Araştırmacılar İçin Öneriler 85 

Segundo Castro e Martinez (2009) a metodologia mais utilizada nas pesquisas sobre income

smoothing baseia-se no modelo de coeficientes de variação proposto por Eckel (1981) e pelos

modelos de Leuz, Nanda e Wysocki (2003).

2.4.2.1 Métrica de Eckel (1981)

O trabalho de Eckel (1981) demonstra que se o lucro é função linear das vendas, o custo variável unitário se mantém constante ao longo do tempo, os custos fixos não diminuem e as vendas brutas não podem ser alisadas de forma artificial. Sendo assim, o coeficiente de variação das oscilações nas vendas é inferior ao coeficiente de variação das oscilações no

lucro. Se tal situação não se cumprir, significa que a variabilidade das oscilações é menor, dessa foma, Eckel (1981) demonstra que a empresa está alisando o lucro artificialmente.

CV Δ% Lucro Líquido ≤ CV Δ% Vendas => Income Smoothing (Alisamento)

Onde:

Δ% Lucro Líquido = Oscilação anual do lucro líquido; Δ% Vendas = Oscilação anual das vendas.

CV (x) = σ (x) / μ (x)

Com base nestes dados calcula-se a suavização de resultados expressa pela fórmula do índice de Eckel (1981) mediante o quociente dos coeficientes de variação:

IA = CV Δ% Lucro Líquido

CV Δ% Vendas

Com base nessa medida assume-se que um índice inferior a 1 (um), em valor absoluto, indicaria a presença de Income Smoothing, uma vez que o coeficiente de variação do lucro líquido seria inferior ao das vendas, situação que foi demonstrada por Eckel (1981) a qual seria provocada pelo alisamento por parte dos gestores. Com a finalidade de reduzir a classificação de erros Chalayer (2004) apresenta uma modificação no modelo, excluindo as empresas que apresentam índice de alisamento (IA) entre 0,9 e 1,1 como área cinza.

0,9 ≤ CV Δ% Lucro Líquido ≤ 1,1

CV Δ% Vendas

Alisamento ≤ | Área Cinza | ≤ Sem Alisamento

De acordo com a metodologia de Chalayer (2004) se o índice obtido for menor que 0,9 significa que a empresa pratica suavização de resultados e, se o índice for maior que 1,1 a companhia não pratica suavização de resultados.

2.4.2.2 Métrica de Leuz, Nanda e Wysocki (2003)

Segundo Leuz, Nanda e Wisocky (2003) os executivos das empresas podem omitir mudanças do desempenho econômico de sua firma usando decisões operacionais e escolhas de critérios contábeis sobre como evidenciar os relatórios financeiros. Os autores acrescentam que diferenças na variabilidade do desempenho econômico das firmas, ou seja, a redução da variabilidade do lucro operacional proporcionalmente superior à redução da variabilidade do fluxo de caixa operacional, significa que o resultado pode estar sendo suavizado por meio da manipulação dos accruals utilizando-se das escolhas de critérios contábeis.

A primeira métrica de Leuz, Nanda e Wisocky (2003) é computada pelo desvio padrão do lucro operacional dividido pelo desvio padrão do fluxo de caixa operacional.

IA1 = σ (Lucro Operacional it)

σ (Fluxo de Caixa Operacional it)

IA = Índice de Alisamento

O fluxo de caixa operacional é calculado indiretamente pela diferença entre o lucro operacional e os accruals.

FCO = Lucro Líquido - Accruals

Os accruals são estimados pela diferença entre o lucro operacional e o fluxo de caixa operacional, ou ainda por meio de mudanças em sucessivas contas patrimoniais, uma vez que as contas de resultado possuem contrapartida no balanço patrimonial. Dessa forma, os

accruals são calculados da seguinte maneira:

Accruals = {[AC t – Disp t) – (PC t – EmpCP t)] – [(AC t–1 – Disp t–1) – (PC t–1 - EmpCP t-

1)] - Depr &Amort t}

AC t = Ativo circulante no ano t; Disp t = Disponibilidades no ano t;

PC t = Passivo circulante no ano t;

EmpCP t = Empréstimos de curto prazo em t; AC t-1 = Ativo circulante no ano t–1;

Dispo t–1 = Disponibilidades no ano t–1; PC t–1 = Passivo circulante no ano t–1;

EmpCP t–1 = Empréstimos de curto prazo em t–1.

Ainda, segundo Leuz, Nanda e Wisocky (2003) os executivos podem usar critérios contábeis para esconder choques econômicos no fluxo de caixa operacional das empresas. Nesse sentido, os autores afirmam que os gestores podem utilizar seu poder discricionário para acultar desempenhos abaixo do esperado, atrasando o reconhecimento de despesas ou custos atuais ou acelerando o reconhecimento de receitas futuras. Por outro lado, podem esconder desempenhos atuais acima do esperado para criar reservas futuras. Em ambos os casos, os

accruals suavizam os choques no fluxo de caixa, resultando em uma correlação negativa entre

as mudanças nos accruals e no fluxo de caixa operacional. Ressalta-se que se as magnitudes dessa correlação forem muito altas, isso pode indicar a suavização nos resultados reportados. Dessa forma, a segunda métrica de Leuz, Nanda e Wisocky (2003) consiste na correlação entre as mudanças nos accruals e as mudanças no fluxo de caixa operacional visando à suavização de resultados.

IA2 = ρ (∆ Acrruals, ∆ Fluxo de Caixa Operacional)

A terceira métrica de Leuz, Nanda e Wisocky (2003) utiliza a magnitude dos accruals como

proxy para verificar a dimensão em que os gestores exercem seu poder discricionário no

resultado reportado. Segundo os autores os executivos podem usar da discricionariedade para mascarar o desempenho econômico da empresa, divulgando um resultado diferente da performance econômica da firma. Sendo assim, esta métrica é calcudada pelo quociente do valor absoluto dos accruals e o valor absoluto do fluxo de caixa operacional.

IA3 = |Accruals| |FCO|

Os autores acrescentam que embora se possa argumentar que os gestores têm incentivos para evitar perdas de qualquer magnitude, o poder discricionário sobre os relatórios financeiros é

limitado, pois os mesmos serão incapazes de reportar lucros na presença de grandes perdas. No entanto, pequenas perdas são mais prováveis da ação discricionária, uma vez que se encontram dentro dos limites do poder que os gestores possuem sobre os relatórios. Sendo assim, a proporção de pequenos lucros reportados para as pequenas perdas relatadas reflete até que ponto os gestores gerenciam os lucros para evitar perdas de informações. A proporção

de “pequenos lucros” para “pequenas perdas” é calculada utilizando-se o resultado após os

impostos divido pelo ativo total. Pequenas perdas estão definidas no intervalo (- 0,01, 0,00) e pequenos lucros no intervalo (0,00, 0,01). Sendo esta a quarta e última métrica apresentada por Leuz, Nanda e Wisocky (2003) para detectar Income Smoothing.