fórum • PREVENDO A INSOLVÊNCIA DE OPERADORAS DE PLANOS DE SAÚDE

PREVENDO A INSOLVÊNCIA DE OPERADORAS DE

PLANOS DE SAÚDE
PREDICTING HEALTH PLAN INSOLVENCY

resumo
Dada a relevância das operadoras de planos de saúde na prestação de serviços de saúde e sua grande im-
portância para clientes individuais e empresariais, assim como para profissionais e empresas prestadoras
de serviços de saúde, é importante antecipar a capacidade financeira das operadoras que efetivamente
cumprir suas obrigações contratuais (prover serviços a clientes, pagar prestadores). Para isso, desenvol-
vemos um modelo de previsão de insolvência específico para operadoras de planos de saúde. Por meio
de uma regressão logística sobre 17 indicadores financeiros de cerca de 600 operadoras brasileiras de
planos de saúde, desenvolvemos um modelo capaz de prever a insolvência de uma operadora após um
ano, e analisamos a precisão desse modelo específico em comparação com a de um modelo geral bas-
tante popular, o escore Z” de Altman.

André Luiz de Souza Guimarães

Administrador do Banco Nacional de Desenvolvimento Econômico e Social – RJ, Brasil
alsguimaraes@[Link]

Washington Oliveira Alves

Especialista em Regulação da Agência Nacional de Saúde Suplementar – RJ, Brasil
[Link]@[Link]

Recebido em 31.03.2008. Aprovado em 08.07.2009

Avaliado pelo sistema double blind review
Editores Científicos: Organizadores do Fórum

abstract Given the relevance of health plans in the provision of healthcare and their high importance for individual and business customers,
as well as healthcare professionals and companies, it is important to predict financial capacity of health plans to effectively fulfill their obliga-
tions. We develop an insolvency prediction model specific for health plans. Through a logistic regression of 17 financial measures of around 600
Brazilian health plan carriers, we develop a one-year insolvency prediction model, and its accuracy is analyzed and contrasted to that of a generic
corporate model, Altman’s Z” score.

palavras-chave Insolvência, gestão da saúde, planos de saúde, capacidade financeira em saúde, regressão logística.
keywords Insolvency, healthcare management, health plans, healthcare financial capacity, logistic regression.

ISSN 0034-7590 459-471 • out./dez. 2009 • n. 4 • v. 49 • São Paulo • © RAE • 459

 fórum • PREVENDO A INSOLVÊNCIA DE OPERADORAS DE PLANOS DE SAÚDE

INTRODUÇÃO ruína. Primeiro, apresentamos e justificamos a escolha de

uma regressão logística para desenvolver um modelo de
Em entrevista à Gazeta Mercantil de 21 de janeiro de 2005, avaliação de risco de insolvência específico para a saúde
Fausto Pereira dos Santos, presidente da Agência Nacional suplementar. Em seguida, apresentamos uma visão geral
de Saúde Suplementar (ANS), órgão responsável pela re- e uma análise dos estudos mais recentes sobre insolvência
gulação do mercado brasileiro de planos de saúde, afirmou em operadoras de planos de saúde. Na seção seguinte, ela-
que cerca de 300 operadoras de planos de saúde (OPS) boramos a metodologia utilizada, descrevendo a amostra,
enfrentam dificuldades financeiras significativas. Esse ce- os ajustes efetuados, as variáveis utilizadas e o método de
nário, de certa forma, passou a ficar mais evidente após análise empregado. A quinta seção apresenta o modelo de
a efetiva regulação do setor, depois da Lei nº 9.656/98; regressão logística para prever a insolvência de uma OPS
entretanto, não é tão diferente da situação vivenciada por em um ano. Na sexta seção, esse modelo é discutido, va-
outros sistemas privados de saúde no mundo. De 1980 a lidado e comparado ao escore Z” de Altman – um modelo
1990, 180 OPS quebraram (CHRISTIANSON, WHOLEY geral bem conhecido e amplamente utilizado. A seção 7
e outros, 1991) nos Estados Unidos. No fim dos anos apresenta as conclusões do estudo, ressaltando o valor do
1990, por exemplo, hospitais e médicos de Nova Jersey desenvolvimento de um modelo específico, para estimar
sofreram perdas de cerca de US$ 150 milhões de dólares a probabilidade de insolvência, em um ano, de uma OPS.
com a quebra de duas OPS.
Considerando o forte aumento nos custos da saúde e
o aumento da utilização dos serviços devido ao envelhe- REVISÃO DA LITERATURA
cimento da população (que não são necessariamente os
principais motivos do crescimento da insolvência de OPS, Esta seção revê a literatura relevante sobre a previsão de
mas dificultam sua reversão), essa tendência de crescimen- insolvência de operadoras de planos de saúde. Após a
to da insolvência de OPS está longe de mudar, e é prudente primeira análise dos métodos estatísticos mais utilizados
estar atento à saúde financeira das OPS, principalmente para desenvolver modelos de previsão de insolvência, dis-
ao considerar os impactos econômicos e sociais da insol- cutimos obras que têm investigado o problema da mode-
vência nas famílias atendidas por empresas insolventes lagem da probabilidade de dificuldades financeiras para
ou à beira da insolvência. empresas que comercializem planos de saúde. Importante
Embora existam alguns estudos de previsão de insol- notar que em toda a literatura sobre previsão de insolvên-
vência de empresas de planos de saúde, os modelos ante- cia os autores têm utilizado vários termos para se referir
riores baseiam-se fundamentalmente nas características ao mesmo problema fundamental: a incapacidade de hon-
do plano, do mercado e da regulação, não incluindo uma rar as obrigações. Para efeito do presente estudo, os ter-
ampla variedade de indicadores financeiros. Este estudo mos: insolvência, quebra, ruína, falência e liquidação são
toma um caminho diferente, partindo de um conjunto equivalentes. Finalmente, fazemos uma breve introdução
completo de indicadores financeiros de operadoras de à metodologia CAP – cumulative accuracy profile – utili-
plano de saúde brasileiras, para os anos de 2004 a 2008; zada nesse estudo para a comparação do desempenho de
identificando aqueles indicadores mais significativos na dois modelos de previsão de insolvência.
análise da solvência de uma operadora, e desenvolven-
do um modelo de regressão logística capaz de estimar
a probabilidade de insolvência em um ano (PI) de uma ESTUDOS DE PREVISÃO DE INSOLVÊNCIA
operadora de plano de saúde. O desempenho do modelo
desenvolvido é comparado ao desempenho do conhecido Os estudos de previsão de insolvência têm uma longa tra-
modelo de previsão de insolvência aplicado a empresas dição, que remonta ao final dos anos 1930 (FITZPATRICK,
abertas de qualquer setor – o escore Z” de Altman – a fim 1932), e trabalhos empíricos na década de 1960, com as
de se avaliar a importância de um modelo específico para seminais obras de Beaver (1966) e Altman (1968), que
OPS em face de um modelo genérico. desenvolveram modelos univariados e multivariados de
A análise é realizada com base em uma amostra de 706 previsão de insolvência, utilizando um conjunto de indi-
OPS brasileiras referentes a 2004, inclusive 28 insolventes cadores financeiros. Beaver (1966) utilizou um teste de
(que se tornaram insolventes em 2005). Seguindo essa classificação dicotômica para determinar as margens de
breve introdução, a próxima seção apresenta uma revisão erro que o investidor apuraria quando classificasse as em-
da literatura relevante sobre metodologias de previsão de presas, com base em indicadores financeiros individuais,

460 • © RAE • São Paulo • v. 49 • n.4 • out./dez. 2009 • 459-471 ISSN 0034-7590
 André Luiz de Souza Guimarães • Washington Oliveira Alves

como insolventes ou solventes. Ele utilizou uma amostra Apesar do baixo desempenho do modelo, Ohlson apre-
pareada que combinava 14 indicadores financeiros de 158 sentou fortes argumentos em favor da regressão logística
empresas (79 insolventes e 79 solventes). em face da AMD. Do ponto de vista estatístico, a regressão
A fim de resolver os problemas verificados na análise logística se adapta bem às características dos modelos de
univariada de Beaver (1966), Altman (1968) utilizou a previsão de insolvência, nos quais a variável dependente
análise discriminante múltipla (AMD, em inglês: multiple é dicotômica (solvente/insolvente) e onde os grupos são
discriminant analysis – MDA) e avaliou um perfil finan- discretos, não se sobrepõem e são identificáveis. Além
ceiro mais completo de 66 fábricas (33 solventes e 33 in- disso, um modelo logit retorna uma pontuação que varia
solventes) que apresentaram pedido de falência entre os entre zero e um, e reflete de forma conveniente a probabi-
anos de 1946 e 1965. Altman examinou 22 indicadores lidade de insolvência da empresa. Por fim, os coeficientes
financeiros potencialmente relevantes em cinco catego- estimados podem ser interpretados como a importância
rias – liquidez, rentabilidade, alavancagem, solvência e ou contribuição de cada uma das variáveis independentes
atividade – e desenvolveu um modelo composto por cin- para a explicação da variável dependente (a probabilida-
co variáveis que, em conjunto, apresentavam o melhor de estimada de insolvência). Após o trabalho de Ohlson
poder de previsão de insolvência das empresas analisadas. (1980), muitos trabalhos acadêmicos passaram a utilizar
Após o estudo de Altman, a análise múltipla de discri- modelos de regressão logística para prever insolvências
minantes tornou-se o método estatístico mais utilizado no (ALTMAN e SABATO, 2007).
desenvolvimento de modelos de previsão de insolvência. Vale ressaltar que o modelo de escore Z de Altman
No entanto, na maioria dos estudos posteriores ao trabalho (ALTMAN, 1968; ALTMAN, HALDEMAN e outros,
inicial de Altman, os autores apontam alguns problemas 1977; ALTMAN, BAIDYA e outros, 1979; ALTMAN e
com a AMD (ALTMAN e SABATO, 2007). Primeiro, dois HOTCHKISS, 2006) ainda é amplamente utilizado, sendo
pressupostos básicos da AMD são frequentemente violados possivelmente um dos modelos mais difundidos. Neste
quando aplicados a problemas de previsão de insolvência: estudo, adotamos a variante do modelo de Altman conhe-
como a normalidade multivariada e a igualdade de variâncias cida como Z”, que estima a probabilidade de uma empresa
e covariâncias. Além disso, em alguns modelos da AMD, os privada não manufatureira tornar-se insolvente no período
coeficientes normalizados não podem ser interpretados como de um a dois anos. O modelo também foi aplicado com
as “inclinações” de uma equação de regressão e, portanto, sucesso a mercados emergentes (ALTMAN, HARTZELL
não indicam a importância relativa das diferentes variáveis. e outros, 1995, 1997), e é calculado a partir da fórmula:
Considerando as dificuldades associadas à AMD, Z” = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4, onde: X1 = capi-
Ohlson (1980) desenvolveu o primeiro modelo de regres- tal de giro/ativo total; X2 = lucros acumulados/ativo to-
são logística condicional para previsão de insolvência. Os tal; X3 = Lucro antes de impostos e taxas/ativo total; e X4
benefícios práticos da regressão logística são hipóteses me- = patrimônio líquido/ativo total. Nesse modelo, valores
nos restritivas que as da AMD e um método que permite abaixo de 1,1 indicam alto risco de insolvência, e valo-
trabalhar com amostras desproporcionais ou não parea- res acima de 2,6 indicam um baixo risco de insolvência,
das (não requer que o número de empresas insolventes enquanto valores entre 1,1 e 2,6 representam uma área
na amostra seja igual ao número de empresas solventes). cinzenta (incerteza).
Ohlson utilizou uma série de dados coletados do banco de
dados Compustat, que incluía 105 empresas insolventes e Estudos de insolvência de empresas de planos de
2.058 empresas solventes, com dados de 1970 a 1976. Sua saúde
análise levou em consideração 7 indicadores financeiros A literatura especializada nacional carece de modelos de
frequentemente citados na literatura (Log [ativo total], previsão de insolvência com foco em operadoras de planos
exigível total/ativo total, capital de giro/ativo total, liqui- de saúde. A literatura internacional, por sua vez, concen-
dez corrente, lucro líquido/ativo total, receita operacional/ tra-se nas health maintenance organizations (HMOs) dos
exigível total, e um outro indicador de nível de lucrativi- Estados Unidos, que – como observado pelos revisores
dade), e 2 variáveis binárias (se houve resultado líquido anônimos – apresentam peculiaridades no seu funcio-
negativo durante os dois últimos anos; e se o patrimônio namento em relação às OPS brasileiras, embora ambas
líquido é negativo). No entanto, o grau de acerto da clas- as modalidades provejam acesso a tratamento de saúde.
sificação do modelo de Ohlson foi inferior ao relatado em Entretanto, mesmo consideradas as diferenças estruturais
estudos anteriores baseados na AMD (ALTMAN, 1968; entre OPS e HMOs e as políticas públicas de saúde dos
ALTMAN, HALDEMAN e outros, 1977). dois países, a revisão da literatura internacional ainda é

ISSN 0034-7590 459-471 • out./dez. 2009 • n. 4 • v. 49 • São Paulo • © RAE • 461

 fórum • PREVENDO A INSOLVÊNCIA DE OPERADORAS DE PLANOS DE SAÚDE

informativa, pois: 1) mostra que estudos desta natureza empresas. Por outro lado, a concorrência entre médicos,
têm uma tradição já bem conhecida, e 2) auxilia na identi- o percentual da população coberta por OPS e as poucas
ficação de variáveis que possam confirmar sua capacidade restrições para contratação demonstraram-se negativa-
preditiva no contexto brasileiro. mente relacionados com a saída das empresas.
Hillman, Pauly e Kerstein (1989), estudando empre- Ahern (1991), analisando a experiência de insolvên-
sas de planos de saúde em operação em 1986, estima- cia de OPS na Flórida, afirmou que muitas falências são
ram o ponto de equilíbrio, ou break-even, de uma OPS causadas por gestões amadoras e intensa competição de
por meio de regressão logística. Descobriram que duas preços por uma maior participação de mercado. Ela tam-
variáveis de incentivo financeiro estavam positivamente bém tentou avaliar a capacidade preditiva dos indicado-
relacionadas ao ponto de equilíbrio das empresas: a ex- res financeiros estimando uma regressão entre os índices
posição dos médicos ao custo dos exames de pacientes financeiros e a rentabilidade das empresas. Verificou que
em consulta e a dependência do médico em relação à índices como o endividamento e o percentual de despe-
OPS (medida como percentagem de pacientes dos mé- sas administrativas em relação às despesas totais eram
dicos cobertos por uma OPS). A idade e o número de positivamente associados à rentabilidade, enquanto a si-
beneficiários também estavam positivamente relaciona- nistralidade, a liquidez e a alavancagem demonstraram-se
dos ao ponto de equilíbrio, enquanto a forma organiza- negativamente associadas à rentabilidade.
cional de associações de prática independente (na qual Ambrose & Drennan (1994) desenvolveram um mo-
os prestadores são contratados de forma independente, delo logit para estimar a insolvência de uma OPS, focan-
sem vínculo trabalhista) estava negativamente relacio- do as características observáveis dos planos, da região de
nada ao ponto de equilíbrio. atuação e do ambiente regulatório. Assumindo a igualda-
Stone e Heffernan (1989) relataram e analisaram os de de erros, o seu modelo previu corretamente a situação
resultados de uma pesquisa realizada em 1988 por um de solvência de aproximadamente 75% das operadoras
grupo de trabalho da National Association of Insurance da amostra. No entanto, a validação do modelo em outra
Comissioners (NAIC) – Associação Nacional das Agências amostra não foi testada.
Reguladoras de Seguros dos Estados Unidos – dedicado Ahern e seus co-autores (AHERN, ROSENMAN e ou-
ao estudo de insolvência, em que os reguladores foram tros, 1996) analisaram as OPS da Flórida, e seu ambiente
convidados a apresentar os principais motivos de insol- competitivo entre 1991-1993. Entre as variáveis estuda-
vência de OPS. As razões mais frequentemente citadas por das estavam a natureza dos acionistas (hospital, médico,
ordem decrescente de importância foram: falta de capital seguradoras, empresas), sua natureza jurídica (com e sem
inicial e patrimônio, falta de controle de utilização dos fins lucrativos), modalidade (autogestão, de grupo/rede,
serviços, preços inadequados, insuficiência de capital associações de prática independente, misto), tempo de
permanente e lucro, além de uma estimativa inadequada plano (para refletir experiência), razão entre médicos ge-
de sinistros ocorridos e não avisados. Stone e Heffernan neralistas e especialistas, concorrência (número de OPS
traçaram o perfil de uma operadora insolvente como uma na área de cobertura), taxa de ocupação hospitalar, carac-
associação de prática independente com fins lucrativos, terísticas da população na área coberta (inclusive a den-
em operação há menos de três anos e com menos de 17 sidade populacional e o número de habitantes acima de
mil beneficiários. 65 anos) e a quantidade de médicos per capita na área de
Wholey, Christianson e Sanchez (1990) examinaram cobertura. Eles encontraram indícios de que a proprieda-
a relação entre regulação estadual e o desenvolvimento de, a modalidade, e a natureza jurídica afetam a eficiência
de OPS em cada estado americano, no período de 1979 a da OPS na prestação de serviços de saúde, principalmente
1987. Verificaram a relação entre a probabilidade de saída pela alteração das diárias hospitalares.
de uma OPS das áreas metropolitanas e o número real de Feldman, Wholey e Christianson (1996) analisaram
saídas em função da regulação estatal, das características dados de todas as OPS em operação nos Estados Unidos
da comunidade e do efeito da concorrência. Os resulta- entre 1986 e 1993, e constataram que 80 OPS passaram
dos demonstraram que regulamentações que exigem que por fusões e 149 haviam falido durante esse período.
os empregadores contratem planos de saúde, as regras de Desenvolveram um modelo logit, incluindo variáveis de
exigências de qualidade, tamanho da comunidade e dos mercado e a regulação antitruste, para prever se uma OPS
empregadores, e o aumento da concorrência a partir de iria se fundir e sobreviver, fundir e desaparecer ou falir em
um número maior de OPS operando na mesma região me- relação à probabilidade de qualquer outro evento. Seus
tropolitana relacionam-se positivamente com a saída de resultados indicam que o tamanho da carteira de benefici-

462 • © RAE • São Paulo • v. 49 • n.4 • out./dez. 2009 • 459-471 ISSN 0034-7590
 André Luiz de Souza Guimarães • Washington Oliveira Alves

ários e a rentabilidade ajudam a explicar as fusões e ruínas do controle externo, nem sempre os dados são confiáveis.
de OPS, e que as empresas grandes e lucrativas têm mais Outra vantagem importante dos indicadores econômico-
probabilidade de sobreviver em uma fusão. financeiros, além da disponibilidade dos dados e relação
O presente estudo tem como foco a previsão de insol- direta com a questão de estudo, é que sua interpretação
vência em um ano de uma OPS com base em indicado- é objetiva e bem conhecida, o que torna sua aplicação
res financeiros. Vale notar que a literatura avaliada sobre acessível a um público maior.
previsão de insolvência de OPS oferece poucos estudos
baseados em dados contábeis e medidas financeiras. A metodologia Cumulative Accuracy Profile (CAP)
Alguns analistas (AHERN, 1991) opinaram contra o uso A CAP é uma metodologia de avaliação bastante utilizada
de indicadores financeiros como o único instrumento de atualmente para medir o desempenho de um sistema de
previsão de insolvência em virtude da falta de confiabi- classificação de risco de crédito. Para isso, os percentuais
lidade das informações. No entanto, qualquer variável acumulados de contratos por classificação de risco são plo-
está sujeita à falta de confiabilidade das informações, não tados contra os percentuais acumulados de inadimplentes
somente a financeira. De fato, as variáveis financeiras po- em uma curva de Lorenz, com o objetivo de visualizar a
dem, em certos casos, ser mais precisas que outros tipos acurácia da classificação. A curva foi desenvolvida por
de variáveis porque estão sujeitas à auditoria externa e ao Max Lorenz e representa graficamente a proporcionali-
controle de vários interessados, como: acionistas, regula- dade de uma distribuição.
dores e consumidores. Isso não quer dizer que não possa Para construir a curva de Lorenz, as observações são
haver inconsistências em dados financeiros, ou que esses ordenadas da maior para a menor probabilidade de insol-
dados são necessariamente melhores, ou que não estejam vência (ou do menor para o maior escore Z”, por exem-
sujeitos a fraudes. Como alguns casos de grande reper- plo). Se a classificação de insolvência é aleatória, a curva
cussão na mídia (Enron, Worldcom) corroboram, apesar deverá se aproximar da diagonal, e o coeficiente de Gini

Figura 1 – A curva de Lorenz (CAP) e o coeficiente de Gini (AR)

Inadimplência
Agregada
Percentual da população inadimplente

Razão de Acurácia:
AR = B (A + B)

Percentual da população classificada

Fonte: Elaboração própria, a partir de Zazzarelli (2007).

ISSN 0034-7590 459-471 • out./dez. 2009 • n. 4 • v. 49 • São Paulo • © RAE • 463

 fórum • PREVENDO A INSOLVÊNCIA DE OPERADORAS DE PLANOS DE SAÚDE

– que é a estatística de resumo da curva de Lorenz – deve de contas contábil uniforme que deve ser adotado por
ser igual a zero. Um modelo perfeito de classificação de todas as empresas. Além disso, a ANS dá publicidade aos
risco tem o coeficiente de Gini igual a 1. demonstrativos financeiros e outras informações cadas-
Com base na curva da Figura 1, o coeficiente de Gini trais apresentadas pelas OPS brasileiras (ANS, 2006). Os
– também chamado de accuracy ratio (AR), ou razão de dados disponíveis sobre mais de 1.000 OPS, com cober-
acurácia – é calculado pela divisão da área B pela área do tura razoavelmente uniforme (isto é, compreendendo um
triângulo (A+B). Em outras palavras, o coeficiente de Gini rol mínimo de procedimentos determinado pela ANS) e
capta o quanto a acurácia da classificação de risco diverge seguindo os mesmos padrões de contabilidade, são bas-
de um cenário aleatório, ou ainda a capacidade do mode- tante adequados à análise aqui proposta. A partir desses
lo em maximizar a distância entre clientes inadimplentes dados, selecionamos apenas empresas que oferecem pla-
e adimplentes. nos de assistência médica e hospitalar, deixando de lado
Na prática, as razões de acurácia típicas de sistemas de aproximadamente 300 empresas dedicadas a planos ex-
classificação de crédito encontram-se entre 50% e 90%, clusivamente odontológicos. Essa restrição foi imposta,
mas, além disso, pouco se pode dizer sobre a acurácia que principalmente, para permitir uma melhor comparabili-
um bom sistema deveria atingir (LOEFFLER e POSCH, dade dos dados em nossa amostra.
2007, p. 155). O sistema de classificação de crédito da Antes da análise estatística, verificamos a consistência
Moody’s, por exemplo, reporta uma razão de acurácia dos dados. Observações que impossibilitavam o cálculo
média de 74% na América Latina, e 85% globalmente de indicadores financeiros ou que apresentavam valores
(ZAZZARELLI, 2007). extremos foram descartadas. Por fim, por ser desneces-
Neste estudo, fazemos uma breve introdução à meto- sário prever a insolvência de empresas que já se apresen-
dologia CAP. Outros autores (KEENAN e SOBEHART, tam como insolventes (com patrimônio líquido menor
1999; SOBEHART, KEENAN e STEIN, 2000; SOBEHART ou igual a zero), esses casos foram retirados de ambas as
e KEENAN, 2001; ENGELMANN, HAYDEN e TASCHE, amostras (tanto de desenvolvimento quanto de validação
2003; ENGELMANN, HAYDEN, TASHCE e outros, 2003; do modelo). A amostra resultante – compreendendo 17
SÁ FREIRE FILHO, BRANDI e outros, 2004; BASLE indicadores financeiros e 597 OPS – é descrita na Tabela
COMMITTEE ON BANKING SUPERVISION, 2005) 1. Vale notar que o tamanho da amostra e o número de
abordam mais detalhadamente a metodologia CAP, com- observações por variável dependente excedem o míni-
parando-a, inclusive, com outros modelos, como a curva mo recomendado de 100 e 10 casos, respectivamente
ROC (receiver operating characteristic). (HARRELL, LEE e outros, 1984).

METODOLOGIA ANÁLISE DOS DADOS

Esta seção utiliza dados financeiros de OPS em 2004 e Variável dependente

seu estado de solvência em 2005 (solvente = 0, insolven- Neste estudo, considera-se a empresa insolvente quando
te = 1), a fim de desenvolver um modelo de regressão o valor de seu patrimônio líquido, após um ano, é inferior
logística para estimar a probabilidade de insolvência de ou igual zero. Assim, a amostra utilizada para a constru-
uma OPS em um ano. O modelo desenvolvido é valida- ção do modelo baseia-se nos dados financeiros referentes
do numa amostra referente aos dados de OPS em 2005 e a 2004, e o estado de solvência ou insolvência (respectiva-
seu estado de solvência em 2006. Finalmente, o desem- mente, 0 e 1) em 2005, enquanto a amostra utilizada para
penho do modelo é comparado com o de um modelo de a validação do modelo baseia-se nos dados financeiros de
previsão de insolvência geral bastante difundido – o es- 2005, e seu estado de solvência ou insolvência em 2006.
core Z” de Altman.
Variáveis independentes
Amostra e ajustes Existe um grande número de possíveis indicadores cita-
As OPS brasileiras cobrem mais de 40 milhões de indi- dos na literatura como úteis para prever dificuldades fi-
víduos. Esse mercado é regulado pela Agência Nacional nanceiras. Seguindo Altman & Sabato (2007), iniciamos
de Saúde Suplementar (ANS). Os normativos vigentes nossa análise com cinco categorias de indicadores con-
estabelecem, entre outras coisas, a cobertura mínima que tábeis que descrevem os principais aspectos da situação
todas as OPS devem oferecer a seus clientes e um plano econômico-financeira de uma empresa: liquidez, renta-

464 • © RAE • São Paulo • v. 49 • n.4 • out./dez. 2009 • 459-471 ISSN 0034-7590
 André Luiz de Souza Guimarães • Washington Oliveira Alves

bilidade, alavancagem, cobertura e atividade. Cada uma Anderson, Tatham e Black (2005, p. 260-266), e um trata-
das cinco categorias contém uma série de indicadores mento mais detalhado em Hosmer e Lemeshow (1989). A
financeiros identificados na literatura como sendo mais seleção escolhida foi a backward stepwise (em detrimento
bem-sucedidos na previsão de dificuldades financeiras da forward stepwise, de modo a evitar efeitos supressores),
(ver Quadro 1). Um aprofundamento sobre a interpretação deixando no modelo as variáveis com alfa abaixo de 0,05 e
dos indicadores listados acima está fora do escopo deste retirando do modelo as variáveis com alfa superior a 0,1.
trabalho, mas os interessados encontrarão amplo mate- O modelo resultante (ver estatísticas na Tabela 2, e um
rial em textos especializados em administração financeira resumo prático do modelo no Quadro 2) identificou três
(ROSS, WESTERFIELD e outros, 2002; GITMAN, 2004). variáveis que, em conjunto, prevêem melhor a insolvência
A fim de evitar a multicolinearidade dos dados, que das OPS, com um ano de antecedência.
poderia afetar negativamente o modelo logístico binário, O sinal das três variáveis no modelo segue as expec-
as variáveis que apresentaram correlação muito alta (aci- tativas, verificando-se uma relação positiva entre a situa-
ma de 0,80) foram retiradas da análise. ção de insolvência e os indicadores LnV01 – Ln(Passivo
Circulante / Patrimônio Líquido) – e V13 (Receita Total/
Ativo Total), e uma relação negativa entre o indicador
RESULTADOS V09 (Resultado Líquido/Ativo Total) e a situação de in-
solvência, além disso o teste Wald para cada um dos pre-
Regressão logística ditores é estatisticamente significativo, o que quer dizer
Em seguida, aplicamos uma regressão logística binária. que os coeficientes são significativamente diferentes de
Para uma introdução ao modelo logístico, ver Hair Jr., zero. Além disso, o teste da razão das verossimilhanças

Tabela 1 – Estatística descritiva

CÓDIGO VARIÁVEL SOLVENTES INSOLVENTES
(N=570) (N=27)
MÉDIA DESVIO MÉDIA DESVIO
PADRÃO PADRÃO
V01 Passivo Circulante / Patrimônio Líquido 1,9896 2,6919 11,2558 27,4297
V02 Patrimônio Líquido / Exigível Total 1,0575 1,2160 ,3555 ,6069
V03 Exigível Total / Ativo Total ,5895 ,2103 ,7987 ,1870
V04 Patrimônio Líquido / Ativo Total ,1116 ,1485 ,0955 ,1786
V05 Disponível / Ativo Total ,1250 ,2527 -,0796 ,2939
V06 Capital de Giro / Ativo Total ,0959 ,2847 ,0472 ,0967
V07 Disponível / Receita Total ,4920 ,3315 ,4967 ,4037
V08 Resultado Antes de Impostos e Participações / Ativo Total ,0639 ,1213 -,0496 ,2280
V09 Resultado Líquido / Ativo Total ,0481 ,1039 -,0573 ,2229
V10 Patrimônio Líquido / Ativo Total ,4064 ,2102 ,1870 ,1717
V11 (Receitas Financeiras – Despesas Financeiras) / Receita Total ,0002 ,0389 -,0156 ,0273
V12 (Receitas Financeiras – Despesas Financeiras) / Ativo Total ,0087 ,0455 -,0210 ,0695
V13 Receita Total / Ativo Total 2,3114 1,5165 3,2038 3,1123
V14 Passivo Circulante / Receita Total ,4411 1,0785 ,4706 ,5336
V15 (Ativo Circulante + Investimentos de Longo Prazo) / Exigível Total 1,0617 ,7414 ,8440 ,6618
V16 (Disponibilidades – Empréstimos) / Ativo Total ,2485 ,2459 ,1513 ,2712
V17 Capital de Giro / Receita Total ,0771 ,7185 -,1281 ,4126

ISSN 0034-7590 459-471 • out./dez. 2009 • n. 4 • v. 49 • São Paulo • © RAE • 465

 fórum • PREVENDO A INSOLVÊNCIA DE OPERADORAS DE PLANOS DE SAÚDE

(Log-likelihood ratio) é estatisticamente significativo, ou DISCUSSÃO

seja, podemos afirmar que existe uma relação significativa
entre o conjunto de variáveis selecionadas e o evento de Validação do modelo
insolvência. A estatística do teste Hosmer-Lemeshow de Com base nos dados financeiros de 2005, utilizamos uma
bondade de ajuste (HOSMER e LEMESHOW, 1989) não amostra teste de 745 OPS, inclusive 20 insolventes, a fim
é significativa (ou seja, χ2 (8) = 5,369, p = 0,717), o que de validar o desempenho do modelo desenvolvido espe-
implica que as estimativas do modelo aderem aos dados cificamente para OPS e comparar seu desempenho ao de
de forma aceitável. um modelo geral de previsão de insolvência (ver Tabela

Quadro 1 – Variáveis consideradas

CATEGORIA DE INDICADOR VARIÁVEL FÓRMULA
V01 Passivo Circulante / Patrimônio Líquido
LnV01* Ln(Passivo Circulante / Patrimônio Líquido)
Alavancagem V02 Patrimônio Líquido / Exigível Total
V03 Exigível Total / Ativo Total
V04 Patrimônio Líquido / Ativo Total
V05 Disponível / Ativo Total
V06 Capital de Giro / Ativo Total
Liquidez
V17 Capital de Giro / Receita Total
V07 Disponível / Receita Total
V08 Resultado Antes de Impostos e Participações / Ativo Total
Lucratividade V09* Resultado Líquido / Ativo Total
V10 Patrimônio Líquido / Ativo Total
V13* Receita Total / Ativo Total
Atividade V14 Passivo Circulante / Receita Total
V15 (Ativo Circulante + Investimentos de Longo Prazo) / Exigível Total
V11 (Receitas Financeiras – Despesas Financeiras) / Receita Total
Endividamento
V12 (Receitas Financeiras – Despesas Financeiras) / Ativo Total
e Cobertura
V16 (Disponibilidades – Empréstimos) / Ativo Total
* Variável adotada no modelo.

Tabela 2 – Estatísticas do modelo logístico para a previsão de insolvência de OPS

VARIÁVEL B ERRO ESTATÍSTICA GRAUS DE SIG. EXP(B) INT. CONF. 95% P/ EXP(B)
PADRÃO WALD LIBERDADE INFERIOR SUPERIOR
LnV01 1,206 ,231 27,307 1 ,000 3,340 2,125 5,250
V09 -5,716 1,539 13,787 1 ,000 ,003 ,000 ,067
V13 ,242 ,109 4,937 1 ,026 1,274 1,029 1,576
Constante -4,834 ,556 75,598 1 ,000 ,008 - -
Nota: -2 Log-likelihood = 159,764 ; R2 de Cox & Snell = 0,096 ; R2 de Nagelkerke = 0,311.

466 • © RAE • São Paulo • v. 49 • n.4 • out./dez. 2009 • 459-471 ISSN 0034-7590
 André Luiz de Souza Guimarães • Washington Oliveira Alves

3). A comparação da amostra de desenvolvimento incluiu verificada na aplicação do modelo de escore Z” aos dados
706 planos de saúde, inclusive 28 insolventes. Vale notar de OPS (68,77%) é praticamente idêntica à verificada em
que, para fins de comparação de desempenho, a validação um teste com dados de micro, pequenas e médias empre-
do modelo foi realizada nas amostras originais, incluindo sas (ALTMAN e SABATO, 2007).
aqueles dados excluídos no desenvolvimento do modelo A fim de comparar os dois modelos, destacamos dois
(valores extremos), daí o maior número de casos quando índices na Tabela 3. O primeiro índice, apresentado na
comparado com o número de casos na Tabela 1. coluna 4, mede a precisão de cada modelo em classifi-
A Tabela 3 resume os resultados, em termos de pre- car corretamente solvência e insolvência das empresas, e
cisão, dos dois modelos, permitindo comparar o mo- corresponde a um menos a média das taxas de erro tipo
delo logístico específico para OPS ao modelo geral de I e tipo II (assume pesos iguais para erros tipo I e II). O
previsão de insolvência – o escore Z” desenvolvido por segundo índice, apresentado na coluna 5, é a chamada de
Altman (ALTMAN, BAIDYA e outros, 1979; ALTMAN e razão de acurácia (AR) (ENGELMANN, HAYDEN e ou-
HOTCHKISS, 2006). Destaca-se que a razão de acurácia tros, 2003), e mede a capacidade do modelo em maximizar

Quadro 2 – Um modelo logístico para a previsão de insolvência de OPS: resumo e aplicação

Resumo do modelo logístico:

Onde:
AT = Ativo Total
LL = Lucro Líquido;
PI = Probabilidade de Insolvência;
PC = Passivo Circulante (excluindo-se as provisões);
PL = Patrimônio Líquido;
RT = Receita Total (Líquida)
Valores sugeridos para corte:
Vermelho (alta probabilidade de insolvência): maior que 0,040
Amarelo (alguma probabilidade de insolvência): entre 0,025 e 0,040
Verde (insolvência improvável): menor que 0,025
Aplicação:
O modelo pode ser implementado em planilha eletrônica, com a fórmula:

Tabela 3 – Comparação da acurácia dos modelos analisados

AMOSTRA MODELO TAXA DE TAXA DE 1 – MÉDIA DAS RAZÃO DE
(ANO) ERRO ERRO TAXAS DE ERRO ACURÁCIA
TIPO I * TIPO II * TIPOS I E II * **
Desenvolvimento Logit específico para OPS 17,86% 21,39% 80,38% 71,60%
(2004) Modelo geral: escore Z” de Altman 46,43% 22,57% 65,50% 36,22%
Teste Logit específico para OPS 23,58% 25,00% 75,71% 69,65%
(2005) Modelo geral: escore Z” de Altman 23,58% 25,00% 75,71% 68,77%
* Ponto de corte em 25% do tamanho da amostra.
** Independente do ponto de corte.

ISSN 0034-7590 459-471 • out./dez. 2009 • n. 4 • v. 49 • São Paulo • © RAE • 467

 fórum • PREVENDO A INSOLVÊNCIA DE OPERADORAS DE PLANOS DE SAÚDE

a distância entre solventes e insolventes. As curvas CAP calculados pela determinação de um ponto de corte arbi-
para os dois modelos são apresentadas nas figuras 2 e 3. trário de 25% das amostras e são muito próximos daque-
Os coeficientes de erro apresentados na Tabela 5 são les obtidos a partir da amostra de desenvolvimento (ver

Figura 2 – Comparação da acurácia do modelo logístico específico para OPS e do modelo de escore Z” de Altman na amostra de
desenvolvimento pela metodologia CAP
% de insolventes

Modelo perfeito Logit específico para OPS Escore Z” de Altman Modelo aleatório

Figura 3 – Comparação da acurácia do modelo logístico específico para OPS e do modelo de escore Z” de Altman na amostra de teste
pela metodologia CAP
% de insolventes

Modelo perfeito Logit específico para OPS Escore Z” de Altman Modelo aleatório

468 • © RAE • São Paulo • v. 49 • n.4 • out./dez. 2009 • 459-471 ISSN 0034-7590
 André Luiz de Souza Guimarães • Washington Oliveira Alves

Tabela 5). O indicador de precisão (AR) do nosso modelo permanece elevada em ambas as amostras. Verificamos, po-
específico para OPS foi de 71,60% para a amostra de treino rém, que o modelo geral de previsão de insolvência mostrou
e 69,65% para a amostra de teste, em comparação com, uma variação significativa na precisão (a grande diferença
respectivamente, 36,22 e 68,77 do modelo geral de esco- de precisão para as amostras de desenvolvimento e teste),
re Z”. É importante destacar, porém, que o indicador de sugerindo que sua robustez e confiabilidade pode ser li-
acurácia não depende do ponto de corte escolhido, pois mitada. Reconhecemos que o ponto de corte selecionado
avalia o modelo em relação a todos os resultados apura- pode não ser ótimo, principalmente se forem considerados
dos na amostra analisada. diferentes pesos para erros do tipo I e tipo II (ALTMAN,
Sabemos que todo modelo é uma aproximação imper- HALDEMAN e outros, 1977). No entanto, o objetivo desta
feita da realidade. Como a crise econômica mundial ocor- comparação não é determinar o ponto de corte ótimo, mas
rida no final de 2008 deixou claro, modelos de previsão de apenas utilizar o mesmo ponto de corte a fim de comparar
insolvência e de classificação de risco não escapam a essa a precisão de modelos diferentes.
regra. Testando o modelo apresentado em 2006/2007 (es- A escolha de um ponto de corte envolve um trade-off
timando com base nos demonstrativos contábeis de 2006, entre taxas de erros do tipo I e tipo II aceitáveis. Esta sele-
a probabilidade de insolvência em 2007) numa amostra ção pode ser vista como estratégica e está relacionada com
de 904 operadoras (26 das quais se tornaram insolventes a aversão a risco do analista. As figuras 4 e 5 apresentam
em 2007) observamos uma razão de acurácia de 62,27% um close-up do desempenho dos modelos em diferentes
em 2006/2007. No ano seguinte (2007/2008), aplicando pontos de corte, e pode servir como uma referência para
o modelo numa amostra de 775 operadoras (24 das quais a seleção dos pontos de corte para os dois modelos.
se tornaram insolventes em 2008), observamos uma razão Para o modelo logit específico para OPS, como mostra
de acurácia de 65,09%. Tais resultados são bastante satis- a Figura 4, um ponto de corte de 0,04 apresenta resultado
fatórios considerando-se o cenário econômico e o impacto bastante próximo da classificação apresentada na Tabela
de medidas regulatórias (aumento das provisões, registro 5 (valores superiores a 0,04 têm uma elevada probabili-
definitivo) sobre as médias amostrais. dade de insolvência).
Podemos afirmar que o modelo específico para OPS é Enquanto isso, como vemos na Figura 5, para o escore
estatisticamente robusto e válido, uma vez que sua precisão Z” de Altman, um ponto de corte com poder discriminan-

Figura 4 – Desempenho em diferentes pontos de corte: Logit específico para OPS

% classificado corretamente

Escore (ponto de corte)

Solventes (amostra de teste, 2005) Solventes (amostra de desenvolvimento, 2004)
Insolventes (amostra de teste, 2005) Insolventes (amostra de desenvolvimento, 2004)

ISSN 0034-7590 459-471 • out./dez. 2009 • n. 4 • v. 49 • São Paulo • © RAE • 469

 fórum • PREVENDO A INSOLVÊNCIA DE OPERADORAS DE PLANOS DE SAÚDE

te próximo ao do modelo específico para OPS requer a escore Z” de Altman podem ser eficazes se utilizarmos
adoção de um ponto de corte próximo a 4,00 (sendo os um valor diferente como ponto de corte, embora sua
valores menores que 4,00 classificados como insolventes), confiabilidade (variação de desempenho para diferentes
um escore consideravelmente superior ao ponto de corte amostras) seja inferior à do modelo específico. Nossos
original do modelo (onde valores abaixo de 1,1 indicam resultados sugerem que a previsão de insolvência de
insolvência). operadoras de planos de saúde é mais precisa e confiável
quando se utiliza um modelo específico. Vale destacar
que modelos de previsão de insolvência com base em
CONCLUSÃO informações financeiras como o aqui apresentado têm
sido aplicados a mais de 50 anos. Porém, sua utilida-
Nesse artigo, desenvolvemos e testamos um modelo de de torna-se ainda maior quando tomados em conjunto
previsão de insolvência para operadoras de planos de com outras formas de análise mais abrangentes (quali-
saúde. Ampliamos a literatura existente por considerar tativas, operacionais etc.). Finalmente, esperamos que
um conjunto completo de indicadores financeiros e ob- estudos futuros possam desenvolver um modelo ainda
ter um modelo de regressão logística para a estimativa mais abrangente, que incorpore medidas financeiras
da probabilidade de insolvência, em um ano, de ope- assim como características estruturais das operadoras
radoras de planos de saúde. Avaliamos o desempenho e sua situação concorrencial.
do modelo específico desenvolvido sobre uma amostra
de validação comparando a sua precisão com a de um
modelo geral de previsão de insolvência bastante co-
nhecido, o escore Z” de Altman. Os resultados confir- Nota de agradecimento
mam nossas expectativas. O desempenho, em termos Esse artigo se beneficiou dos comentários de Dr. Alan B. Eisner e
de precisão, de um modelo específico para OPS é su- Dr. Raymond Lopez (Pace University), e de revisores anônimos da
Academy of Management Conference 2009 e RAE-revista de adminis-
perior ao desempenho do modelo geral. Nossos resul- tração de empresas. Eventuais erros e omissões são de responsabili-
tados indicam, entretanto, que modelos gerais como o dade dos autores.

Figura 5 – Desempenho em diferentes pontos de corte: escore Z” de Altman

% classificado corretamente

Escore (ponto de corte)

Solventes (amostra de teste, 2005) Solventes (amostra de desenvolvimento, 2004)
Insolventes (amostra de teste, 2005) Insolventes (amostra de desenvolvimento, 2004)

470 • © RAE • São Paulo • v. 49 • n.4 • out./dez. 2009 • 459-471 ISSN 0034-7590
 André Luiz de Souza Guimarães • Washington Oliveira Alves

REFERÊNCIAS FITZPATRICK, P. J. A comparison of the ratios of successful industrial en-

terprises with those of failed companies. Certified Public Accountant, 1932.

AHERN, M. The evolution and impact of state HMO regulation: a case GITMAN, L. J. Princípios de administração financeira. 10a. ed. São Paulo:
study. Journal of Insurance Regulation, v. 10, n. 1, p. 110-127, 1991. Addison Wesley, 2004. 745 p.

AHERN, M; ROSENMAN, R. e outros. Predictors of HMO efficiency. Applied

Economics, v. 28, n. 11, p. 1381-1390, 1996. HAIR JR, J. F; ANDERSON, R. E. e outros. Análise multivariada de dados.
5a. ed. Porto Alegre: Bookman, 2005.
ALTMAN, E; HARTZELL, J; PECK, M. Emerging Markets Corporate Bonds:
A Scoring System. New York: Salomon Brothers, Inc, 1995.
HARRELL, F. E; LEE, K. L. e outros. Regression modelling strategies for
improved prognostic prediction. Statistics in Medicine, v. 3, n. 2, p. 143-
ALTMAN, E; HARTZELL, J; PECK, M. Emerging markets corporate bonds:
52, 1984.
a scoring system. In: LEVICH, R; MEI, J. P. (Ed). Future of Emerging Market
Flows. Holland: Kluwer, 1997.
HILLMAN, A. L; PAULY, M. V; KERSTEIN, J. J. How do financial incen-
ALTMAN, E. I. Financial ratios, discriminant analysis and the prediction of tives affect physicians’ clinical decisions and the financial performance of
corporate bankruptcy. Journal of Finance, v. 23, n. 4, p. 589, 1968/09 1968. health maintenance organizations? New England Journal of Medicine, v.
321, n. 2, p. 86-92, 1989.
ALTMAN, E. I; BAIDYA, T. K. N; DIAS, L. M. R. Assessing Potential
Financial Problems for Firms in Brazil. Journal of International Business
Studies, v. 10, n. 2, p. 9, 1979. HOSMER, D. W; LEMESHOW, S. Applied Logistic Regression. New York:
John Wiley & Sons, 1989.
ALTMAN, E. I; HALDEMAN, R. G; NARAYANAN, P. Zeta analysis: a new
model to identify bankruptcy risk in corporation. Journal of Banking & KEENAN, S; SOBEHART, J. Performance measures for credit risk models.
Finance, v. 1, n. 1, p. 29-54, 1977. Moody’s Risk Management Services, Research Report, 1999.

ALTMAN, E. I; HOTCHKISS, E. Corporate Financial Distress and

Bankruptcy: Predict and Avoid Bankruptcy, Analyze and Invest in Distressed LOEFFLER, G; POSCH, P. N. Credit Risk Modeling using Excel and VBA.
Debt. 3. ed. Hoboken, NJ: John Wiley & Sons, 2006. Hoboken, NJ: John Wiley & Sons, 2007.

ALTMAN, E. I; SABATO, G. Modeling credit risk for SMEs: evidence from OHLSON, J. A. Financial ratios and the probabilistic prediction of bankrup-
the US market. Abacus, v. 43, n. 3, p. 332-357, 2007. tcy. Journal of Accounting Research, v. 18, n. 1, p. 109-131, 1980.

AMBROSE, J. M; DRENNAN, R. B. Plan, market and regulatory conside-

rations in HMO insolvency prediction. Journal of Insurance Regulation, v. ROSS, S. A; WESTERFIELD, R. W; JAFFE, J. F. Administração financeira.
12, n. 3, 1994. 2a. ed. São Paulo: Atlas, 2002. 776 p.

Anuário ANS. Aspectos econômico-financeiros das operadoras de pla- SÁ FREIRE FILHO, A. A; BRANDI, V. R. e outros. Aferindo o poder dis-
nos de saúde: 2005. Rio de Janeiro, Brasil: Agência Nacional de Saúde criminatório dos modelos de classificação de risco de crédito. 10ª Semana
Suplementar, 2006. 624 p. de Contabilidade. Brasília, DF: Banco Central do Brasil, 2004.

BASLE COMMITTEE ON BANKING SUPERVISION. Studies on the

Validation of Internal Rating Systems. Basle, SW: Bank for International SOBEHART, J; KEENAN, S. Measuring default accurately. Credit Risk
Settlements, 2005. Special Report. Risk, v. 14, p. 31-33, 2001.

BEAVER, W. H. Financial ratios as predictors of failure. Journal of Accounting

SOBEHART, J; KEENAN, S; STEIN, R. Benchmarking quantitative default
Research, v. 4, p. 71-111, 1966.
risk models: a validation methodology. Moody’s Investors Service, Mar. 2000.
CHRISTIANSON, J. B; WHOLEY, D. R; SANCHEZ, S. M. State responses
to HMO failures. Health Affairs, v. 10, n. 4, p. 78, 1991. STONE, D. L; HEFFERNAN, S. 1988 survey on regulation of HMOs and
HMO solvency: findings and recommendations. GHAA Journal, v. 10, n.
ENGELMANN, B; HAYDEN, E; TASCHE, D. Measuring the Discriminative 1, p. 28-39, 1989.
Power of Rating Systems. Discussion paper. Series 2: Banking and Financial
Supervision. Frankfurt, Germany: Deutsche Bundesbank, 2003.
WHOLEY, D; CHRISTIANSON, J; SANCHEZ, S. The effect of state re-
gulation on development of HMO markets. Advances in the Study of
ENGELMANN, B; HAYDEN, E; TASCHE, D. Testing rating accuracy. Risk,
Entrepreneurship, Innovation, and Economic Growth: A Research Annual,
v. 16, n. 1, p. 82-86, 2003.
p. 181-206, 1990.
FELDMAN, R; WHOLEY, D; CHRISTIANSON, J. Economic and organi-
zational determinants of HMO mergers and failures. Inquiry, v. 33, n. 2, ZAZZARELLI, A. Latin American corporate default and recovery rates,
p. 118-32, 1996. 1990-H1 2007. Moody’s Investor Service, Nov. 2007.

ISSN 0034-7590 459-471 • out./dez. 2009 • n. 4 • v. 49 • São Paulo • © RAE • 471