σ (C O) -5,526 0,011 σ (Vendas) 0,454 0,220 σ ( ) 0,003 0,666 Z-score 0,026 0,519 Tangibilidade -1,667 0,000 Estrutura-K 0,675 0,176 CFO/Vendas 0,246 0,721 Disponibilidades/AFT -0,088 0,001 Dividendos 0,096 0,684 Idade 0,000 0,918 CicloOperacional -0,113 0,220 Prejuízo 0,141 0,524 Disponibilidades 2,101 0,010 30 Tabela 5 (continuação) Variável Coeficiente P-value Painel B – Sobreinvestimento vs Grupo de Referência C 2,404 0,009 an s -2,970 0,322 Dimensão -0,267 0,000 Mkt-to-Book 0,128 0,168 σ (C O) -1,947 0,310 σ (Vendas) 0,313 0,400 σ ( ) 0,016 0,018 Z-score -0,003 0,928 Tangibilidade 1,319 0,000 Estrutura-K -1,734 0,001 CFO/Vendas 1,391 0,029 Disponibilidades/AFT -0,042 0,049 Dividendos -0,035 0,876 Idade 0,007 0,121 CicloOperacional -0,142 0,131 Prejuízo 0,070 0,782 Disponibilidades 3,701 0,000 Estado_Investimento Obs. 1 421 2 842 3 420 Pseudo R (%) 7,0% Esta tabela representa as estimativas dos parâmetros da regressão logística multinomial. A variável dependente é baseada nos desvios face ao investimento esperado, onde as observações são ordenadas e divididas em quartis de acordo com o nível dos resíduos da equação 3.4; caso se localizem no quartil inferior são classificadas como estando em subinvestimento, caso se localizem no quartil superior são classificadas como estando em sobreinvestimento e caso se localizem num dos quartis intermédios são classificadas como grupo de referência. Os resultados do Painel A (B) representam a influência das variáveis explicativas na probabilidade de se encontrar no grupo do subinvestimento (sobreinvestimento) em vez de estar no grupo de referência. C representa o termo independente. an s é a medida da qualidade da informação financeira, baseada na qualidade dos accruals, proposta por Francis et al. (2005). Dimensão é o logaritmo natural do ativo total. Mkt-to-Book é o rácio entre o valor de mercado do ativo e o seu valor contabilístico. σ (C O) é o desvio-padrão dos cash flows operacionais normalizados pelo ativo desfasado, entre os anos t-5 e t-1. σ (Vendas) é o desvio-padrão das vendas normalizadas pelo ativo desfasado, entre o ano t-5 e t-1. σ ( ) é o desvio-padrão do investimento total em percentagem do ativo desfasado, entre os anos t-5 e t-1. Z-score é a medida do risco de falência seguindo a metodologia de Altman (1968). Tangibilidade é o rácio entre os ativos fixos tangíveis e o ativo total. Estrutura-K é o rácio entre a dívida de longo prazo e a soma entre a dívida de longo prazo e o valor de mercado do capital. CFO/Vendas é o rácio entre o cash flow operacional e as vendas. Disponibilidades/AFT é o rácio entre as disponibilidades e os ativos fixos tangíveis. Dividendos é uma variável dummy que assume o valor 1 se a empresa pagou dividendos, e 0 caso contrário. Idade é a diferença entre o primeiro ano em que a empresa aparece na base de dados e o ano corrente. CicloOperacional é igual ao logaritmo natural da expressão [(Contas a Receber/Vendas)+(Inventários/CMVMC)]*360. Prejuízo é uma variável dummy que assume o valor 1 se a empresa apresenta um resultado antes de itens extraordinários negativo, e 0 caso contrário. Disponibilidades é o rácio entre as disponibilidades e o ativo total. 31 5. Análises de Sensibilidade Nesta secção serão analisados os resultados de alguns testes adicionais concretizados no sentido de testar a robustez dos principais resultados obtidos. O primeiro teste consiste na reestimação dos modelos considerando uma medida alternativa da qualidade da informação financeira, enquanto os testes seguintes pretendem testar a robustez do Modelo Logit Multinomial. 5.1. Medida Alternativa da Qualidade da Informação Financeira Uma vez que a qualidade da informação financeira é um conceito de difícil mensuração, para o qual não existe uma proxy unânime na literatura existente, decidimos refazer os testes principais utilizando uma diferente medida da qualidade da informação financeira. A medida alternativa deriva do conceito proposto por McNichols e Stubben (2008), que considera as vendas discricionárias como proxy da manipulação de resultados, mas possui neste trabalho uma diferente especificação, conforme foi apresentado na secção 3.1.2. Neste sentido pretendemos averiguar se os resultados obtidos inicialmente são robustos, considerando esta nova proxy da qualidade da informação financeira. A Tabela 6 abaixo apresenta os resultados para o Modelo Logit. Tal como no caso da qualidade dos accruals, a variável en tem um coeficiente negativo (-10,584) e é estatisticamente significativa a um nível de 1%. Assim sendo, obtemos resultados que são igualmente concordantes com a hipótese H1, dado que empresas com maior qualidade da informação financeira têm menor probabilidade de se desviarem do seu nível de investimento esperado, dadas as suas oportunidades de crescimento. Estes resultados reforçam a evidência encontrada anteriormente no sentido de que uma melhor qualidade da informação financeira diminui a probabilidade de uma empresa escolher um nível de investimento ineficiente, uma vez que os resultados são idênticos, mesmo considerando uma diferente proxy da qualidade da informação financeira. 32 Tabela 6 Medida Alternativa da Qualidade da Informação Financeira – Modelo Logit Variável Coeficiente P-value C 1,790 0,015 en -10,584 0,010 Dimensão -0,128 0,000 Mkt-to-Book 0,022 0,788 σ (C O) -3,709 0,026 σ (Vendas) 0,181 0,559 σ ( ) 0,012 0,021 Z-score 0,025 0,432 Tangibilidade -0,231 0,424 Estrutura-K -0,403 0,323 CFO/Vendas 1,145 0,034 Disponibilidades/AFT -0,059 0,001 Dividendos -0,036 0,849 Idade 0,006 0,143 CicloOperacional -0,139 0,064 Prejuízo 0,112 0,558 Disponibilidades 2,751 0,000 Obs. 1.683 Pseudo R (%) 3,82% Esta tabela representa as estimativas dos parâmetros da regressão logística. A variável dependente é baseada nos desvios face ao investimento esperado, onde as observações são ordenadas e divididas em quartis de acordo com o nível dos resíduos da equação 3.4, e caso se localizem num dos quartis extremos são classificadas como tendo um investimento ineficiente. Assim, os resultados desta tabela representam a influência das variáveis explicativas na probabilidade de ter um investimento ineficiente. C representa o termo independente. en é a medida da qualidade da informação financeira, baseada no conceito de vendas discricionárias proposto por McNichols e Stubben (2008). Dimensão é o logaritmo natural do ativo total. Mkt-to-Book é o rácio entre o valor de mercado do ativo e o seu valor contabilístico. σ (C O) é o desvio-padrão dos cash flows operacionais normalizados pelo ativo desfasado, entre os anos t-5 e t-1. σ (Vendas) é o desvio-padrão das vendas normalizadas pelo ativo desfasado, entre o ano t-5 e t-1. σ ( ) é o desvio-padrão do investimento total em percentagem do ativo desfasado, entre os anos t-5 e t-1. Z-score é a medida do risco de falência seguindo a metodologia de Altman (1968). Tangibilidade é o rácio entre os ativos fixos tangíveis e o ativo total. Estrutura-K é o rácio entre a dívida de longo prazo e a soma entre a dívida de longo prazo e o valor de mercado do capital. CFO/Vendas é o rácio entre o cash flow operacional e as vendas. Disponibilidades/AFT é o rácio entre as disponibilidades e os ativos fixos tangíveis. Dividendos é uma variável dummy que assume o valor 1 se a empresa pagou dividendos, e 0 caso contrário. Idade é a diferença entre o primeiro ano em que a empresa aparece na base de dados e o ano corrente. CicloOperacional é igual ao logaritmo natural da expressão [(Contas a Receber/Vendas)+ (Inventários/CMVMC)]*360. Prejuízo é uma variável dummy que assume o valor 1 se a empresa apresenta um resultado antes de itens extraordinários negativo, e 0 caso contrário. Disponibilidades é o rácio entre as disponibilidades e o ativo total. 39 Tabela 10 Classificação das Observações – Modelo Logit Multinomial após Aplicação do Método Stepwise nas Variáveis de Controlo Observado Previsão % Correta 1 2 3 1 12 358 51 2,9% 2 4 759 79 90,1% 3 3 287 130 31,0% % Global 1,1% 83,4% 15,4% 53,5% Esta tabela representa o resultado da classificação das observações quanto ao estado do seu investimento utilizando o Modelo Logit Multinomial, após a aplicação do método stepwise no conjunto de variáveis de controlo. Os grupos definidos acima derivam da variável dependente do modelo, em que o grupo 1 representa as empresas classificadas como estando em subinvestimento, o grupo 2 representa o grupo de referência e o grupo 3 representa as empresas classificadas como estando em sobreinvestimento. 40 6. Conclusões Estudos anteriores sugerem que uma melhor qualidade da informação financeira é suscetível de reduzir as assimetrias de informação, contribuindo deste modo para uma maior eficiência nas decisões de investimento das empresas. Neste estudo, contribuímos para esta corrente de literatura testando se a qualidade da informação financeira está associada a uma menor probabilidade de as empresas optarem por um nível de investimento ineficiente, usando uma amostra de empresas cotadas na Bolsa de Londres, durante o período de 2002 a 2011. Os resultados obtidos revelam a existência de uma relação negativa entre a qualidade da informação financeira e os desvios do investimento face ao seu nível expectável dadas as oportunidades de crescimento das empresas. Isto indica que empresas com uma melhor qualidade da informação financeira têm menor probabilidade de escolher um nível de investimento ineficiente, o que corrobora com a hipótese principal do estudo (H1). Esta evidência vai de encontro com a expectativa de que a qualidade da informação financeira ao reduzir as assimetrias de informação entre a empresa e os fornecedores de capital e entre os gestores e os acionistas, melhora a eficiência do investimento. Esta conclusão é válida utilizando qualquer uma das proxies da qualidade da informação financeira consideradas neste estudo. Adicionalmente procuramos testar a hipótese separadamente para as duas formas de ineficiência, o sub e o sobreinvestimento (H1a e H1b, respetivamente). Os vários testes efetuados neste sentido proporcionam um conjunto de resultados diferenciados. Embora não haja dúvida de que a influência da qualidade da informação financeira nos diferentes cenários de ineficiência do investimento seja negativa, dado o sinal dos coeficientes associados a esta variável, as ocorrências em termos de significância estatística, não nos permitem retirar uma conclusão aceitável. Os resultados da análise principal indicam uma relação negativa entre a qualidade da informação financeira e as ineficiências do investimento, mas apenas existe evidência significativa no que toca ao subinvestimento. No entanto, considerando a proxy baseada nas vendas discricionárias, embora o coeficiente seja igualmente negativo nos dois cenários, apenas é significativo no caso do sobreinvestimento. Esta situação pode derivar unicamente das proxies escolhidas pra captar a qualidade da informação financeira, pelo que sugerimos que em estudos futuros, sejam consideradas medidas agregadas, que tenham em consideração vários fatores que a condicionam. Outra possível explicação é a dimensão da 41 amostra que pode encontrar-se a limitar a análise neste estudo. Ainda assim, destacam-se as fragilidades do modelo, uma vez que mesmo com a significância estatística obtida na análise principal no caso do subinvestimento, este possui globalmente uma fraca capacidade para prever o estado do investimento das observações da amostra, pelo que consideramos que os resultados, neste caso, não são conclusivos. Na perspetiva de investigações futuras, para além das diferentes proxies da qualidade da informação financeira, sugerimos que a análise seja refinada no sentido de testar se esta relação é mais forte se forem consideradas apenas empresas com determinadas características, nomeadamente, se a qualidade da informação financeira tem maior influência no subinvestimento no caso de empresas com restrições de financiamento. Uma outra hipótese de investigação futura consiste em aplicar esta metodologia a uma amostra de empresas não cotadas, nomeadamente ao mercado português onde o tecido empresarial é constituído maioritariamente por pequenas e médias empresas. Embora seja de esperar que a relação entre a qualidade a informação financeira e a eficiência do investimento seja menor neste contexto, uma vez que comparativamente existe uma menor procura de informação pública, estudos recentes encontram evidência de que a qualidade da informação financeira diminui a ineficiência do investimento, analisando empresas não cotadas (Chen et al., 2011). 42 Apêndice Apêndice 1 – Definição das Variáveis Qualidade da Informação Financeira Variável Definição Datastream Code an s Desvio-padrão dos resíduos do modelo de Francis et al. (2005) entre o período t-5 e t-1, multiplicado por (-1). O modelo consiste numa regressão dos accruals correntes em função dos cash flows operacionais do período anterior, corrente e futuro, mais a variação das vendas e o valor bruto dos ativos fixos tangíveis. Todas as variáveis são normalizadas pelo ativo desfasado, e o modelo é estimado para cada conjunto setor-ano que tenha pelo menos 10 observações. 02201 Current Assets – Total 03101 Current Liabilities – Total 02001 Cash & Short Term Investments 03051 Short Term Debt & Current Portion of Long Term Debt 04860 Net Cash Flow - Operating Activities 01001 Net Sales or Revenues 02301 Property Plant & Equipment - Gross 02999 Total Assets en Desvio-padrão dos resíduos do modelo das vendas discricionárias de McNichols e Stubben (2008) entre o período t-4 e t, multiplicado por (-1). O modelo consiste numa regressão da variação das contas a receber em função da variação das vendas entre o ano t-1 e t. Todas as variáveis são normalizadas pelo ativo desfasado, e o modelo é estimado para cada conjunto setor-ano que tenha pelo menos 10 observações. 04825 Decrease/Increase in Receivables 01001 Net Sales or Revenues 02999 Total Assets Investimento Variável Definição Datastream Code Investimento (%) Soma das despesas em I&D, com as despesas em capital e os ativos líquidos provenientes de aquisições, a multiplicar por 100 e normalizado pelo ativo desfasado. 01201 Research & Development Expense 04601 Capital Expenditures 04355 Net Assets From Acquisitions 02999 Total Assets Estado_Investimento Logit Variável binária, que assume o valor 1 se a empresa é classificada como tendo um investimento ineficiente, e 0 caso contrário. As empresas são classificadas como eficiente ou ineficiente utilizando a metodologia dos desvios face ao investimento esperado de Biddle et al. (2009), sendo classificada como eficiente se se encontrar num dos quartis intermédios dos resíduos do investimento e como ineficiente se se encontrar num dos quartis extremos. Estado_Investimento Logit Multinomial Variável policotómica, que assume o valor 1 se a empresa for classificada no grupo do subinvestimento, 2 se fizer parte do grupo de referência e 3 se fizer parte do grupo do sobreinvestimento. As empresas são classificadas em cada um destes grupos utilizando a metodologia dos desvios face ao investimento esperado de Biddle et al. (2009); caso se localizem no quartil inferior são classificadas como estando em subinvestimento, caso se localizem no quartil superior são classificadas com estando em sobreinvestimento e caso se localizem num dos quartis intermédios são classificadas como grupo de referência. Variáveis de Controlo – Biddle et al. (2009) Variável Definição Datastream Code Dimensão Logaritmo natural do ativo 02999 Total Assets Mkt-to-Book Rácio entre o valor de mercado do ativo e o seu valor contabilístico 08001 Market Capitalization 03351 Total Liabilities 02999 Total Assets σ (C O) Desvio-padrão dos cash flows operacionais normalizados pelo ativo desfasado, entre os anos t-5 e t-1 04860 Net Cash Flow - Operating Activities 02999 Total assets σ (Vendas) Desvio padrão das vendas normalizadas pelo ativo desfasado, entre o ano t-5 e t-1 01001 Net Sales or Revenues 02999 Total assets 43 Variáveis de Controlo (continuação) Variável Definição Datastream Code σ ( ) Desvio-padrão do investimento total em percentagem do ativo desfasado, entre os anos t5 e t-1 01201 Research & Development Expense 04601 Capital Expenditures 04355 Net Assets From Acquisitions 02999 Total Assets Z-score Medida do risco de falência seguindo a metodologia de Altman (1968): Z-score = 1,2 * (Fundo de Maneio/Ativo) + 1,4 * (Resultados Retidos/Ativo) + 3,3 * (Resultado Operacional/Ativo) + 0,6 * (V. Mercado do Capital Próprio / V. Contabilístico do Passivo) + 1 * (Vendas/Ativo) 03151 Working Capital 02999 Total assets 03495 Retained Earnings 18191 EBIT 08001 Market Capitalization 03351 Total Liabilities 01001 Net Sales or Revenues Tangibilidade Rácio entre os ativos fixos tangíveis e o ativo total 02501 Property, Plant & Equipment – Net 02999 Total assets Estrutura-K Rácio entre a dívida de longo prazo e a soma entre a dívida de longo prazo e o valor de mercado do capital 03251 Long-Term Debt 08001 Market Capitalization CFO/Vendas Rácio entre o cash flow operacional e as vendas 04860 Net Cash Flow - Operating Activities 01001 Net Sales or Revenues Disponibilidades/AFT Rácio entre as disponibilidades e os ativos fixos tangíveis 02001 Cash & Short Term Investments 02501 Property, Plant & Equipment – Net Dividendos Variável dummy que assume o valor 1 se a empresa pagou dividendos, e 0 caso contrário 05376 Common Dividends (Cash) 04551 Cash Dividends Paid - Total Idade Diferença entre o primeiro ano em que a empresa aparece na base de dados e o ano corrente BDATE Base Date CicloOperacional Logaritmo natural de (Contas a Receber/Vendas) + (Inventários/CMVMC) *360 02051 Receivables (Net) 01001 Net Sales or Revenues 02101 Inventories –Total 01051 Cost of Goods Sold Prejuízo Variável dummy que assume o valor 1 se a empresa apresenta um resultado antes de itens extraordinários negativo, e 0 caso contrário 01551 Net Income before Extraordinary Items/Preferred Dividends Disponibilidades Rácio entre as disponibilidades e o ativo total 02001 Cash & Short Term Investments 02999 Total assets 44 Apêndice 2 – Setores de Atividade: Códigos SIC a 2 dígitos Setor Atividades Incluídas A. Agriculture, Foretry & Fishing 01 Agricultural Production – Crops 02 Agricultural Production - Livestock 07 Agricultural Services 08 Forestry 09 Fishing, Hunting, & Trapping B. Mining 10 Metal, Mining 12 Coal Mining 13 Oil & Gas Extraction 14 Nonmetallic Minerals, Except Fuels C. Construction 15 General Building Contractors 16 Heavy Construction, Except Building 17 Special Trade Contractors D. Manufacturing 20 Food & Kindred Products 21 Tobacco Products 22 Textile Mill Products 23 Apparel & Other Textile Products 24 Lumber & Wood Products 25 Furniture & Fixtures 26 Paper & Allied Products 27 Printing & Publishing 28 Chemical & Allied Products 29 Petroleum & Coal Products 30 Rubber & Miscellaneous Plastics Products 31 Leather & Leather Products 32 Stone, Clay, & Glass Products 33 Primary Metal Industries 34 Fabricated Metal Products 35 Industrial Machinery & Equipment 36 Electronic & Other Electric Equipment 37 Transportation Equipment 38 Instruments & Related Products 39 Miscellaneous Manufacturing Industries E. Transportation & Public Utilities 40 Railroad Transportation 41 Local & Interurban Passenger Transit 42 Trucking & Warehousing 43 U.S. Postal Service 44 Water Transportation 45 Transportation by Air 46 Pipelines, Except Natural Gas 47 Transportation Services 48 Communications 49 Electric, Gas, & Sanitary Services F. Wholesale Trade 50 Wholesale Trade - Durable Goods 51 Wholesale Trade - Nondurable Goods G. Retail Trade 52 Building Materials & Gardening Supplies 53 General Merchandise Stores 54 Food Stores 55 Automative Dealers & Service Stations 56 Apparel & Accessory Stores 57 Furniture & Homefurnishings Stores 58 Eating & Drinking Places 59 Miscellaneous Retail H. Finance, Insurance, & Real Estate 60 Depository Institutions 61 Nondepository Institutions 62 Security & Commodity Brokers 63 Insurance Carriers 64 Insurance Agents, Brokers, & Service 65 Real Estate 67 Holding & Other Investment Offices I. Services 70 Hotels & Other Lodging Places 72 Personal Services 73 Business Services 75 Auto Repair, Services, & Parking 76 Miscellaneous Repair Services 78 Motion Pictures 79 Amusement & Recreation Services 80 Health Services 81 Legal Services 82 Educational Services 83 Social Services 84 Museums, Botanical, Zoological Gardens 86 Membership Organizations 87 Engineering & Management Services 88 Private Households 89 Services, Not Elsewhere Classified J. Public Administration 91 Executive, Legislative, & General 92 Justice, Public Order, & Safety 93 Finance, Taxation, & Monetary Policy 94 Administration of Human Resources 95 Environmental Quality & Housing 96 Administration of Economic Programs 97 National Security & International Affairs 98 Zoological Gardens 45 Apêndice 3 – Resumo do Procedimento Stepwise O nome das variáveis de controlo usado no output é equivalente ao que consta no artigo de referência (Biddle et al., 2009). Esta tabela, foi retirada diretamente do software SPSS, e apresenta os resultados do procedimento Stepwise, onde foram selecionadas as seguintes variáveis de controlo, por serem as que produzem maior variação na significância global do modelo, pela seguinte ordem de importância:  Dimensão;  Tangibilidade;  Estrutura-K;  Disponibilidades;  Disponibilidades/AFT;  σ ( ). 46 Referências Bibliográficas Akerlof, G. A. ( 97 ), “ he Market for "Lemons": Quality Uncertainty and the Market Mechanism”, The Quarterly Journal of Economics, Vol. 84, Nº 3, pp. 488-500. Altman, E. . ( 9 8), “ inancial atios, Discriminant Analysis and the Prediction of orporate Bankruptcy”, Journal of Finance, Vol. 23, Nº 4, pp. 589-609. Balakrishnan, K., J. E. Core e R. S. Verdi (2014), “The Relation Between Reporting Quality and Financing and Investment: Evidence from Changes in Financing Capacity”, Journal of Accounting Research, Vol. 52, Nº 1, pp. 1-36. Bergstresser, . e . hilippon ( ), “ E incentives and earnings management”, Journal of Financial Economics, Vol. 80, Nº 3, pp. 511-529. Bertrand, M. e S. Mullainathan ( ), “En oying the quiet life : orporate governance and managerial preferences, Journal of Political Economy, Vol. 111, Nº 5, pp. 1043-1075. Bharath, S. . e . Shumway ( ), “ orecasting efault with the KMV-Merton Model”, Working Paper, University of Michigan, SSRN Paper Series. Biddle, G. . e G. Hilary ( ), “Accounting Quality and Firm-Level apital nvestment”, The Accounting Review, Vol. 81, Nº 5, pp. 963-982. Biddle, G. ., G. Hilary e . S. Verdi ( 9), “How does financial reporting quality relate to investment efficiency?”, Journal of Accounting and Economics, Vol. 48, Nº 2-3, pp. 112-131. Bushman, R. M. e A. J. Smith ( ), “ inancial accounting information and corporate governance”, Journal of Accounting and Economics, Vol. 32, Nº 1-3, pp. 237-333. Chen, F., O.-K. Hope, Q. Li e . Wang ( ), “ inancial eporting Quality and nvestment Efficiency of Private irms in Emerging Markets”, The Accounting Review, Vol. 86, Nº 4, pp. 1255-1288. Dechow, P., . . ichev ( ), “ he Quality of Accruals and Earnings: he ole of Accrual Estimation Errors”, The Accounting Review, Vol. 77, Supplement: Quality of Earnings Conference, pp. 35-59. 47 echow, ., W. Ge, . Schrand ( ), “Understanding earnings quality: A review of the proxies, their determinants and their consequences”, Journal of Accounting and Economics, Vol. 50, Nº 2-3, pp. 344-401. Financial Accounting Standards Board (2010), “ onceptual ramework for inancial eporting”, Statement of Financial Accounting Concepts No. 8. Francis, J., R. LaFond, P. Olsson e K. Schipper ( ), “ he market pricing of accruals quality”, Journal of Accounting and Economics, Vol. 39, Nº 2, pp. 295-327. Gomariz, M. . . e J. . S. Ballesta ( ), “ inancial reporting quality, debt maturity and investment efficiency”, Journal of Banking & Finance, Vol. 40, pp. 494-506. Hope, O.-K. e W. B. homas ( 8), “Managerial Empire Building and irm isclosure”, Journal of Accounting Research, Vol. 46, Nº 3, pp. 591-626. Jensen, M. . e W. H. Meckling ( 97 ), “ heory of the irm: Managerial Behavior, Agency osts and wnership Structure”, Journal of Financial Economics, vol. 3, Nº 4, pp. 305-360. Jensen, M. . ( 98 ), “Agency osts of ree ash low, orporate Finance, and akeovers”, American Economic Review, Vol. 76, Nº 2, pp. 323-329. Jones, J. J. ( 99 ), “Earnings Management during mport elief nvestigations”, Journal of Accounting Research, Vol. 29, Nº 2, pp. 193-228. Lambert, R., C. Leuz e R. E. Verrecchia ( 7), “Accounting nformation, isclosure, and the ost of apital”, Journal of Accounting Research, Vol. 45, Nº 2, pp. 385-420. Li, F. e N. . Shroff ( ), “ inancial eporting Quality and Economic Growth”, Working Paper, University of Michigan, SSRN Paper Series. McNichols, M. . ( ), “ he Quality of Accruals and Earnings: he ole of Accrual Estimation Errors: iscussion”, The Accounting Review, Vol. 77, Supplement: Quality of Earnings Conference, pp. 61-69. McNichols, M. F. e S. R. Stubben (2008), “ oes Earnings Management Affect irms’ nvestment ecisions?”, The Accounting Review, Vol. 83, Nº 6, pp. 1571-1603. 48 zkan, N., . Singer e H. You ( ), “Mandatory S Adoption and the ontractual Usefulness of Accounting Information in Executive Compensation”, Journal of Accounting Research, Vol. 50, Nº 4, pp. 1077-1107. Stiglitz, J. E. e A. Weiss ( 98 ), “ redit ationing in Markets with mperfect nformation”, The American Economic Review, Vol. 71, Nº 3, pp. 393-410. Verdi, . S. ( ), “ inancial eporting Quality and nvestment Efficiency”, Working Paper, Massachusetts Institute of Technology (MIT), SSRN Paper Series.