|
Abstract:
|
As fraudes nas demonstrações financeiras prejudicam os acionistas e geram uma assimetria de informações que afeta a alocação de recursos no mercado de capitais. É possível identificar os determinantes da fraude através de um modelo econométrico de escolha binária (probit ou logit). Este trabalho demonstra que, caso esse modelo seja estimado sem levar em consideração a possibilidade de que algumas fraudes não tenham sido descobertas, o impacto estimado dos determinantes (variáveis independentes) poderá ser enviesado. Quando existem fraudes não descobertas ou empresas incorretamente acusadas de fraude, diz-se que existem erros de classificação na variável dependente. Nos casos em que esses erros são particularmente expressivos, como no Brasil, a estimação de um modelo de identificação de fraudes pode ser inviável. Em outros casos, como nos EUA, é possível reduzir o viés através de uma adaptação das funções utilizadas no modelo de escolha binária. É possível também estimar o percentual de fraudes não-descobertas através desse modelo adaptado. O modelo foi aplicado aos casos de fraude descobertos e processados pela Securities and Exchange Comission (divulgados através de Accounting and Auditing Enforcement Releases), nos EUA. Os resultados obtidos mostram que a probabilidade de ocorrência de fraude está negativamente correlacionada com o índice de liquidez corrente, com a variação do caixa (em relação ao ativo total) e com o ativo fixo (também em relação ao ativo total). Verificou-se, também, que empresas que mudaram de auditor ou que receberam um parecer de auditoria qualificado estão mais propensas à fraude. A probabilidade a priori de um caso de fraude não ser detectado foi estimada em 97,61%. Concluise que os resultados apontam para a necessidade de informações mais confiáveis a respeito de fraudes no mercado brasileiro o que poderia viabilizar estudos similares no Brasil. |
