Os sinais contábeis que antecipam os problemas de uma empresa não são um alarme contra roubo: são um detector de fumaça. Três modelos acadêmicos — o M-Score de Beneish para anomalias contábeis, o Z-Score de Altman para tensão financeira e o F-Score de Piotroski para solidez operacional — leem as demonstrações financeiras em busca de incoerências que costumam preceder as dificuldades: lucros que não viram caixa, contas a receber crescendo mais que a receita, margens que se estreitam enquanto as vendas sobem. Nenhum desses números diz que uma empresa está prestes a quebrar nem que alguém cometeu alguma irregularidade. Eles dizem que algo nas contas não fecha, e que vale a pena olhar mais a fundo antes de investir.

Fragilidade não quer dizer ação em queda

Essa é a distinção mais importante, e a que se perde com mais facilidade. Uma ação pode cair 40% porque o mercado revisou suas expectativas de crescimento: isso é um problema de preço, não da empresa. Outra companhia pode subir na bolsa enquanto suas contas se deterioram em silêncio, simplesmente porque ninguém olhou com atenção ainda.

A fragilidade de que falamos aqui é estrutural: diz respeito à qualidade das contas e à capacidade de atravessar um período difícil. Mede-se nas demonstrações financeiras, não nos gráficos. E segue um ritmo diferente do mercado: amadurece ao longo de trimestres, não de pregões.

Isso tem uma consequência prática. Esses indicadores não servem para decidir quando comprar ou vender. Servem para decidir se uma empresa merece ficar numa carteira por anos.

O primeiro sinal: lucros que não viram caixa

A demonstração de resultados é uma opinião, o fluxo de caixa é um fato. É uma piada de contador, mas se apoia em um dos achados mais sólidos da pesquisa contábil.

Em 1996 Richard Sloan publicou no The Accounting Review um estudo que virou referência: separou o lucro entre a parte lastreada em caixa de verdade e a parte formada por lançamentos contábeis (as chamadas apropriações por competência, os accruals da literatura — receitas já registradas mas ainda não recebidas, custos capitalizados em vez de lançados como despesa, e assim por diante). O resultado: o componente contábil do lucro é bem menos persistente do que o componente de caixa. Em outras palavras, uma empresa que declara lucros altos mas não os vê chegar ao banco tende a decepcionar nos períodos seguintes — e o mercado, em média, não precifica isso de imediato.

Daí nasce o indicador mais simples e mais revelador de todos: quanto do lucro declarado se transforma em fluxo de caixa livre. Se uma empresa declara cem de lucro e gera noventa de caixa, as contas contam uma história coerente. Se declara cem e gera vinte, a pergunta não é se isso é ilegal — quase nunca é — mas para onde foi o resto, e se essa distância é temporária ou estrutural.

Atenção a um caso que confunde com frequência: quando o lucro é negativo, esse indicador não é interpretável. Dividir um fluxo de caixa por um prejuízo produz percentuais que parecem números mas não significam nada. Numa empresa no prejuízo olha-se para outras coisas: a liquidez disponível, a estrutura da dívida, quanto tempo resta antes de precisar captar recursos.

M-Score de Beneish: um mapa das anomalias

O modelo mais conhecido para identificar demonstrações “agressivas” foi publicado por Messod Beneish no Financial Analysts Journal em 1999. A construção é estatística: Beneish comparou uma amostra de cerca de cinquenta empresas que de fato haviam manipulado suas contas com mais de mil e setecentas empresas de controle, procurando quais indicadores separavam os dois grupos.

Saíram daí oito variáveis, que são oito perguntas feitas às contas:

• as contas a receber crescem mais que a receita? (vende-se para quem não paga logo)
• a margem bruta está se deteriorando? (pressão sobre os preços)
• a parcela de ativos “intangíveis” está aumentando? (custos empurrados para o futuro)
• a receita cresce de forma anômala? (crescimento rápido cria pressão para mantê-lo)
• a depreciação está desacelerando? (lucros inflados esticando os custos mais adiante)
• as despesas gerais sobem mais que a receita? (eficiência em queda)
• a alavancagem está aumentando? (maior dependência da dívida)
• quanto do lucro é lançamento contábil em vez de caixa?

O modelo combina tudo em um único número. Acima de certo limiar, o perfil da empresa se parece estatisticamente com o das companhias da amostra que haviam manipulado as contas.

Aqui entra a ressalva mais firme deste artigo inteiro. Uma pontuação acima do limiar não significa fraude. Significa que aquelas contas, lidas por meio de oito indicadores, se parecem com as de um grupo de referência. Uma empresa em forte expansão que estica prazos de pagamento para ganhar mercado pode ultrapassar o limiar sem ter feito nada irregular. O modelo mostra onde olhar, não o que concluir.

Z-Score de Altman: a distância da falência (e o limite com que nasceu)

O segundo modelo é mais antigo e persegue outro objetivo: não a qualidade das contas, mas a capacidade de sobreviver. Edward Altman o publicou no The Journal of Finance em 1968, combinando cinco indicadores — capital de giro, lucros retidos, rentabilidade operacional, valor de mercado em relação à dívida e giro do ativo — em uma pontuação única que mede quão longe uma empresa está da falência.

Funciona, e continua sendo hoje uma ferramenta padrão. Mas tem um limite que precisa ser conhecido, porque está escrito no artigo original: foi construído sobre uma amostra de 66 empresas, todas industriais, excluindo as menores. Era o tecido industrial da época: fábricas, armazéns, máquinas.

Uma economia feita de software, serviços e infraestrutura regulada é outra coisa. Uma empresa de software tem pouquíssimo ativo tangível e um capital de giro que esse modelo lê mal. Uma concessionária de energia ou uma operadora de redes se endivida por natureza do negócio, porque constrói instalações que vão durar trinta anos: ali dívida alta não é sintoma, é o modelo de negócio.

O resultado é previsível, e nós o medimos toda semana. No nosso universo de cerca de 490 grandes companhias americanas, 15 em cada 100 têm pontuação de Altman na “zona de risco”. Não estão quebrando: quase nenhuma vai quebrar. É o modelo que, aplicado fora do contexto para o qual nasceu, produz muitíssimos alarmes falsos.

Por isso nossa ferramenta exclui as empresas financeiras — bancos e seguradoras, cerca de um quinto do universo — tanto do Altman quanto do Beneish. Num banco a dívida é a matéria-prima e o capital de giro não tem o mesmo significado: aplicar fórmulas calibradas na indústria daria números precisos e sem sentido.

F-Score de Piotroski: um boletim em nove perguntas

O terceiro modelo olha a questão pelo lado oposto. Joseph Piotroski, no Journal of Accounting Research em 2000, partiu de um problema concreto do investimento em valor: entre as ações que parecem baratas, algumas estão baratas porque o mercado exagerou, outras porque a empresa está realmente se deteriorando. O preço baixo, sozinho, não separa os dois casos.

Sua resposta foram nove verificações binárias sobre as contas — rentabilidade, geração de caixa, evolução da dívida, eficiência operacional —, cada uma valendo um ponto se superada. A pontuação vai de zero a nove. No estudo dele, aplicar esse filtro às companhias com baixa relação preço/valor patrimonial produzia um retorno anual cerca de sete pontos e meio acima do restante do grupo, no mercado americano entre 1976 e 1996.

A virtude do F-Score é a transparência: não é uma pontuação vinda de uma fórmula opaca, é uma lista de verificação. Dá para ler pergunta por pergunta e entender por que uma empresa perdeu aquele ponto.

Por que nenhum desses números basta sozinho

Esse é o ponto central, e os nossos próprios dados o demonstram melhor do que qualquer argumento.

Nesse mesmo universo de cerca de 490 grandes companhias, tomados isoladamente os indicadores sinalizam:

• cerca de 4 empresas em cada 100 com M-Score de Beneish acima do limiar;
• cerca de 15 em cada 100 com Z de Altman na zona de risco.

Levar qualquer um desses dois números ao pé da letra acabaria colocando sob suspeita uma fatia considerável do mercado — inclusive companhias sólidas, lucrativas e com décadas de história.

Cruzando-os, ao contrário, e ponderando-os junto a outros sinais — qualidade da receita, cobertura de juros, posicionamento de mercado —, as companhias que atingem um limiar combinado de atenção caem para cerca de 0,6%: três em 490. A pontuação média de todo o universo permanece bem baixa; só pouquíssimos casos realmente se destacam.

Essa é a lição prática: um indicador isolado gera ruído, a convergência deles gera um sinal. Quando três modelos construídos por autores diferentes, em décadas diferentes, com objetivos diferentes apontam na mesma direção sobre a mesma empresa, essa coincidência merece atenção. Quando aponta um só, quase sempre se está olhando o limite do modelo, não o problema da empresa.

O que esses números não dizem

Vale ser explícito sobre os limites, porque costumam ser justamente a parte que se cala.

Não preveem a falência. Medem condições estatisticamente associadas a dificuldades passadas. Muitas empresas com pontuações medíocres atravessam o período difícil e saem dele; algumas com pontuações ótimas são atropeladas por eventos que nenhuma demonstração financeira poderia conter.

Não acusam ninguém. Um modelo estatístico não estabelece responsabilidades. Anomalias contábeis costumam ter explicações comuns: uma aquisição que muda o perímetro, uma mudança de normas contábeis, um ciclo de investimento extraordinário.

Olham para trás. Alimentam-se de demonstrações publicadas, ou seja, de fatos já ocorridos e comunicados com meses de atraso. Um evento recente — a perda de um cliente decisivo, um processo judicial, uma renegociação de dívida em condições piores — ainda não está nos números.

Não se aplicam a todos da mesma forma. Além das financeiras, devem ser lidas com cautela as companhias em forte crescimento que investem pesado, as recém-listadas com histórico contábil curto e as que acabaram de concluir uma operação societária relevante.

Precisam ser lidos ao lado do preço. Uma empresa com sinais de fragilidade que o mercado já penalizou pesadamente conta uma história diferente de outra com os mesmos sinais negociando nas máximas: no primeiro caso o risco já está em parte no preço, no segundo não.

Como usá-los na prática

A forma mais útil de tratar esses indicadores é como um filtro de exclusão, não de seleção. Não servem para encontrar ações para comprar: servem para evitar que um caso problemático entre na carteira sem ninguém perceber.

Um caminho razoável, em quatro passos:

1. Observar a convergência, não o número isolado. Um único indicador fora do lugar é normal; três que se alinham, não.
2. Procurar a explicação comum antes da extraordinária. Uma aquisição, um ano de investimentos excepcionais ou uma mudança de normas contábeis explicam a maioria das anomalias.
3. Distinguir o cíclico do estrutural. Um setor numa fase difícil mostra números fracos em todas as suas empresas: isso não é fragilidade da companhia específica, é o momento do setor. A comparação com os concorrentes diretos resolve a dúvida quase sempre.
4. Dimensionar a posição de acordo. Se depois da análise a tese de investimento se sustenta mas os sinais permanecem, a resposta sensata quase nunca é “dentro ou fora”: é um peso menor na carteira.

Em resumo

• Três modelos acadêmicos leem as demonstrações em busca de incoerências: Beneish (anomalias contábeis), Altman (distância da falência), Piotroski (solidez operacional em nove verificações).
• O sinal mais simples continua sendo a relação entre lucro declarado e caixa efetivamente gerado: a pesquisa mostra que o componente puramente contábil do lucro é o menos duradouro.
• Um indicador sozinho produz muitíssimos alarmes falsos: no nosso universo, 15% das grandes companhias americanas aparecem na “zona de risco” segundo o Z de Altman, um modelo nascido em 1968 sobre 66 empresas industriais.
• Cruzando vários sinais, os casos que merecem atenção caem abaixo de 1%. A convergência é o sinal, o número isolado é ruído.
• Nenhum desses modelos prevê falências nem acusa ninguém: eles indicam onde olhar, e devem ser lidos junto ao setor, ao preço e à história recente da empresa.
• Use-os como filtro de exclusão: servem mais para evitar erros do que para escolher vencedores.

Perguntas frequentes

Uma pontuação de Beneish acima do limiar significa que a empresa maquiou o balanço?

Não. Significa que o perfil contábil da empresa se parece, em oito indicadores, com o de um grupo de companhias que no passado manipularam suas contas. É um indício estatístico que convida a aprofundar, não uma constatação. Explicações comuns — crescimento rápido, aquisições, mudanças de normas contábeis — são de longe as mais frequentes.

Por que bancos e seguradoras são excluídos desses modelos?

Porque suas contas têm natureza diferente. Num banco a dívida é a matéria-prima da atividade, não um risco a minimizar, e noções como capital de giro ou giro do ativo não têm o mesmo significado. Aplicar fórmulas calibradas na indústria daria números precisos e, no fundo, sem significado.

Uma empresa com sinais de fragilidade deve ser vendida imediatamente?

Não é uma consequência automática, e essas ferramentas não foram feitas para o momento de entrada ou saída. Elas indicam um risco estrutural que se manifesta ao longo de trimestres. A pergunta mais útil não é “vendo ou não”, mas: a razão pela qual tenho essa empresa ainda se sustenta, e quanto peso é razoável que ela ocupe na carteira?

Esses indicadores funcionam também em companhias menores?

Com mais cautela. Empresas menores têm contas mais voláteis, histórico contábil mais curto e maior sensibilidade a eventos isolados: os mesmos modelos produzem nelas mais alarmes falsos. O próprio Z de Altman original excluía explicitamente as menores companhias da amostra sobre a qual foi calibrado.

Fontes e referências

Os três modelos citados estão publicados e são verificáveis na literatura acadêmica:

• Beneish, M. D. (1999). The Detection of Earnings Manipulation. Financial Analysts Journal, 55(5), 24–36.
• Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589–609.
• Piotroski, J. D. (2000). Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers. Journal of Accounting Research, 38, 1–41.
• Sloan, R. G. (1996). Do Stock Prices Fully Reflect Information in Accruals and Cash Flows about Future Earnings?. The Accounting Review, 71(3), 289–315.

Os percentuais citados no artigo vêm da nossa análise periódica de um universo de cerca de 490 grandes companhias listadas nos Estados Unidos, com as empresas financeiras excluídas dos modelos aos quais não se aplicam.

---

Este artigo tem finalidade informativa e educacional e não constitui assessoria financeira personalizada nem recomendação de compra ou venda de instrumentos financeiros. Os modelos descritos são ferramentas de análise com limites conhecidos e não preveem o desempenho futuro de nenhuma companhia. Toda decisão de investimento depende da situação pessoal de quem a toma; em caso de dúvida, procure um profissional qualificado.