Sentimento do Investidor e Gerenciamento de Resultados: Evidências sobre o uso de accruals discricionários para atingir benchmarks de lucros

RESUMO

Este trabalho investiga se o sentimento do investidor exerce influência sobre o gerenciamento de resultados, especificamente na utilização de accruals discricionários para superar benchmarks pré-definidos. Foram analisadas empresas não financeiras listadas na B3 (Brasil, Bolsa e Balcão) durante o período de 2010 a 2017. Utilizou-se estimação de painel em GMM (Generalized Method of Moments) para analisar a relação geral entre sentimento do investidor e gerenciamento de resultados e regressões logística para averiguar se o sentimento alto aumenta a probabilidade de ocorrer gerenciamento em casos específicos. Como resultado, não foi possível concluir que o sentimento do investidor exerce influência sobre o gerenciamento de resultados em sua forma geral, entretanto observou-se uma maior probabilidade da utilização de gerenciamento de resultados para superar resultados de períodos anteriores quando o sentimento é pessimista. Esses resultados mostraram-se robustos à utilização de diferentes periodicidades para o índice de sentimento e diferentes formas de estimação dos accruals discricionários.

PALAVRAS-CHAVE:
Finanças Comportamentais; Sentimento do Investidor; Gerenciamento de Resultados; Benchmarks de Lucros

ABSTRACT

This work investigates whether investor sentiment influences earnings management, specifically on using discretionary accruals to meet earnings benchmarks. The sample includes all non-financial firms listed on B3 (Bolsa, Brasil, Balcão) between 2010 and 2017. We use a GMM (Generalized Method of Moments) panel estimation to analyze the general relationship between investor sentiment and earnings management, and a logistic regression to analyze whether high sentiment increases the likelihood of management occurring in specific cases. As a result, it was not possible to conclude that investor sentiment influences the general use of earnings management. However, there was a higher probability of using earnings management to outperform the previous period’s earnings when the sentiment was pessimistic. Our results are robust to alternative periodicities for the sentiment index and different ways of discretionary accruals estimation.

KEYWORDS:
Behavioral Finance; Investor Sentiment; Earnings Management; Earnings Benchmarks

1. INTRODUÇÃO

Uma crescente literatura tem documentado como a relação entre o comportamento dos investidores e as decisões empresariais influenciam a emissão de títulos, o nível de investimentos, os pacotes de remuneração e, recentemente, a qualidade da informação contábil (Baker & Wurgler, 2002; Ali & Gurun, 2009; Grundy & Li, 2010; Brown et al., 2012; Alimov & Mikkelson, 2012; Simpson, 2013; Miranda et al., 2018).

Ao perceber um viés de otimismo (pessimismo) do mercado em períodos de alto (baixo) sentimento, os gestores tendem a gerenciar resultados com o intuito de divulgar resultados inflados (conservadores) aproveitando os vieses otimistas (pessimistas) nas expectativas de investidores e analistas (Ali & Gurun, 2009; Simpson, 2013). Park (2015) adiciona ao analisar especificamente a influência do sentimento do investidor na probabilidade de utilização de gerenciamento de resultados para superar benchmarks para resultados, tais como previsões de analistas, desempenhos anteriores e lucros positivos.

No contexto brasileiro, os estudos que abordam o gerenciamento de resultados e sentimento do investidor são insipientes e, em certa medida, apresentam resultados divergentes. Por exemplo, Santana et al. (2020) documentaram uma relação positiva entre sentimento do investidor e accruals discricionários. Entretanto, Miranda (2018) investigou se os gestores de empresas listadas na bolsa de valores brasileira exerciam o gerenciamento de resultado em momentos de alto sentimento via canais de catering para captar investidores. Os resultados rejeitaram a hipótese de pesquisa, mas análises adicionais mostraram que, condicionados ao crescimento das receitas, gestores gerenciam mais resultados para captar investidores de curto prazo. Já Miranda et al. (2018) adicionam ao apresentar evidências de que a maior monitoração exercida por analistas de mercado diminui a propensão ao gerenciamento de accruals absolutos em momentos de maior otimismo.

Diante das evidências, parcialmente divergentes, ressalta-se a importância de pesquisas que aprofundem o tema de forma a clarear o entendimento sobre a relação entre sentimento do investidor e gerenciamento de resultados no mercado brasileiro. Nesse contexto, este estudo é motivado pela investigação do seguinte problema: como o sentimento do investidor ajuda a explicar o uso de gerenciamento de resultados por accruals de forma geral e, especificamente, para atingir benchmarks de lucros? Sendo assim, este trabalho tem por objetivo investigar, especificamente, se o sentimento do investidor exerce influência sobre o gerenciamento de resultados, notadamente na utilização de accruals discricionários para superar benchmarks pré-definidos.

Para tanto, o estudo utilizou-se de estimação em painel (system-GMM) a fim de analisar a influência do sentimento do investidor no gerenciamento de resultados de forma ampla. Para a análise da probabilidade de o sentimento otimista influenciar formas específicas da utilização de accruals discricionários para superar benchmarks pré-definidos, utilizaram-se regressões logísticas.

Como contribuição, este estudo avança ao analisar práticas específicas de gerenciamento de resultados, como a probabilidade de utilização de DAs para atingir benchmarks de lucros, sendo que a única pesquisa nesse sentido a que se teve acesso (Park, 2015) se utiliza de formas indiretas para calcular a utilização do gerenciamento de resultados e não modelos de cálculo dos accruals discricionários, como as utilizadas neste artigo.

2. REVISÃO DA LITERATURA

As evidências documentadas pelo trabalho seminal de Baker e Wurgler (2006) motivaram o surgimento de inúmeros estudos os quais ajudaram a consolidar a pesquisa sobre o sentimento do investidor na literatura internacional (Zhou, 2018). Além de medidas baseadas em questionários (Brown & Cliff, 2005) e do estabelecido índice de sentimento proposto por Baker e Wurgler (2006), novas medidas vêm surgindo, tais como as baseadas em dados textuais (Jiang et al., 2019; McGurk et al., 2020) e mais recentemente com base em imagens (Obaid et al., 2022). Apesar das diferentes medidas, os trabalhos supracitados convergem em demonstrar que o sentimento do investidor tem um importante papel na explicação do retorno acionário, principalmente, em ações de difícil arbitragem (Baker & Wurgler, 2006; Jiang et al., 2019; Mcgurk et al., 2020; Obaid et al., 2022).

No Brasil, o estudo de Yoshinaga e Castro (2012) foi um dos primeiros a documentar evidências de que o sentimento do investidor tem um papel importante na explicação do retorno acionário, uma vez que os preços das ações podem se desviar do valor fundamental devido a viés comportamental e à dificuldade de os arbitradores corrigirem os preços de determinados grupos de ações. Parte desses desvios, conhecidos como anomalias de mercados, podem ser explicados pelo sentimento do investidor (Xavier & Machado, 2017) e ou pela atenção do investidor (Yoshinaga & Rocco, 2020). Outros estudos adicionam que o sentimento do investidor também está relacionado com o volume de negociação (Marschner & Ceretta, 2019) e a volatilidade (Ferreira et al., 2021), além de ter relação com incerteza econômica e política monetária (Marschner & Ceretta, 2021).

Boa parte desses estudos na literatura nacional usam variáveis de mercado conforme método similar ao proposto por Baker e Wurgler (2006, 2007). Entretanto, há alguns estudos no Brasil que usam diferentes medidas como proxies para o sentimento do investidor, tais como Índice de Confiança do Consumidor da Fundação Getúlio Vargas (Marschner & Ceretta, 2021); sentimento textual de notícias (Machado & Silva, 2017; Galdi & Gonçalves, 2018; Silva & Machado, 2019) e redes sociais como o twitter (Souza, 2020). Na perspectiva dos gestores, as finanças comportamentais traçam duas abordagens. Na primeira abordagem, considera-se que os investidores não são totalmente racionais; e na segunda abordagem, acredita-se que são os gestores de empresas que não são totalmente racionais. Ainda, as duas abordagens podem ocorrer ao mesmo tempo. Na abordagem dos investidores irracionais, os gestores conseguem perceber os mispricings no mercado e responder às expectativas dos investidores tomando decisões corporativas as quais maximizam o valor da empresa no curto prazo, mas que no longo prazo, à medida que os preços são corrigidos, diminuem o valor da empresa (Baker et al., 2004).

Dentre as decisões corporativas tomadas por gestores para aproveitar-se do sentimento do investidor, incluem-se a emissão de títulos patrimoniais (Baker & Wurgler, 2002, Rossi & Marotta, 2010), nível de investimentos (Grundy & Li, 2010; Alimov & Mikkelson, 2012), planos de compensação (Grundy & Li, 2010), disclosure (Bergman & Roychowdhury, 2008; Brown et al., 2012; Alimov & Mikkelson, 2012) e mais recentemente o gerenciamento de accruals (Ali & Gurun, 2009; Simpson, 2013; Miranda et al., 2018; Miranda, 2018).

Os estudos sobre a relação entre o sentimento do investidor e os accruals ainda são escassos, destacando-se os trabalhos de Ali e Gurun (2009) e Simpson (2013) no contexto internacional; e Miranda et al. (2018), e Miranda (2018) no contexto brasileiro. Ali e Gurun (2009) observaram que o mispricing dos accruals é maior em períodos de alto sentimento. Os autores encontraram evidências de que os accruals reportados pelas empresas são maiores em períodos de alto sentimento, principalmente em empresas pequenas, consideradas difíceis de se avaliar/arbitrar e com menor monitoração do mercado que as demais. Os achados do trabalho corroboram a hipótese de que os gestores gerenciam os accruals de forma a aproveitar-se do sentimento do investidor.

Simpson (2013) investiga a propensão dos gestores em gerenciar resultados por meio dos accruals em períodos de alto e baixo sentimento, reportando resultados mais otimistas e conservadores, respectivamente. De maneira geral, descobriu-se que em períodos de alto sentimento, aumenta a utilização de accruals anormais positivos para inflar os lucros, ocorrendo o contrário em períodos de baixo sentimento. Os resultados indicaram ainda que em períodos de alto sentimento é maior a probabilidade de utilização de accruals anormais positivos para evitar a divulgação de perdas. Park (2015) analisa especificamente a influência do sentimento do investidor na probabilidade de utilização de gerenciamento de resultados para superar benchmarks de resultados (previsões de analistas, comparação com períodos anteriores e conversão de resultados negativos em positivos). Ao contrário de Simpson (2013), observou-se uma maior probabilidade de gerenciamento de resultados positivos em períodos de baixo sentimento.

No contexto brasileiro, Miranda et al. (2018) encontraram evidências de que a maior monitoração exercida por analistas de mercado diminui a propensão ao gerenciamento de accruals absolutos em momentos de maior otimismo. Ainda, Miranda (2018) investigou se os gestores de empresas listadas na bolsa de valores brasileira exerciam o gerenciamento de resultado em momentos de alto sentimento via canais de catering para captar investidores. Os resultados rejeitaram a hipótese de pesquisa, mas análises adicionais mostraram que, condicionados ao crescimento das receitas, gestores gerenciam mais resultados para captar investidores de curto prazo.

3. METODOLOGIA

3.1. Amostra

A amostra considerou inicialmente todas as empresas listadas na B3 entre 2010 e 2017. Optou-se por utilizar como início da série o período pós-implementação das IFRS no Brasil e para o final da série o período mais recente com dados disponíveis para a variável que representa o sentimento do investidor (Sent_t). Foram excluídas da amostra as empresas financeiras e aquelas que não apresentavam dados para algumas das variáveis utilizadas na pesquisa. As variáveis financeiras de cada empresa foram coletadas por meio da base de dados da Thompson Reuters®. As variáveis NIPO_t e NEI_t foram coletadas por meio do sítio eletrônico da Comissão de Valores Mobiliários (CVM). As variáveis TURN_t e AD_t foram coletadas por meio da base de dados da Economatica®. Uma vez que foram utilizadas variáveis defasadas em quatro trimestres, o número de períodos para a estimação dos modelos de regressão foi reduzido de 28 para 24 trimestres. A amostra final contou com um total de 1.856 observações oriundas de 103 empresas.

3.2. Mensuração dos accruals discricionários

Para mensuração dos accruals discricionários, foram escolhidos os modelos de Dechow et al. (1995) e Kothari et al. (2005) e Pae (2005). Dechow et al. (1995) propuseram uma modificação no modelo de Jones (1991), que diminui o erro de mensuração causado pelo pressuposto de que as receitas são não discricionárias. A especificação desse primeiro modelo para o cálculo dos accruals não discricionários (NDA), conhecido como modelo de Jones Modificado, utiliza os valores dos parâmetros originais da estimação pelo modelo de Jones (1991) acrescidos da correção da variação das receitas pela variação das contas a receber (ΔREC_it), como mostrado na Equação (1).

$$\frac{{\mathrm{N}\mathrm{D}\mathrm{A}}_{\mathrm{i}\mathrm{t}}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}={\mathrm{\alpha }}_1\left[\frac{1}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]+{\mathrm{\alpha }}_2\left[\frac{{\mathrm{\Delta }\mathrm{R}\mathrm{E}\mathrm{V}}_{\mathrm{i}\mathrm{t}}-{\mathrm{\Delta }\mathrm{R}\mathrm{E}\mathrm{C}}_{\mathrm{i}\mathrm{t}}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]+{\mathrm{\alpha }}_3\left[\frac{{\mathrm{P}\mathrm{P}\mathrm{E}}_{\mathrm{i}\mathrm{t}}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]$$ (1)

Onde:

ΔREC_it ( Variação nos Recebíveis líquidos em t menos Recebíveis líquidos da empresa i do período t para o período t-1.

Um outro modelo que usamos é o de Kothari et al. (2005), no qual os autores propõem ainda um ajuste do modelo de Jones (1991) à performance empresarial. O modelo de estimação dos accruals discricionários ajustados à performance é mostrado na Equação (2):

$$\frac{{\mathrm{T}\mathrm{A}}_{\mathrm{i}\mathrm{t}}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}={\mathrm{\alpha }}_0+{\mathrm{\alpha }}_1\left[\frac{1}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]+{\mathrm{\alpha }}_2\left[\frac{{\mathrm{\Delta }\mathrm{R}\mathrm{E}\mathrm{V}}_{\mathrm{i}\mathrm{t}}-{\mathrm{\Delta }\mathrm{R}\mathrm{E}\mathrm{C}}_{\mathrm{i}\mathrm{t}}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]+{\mathrm{\alpha }}_3\left[\frac{{\mathrm{P}\mathrm{P}\mathrm{E}}_{\mathrm{i}\mathrm{t}}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]+{\mathrm{\alpha }}_4{\mathrm{R}\mathrm{O}\mathrm{A}}_{\mathrm{i}\mathrm{t}}+{\mathrm{\epsilon }}_{\mathrm{i}\mathrm{t}}$$ (2)

Onde:

ROA_it ( Retorno sobre os Ativos totais da empresa i ao final do período t-1.

Por fim, estimamos o modelo de Pae (2005), que evidencia a necessidade de considerar a associação entre os accruals e os fluxos de caixa operacionais e a sua reversão ao longo do tempo. Pae (2005) descobriu que o modelo de Jones Modificado tem melhor poder preditivo quando adicionadas essas variáveis. A estimativa foi feita por meio da Equação (3), e é demonstrado o novo modelo proposto pelo referido autor para a estimação dos accruals discricionários:

$$\frac{{\mathrm{T}\mathrm{A}}_{\mathrm{i}\mathrm{t}}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}={\mathrm{\alpha }}_0+{\mathrm{\alpha }}_1\left[\frac{1}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]+{\mathrm{\alpha }}_2\left[\frac{{\mathrm{\Delta }\mathrm{R}\mathrm{E}\mathrm{V}}_{\mathrm{i}\mathrm{t}}-{\mathrm{\Delta }\mathrm{R}\mathrm{E}\mathrm{C}}_{\mathrm{i}\mathrm{t}}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]+{\mathrm{\alpha }}_3\left[\frac{{\mathrm{P}\mathrm{P}\mathrm{E}}_{\mathrm{i}\mathrm{t}}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]+{\mathrm{\alpha }}_4\left[\frac{{\mathrm{C}\mathrm{F}}_{\mathrm{i}\mathrm{t}}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]+{\mathrm{\alpha }}_5\left[\frac{{\mathrm{C}\mathrm{F}}_{\mathrm{i}\mathrm{t}-1}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]+{\mathrm{\alpha }}_6\left[\frac{{\mathrm{T}\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}{{\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}}\right]+{\mathrm{\epsilon }}_{\mathrm{i}\mathrm{t}}$$ (3)

As principais formas de estimação dos modelos de cálculo dos DA são: (i) regressões em séries temporais para cada empresa i; (ii) regressões em cross-sectional estimados para cada setor s a cada período t; (iii) regressões em cross-sectional estimada para cada período t utilizando todas as empresas da amostra; (iv) regressão com todas as empresas e períodos da amostra, conjuntamente; (v) regressão para cada setor s, utilizados todos os períodos da amostra.

Utilizou-se a abordagem (i) para cálculo dos DA das empresas da amostra com pelo menos 10 observações válidas para a estimação dos modelos. Esse método é restrito no contexto brasileiro pela falta de dados suficientes para formar longas séries temporais. No entanto, a utilização de dados trimestrais aumenta os períodos disponíveis para a estimação, permitindo a utilização de tal método raramente documentado nas pesquisas nacionais. A utilização de séries temporais diminuiu a incidência de outliers quando confrontada à abordagem (iv), que utilizou estimadores de painel, realizada para fins de comparação, uma vez que os dados de cada estimação são específicos à empresa.

A escolha pelos modelos derivados do modelo de Jones (1991) considera a utilização dos modelos mais difundidos na literatura de gerenciamento de resultados, onde, apesar das suas limitações, possibilita a comparação dos resultados com estudos anteriores que utilizaram esse modelo e com o trabalho de Simpson (2013), principal pesquisa-base para o atual estudo. A despeito de o modelo KS (1995) ser considerado mais apropriado para o contexto brasileiro (Martinez, 2008), a sua utilização requer o uso de variáveis instrumentais, o que restringiria a amostra do estudo em questão (Martinez, 2013). Os resultados reportados serão aqueles nos quais se utilizou o modelo de Pae (2005) para a estimação dos DAs, sendo informado quando observadas divergências entre os resultados utilizando o modelo de Pae (2005), Dechow et al. (1995) e Kothari et al. (2005).

3.3. Sentimento do investidor

Para se medir o sentimento do investidor, optou-se pela abordagem de Baker e Wurgler (2007). Os autores argumentam que o sentimento do investidor é difícil de ser medido diretamente e utilizam proxies imperfeitas para captar o fator comum de expectativa do mercado que não estejam relacionadas com variáveis macroeconômicas as quais podem justificar as expectativas.

Muitas das variáveis utilizadas por Baker e Wurgler (2007) para medir o sentimento do investidor não estão disponíveis ou são de difícil coleta no ambiente brasileiro. Por essa razão, para se medir o sentimento do investidor neste trabalho utilizou-se procedimento similar ao de Bake e Wurgler (2007) conforme Xavier e Machado (2017), que estimaram índice para o mercado brasileiro. As proxies utilizadas a fim de se medir o sentimento do investidor são (i) o número de IPOs (Initial Public Offering) (NIPO_t); (ii) a porcentagem de emissão de títulos patrimoniais em relação aos títulos totais emitidos por empresas (NEI_t); (iii) turnover das ações (TURN_t); e, (iv) proporção de altas e baixas nos preços das ações (AD_t).

Utilizou-se a técnica de Análise dos Componentes Principais (ACP) para se obter um componente comum a essas proxies. A ACP foi realizada com as variáveis no período t e suas defasagens (t-1), uma vez que algumas variáveis podem carregar componentes do sentimento do investidor, os quais só serão sentidos futuramente. A escolha entre as proxies em t ou t-1 foi feita de acordo com a sua correlação com o primeiro componente, conforme apresentado no Painel C da Tabela 1.

A escolha de apenas uma componente está em linha com o praticado em estudos anteriores (Baker & Wurgler, 2006; Yohinaga & Castro, 2012; Miranda, 2018), o que é corroborado pela regra de Kaiser em que nossa primeira componente é a única com eingenvalue superior a 1, especificamente um autovalor de 1,43 e com explicação de 51,43% das variâncias. Ressalta-se ainda que o teste de esfericidade por meio do teste de Barlett para analisar respalda a escolha das variáveis selecionadas como adequadas para formação das componentes.

O último passo para o cálculo do índice consiste na regressão de cada proxy contra variáveis macroeconômicas, a fim de se separar do componente do sentimento os efeitos do ciclo econômico. Seguindo estudos anteriores, (Baker & Wurgler, 2006; Xavier & Machado, 2017; Miranda et al., 2018), foi utilizada uma dummy de recessão da OECD, crescimento do PIB, taxa de desemprego, consumo de bens duráveis e não duráveis como variáveis macroeconômicas. Dessa forma, foi possível realizar uma nova ACP com os resíduos das regressões, com comparação dos resíduos das variáveis com as suas defasagens e escolhido o melhor componente para o cálculo do índice de sentimento do investidor (Sent_t).

Uma vez que o índice é construído mensalmente e os dados para gerenciamento de resultados e outras variáveis são calculadas trimestralmente, utilizou-se o índice para o último mês do trimestre t (SentMONTH_t) e sua média trimestral (SentQRT_t) nas análises subsequentes.

3.4. Variáveis de controle e modelagem econométrica

Incluíram-se no modelo econométrico algumas variáveis de controle não relacionadas com o sentimento do investidor que podem influenciar o nível de gerenciamento de resultados das empresas da amostra. Consistente com Simpson (2013) e Miranda et al. (2018), são utilizadas proxies para representar as oportunidades de investimento (Growth_it), nível de endividamento (Leverage_it), desempenho futuro (ROE_t+1) e o tamanho da empresa (Size_it).

Empresas com perspectiva de crescimento podem ter maiores accruals anormais que empresas em fase de maturidade. O índice Market-to-Book é utilizado para se representar as expectativas do mercado sobre o crescimento futuro da empresa. Empresas mais endividadas têm incentivos para gerenciar os accruals positivamente de modo a não violar covenants que exijam a manutenção de índices de endividamento baixos. Ao mesmo tempo, empresas mais endividadas normalmente captam recursos a um custo maior em função do seu risco. O endividamento é calculado pela relação entre o passivo exigível e os ativos totais (Leverage_it), e é esperada uma relação negativa entre essa variável e os DA.

Empresas menos lucrativas têm incentivos para se utilizar dos DA como forma de aumentar os lucros e evitar a queda do preço das ações ou a substituição da equipe de gestão. Já empresas com bons resultados podem tentar “acumular” lucros para utilizar em períodos futuros quando sua lucratividade estiver baixa. Evitar custos políticos associados à tributação de setores mais lucrativos pelo governo também oferece incentivos para o gerenciamento de resultados por meio da minimização de accruals (Jones, 1991). A lucratividade futura é representada pelo retorno sobre o patrimônio líquido para o trimestre seguinte (ROE_it+1), calculado pela razão entre o lucro antes dos itens extraordinários e o patrimônio líquido.

Assim como as empresas lucrativas, o tamanho das empresas também está associado à ocorrência de custos políticos associados à visibilidade de grandes firmas pela sociedade, que demanda maior fiscalização, tributação e engajamento em causas sociais. Empresas maiores têm incentivos para gerenciar os DA de forma negativa para tentar reduzir seu tamanho ou lucratividade. O tamanho da empresa (Size_it) é medido pelo logaritmo dos seus ativos totais.

A Equação (4) demonstra o modelo de estimação que analisa a relação entre o sentimento do investidor (Sent_it), em sua forma mensal (SentMONTH_t) e trimestral (SentQRT_t), e o gerenciamento de resultados (DA_it). A notação Control_it representa um vetor com as variáveis de controle Growth_it, Leverage_it, ROE_t+1 e Size_it. Ainda, foram adicionadas quatro defasagens da variável dependente para controlar pela reversão de accruals em períodos futuros. Por fim, a variável QRT4_t é uma dummy que assume valor 1 no último trimestre anual e 0 nos trimestres restantes para controlar a tendência de as empresas gerenciarem resultados com maior frequência no último trimestre do ano fiscal (Simpson, 2013).

$${\mathrm{D}\mathrm{A}}_{\mathrm{i}\mathrm{t}}={\mathrm{\lambda }}_0+{\mathrm{\lambda }}_1{\mathrm{S}\mathrm{e}\mathrm{n}\mathrm{t}}_{\mathrm{t}+1}+{\sum }_{\mathrm{j}=1}^4{\mathrm{\lambda }}_2{\mathrm{D}\mathrm{A}}_{\mathrm{i}\mathrm{t}-1}+{\mathrm{\lambda }}_3{\mathrm{Q}\mathrm{R}\mathrm{T}4}_{\mathrm{t}}+{\mathrm{\lambda }}_4{\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{\mathrm{i}\mathrm{t}}+{\mathrm{u}}_{\mathrm{i}\mathrm{t}}$$ (4)

Diferentemente de Simpson (2013) e Miranda et al. (2018), que utilizaram a variável de sentimento defasada em um período (t-1), e Park (2015) e Miranda (2018), que utilizaram a variável em sua forma contemporânea (t), utilizou-se essa variável computada para o período seguinte (t+1). Dado que as empresas preparam suas demonstrações contábeis após o fim do período ao qual se referem (t+1), entende-se ser mais provável que elas estejam sob influência do sentimento nesse mesmo período. Entretanto, reporta-se quando houver diferença entre os resultados obtidos utilizando-se o sentimento no período de reporte (t+1) e no período ao qual as demonstrações financeiras se referem (t), assim como em Park (2015) e Miranda (2018).

Observa-se que o modelo pode sofrer de problemas de simultaneidade, uma vez que as empresas podem ser mais lucrativas ou menos endividadas por estarem gerenciando seus resultados de forma mais agressiva. Ainda, a inclusão da variável defasada causa problemas de correlação serial nos estimadores de painel. Como solução, foi feito uso do Generalized Method of Moments - GMM, calculado de acordo com as especificações de Arellano e Bover (1995) e Blundell e Bond (1998) também conhecido como system-GMM. Utilizou-se o estimador em dois estágios (two-step) para se realizar as estimações. Em amostras finitas, o estimador two-step possui a tendência de enviesar os erros-padrão. Recorreu-se à correção de Windmeijer (2005) para dirimir esse problema. Nos trabalhos anteriores não foram identificados meios de mitigar possíveis problemas de endogeneidade (Simpson, 2013, Park, 2015, Miranda et al., 2018), com exceção do trabalho de Miranda (2018) e Santana et al. (2020).

Verificou-se o pressuposto da presença de multicolinearidade com a utilização do teste de Fator de Inflação da Variância, não sendo encontrados resultados acima de 5,0, o que poderia indicar a presença de um alto grau de colinearidade entre as variáveis explicativas. Ainda, foi testado o pressuposto de ausência de correlação serial de ordem (x) utilizando-se do teste de Arellano-Bond, e verificou-se a validade dos instrumentos por meio do teste de Sargan. Por fim, o teste de Wald examina se há erro de especificação do modelo ao testar se pelo menos um coeficiente é diferente de zero. Todos esses testes são mostrados abaixo de cada modelo estimado. Utilizou-se um nível de significância de 5% para a rejeição das hipóteses nulas de cada teste.

Utilizou-se ainda de modelos de regressão logística para investigar a incidência de métodos específicos de gerenciamento de resultados, sendo eles: (i) a utilização de gerenciamento de resultados positivo (Simpson, 2013; Park, 2015); (ii) a utilização de gerenciamento de resultados positivos para evitar reportar perdas (Simpson, 2013; Park, 2015); e (iii) a utilização de gerenciamento de resultados positivos para demonstrar crescimento dos lucros em relação ao mesmo semestre do ano fiscal anterior (Park, 2015).

A variável dependente em (i) assumiu valor 1 quando os accruals discricionários do respectivo semestre foram positivos (POSDA), e 0, do contrário. A variável dependente para (ii) assumiu valor 1 quando o lucro reportado diminuído dos accruals discricionários passava de positivo para negativo (BEAT_ZERO), evidenciando a utilização de gerenciamento de resultados positivo para evitar reportar perdas, e 0, do contrário. A variável dependente em (iii) assumiu valor 1 quando o lucro reportado diminuído dos accruals discricionários era menor que o lucro reportado no mesmo semestre do ano fiscal anterior (E_INCREASE), evidenciando a utilização de gerenciamento de resultados positivos para evitar reportar uma diminuição nos resultados em comparação a períodos passados, e 0, do contrário. Ao calcular as variáveis (BEAT_ZERO) e (E_INCREASE), Park (2015) categoriza a realização de gerenciamento de resultados para atingir benchmarks de lucros quando a diferença entre o lucro reportado e o benchmark está entre 0,0000 e 0,0025. Avança-se nesse sentido ao utilizar os accruals discricionários como forma mais direta de categorizar o gerenciamento de resultados para superar metas de lucros.

4. ANÁLISE DOS RESULTADOS

4.1. Estatísticas descritivas

Nesta seção são apresentadas as estatísticas. Os accruals totais corresponderam a, em média, 0,12% do valor dos ativos trimestralmente. A mediana é negativa, e isso indica que os CFOs foram maiores que o lucro antes dos itens extraordinários para mais da metade da amostra. A variável DA foi calculada pelo modelo de Pae (2005), seu valor é positivo, porém próximo a zero, consoante com a tendência dos modelos de regressão de reportarem média próxima a zero para os erros do modelo. Os valores máximo e mínimo indicam gerenciamento de accruals positivos que corresponde a 108,99% do valor dos ativos totais e gerenciamento de accruals negativos que corresponde a 47,12% do valor dos ativos totais. Tais medidas de gerenciamento podem parecer irreais, e essa é uma das limitações das proxies de gerenciamento de resultados com base na estimação de NDA. Apesar disso, o cálculo dos DA pelo modelo de Pae (2005) utilizando o método (iv) com variáveis dummies para os setores, assim como em Paulo (2007) e Mota et al. (2017), obtiveram-se valores máximos e mínimos ainda mais extremos de, respectivamente, 121,04% e -80,49%, o que reforça nosso critério de escolha por modelos de séries temporais para a estimação dos DA.

Para as variáveis utilizadas nos testes de robustez (POSDA, BEAT_ZERO, E_INCREASE) foram analisadas unicamente as médias, as quais representam o percentual de observações sobre aquela situação em relação às observações gerais. Dadas as particularidades das estimações por meio de regressão linear, onde a média tende a zero, a variável POSDA é observada em 51,44% das observações totais, indicando equilíbrio entre a quantidade de valores positivos e negativos para os DA. Em cerca de 5,22% das observações, o gerenciamento de resultados é utilizado para transformar prejuízos em pequenos lucros (BEAT_ZERO). Em Park (2015), foi observada uma menor proporção dessa prática na amostra analisada (2,71%). Observa-se ainda que em 8,42% das observações as empresas se utilizaram de DAs positivos para reportar resultados acima dos obtidos no mesmo trimestre do ano fiscal anterior, contra 2,81% das ocorrências registradas em Park (2015).

O índice de sentimento, tanto mensal (SentMONTH_t) quanto trimestral (SentQRT_t), não possuem interpretação teórica, de modo que não se pode dizer, a partir dos seus valores, se o sentimento é otimista ou pessimista. Considerando apenas que seus maiores valores estão ligados a um alto sentimento e os menores valores estão ligados a um baixo sentimento.

O índice Market-to-Book, que representa as oportunidades de crescimento das empresas (Growth_it), apresenta média de 1,2736 e um valor mediano de 1,0290. Os valores indicam que, em média, o valor de mercado do patrimônio líquido das empresas é maior que o seu valor contábil. Esses valores podem indicar que a empresa apresenta oportunidades de investimento já precificadas pelo mercado ou que a contabilidade não está conseguindo mensurar, por meio do valor do patrimônio líquido.

As empresas apresentam um endividamento médio (Leverage_it) de 31,51% com uma mediana de endividamento de 29,31%. Os dados mostram que o patrimônio líquido financia a maior parte da aplicação de recursos delas. O valor máximo acima de 1 indica que há na amostra aquelas com patrimônio líquido negativo, situação de passivo a descoberto.

Os índices de lucratividade (ROA_it e ROE_it) apresentam em média e mediana valores positivos, indicando a predominância de lucros trimestrais para as empresas da amostra. Os resultados para tais variáveis são menores, se comparados aos de outros trabalhos, por utilizar apenas o lucro trimestral no seu cálculo. Por fim, os valores para a variável Size_it indicam que a amostra é bastante abrangente, compreendendo empresas grandes e pequenas.

Tabela 1.
Estatísticas descritivas das empresas da amostra.

Painel A - Estatísticas descritivas das empresas da amostra
Variáveis	Média	Mediana		Desvio-padrão		Máximo		Mínimo
TAit/Ait-1	-0,0012	-0,0032		0,0823		1,2121		-1,0000
DAit/Ait-1	0,0004	0,0003		0,0397		1,0899		-0,4712
POSDA	0,5144	1,0000		0,4999		1,0000		0,0000
BEAT_ZERO	0,0522	0,0000		0,2224		1,0000		0,0000
E_INCREASE	0,0842	0,0000		0,2778		1,0000		0,0000
Sent(MONTH)t	-5,3467	-0,8981		8,8211		16,3670		-22,0150
Sent(QRT)t	5,7908	-0,7645		7,7929		0,8501		-21,0950
Growthit	1,2736	1,0290		4,1458		61,0022		-103,8251
Leverageit	0,3151	0,2931		0,2600		3,3333		(a) 0,000
ROAit	0,0031	0,0057		0,0516		1,2121		-0,8462
ROEit+1	0,0170	0,0162		0,5666		20,34483		-9,7778
Sizeit (milhões R$)	9.377	2.900		19.726		179.999		11
Painel B - Estatísticas descritivas das proxies de sentimento
Variável	Média		Mediana		Mínimo		Máximo
NIPOt	13,640		7,000		0,000		88,000
NEIt	0,380		0,275		0,000		0,976
TURNt	0,001		0,001		-0,002		0,007
ADt	1,239		1,206		0,656		2,099
Painel C - Tabela de correlação entre as proxies a primeira componente (etapa 1 e 2)
	NIPOt	NIPOt-12	NEIt	NEIt-12	TURNt	TURNt-12	ADt	ADt-12	ACPpasso1
NIPOt-12	0,30***
NEIt	0,18**	0,05
NEIt-12	-0,24***	0,18**	-0,25***
TURNt	0,62***	-0,06	0,06	-0,37***
TURNt-12	0,38***	0,66***	0,25***	0,01	-0,12
ADt	0,42***	-0,19**	-0,06	-0,31***	0,61***	0,02
ADt-12	0,37***	0,40***	0,32***	-0,06	-0,17*	0,55***	0,02
ACPpasso1	0,81***	0,80***	0,14*	-0,04	0,35***	0,65***	0,15*	0,48***
ACPpasso2	0,67***	0,53***	0,55***	-0,17*	0,1	0,80***	0,14*	0,82***	0,74***

• Notas: Significância estatística: 1%***, 5% **, 10%*; ^(a) Número positivo menor que 0,0001; ^(b) Número negativo maior que -0,0001.

4.2. Influência do sentimento do investidor no gerenciamento de resultados

A análise se inicia pela influência do sentimento do investidor nos DAs reportados pelas empresas da amostra entre 2010 e 2017. Na tabela 2 são mostrados os resultados das estimações que utilizam como variável dependente os DAs calculados pelo modelo de Pae (2005) e uma variável dummy que assume valor 1 quando os DAs estimados são positivos (POSDA). Nos modelos 1 e 2 não se observa significância estatística para a variável Sent_t+1, representada tanto pelo sentimento calculado para o primeiro mês do trimestre quanto para o sentimento calculado pela média dos valores mensais para o trimestre. Os resultados são robustos à utilização da variável de sentimento em sua forma contemporânea (Sent_t) e aos DAs estimados pelo modelo de Jones Modificado (Dechow et al., 1995) e Jones ajustado à performance (Kothari et al., 2005), estimações não reportadas nas tabelas de resultados.

Os resultados são diferentes dos obtidos por Simpson (2013) e Miranda et al. (2018), que descobriram um maior gerenciamento positivo e absoluto de accruals, respectivamente, em períodos de alto sentimento. Contudo, ambas as pesquisas se diferenciam em razão das proxies para o gerenciamento de resultados e sentimento do investidor e da periodicidade dos dados.

Tabela 2.
Influência do sentimento do investidor no gerenciamento de resultados.

	DA	DA	POSDA	POSDA
DAit-1	-0,1691 (0,2872)	-0,1722 (0,1158)	0,0895 (0,0941)	0,0951 (0,0940)
DAit-2	-0,2096 (0,3739)	-0,2101 (0,1471)	*-0,1619 (0,0945)	*-0,1587 (0,0944)
DAit-3	*-0,4256 (0,2373)	***-0,4292 (0,0472)	0,1119 (0,0939)	0,1061 (0,0941)
DAit-4	-0,0922 (0,3381)	-0,0984 (0,3048)	***0,2852 (0,0939)	***0,2857 (0,0941)
MONTHSentt+1	-0,0002 (0,0004)	-	0,0095 (0,0059)	-
QRTSentt+1	-	0,0004 (0,0021)	-	***0,0191 (0,0061)
LastQRTt	0,0054 (0,0060)	0,0085 (0,0156)	0,0818 (0,1114)	***0,1485 (0,1139)
Growthit	-0,0001 (0,0014)	-0,0001 (0,0012)	-0,0045 (0,0131)	-0,0047 (0,0131)
Leverageit	-0,1208 (0,0810)	**-0,1188 (0,0466)	-0,2771 (0,1816)	-0,2500 (0,1821)
ROEit+1	0,0009 (0,0049)	0,0008 (0,0029)	-0,0155 (0,0729)	-0,0102 (0,0728)
Sizeit	-0,0121 (0,0110)	**-0,0110 (0,0046)	0,0274 (0,0275)	0,0284 (0,0275)
_Intercepto	0,3016 (0,2621)	0,2805 (0,1002)	-0,5701 (0,6030)	-0,5497 (0,6035)
Modelo	(1)	(2)	(3)	(4)
Wald χ2 (a)	***687,80	***585,42	-	-
Maior VIF	3,98	3,85	1,08	1,11
AR(5) (b)	-0,9195	-0,9243	-	-
Sargan (c)	98,8153	99,4959	-	-
R² de McFadden Ajustado	-	-	50,46%	27,95%
Log da Verossimilhança	-	-	-1.275	-1.271
Critério de Akaike	-	-	2.572	2.565
% Previstos corretamente	-	-	55,33%	55,82%
Nº observações	1.856	1.856	1.856	1.856
Nº indivíduos	103	103	103	103
Nº instrumentos	274	274	-	-

• Notas: Coeficientes com os erros-padrão entre parênteses; Significância estatística: 1%***, 5% **, 10%*; ^(a) Teste de Wald para significância geral dos coeficientes do modelo de regressão pelo Sys-GMM; ^(b) Teste de Arellano-Bond de correlação serial de ordem (x); ^(c) Teste de Sargan de sobre identificação das restrições.

Ao analisar os modelos de regressão logística usados para inferir se o sentimento influencia na prática de gerenciamento de resultados positivo (modelos 3 e 4), percebe-se significância estatística na variável de sentimento apenas no modelo 4, o qual utiliza o sentimento como a média dos meses do respectivo trimestre. Esses resultados não são confirmados pelo modelo 3 nem são robustos à utilização de outras proxies para o cálculo do gerenciamento de resultados ou à utilização da variável de sentimento em sua forma contemporânea. Os resultados contradizem os achados de Simpson (2013), que estimou um modelo de regressão logística para analisar se o sentimento otimista influenciou a prática de gerenciamento de resultados positivos nas empresas analisadas. Sendo assim, os resultados nos levam à conclusão de que, de maneira geral, o sentimento do investidor não influencia na utilização de accruals discricionários para a prática de gerenciamento de resultados. Com exceção das variáveis defasadas (DA_it-x), nenhuma outra mostrou significância estatística nas estimações que fosse robusta aos outros modelos calculados, considerando também outras proxies para o gerenciamento de resultados ou a utilização do sentimento contemporâneo utilizados nos resultados não reportados.

4.3. Influência do sentimento do investidor no gerenciamento de resultados para atingir benchmarks de lucros

Apesar de não observar uma relação entre o sentimento do investidor e a prática de gerenciamento de resultados positivos, investigaram-se formas específicas de utilização dos DAs para atingir metas pré-definidas. Os principais modelos presentes na literatura dizem respeito à utilização dos DAs para transformar prejuízos em pequenos lucros (ZERO_BEAT), para reportar lucros superiores aos do mesmo período do ano fiscal anterior (E_INCREASE) e para superar metas de lucros de analistas de mercado. Uma vez que o tamanho da amostra é limitado, restringi-la apenas às empresas monitoradas por analistas diminuiria ainda mais o seu tamanho. Ainda, as informações sobre previsões de analistas estão disponíveis, em sua maioria, em forma de estimativas anuais, o que reduziria ainda mais nossas observações, visto que foram utilizados dados trimestrais para a pesquisa. Tal procedimento é utilizado também por Mian e Sankaraguruswamy (2012) ao evitar incluir em sua amostra de estudo apenas empresas monitoradas por analistas, justificando que as previsões de analistas se aproximam da meta de superar o resultado do mesmo período do ano fiscal anterior. Neste caso, realizaram-se os dois primeiros testes para avaliar a influência do sentimento do investidor nas duas formas específicas de gerenciamento de resultados.

Na tabela 3 são mostrados os resultados das estimações que utilizam como variável dependente a ocorrência de gerenciamento de resultados positivos para evitar reportar perdas (BEAT_ZERO) e para evitar reportar lucros reduzidos em relação ao mesmo trimestre do ano fiscal anterior (E_INCREASE). Ambos os modelos são estimados utilizando DAs calculados pelo modelo de Pae (2005) e o sentimento para o período seguinte (t+1). Todavia, realizaram-se testes de robustez utilizando outras proxies para o cálculo dos DAs (Dechow et al., 1995; Kothari et al., 2005) e o sentimento em sua forma contemporânea (t).

Nos modelos 5 e 6, que analisaram a influência do sentimento do investidor na utilização de gerenciamento de resultados para evitar reportar perdas (BEAT_ZERO), não se observa significância estatística na variável de interesse do modelo (Sent_t+1). Os resultados são diferentes dos encontrados por Park (2015), que descobriu uma maior propensão das empresas a utilizar o gerenciamento de resultados para evitar reportar perdas em períodos de baixo sentimento. Novamente não foi observada significância estatística para as variáveis de controle utilizadas no modelo.

Tabela 3.
Influência do sentimento do investidor no gerenciamento de resultados para superar metas.

	BEAT_ZERO	BEAT_ZERO	E_INCREASE	E_INCREASE
MONTHSentt+1	0,0178 (0,0127)	-	***-0,0250 (0,0087)	-
QRTSentt+1	-	0,0066 (0,0129)	-	-0,0056 (0,0089)
LastQRTt	-0,1255 (0,2433)	-0,1611 (0,2494)	-0,1879 (0,1669)	-0,1009 (0,1684)
Growthit	-0,0256 (0,0263)	-0,0240 (0,0258)	**-0,0407 (0,0175)	**-0,0427 (0,0177)
Leverageit	0,3457 (0,2771)	0,3359 (0,2777)	***1,5434 (0,2851)	***1,5510 (0,2851)
ROEit+1	-0,1941 (0,1644)	-0,1927 (0,1673)	-0,0285 (0,1124)	-0,0426 (0,1109)
Sizeit	-0,1185 (0,0573)	-0,1178 (0,0572)	***-0,2499 (0,0404)	***-0,2485 (0,0404)
_Intercepto	**-0,1289 (1,2386)	**-0,2144 (1,2346)	***2,9361 (0,8609)	***3,0477 (0,8595)
Modelo	(5)	(6)	(7)	(8)
Maior VIF	1,05	1,11	1,08	1,10
R² de McFadden Ajustado	-0,46%	-0,67%	5,44%	4,91%
Log da Verossimilhança	-412	-413	-705	-709
Critério de Akaike	838	840	1.425	1.433
% Previstos corretamente	94,07%	94,07%	85,88%	85,88%
Nº observações	1.856	1.856	1.856	1.856
Nº indivíduos	103	103	103	103

• Notas: Coeficientes com os erros-padrão entre parênteses; Significância estatística: 1%***, 5% **, 10%*.

Na análise seguinte, observou-se, porém, que a utilização de gerenciamento de resultados para sinalizar um crescimento dos lucros em relação ao mesmo período do ano fiscal anterior (E_INCREASE) está negativamente relacionada com o sentimento do investidor, indicando que em períodos pessimistas maior é a probabilidade de que as empresas se utilizem de accruals discricionários para superar os resultados do mesmo trimestre do ano fiscal anterior, convergente com os achados de Park (2015). Embora o modelo 7 não seja confirmado pelo modelo 8, os resultados dessa estimação são robustos à utilização de outras proxies para o cálculo dos DAs e à utilização do sentimento contemporâneo na análise. Dentre os 10 modelos não reportados que analisam a probabilidade da utilização de gerenciamento de resultados para demonstrar crescimento nos lucros em relação ao mesmo trimestre do ano fiscal anterior (E_INCREASE), todos sinalizaram uma associação negativa entre tal prática e o sentimento do investidor, seja o sentimento estimado em sua forma mensal (MONTHSent), trimestral (QRTSent), contemporânea (t) ou futura (t+1).

Um aumento dessa prática de gerenciamento de resultados em períodos de baixo sentimento pode sinalizar que as empresas tendem a inflar seus lucros em períodos pessimistas, quando provavelmente a maioria do mercado está experimentando resultados insatisfatórios. A realização desse tipo de gerenciamento de resultados em períodos de baixo sentimento poderia diferenciar a empresa de suas concorrentes e impulsionar o preço de suas ações (Park, 2005). A despeito de os gestores terem incentivos em reportar crescimento nos resultados por meio do gerenciamento de accruals em períodos de alto sentimento, notícias ruins sobre variações nos lucros em períodos pessimistas geram uma reação negativa no preço das ações das empresas (Mian & Sankaraguruswamy, 2012).

A teoria do prospecto (Kahneman & Tversky, 1979) estabelece que a função de utilidade dos investidores é assimétrica, onde perdas são mais significativas que ganhos no mesmo montante. Nesse caso, faria sentido que gestores se utilizassem do gerenciamento de resultados para evitar uma redução em relação ao benchmark de lucros de um mesmo período no passado em momentos nos quais uma redução no preço das ações tem maior probabilidade de ocorrência (sentimento baixo). O comportamento esperado por Simpson (2013), de maior utilização de accruals discricionários positivos em momentos otimistas, poderia ocorrer de forma inversa, em que os gestores mostrariam preferência por aumentar ou evitar uma redução no preço das ações de suas empresas em momentos pessimistas a promover um aumento no preço de suas ações em períodos otimistas.

Para essa forma de gerenciamento ainda se mostraram significantes as variáveis representativas das expectativas de crescimento (Growth_it), o endividamento (Leverage_it) e o tamanho das empresas listadas (Size_it). Observa-se uma menor probabilidade da prática de gerenciamento de resultados para superar metas de lucro de períodos passados em empresas em crescimento, empresas menos endividadas e empresas maiores.

5. CONSIDERAÇÕES FINAIS

Este trabalho teve por objetivo analisar se o sentimento do investidor exerce influência sobre o gerenciamento de resultados, especificamente na utilização de accruals discricionários para superar benchmarks pré-definidos. Os resultados indicam que o sentimento do investidor não exerce impacto nos DAs reportados pelas empresas de uma forma geral ou com o objetivo específico de se evitar reportar perdas. No entanto, descobriu-se que, em momentos pessimistas, maior é a probabilidade de que as empresas se utilizem de gerenciamento de resultados para reportar resultados superiores aos registrados no mesmo período do ano fiscal anterior. A existência de uma relação negativa ou nula entre o sentimento do investidor e o gerenciamento de resultados vai de encontro às proposições de Mian e Sankaraguruswamy (2012), Simpson (2013), Miranda et al. (2018) e Santana et al. (2020). Segundo esses autores, os gestores têm incentivos para gerenciar os resultados, principalmente de maneira positiva, em períodos de alto sentimento.

A principal hipótese para explicar tais achados é que os gestores têm preferência em aumentar ou evitar redução no preço de suas ações em momentos pessimistas ao se utilizar de gerenciamento de resultados para inflar seus lucros a impulsionar o preço de suas ações em momentos otimistas utilizando-se dessa prática. Os resultados, entretanto, podem ser consequência de uma maior monitoração de investidores e órgãos reguladores em períodos mais otimistas, visto que tais incentivos para o comportamento oportunista de gestores já são esperados pelos agentes de mercado.

Explicações alternativas para esse fenômeno podem estar ligadas à presença de investidores estrangeiros no mercado brasileiro, que exerceriam menos pressão por resultados em razão de serem influenciados pelo sentimento do seu país de origem. Ao mesmo tempo, há o risco de que as proxies não tenham conseguido captar o sentimento do mercado ou o gerenciamento de resultados. A fórmula de cálculo do sentimento do investidor se origina de variáveis que indiretamente representam o atual sentimento de otimismo ou pessimismo do mercado de capitais. Já os modelos de cálculo dos DAs se originam de uma medida de NDA esperado com base nas características das empresas, sendo potencial o problema de variáveis omitidas no cálculo dos DAs. Diante dessas limitações, recomenda-se que pesquisas futuras possam analisar esse fenômeno usando outras proxies.

Dentre as pesquisas que mais se aproximam da abordagem utilizada neste trabalho, os resultados foram divergentes de Simpson (2013), que encontrou uma relação positiva entre o gerenciamento de resultados e o sentimento do investidor. Todavia, ao analisar a utilização de gerenciamento de resultados para superar os resultados do mesmo trimestre no período anterior, obtiveram-se resultados similares aos de Park (2015), nos quais essa prática ocorre com maior frequência em períodos pessimistas. Os resultados apresentados neste trabalho podem servir de balizamento principalmente para decisões de investidores e formadores de políticas públicas. Por exemplo, decisões de alocação de portfólio podem ser aprimoradas ao considerar que os resultados inflados por meio de accruals discricionários podem também ocorrer em momentos de pessimismo. Adicionalmente, formadores de políticas públicas podem melhorar sua compreensão sobre o impacto do sentimento do mercado na prática de gerenciamento de resultados.

Apesar das contribuições, este estudo possui limitações que abrem caminho para pesquisas futuras. Por exemplo, não foi possível considerar previsões de analistas como benchmark de lucros por diminuir consideravelmente a amostra. Além disso, recomenda-se o uso de técnicas emergentes que possam estimar proxies para o sentimento do investidor a partir de dados não estruturados, tais como textos ou imagens de relatórios financeiros, opinião de analistas, transcrição de divulgação de resultados ou mídias sociais.

Referências bibliográficas

• Ali, A., & Gurun, U. G. (2009). Investor sentiment, accruals anomaly, and accruals management. Journal of Accounting, Auditing & Finance, 24(3), 415-431. https://doi.org/10.1177/0148558X0902400305
  » https://doi.org/10.1177/0148558X0902400305
• Alimov, A., & Mikkelson, W. (2012). Does favorable investor sentiment lead to costly decisions to go public?. Journal of Corporate Finance, 18(3), 519-540. https://doi.org/10.1016/j.jcorpfin.2012.02.004
  » https://doi.org/10.1016/j.jcorpfin.2012.02.004
• Arellano, M., & Bover, O. (1995). Another look at the instrumental-variable estimator of error-components models. Journal of Econometrics, 68(1), 29-52. https://doi.org/10.1016/0304-4076(94)01642-D
  » https://doi.org/10.1016/0304-4076(94)01642-D
• Baker, M., & Wurgler, J. (2002). Market timing and capital structure. The Journal of Finance, 57(1), 1-32. https://doi.org/10.1111/1540-6261.00414
  » https://doi.org/10.1111/1540-6261.00414
• Baker, M., & Wurgler, J. (2006). Investor sentiment and the cross‐section of stock returns. The Journal of Finance , 61(4), 1645-1680. https://doi.org/10.1111/j.1540-6261.2006.00885.x
  » https://doi.org/10.1111/j.1540-6261.2006.00885.x
• Baker, M., & Wurgler, J. (2007). Investor sentiment in the stock market. The Journal of Economic Perspectives, 21(2), 129-151. https://doi.org/10.1257/jep.21.2.129
  » https://doi.org/10.1257/jep.21.2.129
• Baker, M., Ruback, R. S., & Wurgler, J. (2004). Behavioral corporate finance: A survey (Working paper No. w10863). National Bureau of Economic Research.
• Bergman, N. K., & Roychowdhury, S. (2008). Investor sentiment and corporate disclosure. Journal of Accounting Research, 46(5), 1057-1083. https://doi.org/10.1111/j.1475-679X.2008.00305.x
  » https://doi.org/10.1111/j.1475-679X.2008.00305.x
• Blundell, R. W., & Bond, S. R. (1998). Initial conditions and moment restrictions in dynamic panel data models. Journal of Econometrics , 87(1), 115-143. https://doi.org/10.1016/S0304-4076(98)00009-8
  » https://doi.org/10.1016/S0304-4076(98)00009-8
• Brown, G. W., & Cliff, M. T. (2005). Investor sentiment and asset valuation. The Journal of Business, 78(2), 405-440. https://doi.org/10.1086/427633
  » https://doi.org/10.1086/427633
• Brown, N. C., Christensen, T. E., Elliott, W. B., & Mergenthaler, R. D. (2012). Investor sentiment and pro forma earnings disclosures. Journal of Accounting Research , 50(1), 1-40. https://doi.org/10.1111/j.1475-679X.2011.00427.x
  » https://doi.org/10.1111/j.1475-679X.2011.00427.x
• Dechow, P. M., Sloan, R. G., & Sweeney, A. P. (1995). Detecting earnings management. The Accounting Review, 70(2), 193-225.
• Ferreira, T. S., Machado, M. A., & Silva, P. Z. (2021). Asymmetric impact of investor sentiment on brazilian stock market volatility. RAM. Mackenzie Administration Magazine, 22(4), eRAMF210208. https://doi.org/10.1590/1678-6971/eRAMF210208
  » https://doi.org/10.1590/1678-6971/eRAMF210208
• Galdi, F. C., & Gonçalves, A. (2018). Pessimism and uncertainty of the news and the behavior of investors in Brazil. Business Administration Journal, 58(2), 130-148. https://doi.org/10.1590/S0034-759020180203
  » https://doi.org/10.1590/S0034-759020180203
• Grundy, B. D., & Li, H. (2010). Investor sentiment, executive compensation, and corporate investment. Journal of Banking & Finance, 34(10), 2439-2449. https://doi.org/10.1016/j.jbankfin.2010.03.020
  » https://doi.org/10.1016/j.jbankfin.2010.03.020
• Jiang, F., Lee, J., Martin, X., & Zhou, G. (2019). Manager sentiment and stock returns. Journal of Financial Economics, 132(1), 126-149. https://doi.org/10.1016/j.jfineco.2018.10.001
  » https://doi.org/10.1016/j.jfineco.2018.10.001
• Jones, J. J. (1991). Earnings management during import relief investigations. Journal of Accounting Research , 29(2), 193-228. https://doi.org/10.2307/2491047
  » https://doi.org/10.2307/2491047
• Kahneman, D., & Tversky, A. (1979). Prospect theory: an analysis of decision under risk. Econometrica, 47(2), 263-291. https://doi.org/10.2307/1914185
  » https://doi.org/10.2307/1914185
• Kothari, S. P., Leone, A. J., & Wasley, C. E. (2005). Performance matched discretionary accrual measures. Journal of Accounting and Economics, 39(1), 163-197. https://doi.org/10.1016/j.jacceco.2004.11.002
  » https://doi.org/10.1016/j.jacceco.2004.11.002
• Machado, M. A. V., & Silva, M. D. O. P. (2017). Analysis of textual sentiment of quarterly performance reports of Brazilian industries. Society, Accounting and Management, 12(1), 6-25. http://doi.org/10.21446/scg_ufrj.v12i1.13395
  » http://doi.org/10.21446/scg_ufrj.v12i1.13395
• Marschner, P. F., & Ceretta, P. S. (2019). How does trading volume react to investor sentiment? Journal of Accounting and Organizations, 13, e163596. https://doi.org/10.11606/issn.1982-6486.rco.2019.163596
  » https://doi.org/10.11606/issn.1982-6486.rco.2019.163596
• Marschner, P. F., & Ceretta, P. S. (2021). Investor sentiment, economic uncertainty and monetary policy in Brazil. Accounting & Finance Magazine, 32(87), 528-540. https://doi.org/10.1590/1808-057x202113220
  » https://doi.org/10.1590/1808-057x202113220
• Martinez, A. L. (2008). Detecting earnings management in Brazil: estimating discretionary accruals. Accounting & Finance Magazine , 19(46), 7-17. https://doi.org/10.1590/S1519-70772008000100002
  » https://doi.org/10.1590/S1519-70772008000100002
• Martinez,A.L. (2013). Earnings management in Brazil: a survey of the literature. Brazilian Business Review, 10(4), 1-29. https://doi.org/10.15728/bbr.2013.10.4.1
  » https://doi.org/10.15728/bbr.2013.10.4.1
• McGurk, Z., Nowak, A., & Hall, J. C. (2020). Stock returns and investor sentiment: textual analysis and social media. Journal of Economics and Finance, 44(3), 458-485. https://doi.org/10.1007/s12197-019-09494-4
  » https://doi.org/10.1007/s12197-019-09494-4
• Mian, G. M., & Sankaraguruswamy, S. (2012). Investor sentiment and stock market response to earnings news. The Accounting Review , 87(4), 1357-1384. https://doi.org/10.2308/accr-50158
  » https://doi.org/10.2308/accr-50158
• Miranda, K. F. (2018). Investor sentiment and the influence of the investment horizon on corporate decisions [Doctoral thesis, Federal University of Paraíba].
• Miranda, K. F., Machado, M. A., & Macedo, L. A. (2018). Investor sentiment and earnings management: does analysts'monitoring matter? Mackenzie Administration Journal, 19(4), 1-29. http://doi.org/10.1590/1678-6971/eramf180104
  » http://doi.org/10.1590/1678-6971/eramf180104
• Mota, R. H. G., da Cunha, A. C., de Oliveira, A. F., & Paulo, E. (2017). Profit forecasting and earnings management: Empirical evidence in the Brazilian stock market. Revista Universo Contábil, 13(1), 6-26.
• Obaid, K., & Pukthuanthong, K. (2022). A picture is worth a thousand words: Measuring investor sentiment by combining machine learning and photos from news. Journal of Financial Economics , 144(1), 273-297. https://doi.org/10.1016/j.jfineco.2021.06.002
  » https://doi.org/10.1016/j.jfineco.2021.06.002
• Pae, J. (2005). Expected Accrual Models: The impact of operating cash flows and reversals of accruals. Review of Quantitative Finance and Accounting, 24, 5-22. https://doi.org/10.1007/s11156-005-5324-7
  » https://doi.org/10.1007/s11156-005-5324-7
• Park, S. (2015). Investor sentiment and earnings management: evidence from Korea. Investment Management and Financial Innovations, 12(4), 81-89.
• Paulo, E. (2007). Manipulation of accounting information: a theoretical and empirical analysis on operational models of earnings management detection [Doctoral thesis, University of São Paulo].
• Rossi, J. L. Jr. , & Marotta, M. (2010). Equity market timing: testing through IPO in the Brazilian market. Revista Brasileira de Finanças, 8(1), 85-101. https://doi.org/10.12660/rbfin.v8n1.2010.1349
  » https://doi.org/10.12660/rbfin.v8n1.2010.1349
• Santana, C. V. S., Santos, L. P. G. dos ., Carvalho Júnior, C. V. de O., & Martinez, A. L.. (2020). Investor sentiment and earnings management in Brazil. Revista Contabilidade & Finanças, 31(83), 283-301. https://doi.org/10.1590/1808-057x201909130
  » https://doi.org/10.1590/1808-057x201909130
• Silva, M. D. O. P., & Machado, M. A. V. (2019). Textual sentiment index: an empirical analysis of the impact of news on systematic risk. Contemporary Accounting Journal, 16(40), 24-42.
• Simpson, A. (2013). Does investor sentiment affect earnings management? Journal of Business Finance & Accounting, 40(7-8), 869-900. https://doi.org/10.1111/jbfa.12038
  » https://doi.org/10.1111/jbfa.12038
• Souza, D. M. S. (2020). The effect of manifest investor sentiment via Twitter on returns and volume traded in the Brazilian stock market [Master's thesis, Federal University of Paraíba].
• Windmeijer, F. (2005). A finite sample correction for the variance of linear efficient two-step GMM estimators. Journal of Econometrics , 126(1), 25-51. https://doi.org/10.1016/j.jeconom.2004.02.005
  » https://doi.org/10.1016/j.jeconom.2004.02.005
• Xavier, G. C., & Machado, M. A. V. (2017). Anomalies and investor sentiment: empirical evidences in the Brazilian market. Brazilian Administration Review, 14(3), 1-25. https://doi.org/10.1590/1807-7692bar2017170028
  » https://doi.org/10.1590/1807-7692bar2017170028
• Yoshinaga, C. E., & Castro, F. H. F. D. Jr. (2012). The relationship between market sentiment index and stock rates of return: a panel data analysis. Brazilian Administration Review , 9(2), 189-210. https://doi.org/10.1590/S1807-76922012000200005
  » https://doi.org/10.1590/S1807-76922012000200005
• Yoshinaga, C., & Rocco, F. (2020). Investor attention: can google search volumes predict stock returns? BBR. Brazilian Business Review , 17(5), 523-539. https://doi.org/10.15728/bbr.2020.17.5.3
  » https://doi.org/10.15728/bbr.2020.17.5.3
• Zhou, G. (2018). Measuring investor sentiment. Annual Review of Financial Economics, 10, 239-259.

Editado por

• EDITOR-CHEFE
  Talles Vianna Brugni 0000-0002-9025-9440

• EDITOR ASSOCIADO
  Lucas Godeiro 0000-0002-3510-776X

Datas de Publicação

• Publicação nesta coleção
  09 Fev 2024
• Data do Fascículo
  2024

Histórico

• Recebido
  25 Jan 2022
• Revisado
  26 Maio 2022
• Aceito
  31 Maio 2022
• Publicado
  26 Abr 2023