Modelos de Previsão de Falência: O setor

bancário português

por
Dânia Janine Saraiva Amaro

Dissertação de Mestrado em Análise Financeira

Orientada por: Professor Doutor José Carlos Gonçalves

Dias, Prof. Auxiliar com Agregação do ISCTE - IUL

2015
Agradecimentos

A caminhada até aqui foi longa e com alguns obstáculos. É um trabalho de investigação
exaustivo, solitário e de superação. A sua conclusão não teria sido possível sem o
contributo de algumas pessoas e entidades, às quais aproveito para deixar o meu
profundo reconhecimento e agradecimento:

Ao meu orientador Professor Doutor José Carlos Dias pela sua disponibilidade, apoio,
sentido crítico e competência cientifica que se revelaram ser uma mais valia na
conclusão deste estudo.

Ao Banco de Portugal e à agência de rating Moody's pela colaboração e informação

prestada.

À minha família, amigos e namorado pela paciência, incentivo e apoio ao longo deste
último ano.

A todos, o meu mais sincero obrigado.

Página | 1
Resumo

Os modelos de previsão de falência existem com o intuito de ser uma ferramenta útil
para os diversos gestores a analistas financeiros. Edward Altman (1968) foi o primeiro
na história a desenvolver um modelo do género, denominado de Z-Score. Rapidamente
surgem seguidores de diversas áreas que adotam a mesma e outras metodologias.

Atualmente, somos atingidos com uma das piores crises financeiras e económicas desde
que há memória. O sistema financeiro está intimamente ligado entre si quer a nível
nacional quer internacional, onde é constantemente alvo de especulações, incertezas e
volatilidades, onde uma possível ruptura é facilmente transmissível a todo o sistema,
traduzindo-se num elevado risco para a economia. Tornando-se por isso fundamental
uma maior atenção aos sintomas que o sistema financeiro emite.

Neste sentido, o objetivo deste trabalho é aplicar o modelo pioneiro de Altman (1968)
na previsão de falências no setor bancário em Portugal e verificar a capacidade preditiva
do mesmo. Para o efeito, foram escolhidos 7 rácios utilizados pela Moody's e analisados
6 bancos (3 solventes e 3 insolventes), 18 relatórios de contas e respetivas
demonstrações financeiras entre os anos de 2005 a 2013.
O estudo permitiu concluir que o modelo revelou ser satisfatório principalmente nos 2
anos anteriores ao da falência e que as variáveis que melhor discriminam os dois grupos
de bancos são a concentração de ativos, a rentabilidade e a liquidez.

Palavras-chave: falência, modelos de previsão de Falências, Altman (1968), análise

discriminante múltipla, setor bancário.

Página | 2
Abstract

The models of bankruptcy prevision exist with the purpose of being a useful tool for
several managers and financial analysts. Edward Altman (1968) was the first in history
developing one of these models, called Z-Score. Soon there were followers in several
sectors that adopted the same and other methodologies.

Nowadays, we are being struck with one of the worst finance and economic crisis since
we remember. The financial system is intimately connected on a national and
international level among itself, where it is constantly a target of speculations,
uncertainties and volatilities and, a possible rupture is easily passed on to the whole
system, being a high risk to all economy. It is why it’s fundamental to pay a bigger
attention to the symptoms the financial system provides.

Thus, the goal of this work is to apply the pioneer model of Altman (1968) in the
prediction of bankruptcy in the Portuguese bank sector and verify its predictive
capacity. To do so, 7 ratios used by Moody’s were chosen and 6 banks were analysed (3
solvent and 3 insolvent) as well as 18 annual reports and their financial statements
between the years of 2005 and 2013.

The study allowed to conclude that the model revealed itself to be satisfactory mostly in
the 2 previous years to the bankruptcy and the variables that best discriminate the two
bank groups are the assets concentration, the profitability and the liquidity.

Keywords: bankruptcy, bankruptcy prediction models, Altman (1968), multiple

discriminant analysis, banking sector.

Página | 3
Índice

1. Introdução ----------------------------------------------------------------------------------- 8

2. Atividade Bancária ------------------------------------------------------------------------ 8

2.1. Introdução ---------------------------------------------------------------------------------- 8

2.2. Riscos Bancários -------------------------------------------------------------------------- 8

2.3. Gestão dos riscos Bancários ----------------------------------------------------------- 11

2.4. Análise económico-financeira de bancos -------------------------------------------- 15

3. Revisão da Literatura ------------------------------------------------------------------------ 19

3.1. A Falência -------------------------------------------------------------------------------- 19

3.1.1. Introdução ------------------------------------------------------------------------ 19

3.1.2. O conceito da falência ---------------------------------------------------------- 22

3.1.3. O conceito da falência em Portugal ------------------------------------------ 24

3.2. Modelos de Previsão de Falência ----------------------------------------------------- 25

3.2.1. Introdução ------------------------------------------------------------------------ 25

3.2.2. Análise Univariada -------------------------------------------------------------- 26

3.2.3. Análise multivariada ou sistema de scoring --------------------------------- 27

[Link]. Análise discriminante múltipla----------------------------------------- 27

3.2.4. Desvantagens da análise discriminante múltipla --------------------------- 39

3.2.5. Vantagens da análise discriminante múltipla ------------------------------- 40

3.2.6. Análise Logit --------------------------------------------------------------------- 41

3.2.7. Análise Probit ------------------------------------------------------------------- 45

3.2.8. Análise Neural Network -------------------------------------------------------- 48

4. Estudo Empírico ------------------------------------------------------------------------------ 51

4.1. Caraterização da amostra -------------------------------------------------------------- 51

4.2. Seleção das variáveis ------------------------------------------------------------------- 52

Página | 4
 4.3. Análise de dados e resultados --------------------------------------------------------- 56

4.4. O modelo --------------------------------------------------------------------------------- 68

5. Principais limitações do estudo ------------------------------------------------------------- 74

6. Conclusão ------------------------------------------------------------------------------------- 75

Bibliografia --------------------------------------------------------------------------------------- 76

Anexos -------------------------------------------------------------------------------------------- 83

Página | 5
 1. Introdução

Este trabalho tem como objetivo analisar a falência no mercado bancário português
através do modelo de Altman (1968) no âmbito da dissertação como requisito parcial
para obtenção do grau de mestre em Análise Financeira do Instituto Superior de
Contabilidade e Administração de Coimbra.

A falência não acontece sem que haja alguns sinais que o indiquem e, por isso, a
principal fonte de informação deste estudo centra-se nos relatórios de contas dos
bancos, nomeadamente nas demonstrações financeiras e notas anexas.

A internacionalização ao nível financeiro e económico, as crescentes flutuações nos

mercados financeiros e os níveis de incerteza elevados leva a que seja mais difícil
prever situações complicadas e portanto é necessário haver mecanismos que possam
alertar para o risco de default. O modelo de Altman (1968) chamado de Z-Score é um
dos modelos que nos ajuda a prevenir possíveis situações de falência. Este tipo de
análise é essencial para que sejam tomadas as medidas necessárias e assim poder alterar
o rumo de uma instituição.

A crise financeira e económica que se instalou ao nível global desde meados de 2007
está intimamente relacionada com a crise dos subprimes e com a titularização1 de
crédito. A rápida valorização dos preços da habitação encobriu a deterioração do
mercado de hipotecas e consequentemente o verdadeiro grau de risco dos empréstimos
hipotecários (Demyanyk, 2009). Os agentes envolvidos nos subprimes eram
conhecedores do elevado risco de incumprimento a quem eram concedidos os créditos,
no entanto não foi levado em conta. E porquê? Porque há a facilidade de transformar
empréstimos em títulos para poderem ser vendidos junto dos investidores, e desta forma
“…permitiu aos bancos desembaraçarem-se deles nos seus balanços, estruturando-os e
vendendo-os nos mercados financeiros, contornando assim a regulamentação sobre os
rácios de capital.” (Mota el al., 2009).

Com a crescente importância dos mercados financeiros e do sistema bancário, uma

possível situação de default de uma ou mais instituições desencadeiam situações
devastadoras na economia real. Ao longo dos anos, em Portugal e não só, a investigação
acerca da falência no sistema bancário não tem sido muito abordada como tem sido a

1 Processo de transformação de créditos em títulos.

Página | 6
falência no setor empresarial. O alerta surge precisamente com a falência do banco
norte-americano Lehman Brothers, onde a partir deste momento todo o sistema bancário
nacional e internacional é afetado.

De facto, o sistema bancário é alvo de grandes especulações, riscos e incertezas;

trabalham diariamente com grandes níveis de alavancagem e por isso os seus níveis de
autonomia financeira são reduzidos, mas é necessário que sejam controlados e para isso
tem que haver mecanismos mais eficazes de regulação e supervisão para que estas
situações sejam praticamente “impossíveis” de acontecer.

Havendo a possibilidade de gestores e diretores serem informados de alguns sinais de

alerta é uma mais-valia, na medida em que pode evitar custos para uma instituição e/ou
setor e assim evitar um possível default. Neste sentido, a presente dissertação tem como
intenção estudar a falência de bancos portugueses, verificar a capacidade preditiva do
modelo de Altman (1968) no setor financeiro e observar quais os sintomas mais comuns
que eles acusam.

O restante trabalho encontra-se dividido em cinco capítulos. O capítulo dois recai sobre
a atividade bancária, os seus principais riscos e a gestão destes.
No capítulo três é abordado o conceito de falência e ainda quais as principais causas e
sintomas que uma determinada entidade ou instituição apresenta. Far-se-á também uma
síntese dos principais modelos de previsão de falência que foram desenvolvidos ao
longo dos anos, nomeadamente ao nível da análise univariada e multivariada.
No quarto capítulo são apresentados e discutidos os resultados relativamente à aplicação
do modelo Z-Score no setor bancário português. Por fim, temos o quinto e sexto
capítulo, onde serão abordadas as principais limitações do estudo e as principais
conclusões que resultaram do estudo empírico, respetivamente.

Página | 7
 2. ATIVIDADE BANCÁRIA
2.1. Introdução

De acordo com a Associação Portuguesa de Bancos, as Instituições financeiras podem

ser divididas em dois grupos: Instituições Financeiras Monetárias (IFM) e Instituições
Financeiras Não Monetárias (IFNM). As IFM englobam os Bancos, as Caixas
económicas, as Caixas de crédito agrícola mútuo e os Fundos de mercado monetário. E,
as IFNM envolvem outros intermediários financeiros e auxiliares financeiros.

Evidenciando apenas as instituições financeiras monetárias, estas têm como principal

atividade “receber do público depósitos ou outros fundos reembolsáveis, a fim de os
aplicarem por conta própria, mediante a concessão de crédito, ou que tenham por
objecto a emissão de meios de pagamento sob a forma de moeda electrónica.”1

Mas, a atividade bancária per si está sujeita a diversos tipos de riscos relacionados
estreitamente com a probabilidade de perda.2 Como tal, abordarei a seguir quais os
principais tipos de riscos associados ao negócio bancário.

2.2. Riscos bancários

A Revisores e Auditores datada de Abril a Junho de 2015, publicou uma lista constante
no anexo 5 dos vários riscos inerentes à atividade bancária. Os riscos são inúmeros e
por isso alvo de estudo e de uma análise cuidada de modo a haver uma gestão eficiente
dos riscos associados à atividade das instituições financeiras. De acordo com a mesma,
os riscos podem ser distinguidos em financeiros, não financeiros e outros.

Os riscos financeiros estão associados aos passivos e ativos monetários de uma

instituição, enquanto os riscos não financeiros derivam de fatores externos, como por
exemplo: fatores sociais, políticos ou económicos. Mas, também, podem derivar de
fatores internos, como é o caso dos recursos humanos, das tecnologias, dos
procedimentos, entre outros.

1 Instituições de Crédito, Banco de Portugal.

2 Revisores e Auditores, Abril a Junho 2015, pp. 36 à 41.

Página | 8
Em relação aos “outros riscos”, estes têm características muito próprias, onde a
ocorrência destes tipos de riscos resultam em fortes desequilíbrios para todo o sistema
financeiro quer a nível nacional quer internacional.

O sistema bancário enfrenta por isso diversos riscos, onde o risco de crédito, de
mercado, de liquidez e o operacional são os que ocorrem com maior frequência.

O risco de crédito é associado ao risco da contraparte em incumprir o pagamento da

sua obrigação.1 Segundo Gaspar (2014), o risco de crédito é aquele que apresenta uma
maior relevância no balanço da generalidade dos bancos a operar em Portugal.

A principal atividade dos bancos é conceder crédito e, por conseguinte, a exposição ao

risco de crédito é elevada. A gestão deste risco depende das medidas e estratégias que
são aplicadas por cada instituição financeira, em que a maximização dos resultados em
relação aos riscos assumidos nos créditos concedidos é o objectivo primordial.

O risco de mercado por sua vez é associado a risco de flutuações de cotações. Estas
flutuações podem ocorrer junto das taxas de juro, das taxas de câmbio e dos preços do
mercado acionista e das matérias-primas.

De acordo com a disciplina de mercado de 2014 da Caixa Geral de Depósitos (CGD), o

“risco de mercado está associado a impactos negativos potenciais, nos resultados ou
no capital da instituição, decorrentes de movimentos desfavoráveis do preço dos ativos
em carteira”. E assim, de acordo com a Revisores e Auditores (Abril a Junho de 2015),
“o risco de mercado deriva de potenciais perdas nas carteiras de negócios (trading
book) ou investimentos, decorrentes das alterações às condições económicas e
financeiras do mercado”.

Em relação ao risco de liquidez, actualmente o mais abordado face à crise financeira

que se instalou no sistema bancário a nível internacional desde a crise do subprime em
meados de 2007, é o risco que inquieta as instituições financeiras.
Uma adequada gestão da liquidez por parte das instituições caracteriza-se pela contínua
capacidade de financiar o mercado e cumprir com as suas responsabilidades. E,
1 Revisores e Auditores, Abril a Junho 2015, pp. 36 à 41.

Página | 9
portanto, há risco de liquidez a partir do momento que esta capacidade deixa de estar
presente no dia-a-dia.
A crise financeira levou a que o Comité de Basileia III, atribuísse uma maior regulação
e preocupação com os níveis de liquidez bancários, introduzindo assim novos padrões e
dois novos indicadores (Liquidity Coverage Ratio (LCR)) e o Net Stable Funding Ratio
(NSFR)) que permitem dar um feedback mais rápido em relação a uma possível ruptura
bancária.

Em sequência do aumento do risco de liquidez surgiram outros dois riscos associados

que têm vindo a adquirir uma maior relevância, sendo eles o risco de contágio e o risco
sistémico. Dada a atual falência de bancos a nível mundial e a uma elevada interligação
entre as diversas instituições financeiras, o risco de contágio torna-se mais fácil de
acontecer, assim como o risco sistémico, pois a crise financeira teve e está a ter
repercussões graves na economia real e interna, tratando-se assim de uma crise não só
financeira mas também económica.

Por fim, segundo a disciplina de mercado de 2014 do Banco Santander Totta, o risco
operacional consiste no “risco de incorrer em perdas como consequência de
deficiências ou falhas de processos internos, recursos humanos ou sistemas, ou
derivado de circunstâncias externas”.

Segundo a publicação trimestral nº 1 de 2014 do Banco de Portugal, o termo “risk”

surgiu nos séculos XVI e XVII. A ele, estão associados sentimentos positivos, no
sentido de oportunidades de negócio. O risco operacional está intimamente ligado à
evolução da espécie humana e às diferentes transformações que têm vindo a ocorrer ao
longo dos tempos. Por exemplo, “para atravessar a estrada, um peão, dada a sua
vulnerabilidade, encontra-se em situação de risco. Tal não significa que não deva
atravessar, mas antes que deve optar por atravessar numa passadeira, numa passagem
para peões junto a semáforos ou em passagens protegidas superiores ou inferiores à
via”.1
O risco operacional assim como os restantes existem e sempre vão continuar a existir, e
como tal eles devem ser considerados, ponderados, medidos e quantificados. “A melhor

1 Publicação trimestral nº 1 de 2014 do Banco de Portugal.

Página | 10
decisão não é aquela que minimiza o risco, mas a que confere um melhor resultado
para um determinado grau de risco.”1

2.3. Gestão dos riscos bancários

É fundamental que haja uma supervisão constante na gestão dos diversos riscos a que as
instituições financeiras estão expostas diariamente. E, por isso, foram desenvolvidas
variadas técnicas de análise de gestão de risco.

No âmbito da análise do risco de crédito, as mais conhecidas são os sistemas de rating

(notação do risco de crédito) e scoring (pontuação). Segundo Neves (2005), os sistemas
de rating “visam classificar uma emissão obrigacionista ou outros títulos de dívidas
numa escala de notação de risco e refletem um juízo de valor sobre a capacidade de
pagamento atempado do serviço da dívida da operação em análise.”.

Neves (2005) considera que o processo de rating envolve a análise dos riscos
económicos e políticos, a competitividade da indústria, o posicionamento da empresa e
a análise financeira. Para isso, são analisados um conjunto de fatores, como por
exemplo:
 A sensibilidade dos fluxos de caixa face às flutuações económicas,
concorrência, regulamentação do sector, entre outros;
 A qualidade da gestão, especificamente em relação à capacidade de reação
dos gestores;
 A estrutura financeira da empresa;
 As previsões e a gestão da tesouraria;
 Os planos de financiamento;
 Rendibilidade, alavanca financeira, cobertura de ativos, flexibilidade
financeira e nível de fluxos de caixa.

De notar, que apesar da análise de rácios ser importante no processo de rating, a análise
qualitativa tem tido um maior peso neste tipo de processo. A informação qualitativa é
conseguida através da estreita ligação entre a agência de rating e a entidade emissora
(os gestores e diretores da empresa) e, desta forma, a informação sobre uma
1 Publicação trimestral nº 1 de 2014 do Banco de Portugal.

Página | 11
determinada entidade é resumida e atribuída uma notação. Este processo vem auxiliar os
investidores na tomada de decisões, na medida em que através da notação de rating
atribuída eles conseguem avaliar com maior rapidez e facilidade a entidade onde
querem investir.

O rating na banca é utilizado na análise do crédito, onde a metodologia mais conhecida

de acordo com Neves (2005) é o sistema dos 6 C. Este sistema envolve:
 “Carácter do devedor no que se refere ao seu comportamento em
cumprir os compromissos assumidos;”
 “Capacidade legal do devedor em assumir os compromissos
financeiros;”
 “Capital que confere ao devedor capacidade de endividamento e
flexibilidade financeira;”
 “Condições do meio ambiente que podem afetar a capacidade do
devedor em cumprir com os compromissos financeiros assumidos;”
 “Colateral sobre o valor dos ativos que garantem o pagamento da
dívida;”
 “Controlo que o devedor tem sobre a gestão financeira e operacional,
tendo por base o sistema de informação utilizado e o ambiente
económico.”

De acordo com o sistema de rating da Moody’s, um rating não é garantia de que um

default não possa ocorrer, mas sim uma opinião “…sobre a capacidade e vontade de um
emissor fazer pagamentos pontuais num instrumento de dívida tal como um título,
durante a vida útil do instrumento.”

As duas principais agências de rating a nível internacional são a Moody’s e a Standard

and Poor’s e a nível nacional temos a CRC Rating – Companhia Portuguesa de Rating,
S.A. De um modo geral, todas seguem a mesma escala de rating a seguir expressa:

Página | 12
 Quadro 1 – Escala de Rating

Capacidade extremamente forte para cumprir os

AAA
compromissos financeiros.

Capacidade muito forte para cumprir os

AA
compromissos financeiros.

Forte capacidade para cumprir os compromissos

Grau de
A financeiros, no entanto é ligeiramente suscetível às
investimento condições económicas adversas.
Adequada capacidade para honrar os compromissos
BBB financeiros, mas mais sujeito às condições
económicas adversas.

Baixo grau de investimento por parte dos

BBB-
participantes do mercado.

Considerado um grau de especulativo elevado por

BB+
parte dos participantes do mercado.
Menos vulnerável no curto prazo, mas enfrenta
BB grandes incertezas face às condições financeiras e
económicas desfavoráveis.
Mais vulneráveis a negócios, condições financeiras e
económicas adversas, mas atualmente têm a
B
capacidade de cumprir com os seus compromissos
financeiros.
Atualmente estão vulneráveis e dependentes de
negócios favoráveis e de condições financeiras e
Grau especulativo CCC
económicas para cumprir com os seus compromissos
financeiros.
Apesar de um default ainda não ter ocorrido, é
CC muito provável que ocorra, pois neste momento
estão altamente vulneráveis.
Atualmente estão muito vulneráveis ao não
C pagamento e é esperado um retorno mais baixo em
relação às obrigações com notação superior.
Falta de pagamento de um compromisso financeiro
ou a violação de uma promessa imputada; é
D
também usado quando um pedido de falência foi
apresentado ou uma ação similar tomada.
Classificações de “AA” para “CCC” podem ser modificadas pela adição de um sinal de mais (+)
ou menos (-) para mostrar uma situação relativa dentro das principais categorias de notação.

Fonte: Adaptado da Standard and Poor’s

Página | 13
Em relação ao sistema de scoring ou método de análise multivariada, já visto
anteriormente, consiste na criação de um indicador Z-Score para classificar uma
determinada observação num dos grupos definidos à priori. O número mínimo de
grupos é dois, podendo variar conforme o interesse do estudo do analista financeiro.

Em Portugal, os modelos de scoring têm vindo a ter menos seguidores devido ao facto
de estes modelos se basearem apenas em dados contabilísticos, refletindo apenas
acontecimentos passados da empresa, não fornecendo dados ou estimativas quanto ao
futuro da empresa.1

Quanto à análise de risco de mercado a principal metodologia a ser utilizada é o Value-

at-risk (VaR). Essencialmente o VaR procura responder a uma grande questão dos
investidores que é: “qual a perda máxima esperada?”. Ele indica-nos a perda esperada
num determinado período de tempo e com um dado nível de confiança. São englobados
três parâmetros: a volatilidade, a distribuição e a correlação das taxas de rendibilidade
dos ativos da carteira de investimento.2 O banco Invest oferece o seguinte exemplo: Um
VaR mensal de 6,2% com um grau de confiança de 95%, significa que com 95% de
confiança, a carteira de ativos não perde mais de 6,2% por mês.

No que respeita à análise do risco de liquidez, esta compreende uma avaliação contínua
ao longo do tempo por parte das diversas instituições face aos rácios e indicadores de
liquidez, de modo a obterem níveis de liquidez sustentáveis. “A gestão do risco de
liquidez na CGD tem na sua génese a análise dos prazos residuais de maturidade dos
diferentes ativos e passivos do balanço. Os volumes de cash inflows e cash outflows são
evidenciados por intervalos temporais em função do seu prazo residual de ocorrência e,
a partir daí, apurados os respetivos gaps de liquidez tanto do período como
acumulados.”3

Com a recente crise financeira que se instalou a nível internacional e com o novo
quadro regulamentar do Basileia III, os níveis de liquidez bancários têm sido alvo de
maior atenção por parte dos diversos reguladores e como tal alvo de maior supervisão e
avaliação.

1 Relatório de Estágio 2013/2014 de Isabel Neves.

2 Banco Invest.
3 Disciplina de Mercado de 2014 da CGD.

Página | 14
Em relação à gestão do risco operacional, este é monitorizado pelas instituições através
da sua identificação, medição, controlo e reporte da informação.1 De acordo com o Pilar
1 do Basileia II existem três métodos para determinar quais os requisitos mínimos de
fundos próprios, são eles:
 Método do indicador básico (BIA): os requisitos são determinados
como uma percentagem de 15% de um indicador de exploração
relevante;

 Método Padrão (TSA): os requisitos são determinados como uma

percentagem entre 12% e 18% de um indicador de exploração relevante
para cada um dos segmentos de atividade definidos;

 Método de definição avançada (AMA): neste método, cada instituição

utiliza os seus próprios métodos para determinar os requisitos mínimos
de fundos próprios para a cobertura do risco operacional.

2.4. Análise económico-financeira de bancos

Existem diversos indicadores que nos podem auxiliar na análise das principais áreas de
um banco, podendo ser elas representadas pela seguinte sigla: “CAMEL” (Capital,
Assets quality, Management quality, Earnings capacity, Liquidity position).

O Capital encontra-se relacionado com a solvabilidade de um banco, isto é, com a

capacidade que o banco tem para cumprir as suas obrigações. Ao nível da solvabilidade,
um dos indicadores mais utilizados foi o rácio Core Tier 1. Este rácio estabelece que
haja um nível mínimo de capital que as instituições devem ter em função dos requisitos
de fundos próprios decorrentes dos riscos associados à sua atividade. É representado
pelo quociente entre o conjunto de fundos próprios (“Core”) e as posições ponderadas
em função do seu risco. Por sua vez, o “Core” engloba o capital de melhor qualidade da
instituição, em termos de continuidade e capacidade de absorção de prejuízos. E, quanto
às posições ponderadas em função do seu risco, estas indicam-nos uma medida dos
riscos da atividade financeira.2

1 Disciplina de Mercado de 2014 do Santander Totta.

2 Página oficial do Banco de Portugal.

Página | 15
Temos ainda o rácio de alavancagem (quociente entre o ativo total e o capital próprio)
que reflete o grau de risco de um banco. Um nível elevado de alavancagem significa que
existe uma baixa relação de capital sobre ativos totais, ou seja, o banco tem menos
capital para absorver perdas por unidade de ativo, aumento assim o risco de um Banco
não ser capaz de honrar os seus passivos.

Exemplo de um problema de solvabilidade:

Figura 1 – Problema de solvabilidade de um Banco

Ativo Passivo e Capital

(utilização de recursos) (origem de recursos)

Caixa

Empréstimos Dívida,
“seguros” depósitos e
financiamento

Empréstimos
“arriscados”

O Capital
absorve as Capital
perdas

Fonte: Adaptado de Farag et al. (2013).

A imagem acima revela que grandes quantidades de dívida com pequenas quantidades
de capital e combinado com empréstimos de alto risco levam um banco à situação de
insolvente. E porquê? Porque o capital não é suficiente para absorver uma grande parte
dos empréstimos “arriscados” e por conseguinte não vão poder ser totalmente
reembolsados. E, assim o passivo do banco fica maior que o seu ativo, ou seja, o banco
torna-se insolvente.
É neste sentido que se torna importante alertar, que para o banco ser mais resistente
contra possíveis falhas é preciso grandes quantidades de capital. E, caso o nível de
empréstimos “arriscados” for muito elevado, maior é a quantidade de capital que o
banco necessita.

Página | 16
Segundo o Banco de Portugal, os Bancos mostraram uma tendência positiva dos níveis
de solvabilidade desde a falência do Lehman Brothers em 2008, apresentando um
crescimento de 28,6% de 2008 a 2011. No entanto, a avaliação do 1º trimestre de 2015
revela que os níveis de solvabilidade diminuíram ligeiramente, atendendo a que os
valores a partir de 2014 deixaram de ser comparáveis com anos anteriores devido a
diferenças metodológicas no cálculo das componentes dos fundos próprios.

A qualidade dos ativos de um banco mede-se utilizando indicadores associados à

dimensão da qualidade da carteira de crédito, como por exemplo, o rácio do crédito
vencido, de incumprimento ou da cobertura de crédito vencido.
Por exemplo, podemos ter um determinado banco com valores elevados de crédito
vencido e/ou de incumprimento, mas se o banco tiver um valor razoável quanto às
provisões de crédito significa que o banco tem uma “almofada financeira” preparada
para os incumprimentos que possam surgir.

Por sua vez, temos a qualidade da gestão, que na sua grande maioria das vezes não é
atribuída a importância necessária. A pessoa, a equipa de gestão que está à frente do
banco é uma peça fundamental, pois de nada adianta ter todo um conjunto de
instrumentos financeiros, reguladores, modelos e indicadores económicos se não
tivermos uma boa gestão. Ao longo dos anos, a literatura tem vindo a revelar que uma
das causas mais comuns na falência de empresas e bancos é a gestão ruinosa.

Depois a capacidade de um banco para gerar lucros depende muito da combinação entre
a taxa ativa e taxa passiva dos bancos. A taxa passiva dos bancos é a taxa que o banco
oferece aos seus depositantes e a taxa ativa é a que o banco cobra pelos seus
empréstimos, e a diferença entre estas duas taxas resulta num ganho, na chamada
“margem financeira”.

Por último, mas não menos importante, temos a posição líquida de um banco. É sabido
que parte dos problemas dos Bancos é a falta de liquidez.

Página | 17
Exemplo de um problema de liquidez:

Figura 2 – Problema de liquidez de um Banco

Ativo Passivo e Capital

(utilização de recursos) (origem de recursos)

Caixa Caixa Financiamento

a curto prazo
“instável”

Financiamento
Empréstimos a longo prazo
“estável”

Capital

Fonte: Adaptado de Farag et al. (2013).

Uma grande quantidade de financiamento “instável” a curto prazo em relação aos ativos
líquidos, como caixa, significa que caso todos os investidores retirarem o financiamento
a curto prazo ao mesmo tempo, os ativos líquidos do banco ficam rapidamente
esgotados. Logo, o banco muito dificilmente consegue reembolsar a 100% todos os
investidores, entrando assim em default.
Portanto, para os bancos evitarem problemas de liquidez, há que ter uma combinação de
fontes estáveis de financiamento com quantidades suficientes de ativos líquidos.

Página | 18
 3. REVISÃO DE LITERATURA
3.1. A FALÊNCIA
3.1.1. Introdução

A falência de uma empresa representa um evento a que estão associados "sentimentos

negativos", a grandes perdas para todos os intervenientes.
O fenómeno falência não escolhe um só setor em particular ou produto, é transversal a
todas as áreas.1 Uma situação destas está intimamente relacionada com problemas de
baixa liquidez e é nesta altura que muitas das vezes é emitido o sinal de alerta para uma
possível situação de falência (Famá e Grava, 2000). De acordo com Sharma e Mahajan
(1980), o processo de falência pode ser definido pela seguinte figura:

Figura 3 - Processo de falência

Má ou ineficaz gestão
Acontecimentos
imprevistos ou
Erros de planeamento estratégico e/ou imprevisíveis
execução

Deterioração dos indicadores de desempenho

Ausência de uma ação corretiva ou uma ação

corretiva ineficaz

Leva à Falência.

Fonte: Adaptado de Sharma e Mahajan (1980)

De acordo com Sharma e Mahajan (1980), uma gestão ineficaz e acontecimentos

imprevistos são as duas principais causas que levam uma empresa à falência. Santos
(2000) verificou também que as duas principais causas que conduzem uma empresa

1 Sharma e Mahajan (1980).

Página | 19
"saudável" a uma empresa "doente" são a incapacidade da gestão e uma deficiente
estrutura económico-financeira.

Mas, são diversas as causas ou fatores que podem levar uma empresa à falência, que
geralmente a literatura as classifica em externas e internas. Kloster e Jacobsen (2005),
através de um estudo na Noruega centralizado nos fatores macroeconómicos (externos)
presentes durante um processo de falência, concluíram que as alterações nas margens de
lucro, competitividade, taxas de juro reais, assim como as constantes flutuações cíclicas
foram as que mais contribuíram para um aumento de falências nos últimos anos.

Campbell e Underdown (1991) afirmam que na maioria dos casos é o resultado de um

conjunto de fatores que levam uma empresa à ruptura, não sendo possível afirmar com
uma certeza absoluta que foi só devido àquele ou a outro fator em específico. No
entanto, os autores consideraram os fatores que julgam estar mais diretamente
relacionados com o declínio de uma empresa. Portanto, de acordo com os autores, as
alterações que ocorrem no exterior e uma má gestão interna levam a graves
desequilíbrios nas operações da empresa e, por conseguinte, à falência.

Relativamente à questão da "má gestão", Laia (1999) explica que nem sempre é fácil
avaliar se uma determinada equipa de gestão de uma empresa está a agir corretamente
ou não. Mas Laia (1999) indica-nos que, em último caso, é a gestão que acarreta sempre
a responsabilidade de monitorizar a progresso da empresa. Isto porque se a equipa de
gestão fosse realmente eficaz esta seria capaz de acompanhar o comportamento externo
de forma a acautelar situações mais complicadas.

Laia (1999) atribuiu dois tipos de causas de falência, sendo elas estratégicas/económicas
e financeiras. Em relação às estratégicas/económicas, o autor considerou a recessão
económica, o mau negócio pontual, a má gestão, a falta de competitividade, de
mercados e estratégia desadequada. Em relação às financeiras considerou a subida das
taxas de juro, o financiamento mal negociado e a estrutura de capital.

Bescos (1987) enunciou algumas das primeiras causas que levam uma empresa à
ruptura, sendo elas: a redução de atividade (33,2%), problemas de gestão (23%),
problemas de tesouraria (18,7%), a redução das margens e da rentabilidade (17,6%) e

Página | 20
por último as causas acidentais (7,5%). Presenciando deste modo que as causas de
potenciais falências são na sua grande maioria de origem interna.

Brilman (1993), tal como Laia (1999), defende que os gestores são os principais
culpados. O estudo de François Mader do Crédit Nacional (1977) mostra que, " a maior
parte das empresas já conheciam as suas dificuldades financeiras há 3 a 5 anos, mas,
mesmo assim, continuavam ainda a recrutar pessoal e a investir, alguns meses antes da
falência.". Brilman (1993) salienta algumas das explicações que estão interligadas com
a tardia reação dos gestores, como por exemplo: as expetativas de haver melhorias da
conjuntura, a utilização de indicadores desfasados, realização de orçamentos demasiado
otimistas, o recurso a soluções fáceis, a incapacidade da gestão perante situações de
crise, entre outras. Portanto, reagir tardiamente pode causar enormes prejuízos para as
empresas, onde a certa altura já não há "remédio" algum que possa salvar uma empresa.

O estudo de Brilman (1993), em contraste a outros que vimos até aqui, aponta três tipos
de causas de falência: natureza estratégica, gestão defeituosa e sistema de poder. No
quadro seguinte mostra-se um resumo desse estudo:

Quadro 2 - Resumo das causas de falência do estudo de Brilman (1993)

Natureza Estratégica Gestão Defeituosa Sistema de Poder

Elevados custos de Incompetência financeira

Vendas insuficientes
exploração do dirigente
Crescimento demasiado
Maus investimentos,
rápido com margem Desentendimentos entre
não rentáveis ou
insuficiente para o dirigentes e accionistas
demasiado importantes
financiamento
Doença, morte, substituição
Insolvência de clientes Demasiada burocracia por um herdeiro pouco
competente para o cargo
Ausência de Não existir planos da
Má contabilidade
competitividade evolução da empresa

Página | 21
 Eliminação das
Má localização Comercial sem direção
contribuições bancárias

Fonte: Adaptado de Brilman (1993)

3.1.2. O conceito de falência

A literatura nacional e internacional recorre a diferentes definições para poder responder

a esta necessidade, porque é com base nesta definição clara que se formam os vários
modelos de previsão de falência de empresas e consequentemente diferentes resultados
(Bahnson e Bartley, 1992).

Beaver (1966) considera a solvência empresarial como um "reservatório" de fundos, que

é sustentado por fluxos de entrada, onde a partir deste a empresa cumpre as suas
obrigações, ou seja, fluxos de saída. Mas, quando este "reservatório" num determinado
momento estiver exausto, a empresa tende para o incumprimento das suas obrigações,
isto é, tende para a falência, enquanto Altman (1968) e Deakin (1972) consideram o
conceito de falência a nível jurídico.

Blum (1974) adota como conceito de falência a incapacidade de uma empresa pagar as
suas dívidas e deste modo entrar num acordo para redução das dívidas ou então entrar
num processo de insolvência. Já, o estudo de Ohlson (1980) considera uma empresa que
tenha requerido insolvência ou que seja declarada como insolvente.

Taffler (1982) define falência como uma liquidação voluntária ou ordem judicial,
enquanto Karels e Prakash (1987) consideram que o momento exato em que a falência
de uma empresa ocorre é difícil de identificar e portanto para estes autores a falência é
um processo que tem início quando surgem as dificuldades financeiras e tem fim
quando a situação seja consomada legalmente.

Mais tarde, em 1993 surge a publicação do livro "Corporate Financial Distress and
Bankruptcy", por Altman e Hotchkiss. Neste livro, os autores visam esclarecer
diferentes termos que são frequentemente utilizados na literatura, são eles: a falência

Página | 22
(failure), a insolvência (insolvency), o incumprimento (default) e a bancarrota
(bankruptcy).

Altman e Hotchkiss (1993) consideram que o termo falência não pressupõe que a
empresa seja extinta, consideram antes que é quando a taxa de retorno do investimento
numa empresa é inferior em relação às taxas de retorno em investimentos semelhantes,
ou também quando as receitas da empresa não são suficientes para cobrir os seus custos.
Ou seja, uma empresa pode estar em falência e continuar a existir. Mas, a partir do
momento em que uma empresa não consiga solver as suas responsabilidades legais, a
empresa pode ser extinta e entra em "falência legal". Por outro lado, a insolvência é
vista pelos autores como um processo mais técnico, que ocorre quando uma empresa
não tem capacidade para cumprir com os seus compromissos devido à falta de liquidez.

Por sua vez, o termo incumprimento reflete essencialmente a relação entre a empresa e
os credores. Os autores consideram dois tipos de incumprimento: o legal e o técnico. O
"incumprimento técnico" resulta do facto de a empresa não respeitar uma determinada
condição contratual para com o seu credor, resultando deste modo em diligências legais
por parte do credor, isto é, resultando em "incumprimento legal".

Por último, a bancarrota é, para estes autores, uma situação de insolvência permanente
ou um pedido legal da empresa para a sua extinção.

Segundo Santos (2000), a falência pode ser definida como o estado económico-jurídico
da empresa que a impossibilita de solver os seus compromissos, resultando em "falência
legal", ou seja, uma falência decretada em tribunal.

Como podemos observar, foram utilizadas ao longo do tempo diferentes abordagens

como a falência, a insolvência, a suspensão de pagamentos, uma liquidação voluntária,
entre outros. A definição de um conceito universal não é por isso fácil, tratando-se de
facto de uma limitação, pois a seleção da amostra das empresas ou entidades depende da
clareza deste conceito.

Página | 23
 3.1.3. O conceito de falência em Portugal

Atualmente, é o Código da Insolvência e da Recuperação de Empresas (CIRE) aprovado

pela Lei nº 66-B/2012 de 31/12 que rege a matéria das insolvências e os processos de
recuperação de empresas em Portugal. Desde 2004, que o termo "falência" deixou de
ser utilizado na legislação portuguesa, dando lugar à questão da insolvência. De acordo
com o nº 7 do CIRE: " (...) A supressão da dicotomia recuperação/falência, a par da
configuração da situação de insolvência como pressuposto objectivo único do processo,
torna também aconselhável a mudança de designação do processo, que é agora a de
‘processo de insolvência’. A insolvência não se confunde com a ‘falência’, tal como
actualmente entendida, dado que a impossibilidade de cumprir obrigações vencidas, em
que a primeira noção fundamentalmente consiste, não implica a inviabilidade
económica da empresa ou a irrecuperabilidade financeira postuladas pela segunda.".

De acordo com o artigo 3º do CIRE, uma empresa encontra-se em insolvência quando

esta se encontra impossibilitada de cumprir as suas obrigações vencidas; ou quando o
seu passivo é superior ao seu ativo, apenas nos casos em que não exista nenhuma pessoa
singular que responda pessoal e ilimitadamente, de forma direta ou indireta, pelas suas
dívidas ou no caso de o devedor estar em situação económica difícil 1 ou insolvência
meramente iminente apresente ao tribunal a sua insolvência.

O processo de insolvência em Portugal assenta essencialmente na satisfação dos

credores através de um plano de insolvência, isto é, num processo de recuperação da
massa insolvente da empresa. No entanto, se tal não for exequível é realizada a
liquidação do património do devedor e a repartição do produto pelos credores.2

Portanto, de acordo com os números 3 e 4 artigo 234º do CIRE, uma empresa

considera-se extinta numa das seguintes situações:

 " Com o registo do encerramento do processo após o rateio final, a

sociedade considera-se extinta."
 " No caso de encerramento por insuficiência da massa insolvente, a
liquidação da sociedade prossegue nos termos do regime jurídico dos

1
De acordo com o artigo 17º-B do CIRE, um devedor está em situação económica difícil quando enfrenta
dificuldade séria em honrar pontualmente as suas obrigações, nomeadamente por ter falta de liquidez ou
por não conseguir obter crédito.
2
Artigo 1º do CIRE.

Página | 24
 procedimentos administrativos de dissolução e de liquidação de
entidades comerciais, devendo o juiz comunicar o encerramento e o
património da sociedade ao serviço de registo competente."

3.2. MODELOS DE PREVISÃO DE FALÊNCIA

3.2.1. Introdução

A atual conjuntura económico-financeira tem despertado diversos autores para a

necessidade de antever possíveis situações de ruptura no seio das empresas e outras
instituições. Muitos são os interessados na saúde financeira de uma instituição ou
empresa. Entre eles, destacam-se os gestores, as instituições financeiras, os accionistas,
os auditores, outros credores, o Estado e entidades reguladoras. Todos estes agentes têm
como objetivo essencial a minimização do risco e dos custos em caso de falência,
existindo deste modo um grande interesse em avaliar e prever a evolução futura de uma
empresa, recorrendo para isso aos vários modelos de previsão de falências que têm sido
desenvolvidos ao longo do tempo.

Os modelos assentam sobretudo na análise de rácios financeiros provenientes da

informação contabilística, nomeadamente da demonstração de resultados e do balanço,
com o intuito de detetar se existem em determinados momentos do tempo, possíveis
problemas financeiros futuros que levem uma empresa à falência. De um modo geral, os
modelos de previsão de falência têm conseguido obter elevadas percentagens de sucesso
(Bellovary et al., 2007) e por isso largamente utilizados e difundidos pelo mundo
académico. Os modelos sofreram modificações ao longo dos anos com o propósito de
melhorar cada vez mais a capacidade preditiva de possíveis falências.

Seguidamente, vamos rever alguns dos principais modelos de previsão de falências e

suas metodologias que foram usados ao longo dos anos em diversos estudos empíricos.

Página | 25
 3.2.2. Análise Univariada

Os modelos que utilizam a técnica da análise univariada explicam uma determinada

variável dependente em função de uma única variável independente, isto é, a análise
tradicional de rácios. Um dos primeiros estudos a ser largamente reconhecido nesta área
pertence a Beaver (1966). O autor introduziu a previsão de falências a partir da análise
de vários rácios separadamente. O estudo baseou-se numa comparação de rácios
financeiros entre empresas industriais dos Estados Unidos da América para cinco anos
antes da falência. Foram analisadas 79 empresas falidas e não falidas de setor e
dimensão semelhantes durante o período de 1954 a 1964, onde os rácios com maior
capacidade discriminativa (são os rácios que classificam as observações da amostra com
menor percentagem de erro, ou seja, aqueles para os quais essa diferença será maior) de
30 inicialmente escolhidos foram os seguintes:
 Cash Flow/Total Debt
 Working capital/Total assets
 Net income/ Total assets
 Total debt/Total assets
 Current assets/Current liabilities
 No-Credit Interval1
Com exceção do rácio Total debt/Total assets, todos estes rácios apresentam em média
valores melhores em empresas não falidas do que em empresas falidas. Beaver (1966)
concluiu ainda que o rácio Cash Flow/Total debt obteve a maior percentagem de
capacidade preditiva, situando-se em 87% (ou seja, 13% de erro) para um ano antes da
falência e de 78% (ou seja, 22% de erro) para cinco anos antes da falência.

Apesar de a técnica da análise univariada ser de fácil aplicação, esta é suscetível de

apresentar erros de interpretação, pois a análise de cada rácio é realizada
individualmente, não há interação entre eles. Por exemplo, uma empresa que apresente
níveis de rendibilidade e solvabilidade baixos representa uma potencial falência, mas se
apresentar níveis de liquidez elevados a empresa pode não estar numa situação assim
tão grave. Observando-se deste modo contradições quanto ao "verdadeiro" desempenho
da empresa (Altman, 1968). Assim, como o facto de a amostra se subdividir em partes

1
Morgado (1998) considerou como sendo igual a [(Ativo corrente - existências) - Passivo de curto
prazo]/(custos operacionais desembolsáveis/365).

Página | 26
iguais, isto é, na realidade existem mais empresas não falidas do que empresas falidas,
logo o erro de previsão tem tendência a ser maior na prática do que no modelo (Neves,
2005).

3.2.3. Análise Multivariada ou Sistema de Scoring (Pontuação)

A análise multivariada evidencia-se da análise univariada pelo facto de a variável

dependente ser explicada conjuntamente por múltiplos fatores, colmatando, desta forma,
a limitação dos modelos univariados, isto é, a não existência de relações de causa-efeito
entre as diferentes variáveis explicativas. A análise multivariada engloba várias
técnicas, entre elas, destacam-se a análise discriminante múltipla (ADM), a análise
Logit, a análise Probit, e as Neural Network1.

[Link]. Análise Discriminante Múltipla

A análise discriminante múltipla consiste numa técnica estatística que é utilizada para
classificar qualquer observação em um ou mais grupos à priori dependendo das
características individuais da observação. É usada para classificar a variável dependente
na forma qualitativa, ou seja, em falência ou não falência.

A função discriminante apresenta-se da seguinte forma:

(1)

Onde:

Índice discriminante (variável dependente);

= Coeficientes discriminantes;

= Variáveis explicativas (independentes).

Quando os coeficientes discriminantes são multiplicados pelas respetivas variáveis

independentes e a equação for somada, obtém-se um valor Z (índice discriminante), que

1 Redes Neurais.

Página | 27
é utilizado para classificar se uma empresa é solvente ou insolvente em cada um dos
grupos definidos à priori.

De acordo com Bellovary et al. (2007), de entre as mais variadas técnicas que existem
para prever falências de empresas, a ADM é a técnica mais utilizada desde os anos 60.
Ao longo dos anos, foram vários os modelos que surgiram com base nesta técnica,
contudo abordarei apenas alguns dos principais modelos tendo especial atenção ao
modelo de Altman (1968).

[Link].1. Modelo de Altman (1968) - Z-Score

Este modelo foi desenvolvido por Altman (1968) e é até hoje um dos modelos mais
importantes, conhecido e utilizado, que combinou diversas medidas de rendibilidade e
risco. Este modelo provou ter uma boa capacidade preditiva de falências em diversos
contextos e mercados.
Altman (1968) utilizou uma amostra de 66 empresas industriais cotadas, em que 33
empresas pertenciam ao grupo 1 (falidas) e as outras 33 ao grupo 2 (não falidas) durante
o período de 1946 a 1965. Os dados foram extraídos a partir de demonstrações
financeiras anteriores à falência e as variáveis classificadas em cinco categorias:
liquidez, rendibilidade, endividamento, solvabilidade e funcionamento.

Foram inicialmente escolhidos 22 rácios devido essencialmente a dois fatores:

popularidade literária e potencial relevância para o estudo. A estes 22 rácios foram
realizados vários testes "F" (teste de significância) de modo a testar a capacidade de
discriminação individual das variáveis. Isto é, se por exemplo a variável for
significativa, indica-nos que existem diferenças expressivas ao nível deste rácio entre os
2 grupos de empresas definidos à priori. No seu estudo, Altman (1968) selecionou
apenas 5 rácios:

 ;

O valor de é um rácio frequentemente utilizado em empresas com problemas

financeiros, pois de acordo com Altman (1968) uma empresa que esteja constantemente
com perdas operacionais leva a que os seus ativos correntes sejam consumidos pelas

Página | 28
perdas existentes, diminuindo a proporção de ativos correntes sobre o total de ativos,
representando desta forma a liquidez de uma empresa.

 ;

O valor de é um indicador que reflete a acumulação de lucros. Para Altman, este

indicador tem subjacente a idade da empresa, isto é, uma empresa mais recente terá à
partida menores resultados transitados relativamente a uma empresa mais antiga.
Sugerindo, assim, que podem existir empresas que são classificadas de um modo errado,
apenas por serem mais novas, assumindo tudo o resto constante.

 ;

O valor de é, de acordo com Altman, aquele que apresenta a verdadeira rendibilidade

dos ativos da empresa, excluindo assim os efeitos taxativos e fiscais, devendo ser
considerada em estudos de previsão de falência de empresas.

 ;

O valor de mercado dos capitais próprios representa a capitalização bolsista, (assumindo

que este valor representa o correto valor da empresa), e sendo este a diferença entre
Ativo total e Passivo total, então este rácio indica-nos em que montante pode os ativos
da empresa decrescer antes de a empresa entrar em falência (ou seja, os seus passivos
excederem os seus ativos).

 .

Por último, temos o rácio que mostra a capacidade que a empresa possui na geração
de vendas com base nos seus ativos, sendo um indicador muito útil para os gestores das
empresas poderem atingir os seus objetivos em termos estratégicos.

Os resultados dos testes de significância realizados são, segundo a tabela 1, os

seguintes:

Página | 29
 Tabela 1 - Média das Variáveis e Teste de Significância (empresas cotadas)

Médio Grupo Médio Grupo

Variável Teste F
Falidas Não-Falidas

*
*
*
*

* Significância ao nível de 0,001

Fonte: Adaptado de Altman (1968)

Observou-se que o rácio que melhor discrimina os grupos de empresas é a variável ,

ou seja, é a variável que mais difere em valor entre empresas falidas e não falidas. Por
outro lado, a variável que mostrou um nível de significância bastante inferior às outras
foi a , revelando que esta não apresenta valores muito diferentes entre as duas
realidades empresariais.

Contudo, Altman (1968) procurou avaliar o contributo explicativo relativo de cada

variável em relação à capacidade total de discriminação oferecida pela função e a
interligação entre ambas. Para o efeito, as variáveis foram ajustadas de modo a anular o
enviesamento causado pelas diferentes unidades em que se encontram expressas. De
acordo com a tabela seguinte, tem-se um ranking das variáveis que mais contribuem
para a capacidade de discriminação da função:

Tabela 2 - Contributo explicativo relativo das variáveis

Variável Scaled Vector Ranking

Fonte: Adaptado de Altman (1968)

Página | 30
Altman (1968) conclui assim que, contrariamente à análise inicial, as variáveis , e
são as que mais contribuem para discriminar os diferentes grupos de empresas. E
assim, de acordo com o estudo original de Altman (1968), a função discriminante para
empresas cotadas é a seguinte:

(2)

Que representa a melhor combinação linear de rácios financeiros para discriminar

elementos pertencentes a diferentes grupos e é aquela que permite minimizar os erros de
uma incorreta classificação. O investigador indicou três grupos de classificação, onde o
valor Z apresenta limites inferiores e superiores, ou seja, se o valor Z for inferior a 1,81,
então a empresa está com elevada probabilidade de falência. Mas, se o valor Z for
superior a 2,99 a empresa apresenta níveis baixos de probabilidade de falência,
indicando que a empresa se encontra com boa "saúde" financeira. Caso o valor Z se
encontre entre estes dois limites, a empresa não tem uma tendência bem definida, ou
seja, não tem propriamente menores ou maiores probabilidades de falência mas há
pontos a melhorar, é a chamada "zone of ignorance".

A literatura que envolve previsão de falências continua a referir que podem ocorrer dois
tipos de erros de previsão na classificação das observações: erro do Tipo I e erro do
Tipo II (Bellovary et al., 2007). O erro de Tipo I consiste sucintamente em rejeitar a
hipótese nula, quando na realidade é verdadeira. Contrariamente, o erro de Tipo II
traduz-se em não rejeitar a hipótese nula, quando na realidade é falsa. Implicando, desta
forma, que a análise dos modelos de previsão de falência não deve ser realizada de
forma independente dos custos associados aos erros de previsão (Weiss, 1996).

Adequando a temática ao contexto do presente trabalho, o erro de Tipo I acontece

quando um determinado modelo de previsão de falência classifica uma empresa falida
em não falida e o erro de Tipo II o inverso, ou seja, classifica uma empresa não falida
em falida. Normalmente, os erros do Tipo I têm maiores custos associados por serem
mais gravosos que os erros do Tipo II. Isto porque, por exemplo um investidor que não
invista numa empresa falida quando na realidade não está falida, o que poderá acontecer
no máximo é o custo de oportunidade por não ter investido. Enquanto, um investidor
que invista numa empresa não falida quando na verdade está falida, acarreta custos para
o investidor na medida em que perde o que investiu.

Página | 31
Os resultados do estudo de Altman (1968) para um ano antes da falência revelaram o
seguinte:

Tabela 3 - Resultados da Previsão do modelo 1 ano antes da falência

Previsão do modelo
Realidade
da Empresa Grupo 1 - Falidas Grupo 2 - Não Falidas

Grupo 1 - Falidas 94 % (31 empresas) 6 % (2 empresas)

Grupo 2 - Não falidas 3 % (1 empresa) 97 % (32 empresas)

Fonte: Adaptado de Altman (1968)

Conclui-se, assim, que o modelo teve um erro do tipo I de 6% indicando que o modelo
para um ano antes da falência classificou 2 das 33 empresas falidas em não falida. Por
outro lado, obteve um erro do tipo II de 3%, ou seja, das 33 empresas não falidas o
modelo classificou uma como falida, mostrando assim que o modelo obteve uma
capacidade preditiva de 95% para um ano antes da falência.

Finalmente, os resultados do estudo de Altman (1968) para dois anos antes da falência
revelaram o seguinte:

Tabela 4 - Resultados da Previsão do modelo 2 anos antes da falência

Previsão do modelo
Realidade
da Empresa Grupo 1 - Falidas Grupo 2 - Não Falidas

Grupo 1 - Falidas 72 % (23 empresas) 28 % (9 empresas)

Grupo 2 - Não falidas 6 % (2 empresas) 94 % (31 empresas)

Fonte: Adaptado de Altman (1968)

Para dois anos antes da falência os erros do tipo I e II foram de 28% e 6%,
respetivamente, indicando assim que o modelo de Z-Score alcançou uma previsão

Página | 32
correta dois anos antes da falência de 83%. Altman (1968) testou a previsão do modelo
até cinco anos antes da falência, mostrando que à medida que se aumenta o número de
anos a capacidade de previsão do modelo diminuiu.

Contudo, o estudo de Altman (1968) teve algumas limitações. Uma das mais relevantes
prendeu-se com o facto de o modelo apenas estar preparado para ser testado em
empresas cotadas, ou seja, que apresentassem valores de mercado dos seus capitais
próprios. Por conseguinte, Altman (1983) alterou o rácio onde o valor de mercado
dos capitais próprios foi substituído pelo valor contabilístico dos capitais próprios, uma
vez que o valor de mercado em muitos casos não é facilmente obtido.

Portanto, a função discriminante para empresas não cotadas é a seguinte:

(3)

Os resultados obtidos revelam três novos grupos de classificações em relação aos

valores para o índice Z-Score. A zona de solvência financeira está agora para valores de
Z superiores a 2,90 e a zona de insolvência financeira para valores de Z inferiores a
1,23. A "zone of ignorance" situa-se agora entre 1,23 e 2,90.

De referir que o modelo Z-Score de Altman (1968), tem as suas limitações, como por
exemplo o facto de não poder ser incluído dados qualitativos, ou seja, os dados
financeiros considerados não refletirem imprevistos que possam acontecer na atividade
da empresa e que por vezes não estão espelhados nas demostrações financeiras e
também pelo facto de os rácios terem sido escolhidos com base em significância
estatística e popularidade literária e não por uma correta correspondência à realidade do
país e empresas. No entanto, o modelo continua a ser o mais utilizado por diversos
agentes económicos. Ao Z-Score estão associadas algumas das principais
características: simplicidade, técnica estatisticamente estável, de fácil interpretação e
eficiência.

Note-se que este modelo e todos os outros não dizem exatamente quando é que essa
falência vai acontecer, apenas revela que existem grandes probabilidades de solvência
ou insolvência no futuro mediante os sintomas que a empresa anuncia no presente.

Página | 33
 [Link].2. Modelo de Deakin (1972)

Deakin (1972) propõe, no seguimento de Altman (1968) e Beaver (1966), um modelo

alternativo para prever falência. O autor critica Altman (1968) em relação à abrupta
diminuição da capacidade de previsão para anos mais longínquos. Deakin (1972) usou
os mesmos rácios que Beaver (1966), onde observou que a partir do terceiro e quarto
ano anteriores à falência aumenta exponencialmente a falência de empresas devido a um
aumento da dívida e de ações preferenciais.

O estudo de Deakin (1972) utilizou 32 empresas industriais falidas e não falidas que
pertenciam ao mesmo setor, que tivessem o mesmo tamanho de ativos e o mesmo ano
fiscal para o período de 1964 a 1970. Este modelo obteve 97%, 95%, 95%, 80% e 83%
de sucesso para 1, 2, 3, 4 e 5 anos antes da falência, respetivamente.

[Link].3. Modelo de Altman et al. (1977) - Zeta

No seguimento do Z-Score, Altman et al. (1977) juntamente com a empresa privada

Zeta Services, Inc., construíram um novo modelo mais adaptado aos recentes
desenvolvimentos no que respeita às demonstrações financeiras, à dimensão das
empresas, à natureza temporal dos dados e à metodologia da análise discriminante.

Este novo modelo conseguiu ter uma boa capacidade preditiva até cinco anos antes da
falência. A amostra envolveu 53 empresas falidas e 58 empresas não falidas do ramo
retalhista e da indústria transformadora de 1969 a 1975. Após um processo iterativo
com o objectivo de reduzir o número de variáveis, foram escolhidos apenas os rácios
que melhor discriminaram os dois grupos de empresas, sendo eles os seguintes:

 Rendibilidade dos ativos:

 Estabilidade dos Resultados:

Página | 34
  Serviço da Dívida:

 Rendibilidade acumulada:

 Liquidez:

 Capitalização:

 Dimensão:

O rácio da rendibilidade acumulada e a estabilidade de resultados foram as variáveis

que mais contribuíram para a discriminação entre os dois grupos de empresas, em que a
primeira chegou a ter um peso discriminativo de cerca de 25%.

Neste estudo, foram analisados os resultados de acordo com o formato linear e

quadrático. Isto porque uma das condições da análise discriminante é o facto de as
matrizes de variância e co-variância serem semelhantes.

Basicamente, se as matrizes forem idênticas, então o formato linear que agrega todas as
observações é o mais apropriado para o modelo. Se as matrizes não forem idênticas,
então uma estrutura quadrática é a mais adequada porque cada grupo pode ser avaliado
de forma independente.

Página | 35
Altman et al. (1977) verificaram que apesar de em termos de propriedades estatísticas a
estrutura quadrática ser melhor, o estudo mostrou nos testes de validação que a estrutura
linear apresenta uma melhor precisão a longo prazo.

A tabela 5 ilustra a precisão do modelo Zeta:

Tabela 5 – Precisão do modelo Zeta (formato linear)

Anos antes
1º ano 2º ano 3º ano 4º ano 5º ano
da falência
Empresas
96,2% 84,9% 74,5% 68,1% 69,8%
falidas
Empresas
89,7% 93,1% 91,4% 89,5% 82,1%
não falidas

Fonte: Adaptado de Altman (2000)

A tabela acima indica-nos que o modelo classificou corretamente mais de 90% das
empresas para um ano antes da falência e cerca de 70% até cinco anos antes da falência.
Assim, verificou-se que o modelo conseguiu superar o anterior Z-Score.

[Link].4. Modelo de Taffler (1983)

Taffler (1983) utilizou o modelo Z-Score para medir a solvência de empresas. Para isso,
considerou dois grupos de empresas – 46 falidas e 46 não falidas. Taffler (1983)
escolheu as empresas falidas com base nos vários conjuntos de situações de falência
relevantes dos últimos seis anos e as empresas solventes foram selecionadas
aleatoriamente tendo por base a sua solidez financeira, dimensão e setor.

De uma lista de 80 rácios, Taffler (1983) escolheu apenas 4 rácios, resultando na

seguinte fórmula:

(4)

Página | 36
Onde,

- z corresponde ao Z-Score;

- é a constante e a são os pesos dos rácios;

- O rácio mede a rendibilidade da empresa;

- O rácio mede a liquidez da empresa;

- O rácio mede o risco financeiro da empresa;

- mede a posição de liquidez de curto prazo da empresa. Esta medida indica-

nos o tempo em dias, para o qual a empresa pode continuar a financiar as suas
operações a partir dos seus próprios recursos, caso as receitas terminem.

A variável é a que tem um maior peso no modelo, atingindo cerca de 53%.

Seguidamente surge a variável com 18%, com 16% e por fim com 13%.

Taffler (1983) desenvolveu a partir da técnica Z-Score, o “Termómetro de Solvência” a

partir do qual conseguiu classificar as empresas como solventes ou não solventes – ver
anexo 1. Essencialmente, o “Termómetro de Solvência” indica-nos que, se o índice Z
estiver acima do limiar de solvência a empresa é considerada solvente e, à partida, não
entrará em falência no próximo ano. Mas se o índice Z estiver na denominada “região
de risco”, então muito provavelmente a empresa tem falhas financeiras e entrará
brevemente numa situação de falência.

Como resultado da fórmula adotada por Taffler (1983) temos que, ceteris paribus,
quanto maior o valor do primeiro, segundo e quarto rácio e menor o valor do terceiro
rácio, maior é o índice Z e menor é o risco da empresa entrar em falência.

Página | 37
 [Link].5. Modelo de Zeytmoglu e Akarm (2013)

Este estudo teve como objectivo desenvolver um modelo fiável para identificar o risco
de insuficiência financeira das empresas cotadas na Instambul Stock Exchange. A
amostra envolveu dados de demonstrações financeiras de 115 empresas da ISE durante
o período de 2009 a 2011.

Os autores seguiram a metodologia de Z-Score de Altman (1968) e criaram uma

variável dummy com valor “1” se a empresa tem sucesso e com valor “2” se não tem
sucesso, ou seja, grupo 1 – empresas não falidas e grupo 2 – empresas falidas. Foram
calculados 20 rácios financeiros, analisados estatisticamente ao nível da
multicolinearidade e também em relação à matriz de covariância entre os dois grupos de
empresas. Deste modo, a função discriminante é formada usando as variáveis (rácios)
mais discriminantes. Em 2009, 2010 e 2011 existiram 5, 3 e 4 rácios, respetivamente.

Verificaram que, além de outras variáveis consideradas, os rácios que se mantiveram

presentes na função discriminante ao longo dos três períodos, foram os seguintes:

 ;

 .

Isto implica que os rácios que medem a autonomia financeira e a capacidade que a
empresa tem para fazer face às suas responsabilidades de curto prazo foram as mais
relevantes ao longo do período da amostra.

Os resultados das previsões de Zeytmoglu e Akarm (2013) para os três anos encontram-
se na tabela seguinte:

Página | 38
 Tabela 6 – Resultados da previsão para os três anos (valores em %)

Realidade Previsão do modelo

da 2009 2010 2011
Empresa Grupo 1 Grupo 2 Grupo 1 Grupo 2 Grupo 1 Grupo 2
Grupo 1 94,7 5,3 86 14 97,5 2,5
Grupo 2 22,5 77,5 6,2 93,8 19,4 80,6

Fonte: Adaptado de Zeytmoglu e Akarm (2013)

Em 2009, 2010 e 2011 obtiveram 88,7%, 90,4% e 92,2% de sucesso nas suas previsões,
respetivamente. Isto é, as previsões do modelo corresponderam na sua grande maioria à
verdadeira situação da empresa.

Muitos outros estudos na área que foram e têm sido desenvolvidos ao longo dos tempos,
poderiam ser mencionados, como o caso de Blum (1974), Altman et al. (1979) ou Yi
(2012) que analisou a crise financeira na China no setor imobiliário de 2008 a 2009 com
base no indicador Z-Score e concluiu que este foi adequado para emitir alertas face à
crise, no entanto a taxa de sucesso ficou abaixo dos 90%.

Celli (2015) estudou a previsão de falência em empresas italianas com recurso ao Z-

Score. O autor investigou em que medida o modelo original de Altman (1968) ainda se
encontra útil e atual face às alterações macro e micro económicas, contabilísticas, etc.
que temos sofrido. Analisou 102 empresas cotadas na Bolsa de Valores Italiana de 1995
a 2013 e concluiu que o modelo funciona de forma eficaz e com bom desempenho na
previsão de falência em empresas italianas, desde que fossem tomados em conta alguns
aspetos críticos em relação ao mercado italiano.

3.2.4. Desvantagens da Análise Discriminante Múltipla

A aplicação da análise discriminante múltipla num determinado estudo envolve algumas

hipóteses, isto é, há requisitos que têm de ser cumpridos. A normalidade das variáveis, a

Página | 39
homogeneidade das matrizes de variância-covariância, a existência de diferenças
significativas entre os grupos e a remoção de outliers1 fazem parte desses requisitos.

Sabemos que, a existência de normalidade de variáveis económicas e financeiras é rara

e por isso de difícil “manipulação”. Em relação à igualdade de matrizes de variância-
covariância, esta deve ser cumprida, pois é uma consequência da linearidade da função.
A escolha das variáveis mais significativas é importante e é um processo que pode ser
realizado recorrendo a variadas técnicas estatísticas, na medida em que vai influenciar
os resultados obtidos. Perante a presença de outliers, muitas vezes um teste estatístico
pode não ser validado devido a dados anormais que deturpam o valor da média e a
existência destes pode prejudicar a interpretação dos resultados que se obtêm de uma
determinada amostra.

A não consideração de dados qualitativos pela ADM significa que é uma análise
baseada unicamente em dados contabilísticos e rácios e, por conseguinte, não considera
outras variáveis, como por exemplo: a competência do gestor, a formação dos
trabalhadores, os clientes, a estratégia, entre outras.

Uma outra desvantagem prende-se com o facto de os grupos terem que ser definidos à
priori, ou seja, para aplicar a análise discriminante é necessário saber qual o ano que
antecede a falência, porque, se queremos estudar o futuro da empresa quanto ao seu
possível insucesso não o podemos fazer sem saber o ano que o antecede.

3.2.5. Vantagens da Análise Discriminante Múltipla

Uma delas, já referenciada, centra-se no facto de permitir uma melhor captação das
interações das diversas dimensões da empresa, combinando uma série de rácios das
demonstrações financeiras. Uma outra, prende-se com uma diminuição do efeito que
possa haver na manipulação de dados contabilísticos. Segundo Morgado (1998): "O
método de análise discriminante multivariada, ao proceder ao diagnóstico do risco de
insolvência de uma empresa, fá-lo relativamente a todas as outras. Por isso as
consequências daquela manipulação têm aqui uma importância relativamente menor.”.

1 Outlier, significa de acordo com Hawkins (1980) “an observation which deviates so much from
other observations as to arouse suspicions that is was generated by a different mechanism".

Página | 40
Outra regalia da análise discriminante múltipla é o facto de reduzir o espaço da amostra
do analista, isto é, passamos de um número de diferentes variáveis independentes para
G-1 dimensões, onde G é igual ao número de grupos à priori (Altman, 1968), tornando
assim a tarefa mais fácil e acessível a um maior número de utilizadores. Por fim, a sua
fácil interpretação, aplicação e eficiência são os pontos fortes da análise discriminante
múltipla.

3.2.6. Análise Logit

A análise Logit obtém-se a partir da chamada regressão logística. É caracterizada por

considerar a probabilidade condicional, onde a variável dependente é uma variável
dummy, onde esta descreve uma qualidade e não uma quantidade. A variável dummy
pode apenas associar dois valores, valor “1” ou valor “0”, traduzindo-se desta forma na
probabilidade de acontecer um dos dois valores.

De acordo com Dias (2015) a probabilidade de falência pode ser escrita da seguinte
forma:

(5)

Onde,

(6)

Com,

e (7)

Ohlson (1980) foi um dos pioneiros da análise Logit. Estudou empresas industriais
norte-americanas durante o período de 1970 a 1976, onde foram seleccionadas
aleatoriamente 2163 empresas, das quais 105 eram falidas e 2058 estavam em atividade.

Página | 41
Foram testados 3 modelos para 1 ano, 2 anos e entre 1 ano e 2 anos antes da falência das
empresas, respetivamente. O modelo considerou nove variáveis explicativas, sendo elas
as seguintes:

 Dimensão: Log ;

 Endividamento de longo prazo: ;

 Liquidez: ;

 Endividamento de curto prazo: ;

 Uma variável dummy que assume valor “1” se o total do passivo for
superior ao total de ativos e assume valor “0” se o total do passivo for
inferior ao total de ativos;

 Rentabilidade dos ativos: ;

 Rácio de alavancagem financeira: ;

 Uma variável dummy que assume valor “1” se o resultado líquido dos
últimos dois anos for negativo e assume valor “0” se o resultado líquido
dos últimos dois anos for positivo;
 A variação do resultado líquido (RL) através da fórmula

, sendo o período mais recente.

O modelo conseguiu atingir as seguintes taxas de sucesso:

 96,12 % para 1 ano antes da falência;

 95,55 % para 2 anos antes da falência;
 92,84 % para entre 1 a 2 anos antes da falência.

O estudo de Ohlson (1980) concluiu que o poder preditivo de qualquer modelo depende
do timing em que é colocada a informação financeira e contabilística junto dos demais
agentes económicos.

A metodologia de Ohlson (1980) foi entretanto seguida e desenvolvida por diversos

autores, Zavgren (1985), Whitford et al (1985), Vennet e Lanine (2006), entre outros.
Por exemplo, Zavgren (1985) usou a metodologia Logit para um período de cinco anos

Página | 42
antes da falência. As empresas incluídas na amostra envolveram 45 falidas e 45 não
falidas de setor e dimensão semelhantes pertencentes à Bolsa de Valores de Nova
Iorque e ao mercado over-the-counter (OTC) para o período de 1972 a 1978. As
variáveis consideradas para o modelo estão no anexo 2 e envolvem essencialmente
rácios de liquidez, de investimento e financeiros.

O modelo conseguiu ser bastante significativo ao nível do e ao nível da

probabilidade de deteção de empresas em dificuldades financeiras até cinco anos antes.
Foram obtidas as seguintes percentagens de classificações corretas:

 82% para 1 ano antes;

 83% para 2 anos antes;
 72% para 3 anos antes;
 73% para 4 anos antes;
 80% para 5 anos antes.

Zavgren (1985) concluiu ainda o seguinte:

 A medida de liquidez tem muita importância nos anos anteriores e

que o seu sinal negativo revela que as empresas em falência estão
mais interessadas em liquidez do que em oportunidades
produtivas;
 A capacidade da empresa em cumprir as suas obrigações dentro
do prazo é um dos fatores mais importantes para evitar a falência;
 O rácio da dívida de longo prazo sobre o capital investido foi
muito significativo em todos os anos, mostrando que o uso da
dívida é uma das medidas mais fiáveis para avaliar uma empresa.

Vennet e Lanine (2006) estudaram a previsão de falência no setor bancário Russo

através do modelo Logit, com o intuito de saber se as características de cada banco
podem ser usadas para prever a maior ou menor vulnerabilidade de irem à falência. A
amostra utilizada envolve bancos que foram alvo de liquidação judicial ou de falência
obrigatória entre 1997 e 2004 – ver anexo 3.

Página | 43
O modelo Logit considerado foi o seguinte:

(8)

e,

(9)

Onde,

 Log – logaritmo;
 é a probabilidade do banco ir à falência no próximo período;
 onde é a variável dependente;
 é o coeficiente da variável de previsão .

A variável dependente dá valor “1” para bancos falidos e valor “0” para bancos não
falidos. Portanto, coeficientes positivos potenciam a probabilidade de fracasso e vice-
versa.

Este estudo permitiu observar o seguinte: os bancos falidos exibem um return on assets
(ROA) negativo e as suas rentabilidades diminuem à medida que o tempo se encurta
antes da falência ocorrer; os bancos falidos enfrentam grandes problemas de liquidez; os
bancos menos rentáveis, ilíquidos e descapitalizados têm maior probabilidade de
fracassar e a varável dimensão não se mostrou significativa em nenhum dos anos,
indicando assim que os bancos falidos não são consistentemente maiores ou menores do
que os seus pares que não faliram.

No geral, o modelo mostrou-se satisfatório para a previsão de falência bancária, onde os

fatores mais importantes neste tipo de previsão são a liquidez, a qualidade dos ativos e a
adequação do capital.

Shaffer (2012) observou quais foram as principais mudanças ao nível dos rácios e
probabilidades de uma possível falência bancária. Foram analisados os bancos
americanos de 1980 a 2008, onde a questão da dimensão dos ativos e a proporção do
capital sobre o total do ativo de um banco foram aquelas que mais sofreram alterações

Página | 44
ao longo dos anos; onde a dimensão dos ativos está intimamente relacionado com o
enfraquecimento da teoria “too-big-to-fail”1.

3.2.7. Análise Probit

O modelo Probit é muito similar ao modelo Logit, no entanto o Probit considera uma
função de distribuição cumulativa normal, ou seja, obtém-se uma função normalizada.
Ambos os modelos são adequados quando é necessário estudar a possibilidade de
ocorrerem duas alternativas (Hoetker, 2007).

De acordo com Hoetker (2007), vamos supor que uma empresa quer decidir se é melhor
produzir ou comprar um determinando componente. Então, a empresa produzir um dado
componente é dado por , sendo linearmente relacionado com um vector de variáveis
explicativas e o termo de erro , onde este inclui fatores não observáveis.

Temos portanto a seguinte equação:

(10)

Quando a variável dependente for maior que zero, a empresa decide produzir o
componente, caso contrário, a empresa compra o componente. Ou seja, assume valor
1 para a empresa produzir e valor 0 se for para comprar.

A probabilidade de ser igual a 1 é dada pela seguinte expressão:

(11)

Onde o primeiro e segundo ramo correspondem ao modelo Logit e Probit,

respetivamente. O é considerado um vetor de coeficientes estimados, onde
coeficientes positivos significam que a probabilidade de produzir a componente
aumenta com as variáveis. E, é a função densidade cumulativa com distribuição
normal.

1 A teoria “too-big-to-fail” defende que, se as instituições financeiras (bancos) fracassarem, o

governo deve apoiar e não permitir que entre em falência. Isto porque, os bancos têm um papel
muito importante no sistema económico e financeiro de um país e como tal uma possível
falência seria desastroso.

Página | 45
Zmijewski (1984) através da análise Probit, estudou todas as empresas listadas na bolsa
de valores de Nova Iorque e América entre 1972 e 1978, onde o número de empresas
variou entre as 2082 e as 2241 por ano. Foram consideradas para análise 81 empresas
falidas e 1600 não falidas.

O estudo de Zmijewski (1984) envolveu avaliar dois tipos de desequilíbrios, onde um

primeiro inclui na amostra apenas as variáveis independentes com base no
conhecimento, isto é, a probabilidade de a empresa ser incluída na amostra depende das
características da variável dependente. E, um segundo onde a amostra apenas inclui as
observações com dados completos utilizados para a estimação do modelo.

Para analisar o modelo Probit, o autor utilizou a técnica de estimação “weighted

exogenous sample maximum likelihood” (WESML).

Tem-se o seguinte:

(12)

(13)

(14)

Onde,

 ;
 ;

 ;

 ;

 ;

A equação descrita acima traduz a probabilidade de falência de uma equação Probit, em

que uma empresa apresenta falência (B=1) quando exceder zero.

Em seguida, os parâmetros da equação são estimados segundo a maximização da função

logarítmica :

(15)

Página | 46
Onde,

 ;
 .

Mas, esta abordagem considera as composições das amostras e de população

semelhantes. Então, o autor utilizou a técnica WESML, onde a função de probabilidade
logarítmica é medida pelo rácio entre a taxa de frequência populacional e a taxa de
frequência de amostragem dos grupos individuais. E, esta é dada pela seguinte
expressão:

(16)

Onde,




Zmijewski (1984) faz uma comparação entre o modelo Probit não ajustado e o modelo
ajustado pela técnica WESML, onde os resultados do modelo ajustado revelam que há
uma diminuição dos desequilíbrios. No entanto, o autor reforça a ideia de que estes
desvios/desequilíbrios não afetam significativamente as inferências estatísticas ou as
taxas globais de classificação correta nos modelos de previsão de dificuldades
financeiras, apenas afetam expressivamente as taxas de erro dos grupos individuais.

Samad (2012), através do modelo Probit, conseguiu prever quais os fatores relacionados
com o risco de crédito mais importantes na previsão de falência de bancos Norte-
Americanos. Foram analisados para o período de 2009 um total de 255 bancos, sendo
134 falidos e 121 não falidos. As provisões para perdas com empréstimos/ créditos e a
percentagem de empréstimos não correntes no total dos empréstimos dos bancos foram
as mais relevantes no estudo. O modelo estimado apenas com estas variáveis foi o que
obteve melhor sucesso na previsão, atingindo 77,25% de classificação correta.

Página | 47
Lennox (1999), em contraste com outros estudos, argumentou que o modelo Logit e
Probit obtiveram maior capacidade preditiva face à ADM. A amostra envolveu 949
empresas do Reino Unido entre os anos de 1987 e 1994, onde concluiu que
rentabilidade, dívida, cash flow, dimensão, ciclos económicos e setor da indústria são os
fatores mais importantes a ter em conta na previsão de falências de empresas.

Ao longo destes anos, foram vários os investigadores que desenvolveram a análise

Probit, como o caso de Kasgari et al. (2013), Lin (2009), Canbas et al. (2005), no
entanto, o modelo Probit continua a ser um dos modelos da análise multivariada menos
utilizado (Bellovary et al., 2007).

3.2.8. Análise Neural Network

As Neural Networks ou redes neurais artificiais têm vindo a ganhar cada vez mais
popularidade ao longo dos anos por vários investigadores de diversas áreas. Assentam
fundamentalmente numa estrutura muito semelhante ao do sistema nervoso humano.
Este tipo de análise surge por volta dos anos 40 com McCullock e Pitts (1943) a
apresentarem um modelo matemático onde esquematizam como funciona uma
determinada unidade de processamento.

Figura 4 – Exemplo de unidade de processamento

Fonte: Imagem ilustrativa do esquema de unidade de processamento de McCullock e Pitts

(1943)
[Link]
&biw=1438&bih=644&source=lnms&tbm=isch&sa=X&ved=0CAYQ_AUoAWoVChMI6qTe
76HYyAIVwVwaCh0Dvggt&dpr=0.95#imgrc=QoOztL_BxJaLYM%3A

Página | 48
Em que:

 , são os sinais de entrada;

 , correspondem aos pesos multiplicados por cada sinal de
entrada;
 ∑ corresponde à soma ponderada dos sinais que produzem um nível de
atividade;
 Se o nível de atividade exceder um determinado limite, então a unidade
produz uma determinada resposta de saída ( ).

Tam e Kiang (1992) consideram uma rede neural composta por um número de unidades
de processamento homogéneos interligados, onde cada unidade é um dispositivo de
computação simples.
O comportamento de uma rede neural pode ser modelado por funções matemáticas
simples. Uma unidade recebe sinais de entrada a partir de outras unidades, agregados,
estes sinais com base numa função de entrada geram um sinal de saída com base
numa função de saída . Por sua vez, o sinal de saída é encaminhado para outras
unidades, funcionando deste modo em rede.

Utilizaram as seguintes funções:

e (17)

Onde,

 é o input da unidade ;
 é o output da unidade ;
 é a conexão ponderada entre a unidade e ;
 é o enviesamento da unidade .

A amostra do estudo de Tam e Kiang (1992) envolveu os bancos falidos de Texas de

1985 a 1987, onde em cada período foram selecionados 118 bancos (59 falidos e outros
59 não falidos). As variáveis deste estudo encontram-se no anexo 4, e envolvem rácios
relacionados com a adequação do capital, qualidade dos ativos, lucros e liquidez. Os
autores concluíram que as redes neurais apresentam melhor capacidade preditiva face a
outros modelos, como por exemplo a análise Logit e a análise discriminante múltipla.

Página | 49
Coats e Fant (1993) utilizaram as redes neurais com o intuito de prever as dificuldades
financeiras das empresas. Para isso analisaram 94 empresas incluídas no relatório dos
auditores externos como casos suspeitos no que diz respeito à permanência em atividade
e 188 empresas em atividade durante o período de 1971 a 1990. Os autores conseguiram
80% de classificação correta relativamente às empresas que tinham sido identificadas
como casos suspeitos.

Boritz et al. (1995) consideram a rede neural artificial como um sistema de computador
que se inspira em factos conhecidos sobre como o cérebro humano funciona. E, pode ser
“treinada”, tal como “nós” humanos, de modo a identificar determinados problemas ou
a identificar padrões específicos. Boritz el al. (1995) argumentam mesmo que uma das
grandes vantagens deste tipo de análise é a sua capacidade indutiva de algoritmos de
reconhecimento de padrões.

O estudo de Altman et al. (1994) compara as redes neurais com a ADM, onde
verificaram que as redes neurais obtiveram resultados bastante favoráveis, sendo até por
vezes superiores aos das outras análises como a Logit e a discriminante. Porém, Altman
el al. (1994) alertam para o facto de haver determinado tipos de comportamentos que
não são aceitáveis pela rede e também pelo facto de serem de difícil compreensão e
resolução. No entanto, têm exibido características satisfatórias para continuar a haver
incentivo na melhoria das Neural Networks.

Página | 50
 4. ESTUDO EMPÍRICO
4.1. Caracterização da amostra

Ao longo dos anos foram criados e desenvolvidos vários modelos e metodologias

diferentes, no entanto a eficácia e a simplicidade dos modelos de scoring foram e
continuam a ser dos mais utilizados.

Para alcançar o objetivo da presente dissertação, o modelo a ser estimado é o Z-Score de

Altman (1968) aplicado ao setor bancário português. A opção pela realidade portuguesa
deriva essencialmente do facto de haver escassez de estudos nesta área, sobretudo do
setor bancário.
A amostra é constituída por 2 grupos de bancos, onde ao grupo 1 pertencem 3
insolventes e ao grupo 2 pertencem 3 solventes, de setor e dimensão semelhantes. Do
grupo 1 faz parte: o Banco Espírito Santo (BES), o Banco Privado Português (BPP) e o
Banco Português de Negócios (BPN). E do grupo 2 faz parte: a Caixa Geral de
Depósitos (CGD), o Banco Santander Totta e o Banco Português de Investimento (BPI).

O grupo dos bancos insolventes foi selecionado com base no facto de terem entrado em
processo de recuperação ou falência. Enquanto o grupo dos bancos solventes carateriza-
se pelo facto de no final do período de 2014 não ter existido qualquer registo de
processos de recuperação ou falência. O período temporal da amostra envolve os três
anos anteriores ao da falência (N-3, N-2 e N-1) para o grupo 1, mais especificamente:
BES (2011 a 2013), BPP (2005 a 2007) e BPN (2009 a 2011). Em relação ao grupo dos
bancos solventes, temos a CGD (2011 a 2013), o Banco Santander Totta (2005 a 2007)
e o BPI (2009 a 2011). Os anos do grupo 2 foram escolhidos tendo em conta os anos
analisados para os bancos insolventes, de modo a haver uma melhor comparabilidade
entre os rácios, uma vez que os mesmos não foram todos à falência no mesmo ano. Os
dados são analisados a partir das demonstrações financeiras de todos os bancos que
constituem a amostra e depois inseridos numa folha de cálculo de modo a ter um
conjunto de variáveis e rácios a ser testados.

Página | 51
 4.2. Seleção das variáveis

A escolha das variáveis a ser utilizadas no modelo não é uma escolha fácil, pois não
existe propriamente nenhuma teoria universal sobre quais as variáveis ou rácios que
devem ser utilizados na previsão de falências bancárias.
Na grande maioria dos estudos que têm sido realizados nesta área e não só, os autores
utilizam diversos métodos ou teorias para justificar a escolha das variáveis, como por
exemplo, através de técnicas econométricas, análise univariada, popularidade literária,
com base em estudos anteriores, entre outros. Existe portanto um leque variado de
estudos que recorre a um leque variado de fontes de informação.

Neste trabalho a fonte a ser utilizada é o modelo “RiskCalc V3.1 US Banks” da

Moddy’s, onde as variáveis utilizadas são adequadas ao setor bancário e são
frequentemente utilizadas pela Agência de Rating Moody’s para análise do risco de
default. A Moody’s selecionou as variáveis mais importantes e significativas na
avaliação do default bancário com base numa análise cuidada de uma longa lista de
rácios financeiros dos bancos americanos. Os rácios foram divididos em 5 grandes
categorias: estrutura de capital, rentabilidade, concentração de ativos, liquidez e
qualidade de ativos.

Quadro 3 – Variáveis utilizadas pela Moody’s no sistema bancário

Categoria Rácios

Estrutura de
Capital

Rentabilidade
1

1 Net interest margin representa a margem líquida de juros.

Página | 52
 Concentração de 1

ativos

2 3
Liquidez

Qualidade dos
ativos

Fonte: Adaptado da Moody’s

Por sua vez, temos os diferentes pesos para cada categoria:

Quadro 4 – Pesos utilizados pela Moody’s para as diferentes categorias

Categoria Pesos

Estrutura de Capital 28%

Rentabilidade 24%

Concentração de ativos 23%

Liquidez 7%

Qualidade dos ativos 19%

Fonte: Adaptado da Moody’s

1 O valor dos empréstimos engloba os empréstimos imobiliários, comerciais e industriais.

2 O valor dos títulos engloba os bilhetes e obrigações do tesouro e outros títulos garantidos pelo
governo ou agência governamental.
3 Mortgage-backed security (MBS) “são títulos que têm como garantia, ou colateral, o crédito

hipotecário. À passagem de créditos hipotecários a títulos MBS chama-se igualmente

titularização, tendo normalmente estes títulos uma taxa de rendibilidade fixa.” (Mota el al.,
2009)
4 Neste estudo considerou-se como “charge-off” o valor do crédito vencido superior a 90 dias.

Página | 53
Como referido anteriormente, o objetivo da presente dissertação consiste em verificar a
capacidade de previsão do modelo de Altman (1968) no setor bancário português e para
isso vai ser utilizado o modelo “RiskCalc V3.1 US Banks” devido à não existência de
algo similar para Portugal.

Quadro 5 – As variáveis utilizadas no estudo e a sua interpretação

Rácios Interpretação

Indica que, caso o valor do

capital próprio seja
relativamente elevado, temos
baixos níveis de alavancagem e
consequentemente baixo risco de
default;
Representam os níveis de
rentabilidade de um banco e
portanto elevadas rentabilidades
correspondem a uma redução na
probabilidade de default;

Indica uma elevada concentração

em ativos voláteis, caso o rácio se
encontre em níveis elevados, o
que se traduz num aumento da
probabilidade de default;
Reflete a capacidade de liquidez
do banco, ou seja, a liquidez dos
seus ativos líquidos em relação ao
valor dos seus ativos totais.
Quanto maior for a liquidez de
um banco, menor é o seu risco de
incumprimento ou default;

Página | 54
 Estas variáveis medem as perdas
potenciais dos bancos, refletindo
deste modo a qualidade dos
ativos de crédito realizados pelos
bancos.

Fonte: Elaboração própria

Na figura seguinte encontra-se a variação dos rácios em função da probabilidade de

default:

Figura 5 – Gráficos das variáveis financeiras utilizadas no modelo da Moody’s

Página | 55
 Fonte: Dwyer et al. (2006)

No caso das instituições financeiras o intervalo é um valor entre 0% a 100%. No caso

do modelo Z-Score é um valor entre 0 e 1 que define a probabilidade de uma instituição
financeira entrar em default.

4.3. Análise de dados e Resultados

Com base no conjunto de indicadores e rácios anteriormente definidos e numa análise

ao conjunto dos relatórios de contas dos bancos, são apresentados os quadros seguintes.
(Os montantes são expressos em Euros, exceto quando expressamente indicado).

Nos quadros seguintes estão expressos os valores dos bancos solventes e dos bancos
insolventes em relação aos vários indicadores que compõem os rácios e respetivos
rácios. (No anexo 6 constam os cálculos auxiliares dos quadros 6 e 7).

São ainda exibidos dois quadros adicionais que contêm as taxas de variação anuais de
modo a observar os maiores ou menores impactos em determinados indicadores.

Página | 56
Quadro 6 - Bancos solventes

Caixa Geral de Depósitos Banco Santander Totta Banco Português de Investimento

RÁCIOS ANOS ANOS ANOS

N-3 N-2 N-1 N-3 N-2 N-1 N-3 N-2 N-1
(2011) (2012) (2013) (2005) (2006) (2007) (2009) (2010) (2011)
Capital
5337253303 7280046325 6821166997 1991337000 2168394000 2672639000 2302690000 1963948000 822388000
Próprio(a)
Estrutura de
capital Total ativos (b) 1,20565E+11 1,16857E+11 1,12963E+11 36225457000 33546436000 42002504000 47449179000 45659813000 42955917000

X1 = (a) / (b) 0,0443 0,0623 0,0604 0,0550 0,0646 0,0636 0,0485 0,0430 0,0191

Resultado
-488424904 -394715421 -575784930 340039000 353914000 510816000 175034000 184796000 -284871000
Líquido ( c )

X2 = ( c )/ (b) -0,0041 -0,0034 -0,0051 0,0094 0,0105 0,0122 0,0037 0,0040 -0,0066

Juros recebidos
5368194633 5074298115 3615139657 2234799000 3110573000 3319416000 2245815000 1909307000 2004810000
(d)
Rentabilidade
Juros pagos ( e ) 3682929281 3730282958 2756878736 1620615000 2491602000 2622030000 1661502000 1282916000 1461486000

Média dos
7824762532
ativos 6
74713101199 70074461613 27248716000 26361538000 30303618000 29955585000 30055006000 28318264000
remunerados (f)
X3 = [(d) - ( e )]/
0,0215 0,0180 0,0122 0,0225 0,0235 0,0230 0,0195 0,0208 0,0192
(f)

Página | 57
 Empréstimos 3662188200
35303344000 33667392000 11113756000 11682269000 11459966000
imobiliários (g) 0

Empréstimos
5408026000 4627019000 4155683000 27379122000 26531283000 30462816000 850720000 796184000 724492000
Concentração construção (h)
de ativos Empréstimos
3637729500
comerciais e 0
34457547000 31805088000 17850740000 17411571000 15954403000
industriais (i)
X4 =
0,6503 0,6366 0,6164 0,7558 0,7909 0,7253 0,6284 0,6546 0,6551
[(g)+(h)+(i)]/(b)
Títulos do
tesouro (j)
7127228000 10556859000 11090798000 486837000 418481000 525641000 2961637000 2614116000 2068275000
Títulos
municipais (k)
Liquidez MBS (Mortgage-
backed security) 5484778000 5282326000 5056714000 1787767000 12803768000 13459715000 2381550000 2450702000 2565351000
(l)
X5 =
0,1046 0,1355 0,1429 0,0628 0,3941 0,3330 0,1126 0,1109 0,0481
[(j)+(k)+(l)]/(b)
Empréstimos
comerciais
"charge-off" (m)
2904797000 4167663000 4517952000 197778000 137324000 125102000 229837000 198436000 211081000
Empréstimos
Qualidade de consumo
ativos "charge-off" (n)
Outras
propriedades de 470913000 582756000 654890000 87274000 71887000 65550000 63109000 74411000 85637000
imóveis (o)

Página | 58
 X6 = (m+n) / (b) 0,0241 0,0357 0,0400 0,0055 0,0041 0,0030 0,0048 0,0043 0,0132

X7 = (o) / (b) 0,0039 0,0050 0,0058 0,0024 0,0021 0,0016 0,0013 0,0016 0,0020

Fonte: Elaboração própria

Quadro 7 - Bancos insolventes

Banco Espirito Santo Banco Privado Português Banco Português de Negócios

RÁCIOS ANOS ANOS ANOS

N-3 N-2 N-1 N-3 N-2 N-1 N-3 N-2 N-1
(2011) (2012) (2013) (2005) (2006) (2007) (2009) (2010) (2011)

Capital Próprio (a) 6192475000 7732744000 7049296000 206347345 218090854 256191104 -2013418000 -2141278000 -494619000

Estrutura de
capital Total ativo (b) 80237372000 83690828000 80608016000 1247692624 1604585377 2187214331 7510564000 7016646000 4639236000

X1 = (a) / (b) 0,0772 0,0924 0,0875 0,1654 0,1359 0,1171 -0,2681 -0,3052 -0,1066

Resultado Líquido ( c ) 3796000 119836000 -514871000 13471974 18181606 24407124 -216584000 -126643000 -87131000

X2 = ( c )/ (b) 0,0000 0,0014 -0,0064 0,0108 0,0113 0,0112 -0,0288 -0,0180 -0,0188

Rentabilidade Juros recebidos (d) 4084862000 3914109000 3467017000 23200233 32828500 59368551 351883000 191622000 165494000

Juros pagos ( e ) 2903271000 2733601000 2432709000 11025128 20469710 41961167 261870000 158108000 107865000

Média dos ativos

49043382000 47706392000 46334896000 311022059 303167774 773824244 5189743000 3183881000 3146097000
remunerados (f)

Página | 59
 X3 = [(d) - ( e )]/ (f) 0,0241 0,0247 0,0223 0,0391 0,0408 0,0225 0,0173 0,0105 0,0183

Empréstimos imobiliários
11512794000 11031692000 10705811000 437102000 481943000 481025000
(g)
Empréstimos construção
304628249 299465702 768654996 145284000 71120000 63711000
Concentração (h)
de ativos 38152383000 37181614000 36026453000
Empréstimos comerciais e
5235466000 2719179000 2567341000
industriais (i)

X4 = [(g)+(h)+(i)]/(b) 0,6190 0,5761 0,5797 0,2442 0,1866 0,3514 0,7746 0,4664 0,6708

Títulos do tesouro (j)

6383448000 6564460000 6515962000 12016039 11728578 6405887 3273145000 100931000 96387000
Títulos municipais (k)
Liquidez MBS (Mortgage-backed
5828700000 3803300000 3253500000 0 0 0 1029670000 487865000 324631000
security) (l)

X5 = [(j)+(k)+(l)]/(b) 0,1522 0,1239 0,1212 0,0096 0,0073 0,0029 0,5729 0,0839 0,0908

Empréstimos comerciais
"charge-off" (m)
Qualidade de
1403259000 1966012000 2825794000 9853000 9853000 9853000 779398000 20152000 307740000
ativos
Empréstimos consumo
"charge-off" (n)

Página | 60
 Outras propriedades de
1531180000 2843378000 3387737000 0 0 0 93697000 97789000 60797000
imóveis (o)

X6 = (m+n) / (b) 0,0175 0,0235 0,0351 0,0079 0,0061 0,0045 0,1038 0,0029 0,0663

X7 = (o) / (b) 0,0191 0,0340 0,0420 0,0000 0,0000 0,0000 0,0125 0,0139 0,0131

Fonte: Elaboração própria.

Quadro 8 – Taxas de variação dos bancos solventes

Caixa Geral de Depósitos Banco Santander Totta Banco Português de Investimento

Rácios
N-3 a N-2 N-2 a N-1 N-3 a N-2 N-2 a N-1 N-3 a N-2 N-2 a N-1

Capital
36,4% -6,3% 8,9% 23,3% -14,7% -58,1%
próprio

Total ativos -3,1% -3,3% -7,4% 25,2% -3,8% -5,9%

X1 40,7% -3,1% 17,6% -1,6% -11,4% -55,5%

Resultado
-19,2% 45,9% 4,1% 44,3% 5,6% -254,2%
líquido

X2 -16,6% 50,9% 12,4% 15,3% 9,7% -263,9%

Juros
-5,5% -28,8% 39,2% 6,7% -15,0% 5,0%
recebidos

Página | 61
Juros pagos 1,3% -26,1% 53,7% 5,2% -22,8% 13,9%
Média dos
ativos -4,5% -6,2% -3,3% 15,0% 0,3% -5,8%
remunerados

X3 -16,5% -31,9% 4,2% -2,0% 6,8% -7,9%

Empréstimos
-3,6% -4,6% 5,1% -1,9%
imobiliários
Empréstimos
-14,4% -10,2% -3,1% 14,8% -6,4% -9,0%
construção
Empréstimos
comerciais e -5,3% -2,3% -2,5% -8,4%
industriais

X4 -2,1% -3,2% 4,6% -8,3% 4,2% 0,1%

Títulos e
obrigações
do tesouro e 48,1% 5,1% -14,0% 25,6% -11,7% -20,9%
outros títulos
públicos

MBS -3,7% -4,3% 616,2% 5,1% 2,9% 4,7%

X5 29,6% 5,5% 527,7% -15,5% -1,5% -56,6%

Página | 62
Empréstimos
comerciais e
43,5% 8,4% -30,6% -8,9% -13,7% 6,4%
consumo
"charge-off"

Outras
propriedades 23,8% 12,4% -17,6% -8,8% 17,9% 15,1%
de imóveis

X6
48,0% 12,1% -25,0% -27,2% -10,3% 204,4%
X7
27,7% 16,3% -11,1% -27,2% 22,5% 22,3%
Fonte: Elaboração própria

Quadro 9 – Taxas de variação dos bancos insolventes

Banco Espirito Santo Banco Privado Português Banco Português de Negócios

Rácios
N-3 a N-2 N-2 a N-1 N-3 a N-2 N-2 a N-1 N-3 a N-2 N-2 a N-1

Capital
24,9% -8,8% 5,7% 17,5% 6,4% -76,9%
próprio

Total ativos 4,3% -3,7% 28,6% 36,3% -6,6% -33,9%

X1 19,7% -5,4% -17,8% -13,8% 13,8% -65,1%

Página | 63
 Resultado
3056,9% -529,6% 35,0% 34,2% -41,5% -31,2%
líquido

X2 2926,6% -546,1% 4,9% -1,5% -37,4% 4,1%

Juros
-4,2% -11,4% 41,5% 80,8% -45,5% -13,6%
recebidos
Juros pagos -5,8% -11,0% 85,7% 105,0% -39,6% -31,8%
Média dos
ativos -2,7% -2,9% -2,5% 155,2% -38,7% -1,2%
remunerados

X3 2,7% -9,8% 4,1% -44,8% -39,3% 74,0%

Empréstimos
-4,2% -3,0% 10,3% -0,2%
imobiliários
Empréstimos
-1,7% 156,7% -51,0% -10,4%
construção
Empréstimos -2,5% -3,1%
comerciais e -48,1% -5,6%
industriais

X4 -6,9% 0,6% -23,6% 88,3% -39,8% 43,8%

Página | 64
 Títulos e
obrigações
do tesouro e 2,8% -0,7% -2,4% -45,4% -96,9% -4,5%
outros títulos
públicos

MBS -34,7% -14,5% 0,0% 0,0% -52,6% -33,5%

X5 -18,6% -2,2% -24,1% -59,9% -85,4% 8,1%

Empréstimos
comerciais e
40,1% 43,7% 0,0% 0,0% -97,4% 1427,1%
consumo
"charge-off"

Outras
propriedades 85,7% 19,1% 0,0% 0,0% 4,4% -37,8%
de imóveis

X6
34,3% 49,2% -22,2% -26,6% -97,2% 2209,7%
X7
78,0% 23,7% 0,0% 0,0% 11,7% -6,0%
Fonte: Elaboração própria

Página | 65
Relativamente aos quadros acima identificados podemos depreender os seguintes
aspetos:

Em primeiro lugar a fraca autonomia financeira revelada pelo rácio da estrutura do

capital dos bancos insolventes em contraste com os solventes. Os insolventes têm em
comum baixos níveis de capital próprio em relação aos seus ativos, evidenciando desta
forma níveis elevados de alavancagem financeira e consequentemente um aumento do
risco de default.

Quanto às rendibilidades não existe uma uniformização, isto é, por exemplo no BES e
no BPP houve uma diminuição das rendabilidades mas, no BPN houve um aumento. Já
em relação à CGD e BPI, estes têm níveis de rentabilidade piores face aos insolventes.
Seria de esperar que bancos solventes tivessem melhores níveis de rentabilidade, pois
baixos níveis de rentabilidade aumentam a probabilidade de default. Podemos assim
indicar que à priori os rácios de rentabilidade não são relativamente significativos na
discriminação dos grupos dos bancos.

O nível de concentração de ativos dos bancos insolventes é no geral mais elevado

relativamente ao dos bancos solventes. De facto, uma elevada concentração de ativos
pode ser perigoso na medida em que não há uma dispersão da carteira de crédito. Por
exemplo no caso do BPP e BPN o risco de concentração aumentou substancialmente
nos três anos anteriores ao da falência. Refletindo mais uma vez um aumento do risco
de falência.

Em relação à liquidez dos bancos existem diferenças notórias, ou seja, os bancos que
foram à falência apresentam níveis de liquidez inferiores. A situação líquida de um
banco é talvez um dos aspetos mais importantes e alvo de grande atenção desde o
despoletar da crise em 2008. Baixos níveis de liquidez significam que não existe ativos
líquidos suficientes em relação ao total dos ativos para fazer face às responsabilidades
dos bancos. Contudo, pode-se observar que a liquidez do BPN melhorou em N-1,
principalmente devido a um aumento das obrigações e bilhetes do tesouro (OT’s e
BT’s) e também a um aumento da titularização de crédito. Enquanto a situação do BPI
deteriorou-se.

Página | 66
Por fim, temos a questão da qualidade de crédito dos bancos, medidas pelos últimos
rácios X6 e X7. Quanto a esta questão, observa-se um aumento substancial no crédito
em incumprimento dos bancos insolventes face aos não insolventes. No BES e no BPN
houve uma degradação da qualidade de crédito muito evidente, onde o BPN atingiu
aumentos na ordem dos 1400%, prejudicando desta forma a posição do banco.

Relativamente aos não insolventes, a qualidade de crédito melhorou significativamente,

havendo menor crédito vencido ou em incumprimento, contudo no BPI não se verificou
essa situação. Havendo mesmo uma deterioração na ordem dos 147%, refletindo em
grande parte os anos imediatamente a seguir à crise bancária internacional.

Apresenta-se a seguir o quadro 10 onde estão refletidos os valores médios dos

respetivos rácios em cada um dos anos (N-3, N-2 e N-1). Apesar de o ano civil não ser o
mesmo entre cada grupo de bancos, a intenção é evidenciar se existe uma determinada
tendência de comportamento das variáveis.

Quadro 10 – Valores médios dos rácios em cada um dos anos

BANCOS INSOLVENTES BANCOS SOLVENTES

N-3 N-2 N-1 N-3 N-2 N-1

Estrutura de capital
(X1) -0,0085 -0,0256 0,0327 0,0493 0,0567 0,0477
Rentabilidade
(X2) -0,0060 -0,0018 -0,0047 0,0030 0,0037 0,0001
Rentabilidade
(X3) 0,0269 0,0253 0,0210 0,0212 0,0208 0,0181
Concentração de ativos
(X4) 0,5459 0,4097 0,5340 0,6782 0,6940 0,6656
Liquidez
(X5) 0,2449 0,0717 0,0716 0,0933 0,2135 0,1747
Qualidade do ativo
(X6) 0,0431 0,0108 0,0353 0,0115 0,0147 0,0187
Qualidade do ativo
(X7) 0,0105 0,0160 0,0184 0,0025 0,0029 0,0031
Fonte: Elaboração própria

Página | 67
Podemos observar que existe uma degradação dos rácios dos bancos insolventes à
medida que se aproxima o ano da falência, principalmente ao nível da qualidade de
crédito, solvabilidade e liquidez. Enquanto o grupo dos bancos solventes estão piores
em relação aos rácios X4 e X3, realçando a necessidade de haver uma maior dispersão
da carteira de crédito e uma diminuição ao nível dos rendimentos com juros e comissões
dos bancos, grande parte devido à diminuição em geral do crédito a clientes,
respetivamente.

Quadro 11 – Médias das variáveis e teste de significância

Média do Média do
Teste F
grupo 1 grupo 2
X1 -0,00049 0,05121 0,049559
X2 -0,00414 0,00230 0,869697**
X3 0,02442 0,02004 0,460233**
X4 0,49654 0,67925 0,068990
X5 0,12941 0,16052 0,546607**
X6 0,02973 0,01497 0,089602
X7 0,01496 0,00286 0,010240

**Com um nível de significância de 5%.

Fonte: Elaboração própria

De acordo com o quadro 11, podemos observar que os rácios que melhor discriminam
os grupos de bancos é a variável X2, X3 e X5. Mostrando que são as variáveis que mais
diferem em valor entre bancos falidos e não falidos. Por outro lado, a variável que
demonstrou menor nível de significância foi a X7, indicando assim que esta variável
não representa na realidade diferenças significativas entre os dois grupos de bancos.

4.4. O modelo

Tendo por base o modelo de Altman (1968) e os rácios e respetivos pesos definidos pela
agência de rating Moody’s, temos a seguinte função discriminante no setor bancário:

Página | 68
O Z-score foi obtido a partir dos dados das demonstrações financeiras para cada grupo de bancos e ainda para cada banco em particular. Os
resultados obtidos constam no quadro abaixo:

Quadro 12 – Z-Score dos bancos

BANCOS SOLVENTES
Caixa Geral de Depósitos Banco Santander Totta Banco Português de Investimento
ANOS ANOS ANOS
N-3 (2011) N-2 (2012) N-1 (2013) N-3 (2005) N-2 (2006) N-1 (2007) N-3 (2009) N-2 (2010) N-1 (2011)

Indicador Z-Score 0,1788 0,1846 0,1791 0,2028 0,2369 0,2172 0,1727 0,1775 0,1653

BANCOS INSOLVENTES
Banco Espirito Santo Banco Privado Português Banco Português de Negócios
ANOS ANOS ANOS
N-3 (2011) N-2 (2012) N-1 (2013) N-3 (2005) N-2 (2006) N-1 (2007) N-3 (2009) N-2 (2010) N-1 (2011)

Indicador Z-Score 0,1874 0,1842 0,1848 0,1166 0,0952 0,1228 0,1625 0,0291 0,1458

Fonte: Elaboração própria

Página | 69
Através do quadro acima verifica-se diferenças no valor Z-Score entre os dois grupos de
bancos. Observa-se à partida que os bancos insolventes apresentam menores valores de
índice Z. O Z-Score pode assumir valores de 0 a 1, onde valores mais próximos de 1
manifestam menor probabilidade de default e valores mais próximos de 0, o inverso. As
diferenças no valor Z estão evidenciadas no gráfico seguinte:

Gráfico 1 - Valor médio do Z-Score dos bancos

0,2500

0,2000
Indicador Z-Score

0,1500

Bancos Solventes
0,1000
Bancos Insolventes

0,0500

0,0000
N-3 N-2 N-1
Anos

Fonte: Elaboração própria

O gráfico 1 mostra que os valores mais elevados do Z-Score ao longo dos anos
pertencem ao grupo dos bancos solventes. Ao contrário do que seria previsível, é no
ano N-2 e não no ano N-1 que ocorrem as maiores diferenças, ou seja, que as condições
financeiras dos bancos se diferenciam mais. Indicando desta forma, que podem haver
outras variáveis que sejam mais eficazes na discriminação entre os grupos para o ano
imediatamente anterior ao da falência.

Com base no quadro seguinte são definidos três grupos de classificação, onde o valor Z
apresenta limites inferiores e superiores.

Página | 70
 Quadro 13 - Valor médio total do Z-Score dos bancos

Bancos Solventes Bancos Insolventes

Z-Score Z-Score
Média em N-3 0,1848 0,1555
Média em N-2 0,1997 0,1028
Média em N-1 0,1872 0,1511
Média Total 0,1906 0,1365
Fonte: Elaboração própria

Caso o valor Z seja superior a 0,19 o banco tem baixa probabilidade de entrar em
default, mas se o valor Z for inferior a 0,13 o banco tem elevada probabilidade de entrar
em default. Caso o valor Z se encontre entre estes dois limites, então o banco não tem
uma tendência bem definida, isto é, não fica claro se o banco pertence ao grupo dos
insolventes ou dos solventes.

De modo a verificar com maior rigor a capacidade preditiva do modelo de Altman

(1968) no setor bancário português, analisemos os gráficos seguintes. Note-se que os
gráficos foram realizados com o objetivo de poder fazer uma comparação mais
adequada à realidade económico-financeira do país em termos anuais.

Gráfico 2 - Comparação do Z-Score do Banco Santander Totta e BPP

0,25

0,2

0,15
TOTTA
0,1 BPP
0,05

0
2005 2006 2007

Fonte: Elaboração própria

Podemos observar que ao longo dos três anos, o modelo classificou corretamente 100%
dos bancos, mais especificamente:

 Ano 2005
Valor Z = 0,2028 (Santander Totta) > 0,19 - Zona solvente

Página | 71
 Valor Z = 0,1166 (BPP) < 0,13 - Zona insolvente
 Ano 2006
Valor Z = 0,2369 (Santander Totta) > 0,19 - Zona solvente
Valor Z = 0,0952 (BPP) < 0,13 - Zona insolvente
 Ano 2007
Valor Z = 0,2172 (Santander Totta) > 0,19 - Zona solvente
valor Z = 0,1228 (BPP) < 0,13 - Zona insolvente

Gráfico 3 - Comparação do Z-Score do BPI e BPN

0,2

0,15

0,1 BPI
BPN
0,05

0
2009 2010 2011

Fonte: Elaboração própria

Neste caso, podemos observar que:

 Ano 2009
Valor Z = 0,1727 (BPI) > 0,13 e < 0,19 - Zona "cinzenta"
Valor Z = 0,1625 (BPN) > 0,13 e < 0,19 - Zona "cinzenta"
 Ano 2010
Valor Z = 0,1775 (BPI) > 0,13 e < 0,19 - Zona "cinzenta"
Valor Z = 0,0952 (BPN) < 0,0291 - Zona insolvente
 Ano 2011
Valor Z = 0,1653 (BPI) > 0,13 e < 0,19 - Zona "cinzenta"
valor Z = 0,1458 (BPP) > 0,13 e < 0,19 - Zona "cinzenta"

Em 2009 e 2011 o modelo não mostra com clareza se um banco é considerado solvente
ou insolvente. Evidenciando assim, que o BPI estaria a passar por momentos de stress
financeiro, influenciado grande parte pelo despoletar da crise em 2008. Enquanto em

Página | 72
2010 é visível que o modelo classifica corretamente o BPN, sendo neste ano que
ocorrem as diferenças mais significativas entre os dois grupos de bancos.

Gráfico 4 - Comparação do Z-Score do BES e CGD

0,19
0,188
0,186
0,184
0,182 CGD
0,18 BES
0,178
0,176
0,174
2011 2012 2013

Fonte: Elaboração própria

Por último, podemos observar que:

 Ano 2011
Valor Z = 0,1788 (CGD) > 0,13 e < 0,19 - Zona "cinzenta"
Valor Z = 0,1874 (BES) > 0,13 e < 0,19 - Zona "cinzenta"
 Ano 2012
Valor Z = 0,1846 (CGD) > 0,13 e < 0,19 - Zona "cinzenta"
Valor Z = 0,1842 (BES) > 0,13 e < 0,19 - Zona "cinzenta"
 Ano 2013
Valor Z = 0,1791 (CGD) > 0,13 e < 0,19 - Zona "cinzenta"
valor Z = 0,1848 (BES) > 0,13 e < 0,19 - Zona "cinzenta"

Os bancos em todos os anos não têm uma tendência bem definida, quer seja a CGD
como o BES. De facto o modelo revela que os bancos estão a passar por períodos
turbulentos e que uma possível situação de falência é possível. Em 2011 e 2013 o BES
atinge um Z-Score superior face à CGD, indicando que está a ocorrer um erro do Tipo I,
ou seja, está a classificar um banco que à priori é considerado como insolvente num
banco solventes, ou seja, em que à partida tem menores problemas financeiros.

Contudo, o modelo de Altman (1968) aplicado ao setor bancário mostrou-se satisfatório,

na medida em que se realçaram diferenças expressivas.

Página | 73
 5. PRINCIPAIS LIMITAÇÕES DO ESTUDO

1. Sendo as demonstrações financeiras deste estudo a única fonte de informação indica-

nos desde já uma limitação. Apesar de acreditarmos que as contas das instituições
financeiras devem possuir transparência, relevância, confiabilidade, comparabilidade,
entre outras, a verdade é que as DF's são passíveis de ser manipuladas
contabilisticamente. Sendo assim, existe sempre a possibilidade de uma determinada
instituição ou entidade poder manipular as suas contas com o intuito de poder obter uma
situação mais favorável junto do diversos agentes económico-financeiros. Para além
disso os dados utilizados refletem acontecimentos passados e não a situação no
momento presente.

2. Existe também a possibilidade de as instituições financeiras analisadas usaram

diferentes métodos contabilísticos e já por si serem uma fonte de diferenciação entre
elas.

3. Número reduzido da amostra, influenciado pelo facto da não existência de número

elevado de bancos insolventes em Portugal.

3. A escolha dos rácios não foi a mais correta, isto porque, foram utilizados rácios que a
agência de rating Moody's utilizou para discriminar grupos de bancos americanos. É
óbvio que a realidade portuguesa não é a mesma que a americana, no entanto existem
algumas semelhanças devido ao facto de em 2010 ter entrado em vigor o Sistema de
Normalização Contabilística (SNC) e, assim permitiu que houvesse uma maior
harmonização contabilística, comparabilidade e informação utilitária entre as
instituições financeiras de diferentes países.

4. Deveriam ter sido analisados e testados outros rácios ao nível do setor bancário que
melhor descreveriam a realidade portuguesa, de modo a construir um modelo adaptado
para Portugal.

Página | 74
 6. CONCLUSÃO

O estudo de previsão de falências é um tema que tem sido abordado ao longo dos anos e
tem sido desenvolvido no sentido de ser cada vez mais eficaz como ferramenta útil para
os demais agentes do mercado.

Ao longo do trabalho foram apresentados aqueles que considerei terem sido os

principais métodos de previsão de falência e respetivos modelos. Constatou-se que a
análise discriminante múltipla, a análise logit e as neural network têm sido as favoritas,
embora quanto à última ainda está pouco desenvolvida e principalmente aplicada.
Uma das principais conclusões é o facto de os modelos terem que ser adaptados às
necessidades de cada país ou entidade, pois cada um (a) tem características setoriais,
culturais, sociais, políticas e financeiras diferentes. E, por vezes os rácios escolhidos de
um determinado modelo não são os mais adequados para uma empresa ou instituição
financeira.

A presente dissertação teve como principal finalidade saber se o modelo de Altman

(1968) aplicado ao setor financeiro, mais especificamente ao setor bancário português,
conseguiria prever possíveis situações de default.

Através dos rácios calculados, concluiu-se que os bancos solventes apresentam

melhores condições económico-financeiras face aos outros. A elevada concentração de
ativos e a liquidez são dos maiores problemas dos bancos falidos, confirmando aquilo a
que tem sido o alerta nacional e internacional em relação aos níveis de liquidez dos
bancos, uma elevada concentração de ativos e de menor qualidade.

Podemos verificar que apesar das limitações do estudo acima identificadas, o modelo Z-
Score mostrou-se satisfatório. Observou-se no geral, que em média os bancos
insolventes obtiveram valores de Z-Score inferiores face aos bancos solventes.
Destaca-se que, apesar de no ano N-1 não se ter obtido os resultados esperados,
verificou-se que foi no ano N-2 que houve as maiores disparidades, ou seja, a
capacidade de discriminação foi melhor. O que nos leva à questão de que possam existir
outros rácios que melhor contribuem para a capacidade preditiva do modelo no ano N-1.

Para finalizar, é importante que continue a haver contributos nesta área, em particular
na previsão de falências bancárias.

Página | 75
BIBLIOGRAFIA

Aguiar, A. (2013), "Modelo de previsão de falência aplicado às PME portuguesas",

dissertação de mestrado em Finanças da Faculdade de Economia da Universidade do
Porto.

Altman, E. (1968), "Financial ratios, Discriminant analysis and the Prediction of

corporate bankruptcy", The Journal of Finance, Vol. 23, nº 4, pp. 589-609.

Altman, E. et al. (1979), “Previsão de Problemas Financeiros em Empresas”, Revista

Administração de Empresas, Vol. 19, nº 1, pp. 17-28.

Altman, E. (1993), “Corporate Financial Distress and Bankruptcy – A Complete Guide

to Predicting and Avoiding Distress and Profiting from Bankruptcy”, 2nd Edition, John
Wiley & Finance Inc, New York.

Altman, E. et al. (1994), “Corporate distress diagnosis: comparisons using linear

discriminant analysis and neural networks (the Italian experience)”, Journal of Banking
and Finance, Vol. 18, pp. 505-529.

Altman, E. (1999), “Predicting Financial Distress of companies: Revisiting the Z-Score

and Zeta® Models”, Working paper, Stern School of Business New York University.

Alves, Ana C. (2013), "Previsão de insolvência nas PME - O setor alimentar (CAE 101-
Rev.3)", dissertação do mestrado em Contabilidade e Finanças da Faculdade de
Economia da Universidade de Coimbra.

Amaral, M. (2015), "Tipos de riscos na atividade bancária", Revisores e Auditores,

Abril a Junho, pp. 36-41.

Amaro, R. (2013), "A previsão de falências em Portugal: Estudo da capacidade

preditiva dos modelos existentes", dissertação de mestrado em Finanças da Faculdade
de Economia da Universidade do Porto.

ARC Ratings (2013), "Financial Institutions' symbols and definitions", ARC Ratings.

Auken, H. e Carter, R. (2006), “Small Firm Bankruptcy”, Journal of Small Business

Management, Vol. 44, nº 4, pp. 493-512.

Página | 76
Banco de Portugal (2014), "Risco Operacional", Banco de Portugal, publicação
trimestral nº 1, ano VII.

Barnes, P. (1987), “The analysis and use of financial ratios: A review article”, Journal
of Business Finance & Acconting, Vo.14, nº 4.

Barros, G. (2008), "Modelos de previsão da falência de empresas- Aplicação empírica

ao caso das pequenas e médias empresas portuguesas", dissertação do mestrado em
Economia e Política Pública do Instituto Superior de Ciências do Trabalho e da
Empresa.

Beaver,W. (1968), “Market prices, financial ratios and the prediction of failure”, Journal
of Acconting Research.

Bellovary, J. et al. (2007), “A review of bankruptcy prediction studies: 1930-Present”,

Journal of Financial Education, Vol. 33, pp. 1-42.

Bescos, P. (1987), "Defaillance et redressement des P.M.I. Recherche des indices et des
causes de défaillance", CEREG Cahier de Recherche nº 8701, Université de Paris
Dauphine.

Blum, M. (1974), "Failing company discriminant analysis", Journal of Accounting

Research.

Boritz, J. et al. (1995), "Predicting corporate failure using a neural network approach",
Intelligent Systems in Accounting, Finance and Management, Vol. 4, pp. 95-111.

Brilman, J. (1993), "Gestão de crise e recuperação de empresas", Zénite Edições de

Gestão, Lda.

Campbell, C. e Underdown, B. (1991), "Corporate insolvency in practice - an analytical

approach", Paul Chapman Publishing.

Celli, M. (2015), “Can Z-Score model predict listed companies failures in Italy? An
empirical test”, International Journal of Business and Management, Vol. 10, nº 3.

Chung, K. et al. (2008), "Insolvency prediction model using multivariate discriminant

analysis and artificial neural network for the finance industry in New Zealand",
International Journal of Business Management.

Página | 77
Coats, P. e Fant, L. (1993), “Recognizing financial distress patterns using a neural
network tool”, The Journal of the Financial Management.

Código da Insolvência e da Recuperação de Empresas (CIRE) aprovado pela Lei nº 66-

B/2012 de 31/12.

Deakin, E. (1972), "A discriminant analysis of predictors of business failure", Journal of

Accounting Research.

Demyanyk, Y. e Hasan, I. (2010), "Financial crisis and bank failures: A review of

prediction methods", Omega 38, pp. 315-324.

Demyanyk, Y. e Hemert, O. (2011), "Understanding the subprime mortgage crisis", The

Review of Financial Studies, Vol. 24, nº 6.

Dias, J. (2015), "Credit Risk-Lecture Notes", ISCTE Business School.

Disciplina de mercado de 2014 do Banco Santander Totta.

Disciplina de mercado de 2014 da Caixa Geral de Depósitos

Dwyer, D. et al. (2006), "Moody's KMV RiskCalcTM V3.1. U.S. Banks", Moody´s KMV
Company.

Famá, R. e Grava, J. (2000), "Liquidez e a Teoria dos elementos causadores de

insolvência", Caderno de Pesquisas em Administração, Vol. 1, nº 12.

Farag, M. et al. (2013), "Bank capital and Liquidity", Topical articles Bank Capital and
Liquidity, Quarterly Bulletin, Q3.

Fernández, B. et al., “Path modeling to Bankruptcy: causes and symptoms of the

banking crisis” Applied Economics, Vol. 46, nº 31, pp. 3798-3811.

Gaspar, C. (2014), "Risco de crédito. A importância da gestão de carteiras de crédito",

Inforbanca 100, Abril a Junho, pp. 41-43.

Gentry, J. et al. (1985), "Classifying bankrupt firms with funds flow components",
Journal of Accounting Research, Vol. 23, nº 1.

Hawkins, D. (1980), "Identification of Outliers", Monographs on Applied Probability

and Statistics.

Página | 78
Hoetker, G. (2007), “The use of Logit and Probit models in strategic management
research critical issues”, Strategic Management Journal, Vol. 28, pp. 331-343.

Jacobsen, D. e Kloster, T. (2005), "What influences the number of bankruptcies?",

Economic Bulletin, nº 4.

Karels, G. e Prakash, A. (1987), "Multivariate normality and forecasting of business

bankruptcy", Journal of Business Finance & Accounting, Vol. 14, nº 4.

Kassem, M. et al. (2014), "Evaluation of banking fragility: Evidence from banks in the
MENA region", International Research Journal of Finance and Economics, Vol. 124.

Khalili, M. e Makvandi, S. (2013), “Comparing Logit, Probit and Multiple Discriminant

Analysis models in predicting bankruptcy of companies”, Asian Journal of Finance &
Accounting, Vol. 5, nº 1.

Kiang, M. e Tam, K. (1992), “Managerial Applications of neural networks: The case of

bank failure predictions”, Management science, Vol. 38, nº 7.

Kilic, S. et al. (2005), “Prediction of commercial bank failure via multivariate statistical
analysis of financial structures: The Turkish Case”, European Journal of Operational
Research, Vol. 166, pp. 528-546.

Kim, M. e Bonfim, D. (2012), "Risco de liquidez sistémico", Relatório de Estabilidade

Financeira do Banco de Portugal, pp. 79-99.

Laia, A. (1999), "Recuperação de empresas - O relatório do gestor judicial", Vida

Económica.

Lennox, C. (1999), “Identifying failing companies: A revaluation of the Logit, Probit

and DA Approaches”, Journal of Economics and Business, Vol. 51, pp. 347-364.

Lin, T. (2009), "A cross model study of corporate financial distress prediction in
Taiwan: Multiple discriminant analysis, Logit, Probit and Neural networks models",
Neurocomputing, Vol. 72, pp. 3507-3516.

McCulloch, W. e Pitts, W. (1943), "A logical calculus of the ideas immanent in nervous
activity", Bulletin of Mathematical Biophysics, Vol. 5, pp. 115-133.

Página | 79
Morgado, A. (1998), "Contribuição da análise discriminante na previsão do risco de
insolvência financeira", VII Jornadas de Contabilidade e Auditoria do Instituto Superior
de Contabilidade e Administração de Coimbra.

Morgado, A. (2014/2015), Disciplina de Análise de Relatórios Financeiros do mestrado

em Análise Financeira do Instituto Superior de Contabilidade e Administração de
Coimbra.

Mota, J. et al. (2009), "A Crise da Economia Global, alguns elementos de análise",
Edição Livre, Lisboa.

Neves, I. (2013/2014). " A utilização do modelo Z-Scoring na análise do risco de

crédito para as empresas Portuguesas", Relatório de Estágio do Mestrado em Economia
da Faculdade de Economia da Universidade de Coimbra.

Neves, J. (2005), "Análise Financeira - Técnicas Fundamentais", Texto Editores.

Ocejo, J. et al. (2007), "Modelos de Previsão do Fracasso Empresarial: Aspetos a

considerar", Revista de Estudos Politécnicos, Vol. IV, nº 7, pp. 111-148.

Ohlson, J. (1980), "Financial ratios and the probabilistic prediction of bankruptcy",

Journal of Accounting Research, Vol. 18, nº 1, pp. 109-131.

Pifer, H. e Meyer, P., "Prediction of Bank Failures", The Journal of Finance.

Posch, P. e Loffer, G. (2007), "Credit risk modeling using Excel and VBA", Wiley
Finance: John Wiley & Sons Ltd, The Atrium, Southern Gate, Chichester.

Relatórios de contas dos anos de 2005, 2006 e 2007 do Banco Privado Português e do
Banco Santander Totta.

Relatórios de contas dos anos de 2009, 2010 e 2011 do Banco Português de Negócios e
do Banco Português de Investimento.

Relatórios de contas dos anos de 2011, 2012 e 2013 do Banco Espírito Santo e da Caixa
Geral de Depósitos.

Rodrigues et al. (2014), “Indicadores avançados de crises bancárias: exploração de

novos dados e instrumentos”, Boletim económico do Banco de Portugal.

Página | 80
Ruland, W. e Pastena, V. (1986), "The merger/bankruptcy alternative", The Accounting
Review, Vol. LXI, nº 2.

Samad, A. (2012), “Credit Risk Determinants of Bank Failure: Evidence from US Bank
Failure”, International Business Research, Vol. 5, nº 9.

Santana, C. (2014), "Modelos de risco de crédito: Análise de Telecoms Europeias e

Bancos Americanos", dissertação do mestrado em Finanças do Instituto Superior de
Ciência e Tecnologia - IUL Business School.

Santos, Paulo J. (2000), "Falência Empresarial - Modelo discriminante e logístico de

previsão aplicado às PME do setor têxtil e do vestuário", Dissertação de mestrado do
Instituto Superior de Contabilidade e Administração de Coimbra.

Sharma, S. e Mahajan, V. (1980), "Early warning indicators of business failure", Journal

of Marketing, Vol. 44, pp. 80-89.

Standard & Poor's (2014), "What are credit ratings and how do they work?", Guide to
Credit Rating Essentials.

Taffler, R. (1983), "The Z-Score approach measuring company solvency", The

Accountant's Magazine, pp. 91-96.

Unegbu, A. e Malgwi, A. (2013), "Critical insolvency symptoms catalyzing developing

economies corporate failures", Greener Journal of Economic and Accountancy, Vol. 2,
nº 1, pp. 001-016.

Vennet, R. e Lanine, G. (2006), "Failure prediction in the Russian bank sector with
Logit and trait recognition models", Expert Systems with Applications, Vol. 30, pp.
463-478.

Yi, W. (2012), "Z-Score model on financial crisis early-warning of listed real estate
companies in China: a financial engineering perspective", Systems Engineering
Procedia, Vol. 3, pp. 153-157.

Weiss, L. (1996), "The impact of incorporating the cost of errors into bankrupcty
prediction models", INSEAD Boulevard de Constance, France.

Página | 81
Zavgren, C. (1985), "Assessing the vulnerability to failure of American industrial firms:
A logistic analysis", Journal of Business Failure & Accounting, Vol. 12, nº 1.

Zeytmoglu e Arkam (2013), “Financial Failure Prediction using Financial ratios: An

empirical application on Istanbul Stock Exchange”, Journal of Applied Finance &
Banking, Vol. 3, nº 3, pp. 107-116.

Zmijewski, M. (1984), "Methodological issues related to the estimation of financial

distress prediction models", Journal of Accounting Research, Vol. 22.

Sites consultados:

[Link]
PT/OBancoeoEurosistema/ComunicadoseNotasdeInformacao/Paginas/combp20110407.
aspx (Consultado a 21/09/2015)

[Link]
PT/OBancoeoEurosistema/ComunicadoseNotasdeInformacao/Documents/combp20120
[Link] (consultado a 21/09/2015)

[Link]
PT/Supervisao/SupervisaoPrudencial/Paginas/[Link] (consultado a 15/09/2015)

[Link]
aspx (consultado a 15/09/2015)

[Link]
mercado (consultado a 02/09/2015)

[Link] (Consultado a 17/09/2015)

[Link] (consultado a 17/09/2015)

[Link]
PT/OBancoeoEurosistema/ComunicadoseNotasdeInformacao/Paginas/combp20110407.
aspx (consultado a 15/10/2015)

Página | 82
ANEXOS

Anexo 1

Fonte: Taffler (1983)

Página | 83
Anexo 2

Fonte: Zavgren (1985)

Anexo 3

Fonte: Vennet e Lanine (2006)

Página | 84
Anexo 4

Fonte: Tam e Kiang (1992)

Página | 85
Anexo 5

Fonte: Revisores e Auditores de Abril a Junho de 2015 (pp. 36 à 41)

Página | 86
Anexo 6

Caixa Geral de Depósitos

Relatório de contas de 2012:

 DF´s consolidadas e notas anexas (pág. 164 e 319)

 Total do ativo = Total do ativo
 Total do capital próprio = Total do capital próprio
 Resultado líquido = Resultado consolidado atribuível ao acionista da CGD
 Para a média dos ativos remunerados foi considerado o valor de balanço do
crédito a clientes
 Juros recebidos = Juros e rendimentos similares
 Juros pagos = Juros e encargos similares
 Empréstimos imobiliários = valor vincendo do crédito à habitação (pág. 386)
 Empréstimos construção = valor vincendo do crédito para construção (pág. 386)
 Empréstimos comerciais e industriais = valor vincendo total do crédito das
empresas menos o valor vincendo do crédito da construção. (pág. 386)
 Títulos do tesouro, obrigações do tesouro e outros títulos públicos = à soma dos
seguintes:
 Instrumentos de dívida pública e outros emissores (estado português) -
pág. 367
 Títulos de dívida pública e bilhetes do tesouro - pág. 365
 Títulos da dívida pública - pág. 375
 Dívida pública - pág. 382
 Para o valor dos Mortgage backed-security considerou-se o total das operações
de titularização da pág. 385
 Valor dos empréstimos "charge-off" considerou-se o valor dos empréstimos em
incumprimento com mais de 90 dias - pág. 386
 Valor dos imóveis em dação de crédito - pág. 390

Para os relatórios de contas de 2011 e 2013 foram adotados os mesmos conceitos.

Página | 87
Banco Português de Investimento

Relatório de contas de 2009:

 DF´s consolidadas e notas anexas (pág. 128 e 136)

 Total do ativo = Total do ativo
 Total do capital próprio = Total do capital próprio
 Resultado líquido = Resultado consolidado do grupo BPI
 Para a média dos ativos remunerados foi considerado o valor de balanço do
crédito a clientes
 Juros recebidos = Juros e rendimentos similares
 Juros pagos = Juros e encargos similares
 Empréstimos imobiliários = valoro do crédito à habitação (pág. 167)
 Empréstimos construção = valor do crédito para construção (pág. 167)
 Empréstimos comerciais e industriais = valor total do crédito das empresas
menos o valor do crédito da construção e do crédito à habitação (pág. 167)
 Títulos do tesouro, obrigações do tesouro e outros títulos públicos (pág. 159)
 Para o valor dos Mortgage backed-security considerou-se o valor total do crédito
titulado da pág. 166
 Valor dos empréstimos "charge-off" considerou-se o valor dos empréstimos em
incumprimento com mais de 90 dias - pág. 208
 Valor dos imóveis em dação de crédito - pág. 177

Para os relatórios de contas de 2010 e 2011 foram adotados os mesmos conceitos.

Banco Santander Totta

Relatório de contas de 2005:

 DF´s consolidadas e notas anexas (pág. 68 e 73)

 Total do ativo = Total do ativo
 Total do capital próprio = Total do capital próprio
 Resultado líquido = resultado consolidado do exercício
 Para a média dos ativos remunerados foi considerado o valor de balanço do
crédito a clientes
 Juros recebidos = Juros e rendimentos similares

Página | 88
  Juros pagos = Juros e encargos similares
 Para o valor dos empréstimos considerou-se os empréstimos imobiliários, os de
construção e os comerciais e industriais como sendo o total do crédito vivo (pág.
114)
 Títulos do tesouro, obrigações do tesouro e outros títulos públicos = soma dos
títulos que constam nas pág. 169,170,172, 175 e 176.
 Para o valor dos Mortgage backed-security considerou-se o valor total das
responsabilidades representadas por títulos - pág. 180
 Valor dos empréstimos "charge-off" considerou-se o valor dos empréstimos em
incumprimento com mais de 90 dias - pág. 113
 Valor dos imóveis em dação de crédito - pág. 127

Para os relatórios de contas de 2006 e 2007 foram adotados os mesmos conceitos.

Banco Português de Negócios

Relatório de contas de 2009:

 DF´s consolidadas e notas anexas (pág. 37 e 118)

 Total do ativo = Total do ativo
 Total do capital próprio = Total do capital próprio
 Resultado líquido = Resultado consolidado do exercício
 Para a média dos ativos remunerados foi considerado o valor de balanço do
crédito a clientes
 Juros recebidos = Juros e rendimentos similares
 Juros pagos = Juros e encargos similares
 Empréstimos imobiliários = valoro do crédito à habitação (pág. 147)
 Empréstimos construção = valor do crédito para construção (pág. 147)
 Empréstimos comerciais e industriais = valor total do crédito das empresas
menos o valor do crédito da construção e do crédito à habitação (pág. 147)
 Títulos do tesouro, obrigações do tesouro e outros títulos públicos (pág. 200 e
209)

Página | 89
  Para o valor dos Mortgage backed-security considerou-se o valor das
responsabilidades representadas por títulos - pág. 160 e o valor dos ativos
titularizados não desreconhecidos - pág. 146
 Valor dos empréstimos "charge-off" considerou-se o valor dos empréstimos em
incumprimento com mais de 90 dias - pág. 147
 Valor dos imóveis em dação de crédito - pág. 145

Para os relatórios de contas de 2010 e 2011 foram adotados os mesmos conceitos.

Banco Espírito Santo

Relatório de contas de 2011:

 DF´s consolidadas e notas anexas (pág. 102)

 Total do ativo = Total do ativo
 Total do capital próprio = Total do capital próprio
 Resultado líquido = Resultado líquido do exercício
 Para a média dos ativos remunerados foi considerado o valor de balanço do
crédito a clientes
 Juros recebidos = Juros e rendimentos similares
 Juros pagos = Juros e encargos similares
 Empréstimos imobiliários = soma do valor do crédito interno e externo do
crédito à habitação (pág. 146)
 Empréstimos construção e empréstimos comerciais e industriais = soma do valor
do crédito interno e externo do crédito a empresas mais o valor do crédito
interno e externo do valor do crédito para consumo e outros (pág. 146)
 Títulos do tesouro, obrigações do tesouro e outros títulos públicos (pág. 141, 143
e 148)
 Para o valor dos Mortgage backed-security considerou-se o valor das operações
de securitização - pág. 146
 Valor dos empréstimos "charge-off" considerou-se o valor dos empréstimos em
incumprimento com mais de 90 dias - pág. 146
 Valor dos imóveis em dação de crédito - pág. 152

Para os relatórios de contas de 2012 e 2013 foram adotados os mesmos conceitos.

Página | 90
Banco Privado Português

Relatório de contas de 2005:

 DF´s consolidadas e notas anexas (pág. 80 e 88)

 Total do ativo = Total do ativo
 Total do capital próprio = Total do capital próprio
 Resultado líquido = Resultado líquido consolidado atribuível aos acionistas do
banco
 Para a média dos ativos remunerados foi considerado o valor de balanço do
crédito a clientes
 Juros recebidos = Juros e rendimentos similares
 Juros pagos = Juros e encargos similares
 Empréstimos imobiliários, construção, comerciais e industriais = valor do
crédito interno e externo da pág. 112
 Títulos do tesouro, obrigações do tesouro e outros títulos públicos (pág. 106)
 O valor dos Mortgage backed-security não é referenciada.
 Valor dos empréstimos "charge-off" considerou-se o valor do crédito vencido da
pág. 112.
 O valor dos imóveis em dação de crédito não é referenciado.

Para os relatórios de contas de 2006 e 2007 foram adotados os mesmos conceitos.

Página | 91