I SIMPÓSIO INTERNACIONAL DE CIÊNCIAS INTEGRADAS DA UNAERP CAMPUS GUARUJÁ

Transcrição

1 I SIMPÓSIO INTERNACIONAL DE CIÊNCIAS INTEGRADAS DA UNAERP CAMPUS GUARUJÁ Risco empresarial Como prever falências Proposta de novo modelo e aplicação em indústrias paulistas Danilo David dos Santos Graduado em Administração de Empresas com habilitação em Comércio Exterior pela UNAERP Mestrando em Estatística pela UNICAMP danidavid@terra.com.br RESUMO A situação financeira das empresas tem sido investigada por profissionais e técnicos, quando estudam a concessão de créditos, fusão ou qualquer outra operação mercantil. O estudo de modelos que permitam a projeção de insolvências tem sido aprofundado nos últimos anos. Segundo MATIAS (23), toda a concessão de crédito é amparada em modelagem estatística de previsão de insolvência. Com este trabalho procurou-se construir um modelo de previsão de insolvência, aplicado a empresas industriais em operação no estado de São Paulo. A metodologia aplicada foi a seguinte: a) levantamento da ocorrência de insolvências em São Paulo; b) determinação do tamanho da amostra de empresas insolventes; c) coleta de dados financeiros das empresas insolventes; d) seleção de empresas solventes e coleta de seus dados financeiros; e) cálculo de índices financeiros das empresas de ambos os grupos; f) cálculo da análise discriminante sobre os indicadores financeiros das empresas de ambos os grupos; g) testes estatísticos; h) construção da escala de pontuação do modelo. As principais conclusões do trabalho revelam de que é possível a previsão de insolvência de empresas industriais com um ano de antecedência através do modelo aqui desenvolvido. Palavras-chave: administração financeira; modelo; insolvência; concessão de crédito ABSTRACT The financial aspect of the companies has been investigated by professionals and technicians, when they study the concession of credits, fusion or any other mercantile operation. The study of the models that allow the projection of insolvencies has been broadened in the last years. Accordingly to MATIAS (23) every concession of credit is supported in a statistics model of insolvency forecast. In this paper it was possible to make a model of bankruptcy forecasting, applied to the industrial companies in operation in the state of São Paulo. The methodology used was the following: a) survey of the occurrence of the insolvency s in São

2 Paulo; b) determinations of the size of the sample of insolvency s companies; c) collection of financial data of the insolvent companies; d) selection of the solvent companies and collection of its financial data; e) calculation of financial indicators of the companies of both the groups; f) calculation of the discriminant analysis on the financial pointers of the companies of both groups; g) statistical tests; h) construction of the Industrial Risk Score Model score s scale punctuation. The main conclusions of the this paper reveal that is possible to foresee the industrial companies insolvency one year before hand using this model. Key-words: Financial management; model; insolvency; concession of credits 1. INTRODUÇÃO O propósito deste trabalho é de analisar a ocorrência de insolvências nas indústrias domiciliadas na capital paulista nos anos de 21 a 23, identificando e evidenciando os principais indicadores financeiros característicos dos casos de insucesso neste segmento, propondo um modelo de previsão amparado em uma técnica estatística de análise multivariada. Após o estudo de ALTMAN (1968), diversos outros estudos foram realizados sobre o tema, baseando-se na análise discriminante múltipla como técnica estatística para previsão de insolvências. Segundo DIETRICH (1984) o principal objetivo de tais estudos pode ser justificado sob dois enfoques teóricos; 1. Os modelos permitem estabelecer relações estatísticas significativas entre os resultados dos índices financeiros calculados através das demonstrações contábeis e a insolvência empresarial, ou seja, procuram verificar se os dados contábeis podem fornecer; 2. Os modelos constituem-se num instrumento capaz de prever o fracasso empresarial e, portanto, podem auxiliar diferentes usuários no seu processo de tomada de decisões. 2. REVISÃO DOS TRABALHOS REALIZADOS Os pesquisadores americanos foram os pioneiros nos estudos de insolvências empresariais. No Brasil o primeiro estudo foi elaborado por STEPHEN C. KANITZ em SILVA (1998) apresenta como de maior relevância os seguintes estudos: 2.1 Estudo de FITZ PATRICK Foram analisadas 19 empresas falidas e 19 empresas bem-sucedidas no período de 192 a As principais conclusões deste estudo revelam que os indicadores PL / Passivo e Lucro Líquido / PL apresentavam

3 pontuação superior nos grupos de empresas bem-sucedidas em relação às empresas falidas. Este estudo apenas separa os dois grupos de empresas, não sendo feitas ponderações dos indicadores na explicação da falência. 2.2 Estudo de WINAKOR e SMITH Desenvolvido com base em 21 indicadores dos últimos de anos de falências de 183 empresas, durante o período de 1923 a 1931, tal estudo concluiu que o índice CCL / ATIVO foi o melhor indicador na antecipação de insolvências. Assim como FITZ PATRICK não há ponderação. 2.3 Estudo de MERWIN Este estudo foi desenvolvido com dados de empresas com ativos inferiores a US$25.. Concluindo de que o índice Capital de Giro/Ativo foi o melhor preditor de falências. MERWIN introduz dois tipos de abordagem: na primeira, trabalha com uma faixa mínima e máxima para os índices; na segunda adota uma média para as empresas sobreviventes. As empresas em processo de falência apresentaram índices abaixo e fora da faixa de variação. Segundo MATIAS, et. al. (24), embora seja uma evolução entre os estudos anteriores, falta ainda o peso da participação dos índices na explicação da falência. 2.4 Estudo de TAMARI Realizado no período 1956 a 196, TAMARI identifica faixas de valores para os índices, concluindo que os índices poderiam ser utilizados como indicadores, não necessariamente de falências, mas, como classificador de empresas. Segundo SILVA (1998), TAMARI é o primeiro a utilizar um composto ponderado de vários índices, onde para cada índice há um determinado valor que multiplicado por um peso atinge uma determinada escala. 2.5 Estudo de BEAVER Em 1967 BEAVER realizou um estudo comparativo entre 79 empresas de boa saúde financeira, e 79 empresas que apresentavam deficiências na liquidação de seus passivos exigíveis. Suas conclusões apresentam como de maior relevância na predição de insolvências os índices, Geração de Caixa / Exigível Total e Lucro Líquido / ATIVO. O estudo de BEAVER baseou-se um teste classificação dicotômica, onde foram criados grupos de índices e adotados pontos de corte (ou índice limite crítico), as empresas que possuíam pontuação abaixo do ponto de corte eram classificadas como falidas.

4 MATIAS, et al. (24) afirma que o mérito deste estudo está na adoção do ponto de corte crítico, similar aos modelos de insolvência baseados no modelo discriminante. 2.6 Estudos de ALTMAN ALTMAN foi um dos primeiros pesquisadores a utilizar a análise discriminante múltipla, como instrumento para previsão de insolvências. O estudo utilizou uma amostra de 33 empresas insolventes e 33 empresas solventes, com ATIVOS Totais entre US$1.. e US$ 25.., no período de 1946 a ALTMAN buscava superar as deficiências das análises realizadas com apenas um índice, chegando seguinte equação: Z =,12(X1) +,14(X2) +,33(X3) +,6(x4) +,999(X5). X1 = CCL / ATIVO X2 = Lucros Retidos / ATIVO X3 = Lucros Antes de Jurtos e Imposto de Renda / ATIVO X4 = Valor de Mercado das Ações / Exigível Total) X5 = Vendas / ATIVO A média dos grupos foi a seguinte: Insolventes = -,29 Solventes = 5,2 Em estudo posterior ALTMAN (2), defende a revisão do Z-Score Model, adaptando a função discriminante para empresas privadas (Z ) e para empresas não-manufatureiras (Z ). Os resultados foram os seguintes: Z =,717(X1) +,847(X2) + 3,17(X3) +,42(X4) +,998 (X5) Original Classificação Insolventes Solventes 3 3 Insolventes (9,9%) (9,1%) 1 32 Solventes (3,%) (97%) Fonte: ALTMAN (2) Total A média dos grupos foi a seguinte: Insolventes =,15 Solventes = 4,14

5 Z = 6,56(X1) + 3,26(X2) + 6,72(X3) + 1,5(X4) Segundo ALTMAN (2) todos os coeficientes das variáveis X1 a X4, foram alterados assim como as médias dos grupos e pontos de corte. Este modelo em particular é de utilidade em industrias quando o tipo de financiamento dos ativos não se refere a grandes companhias ou importantes ajustes, como capitalização de leasing. Este modelo foi aplicado por ALTMAN, HATZEL e PECK (1995), em estudo realizado com empresas de mercados emergentes, especificamente empresas mexicanas. Neste estudo foi acrescentado o termo constante +3,25 para que o ponto de corte do modelo fosse igual a zero. 2.7 Estudo de BACKER e GOSMAN BACKER e GOSMAN consideraram como principais parâmetros para a insolvência o declínio na capacidade de cumprimento das obrigações contraídas através de debêntures, declínio na avaliação de crédito da D&B (DUN & BRADSTREET) e a dificuldade obtenção de novos empréstimos bancários. Forma realizados os testes estatísticos: Teste T, análise fatorial e análise discriminante, sendo considerados como principais parâmetros para caracterização de insolvência o declínio do rating da S&P (Standard & Poor s), declínio na avaliação de crédito da D&B e a dificuldade obtenção de novos empréstimos bancários. Segundo MATIAS et al. (24) esta é uma abordagem que pode ser considerada moderna, pois utiliza uma cesta de conceitos para a avaliação de risco do cliente. 2.8 Estudo de LETÍCIA E. TOPA Segundo SILVA (1998), este estudo trabalha com o conceito de probabilidade subjetiva, onde os fatores de análise são classificados em: Análise do caráter, do conceito na praça, experiência no negócio e seguros, denominados determinantes; Os fatores complementares são estruturados como uma relação de peso por tipo de análise chegando-se a uma avaliação de risco aceitável ou não. SILVA (1998) comenta que este modelo difere do uso do modelo discriminante, onde os pesos são atribuídos objetivamente conforme o modelo estatístico, neste modelo os pesos são atribuídos conforme a experiência de relacionamento com o tomador do financiamento e são de responsabilidade dos dirigentes da empresa.

6 PONTOS CLASSE PONTOS CLASSE PONTOS CLASSE PONTOS CLASSE PONTOS CLASSE ANÁLISE V A L O R R E L A T I V O QUALIFICAÇÃO PONDERADA R I S C O Ó T I M O RISCO MÁXIMO ACEITÁVEL QUALIDADE PONDERADA Situação Fin. 6 C -2 A 4 B 7 MB 1 6 A 4 24 Situação Eco. 8 D -2 R 4 B 7 MB 1 6 R 4 32 Capital + Gar 1 I -5 E 4 Ad 7 MS 1 1 A 7 7 Disclosure 3 P -1 M 5 O 1 3 M 5 15 Conglomerado 4 EN -2 NH EP 1 4 NH Capacidade 4 P -1 M 5 S 1 4 M 5 2 Conceito 5 B 1 MB 1 5 B 1 5 Condições 6 Pe -4 N 4 Di 7 Ex 1 6 N 4 24 Org/Controle 4 D -1 B 5 MB 1 4 B 5 2 Tempo (anos) 4 / 2-2 2/ 5 3 5/1 Quadro 1. Estudo de LETÍCIA E. TOPA Fonte: MATIAS et al. (24) / CLASSE A Ad B C D Di E EN EP Ex I M MB MS N NH O P Pe R S CONCEITO Aceitável Adequado Boa Comprometida Deficiente Dinâmicas Escasso Efeito negativo Efeito positivo Excepcional Insuficiente Média Muito Boa Muito solvente Normal Não há Ótima Pobre Perigosas Regular Sobressalente

7 2.9 Estudo de ESTEPHEN C. KANITZ Este estudo foi desenvolvido em dezembro de 1974 intitulado: Como prever a falência de empresas publicado na revista Exame. Assim como ALTMAN (1968), KANITZ (1974) desenvolveu seu modelo através da análise discriminante, KANITZ obteve a seguinte equação: FI =,5(X1) + 1,65(X2) + 3,55(X3) 1,6(X4),33(X5) FI (Fator de Insolvência) = Total de pontos obtidos X1 = Lucro Líquido / Patrimônio Líquido X2 = Ativo Circulante + Realizável a Longo Prazo / Exigível Total X3 = Ativo Circulante Estoques / Passivo Circulante X4 = Ativo Circulante / Passivo Circulante X5 = Exigível Total / Patrimônio Líquido A classificação através do modelo de KANITZ é feita através de uma escala desenvolvida por ele, a qual ele nomeou como termômetro de insolvência, conforme quando abaixo: FATOR DENOMINAÇÃO ÁREA DE 4 SOLVENCIA ÁREA DE PENUMBRA ÁREA DE INSOLVÊNCIA Quadro 2. Termômetro de insolvência de KANITZ Fonte: MATIAS et. al. (24) 2.1 Trabalho de ELIZABETSKY SIGNIFICADO Sempre que o fator de insolvência for maior que zero, a empresa estará classificada nesta área e conseqüentemente apresenta menores riscos de quebra. Empresas que apresentam fator de insolvência entre -3 e denotam situação perigosa merecendo cuidados especiais na concessão de financiamento. As empresas com fator de insolvência menor que -3 são as que apresentam as maiores probabilidades de insolvência. Quanto menor o fator de insolvência maior a probabilidade de quebra. ELISABETSKY utilizou a análise discriminante em um grupo de 373 empresas, auferindo três modelos diferentes, com resultados diferentes,

8 segregando os modelos de acordo com o número de variáveis, percebendo de que o número de variáveis causara distorções nas avaliações, conclui que: "Este tipo de variável vem distorcer bastante o processo de regressão: se umas poucas empresas de determinado grupo têm um índice com valor bastante diferenciado em relação às outras, este passa por si só a ser um fator discriminante, e a variável é incluída na equação; desta forma, a equação procura ajustar os coeficientes das demais variáveis de modo a compensar esta inclusão para as demais empresas da amostra". O modelo final publicado por ELIZABETSKY foi o seguinte: Z = 1,93(X32),2(X33) + 1,2(X35) + 1,33(X36) 1,12(X37) Z = total de pontos obtidos X32 = Lucro Líquido / Vendas X33 = Disponível / Ativo Permanente X35 = Contas a Receber / Ativo Total X36 = Estoques / Ativo Total X37 = Passivo Circulante / Ativo Total Nesse modelo o ponto crítico é, Trabalho de MATIAS Em 1978 MATIAS desenvolveu seu modelo utilizando a análise discriminante com 1 empresas de diversos setores, sendo 5 empresas solventes e 5 empresas insolventes. MATIAS obteve a seguinte equação: Z = 23,792A 8,26B 8,868C,764D + 1,5E + 9,912F 3 A = Patrimônio Líquido Reserva de Reavaliação / Ativo Total Reserva de Reavaliação + Leasing a pagar B = Empréstimos de curto prazo + Duplicatas Descontadas + ACC 1 + Leasing / Ativo Circulante C = Fornecedores / Ativo Total + Leasing a pagar D = Ativo Circulante / Passivo Circulante + Leasing vencendo a curto prazo E = Resultado Operacional Resultado de Equivalência Patrimonial / Receitas Líquidas 1 Adiantamento de contrato de câmbio.

9 F = Disponível + Aplicações Financeiras / Ativo Total + Leasing a pagar O ponto crítico nesse modelo é (zero). A média dos grupos foi a seguinte: 2.12 Modelo PEREIRA Insolventes = -,321 Solventes = 11,176 PEREIRA desenvolveu sua dissertação de mestrado utilizando a análise discriminante, chegando a um modelo semelhante aos modelos de ALTMAN, KANITZ, ELIZABETSKY e MATIAS. PEREIRA chegou a seguinte equação: Z =,722 5,124(E23) + 11,16(L19),342(L21),48(L26) + 8,65(R13),4(R29) Z = total de pontos obtidos E23 = Duplicatas Descontadas / Duplicatas a Receber L19 = Estoque (Final) / Custo das Mercadorias Vendidas L21 = Fornecedores / Vendas L26 = Estoque Médio / Custo das Mercadorias Vendidas R13 = Lucro Operacional + Despesas Financeiras / Ativo Total Investimento Médio R29 = Exigível Total / (Lucro Líquido +,1 Imobilizado Médio + Saldo Devedor 2 da Correção Monetária) O ponto crítico desse modelo é zero. SILVA (1983) realizou um teste comparativo com estes cinco modelos, as conclusões estão expostas no quadro a seguir: 2 No caso de saldo credor, o sinal deverá ser negativo.

10 MODELO % Empresas solventes classificadas corretamente pelo modelo % Empresas insolventes classificadas corretamente pelo modelo KANITZ 8% 68% ALTMAN 83% 77% ELIZABETSKY 74% 63% MATIAS 7% 77% PEREIRA 9% 86% Quadro 3. Comparativo de diversos modelos de previsão de insolvência com base na análise discriminante Fonte: MATARAZZO (23) 3. A ANÁLISE DISCRIMINANTE A análise discriminante caracteriza a relação entre um grupo de variáveis independentes com uma MATIAS (1978) descreve a análise discriminante como um conjunto de técnicas cuja finalidade é a alocação de um elemento em uma de K populações previamente conhecidas, supondo que este elemento pertença a uma delas. Através de sua aplicação podemos identificar se uma empresa pertence ao grupo de solventes ou insolventes. Segundo DOWING E CLARK (1999) na análise discriminante linear pressupõe-se que, a relação entre a variável dependente y e as m 1 variáveis independentes x1, x2,...xm-1, é dada pela seguinte equação: yi = B1xi1 + B2xi2 + + Bm-1xm-1 + Bm + e yi = imo valor da variável dependente; Bij = ima observação da jma ; e = variável aleatória normal com média e δ2 desconhecida. 4. AMOSTRAGEM DESTE TRABALHO Para a construção de um modelo de previsão de insolvência são necessários dois grupos distintos, um grupo de empresas solventes e um grupo de empresas insolventes, a saber: Empresas insolventes: são aquelas que sofreram processo de falência decretada e/ou concordata requerida ou deferida, caracterizando assim que a empresa foi incapaz de saldar suas obrigações;

11 NÚMERO DE EMPRESAS Empresas solventes: são aquelas que se encontram em atividade e desfrutam de pleno crédito bancário; Para compor a amostragem coletamos um histórico de 12 anos de falências e concordatas na capital e no estado de São Paulo, estudo este elaborado pelo Instituto de Economia Gastão Vidigal da Associação Comercial de São Paulo. A figura 3.4 apresenta graficamente as insolvências ocorridas na capital no período de 1993 a 23. INSOLVÊNCIAS EM SÃO PAULO Indústria Comércio Serviços ANO Gráfico 1. Insolvências em São Paulo Fonte: Instituto de Economia "Gastão Vidigal" Optamos por analisar o período de 21 a 23, neste período foram registrados 2825 casos de insolvências na capital paulista, sendo 541 casos referente a empresas industriais. A amostragem deste trabalho foi baseada na fórmula para determinação de amostras para populações finitas, conforme BERENSON e LEVINE (1999), a saber: n = n N n + (N 1) (Z) 2 (δ) 2 n = (e) 2 Z = 1,96 (Nível de confiança desejado) e = 5 (Erro amostral aceitável) N = 541 (Tamanho da população) δ =13,2 (Desvio-padrão populacional) Sendo assim o tamanho da amostra de empresas industriais insolventes com 95% de confiança é de 26 empresas insolventes.

12 Para a construção do modelo precisaremos compor nossa base de dados com índices financeiros de 26 empresas insolventes, e igual número de empresas solventes que façam par com o grupo de empresas insolventes, totalizando 52 empresas. Exigiu-se que as demonstrações financeiras das empresas insolventes fossem relativas ao exercício anterior ao estado de insolvência, sendo assim nosso modelo possui a capacidade preditiva do estado de insolvência com um ano de antecedência, no caso das demonstrações financeiras das empresas solventes exigiu-se que as mesmas correspondessem ao mesmo período da empresa insolvente par. O quadro a seguir apresenta a descrição do ramo das empresas insolventes que foram utilizadas para compor a amostragem. RAMO Adubo Orgânico 1 1 Artefatos de Borrachas 1 1 Artefatos de Papel 4 4 Auto Peças 2 2 Componentes Eletr. 1 1 Embalagens Plast Empreiteira 2 2 Equipamentos de Inf Lacticínios 1 1 Material Elétrico 1 1 Pisos e Azulejos 1 1 Produtos Alimentares Tapetes e Carpetes 1 1 Têxtil 2 2 Diversos Total Global Quadro 4. Empresas insolventes industriais por ramo 5. RESULTADOS E DISCUSSÃO De posse dos demonstrativos financeiros das empresas insolventes, procuramos para cada uma delas uma empresa solvente que possuísse características similares. Sendo assim iniciamos a comparação por setor de atividade, e em seguida por seu porte econômico. O próximo passo foi o de selecionar os indicadores e testá-los, buscando assim identificar quais são os indicadores que melhor caracterizam o T O T A L

13 estado de solvência e insolvência. Nossa análise inicial contou com quatorze indicadores. Após testarmos trinta e cinco possíveis combinações dentre os indicadores, finalizamos o modelo com cinco. Os indicadores foram selecionados com base na análise de covariância das médias dos indicadores das empresas de ambos os grupos, foram testados os indicadores que apresentavam maior covariância negativa. A covariância é obtida através da seguinte fórmula: 5.1 Teste F cov(x,y) = Σ (xi μx)(yi μy) Para testarmos a relação entre as variáveis dependentes e independentes de nosso modelo formulamos a seguinte hipótese nula. H: B1 = B2 =... Bm-1 = Tal hipótese afirma de que não há qualquer relação entre as variáveis dependentes e independentes do modelo, sendo assim o valor de todas as m 1 variáveis é zero. Para testarmos esta hipótese recorremos à estatística F, o resultado é a apresentado na tabela ANOVA a seguir. ANOVA gl SQ MQ F Regressão 5 5,831 1,166 7,482 Resíduo 46 7,169,156 Total Quadro 5. Tabela ANOVA O valor de F é obtido através da fórmula a seguir: SQREG m 1 F = SQE n - m Em nosso modelo o valor de F é de 7,482, superior a 4,46 (valor crítico de 95% para uma distribuição F com 5 e 46 graus de liberdade, conforme apêndice IV). Sendo assim, podemos rejeitar com segurança a hipótese nula.

14 5.2 Grau de precisão do modelo Depois de auferida a equação discriminante, testamos o modelo em todas as empresas pertencentes à pesquisa e comparamos a classificação apresentada pelo modelo com a classificação original das empresas dos dois grupos. O modelo classificou corretamente 83% das empresas pertencentes à pesquisa. 5.3 Apresentação do modelo ORIGINAL CLASSIFICAÇÃO Insolven Solvent tes es Total Insolventes Solventes Acerto 73% 92% 83% Quadro 6. acerto através do modelo O Industrial Risk Score Model é representado pela seguinte equação: Z = 1,6727 +,2717X1,1431X2,1895X3 +,291X4 +,167X5 Z = Pontuação obtida através do modelo X1 = Disponível + Títulos a receber + Outros + Ativos de rápida conversibilidade /Passivo circulante X2 = Passivo circulante + Exigível a longo prazo / Passivo total X3 = Vendas líquidas / Ativo total X4 = Lucro Líquido / Receita líquida de vendas X5 = Ativo circulante Passivo Circulante / Ativo Total O ponto crítico do modelo é, abaixo disso a empresa estará insolvente; acima, solvente. Veja o quadro abaixo SOLVENTE PONTO CRÍTICO INSOLVENTE Quadro 7. Escala de pontuação do Industrial Risk Score Model

15 6. CONCLUSÕES Através desta pesquisa confirmamos de que as informações contidas nos demonstrativos contábeis de empresas industriais permitem classificar com alto grau de precisão empresas insolventes e solventes. A aplicação deste modelo mostra-se eficaz na previsão de insolvência de empresas industriais, com um ano de antecedência. Vale ressaltar de que sua aplicação não substitui a análise financeira tradicional, porém a complementa com informações valiosas e seguras para anteciparem situações de desequilíbrio financeiro. O modelo possui aplicação gerencial e acadêmica; gerencial no sentido de prover subsídios à tomada de decisões de crédito por parte de instituições financeiras à empresas industriais, bem como aos gestores de empresas industriais na previsão de riscos financeiros futuros; na área acadêmica sua aplicação prove subsídios ao estudo de Administração Financeira e Estatística abordados nos cursos de Administração, Ciências Contábeis, Estatística e Economia. REFERÊNCIAS ALTMAN, E. I. Predicting Financial Distress of Companies: Revisiting the Z-Score and Zeta Models New York 2 BERENSON, M. L., LEVINE D. M., Basic Business Statistics, Seventh Edition: Prentice Hall New Jersey 1999 DIETRICH, J. R. Discussion of Methodological Issues Relation to the Estimation of Financial Distress Prediction Models. Journal of Accounting Research, supplement GITMAN, L. J., Princípios de Administração Financeira Essencial, 2ª Edição Porto Alegre: Editora Bookman 21 DOWING, D., CLARK J., Estatística Aplicada, Série Essencial São Paulo: Editora Saraiva 1998 KASSAI, J. R., KASSAI, S. Desvendando o Termômetro de Insolvência de Kanitz. São Paulo:FEA/USP - MATARAZZO, D.C., Análise financeira de balanços: abordagem básica e gerencial, 6a Edição. São Paulo, Atlas 23 MATIAS, A. B., Contribuição às técnicas de análise financeira: Um modelo de concessão de crédito, monografia apresentada à FEA/USP em dezembro de 1978, Insucesso de grandes bancos nacionais de varejo, Tese de livre docência apresenta à FEA/USP, São Paulo 1999, Entrevista concedida. Ribeirão Preto 23 MATIAS, A.B., Equipe de Professores e Pós Graduandos da FEARP/USP. Gestão financeira do capital de giro, Ribeirão Preto 24

16 SILVA, J.P., Análise Financeira das Empresas, 3ª Edição São Paulo Atlas 1996, Gestão e análise de risco de crédito. São Paulo: Atlas, 1998.