Persistência das medidas não-GAAP e a qualidade de sua divulgação: evidências em bancos brasileiros

RESUMO

Este artigo teve como objetivo verificar a relação entre a divulgação de informações qualitativas e a persistência das medidas quantitativas não-GAAP (generally accepted accounting principles - princípios contábeis geralmente aceitos) de resultado recorrente em bancos brasileiros. Pesquisas anteriores concentram-se, majoritariamente, na efetividade das medidas quantitativas não-GAAP, como a composição das exclusões. Há escassez de estudos que abordam a qualidade das informações qualitativas não-GAAP e sua influência sobre as métricas financeiras reportadas. Com a ampliação dos debates sobre a regulação das informações não-GAAP, esta pesquisa destaca-se ao trazer evidências do contexto bancário brasileiro, no qual as medidas quantitativas não-GAAP são reguladas, mas não as qualitativas. Os resultados fortalecem os argumentos a favor da regulação também das divulgações qualitativas. A pesquisa contribui diretamente para os usuários das informações não-GAAP e para reguladores do mercado bancário, ao indicar que melhorias nas divulgações qualitativas podem elevar a utilidade e a confiabilidade das métricas quantitativas no processo decisório. Foi utilizado o modelo de persistência dos lucros de 31 bancos brasileiros (abertos e fechados) que divulgaram informações não-GAAP trimestrais no período de 2010 a 2023. As informações qualitativas foram transformadas em um índice para a análise empírica.

Palavras-chave:
qualidade não-GAAP; persistência; resultado recorrente; bancos

ABSTRACT

The purpose of this article is to examine the relationship between the disclosure of qualitative information and the persistence of non-GAAP (Generally Accepted Accounting Principles) quantitative measures of recurring income in Brazilian banks. Previous research has primarily focused on the effectiveness of non-GAAP quantitative measures and the composition of exclusions. However, there is a scarcity of studies addressing the quality of non-GAAP qualitative disclosures and their influence on reported financial metrics. As the debate over regulating non-GAAP disclosures grows, this study stands out by providing evidence from the Brazilian banking context, where non-GAAP quantitative measures are regulated but qualitative ones are not. The results also support arguments for regulating qualitative disclosures. This study directly benefits users of non-GAAP information and banking market regulators by showing that improving qualitative disclosures can make quantitative metrics more useful and reliable in decision-making. The earnings persistence model was used for 31 Brazilian banks (publicly traded and privately held) that disclosed quarterly non-GAAP information from 2010 to 2023. The qualitative information was transformed into an index for the empirical analysis.

Keywords:
non-GAAP quality; persistence; recurring income; banks

1. INTRODUÇÃO

Esta pesquisa teve como objetivo verificar a relação entre a divulgação de informações qualitativas e a persistência de medidas quantitativas não-GAAP (generally accepted accounting principles - princípios contábeis geralmente aceitos) no contexto do mercado bancário brasileiro. O pressuposto assumido é o de que, se os bancos divulgam informações qualitativas não-GAAP mais transparentes, então é de esperar que essa qualidade também seja observada na métrica que acompanha a respectiva divulgação, que, no caso desta pesquisa, é o resultado recorrente - métrica não-GAAP utilizada pelos bancos brasileiros, que tem como ponto de partida uma medida de lucro GAAP que exclui os itens considerados transitórios (receitas e despesas não recorrentes), isto é, o lucro líquido ajustado por itens não recorrentes. Para esse fim, foi utilizado o modelo da literatura de qualidade da informação contábil relacionado à persistência do resultado.

As informações qualitativas não-GAAP foram testadas por Chen et al. (2021) no mercado de capitais norte-americano por meio de 12 indicadores qualitativos previstos no Regulamento G, Regulamento S-K e nas Compliance and Disclosure Interpretations (C&DI) - conjunto de preceitos em que as medidas quantitativas não-GAAP fazem parte do escopo, visando garantir aos usuários das demonstrações financeiras informações de qualidade para a avaliação do desempenho das companhias - emitidos pela U.S. Securities and Exchange Commission (SEC, 2003), por meio do Release No. 33-8176/2003. Os autores constataram que esses indicadores de informações qualitativas não-GAAP transmitem informações úteis para os investidores e que a maior qualidade da divulgação de informações qualitativas não-GAAP está associada a exclusões de itens mais transitórios (isto é, a medidas quantitativas não-GAAP de maior qualidade).

Nesse sentido, a utilidade das divulgações não-GAAP - terminologia utilizada convencionalmente para contemplar tanto as divulgações de informações qualitativas quanto quantitativas - pode estar associada a alguma lacuna informacional deixada pelas medidas GAAP aos consumidores dessas informações. Estudo realizado por Hribar et al. (2022) , com empresas norte-americanas, identificou que as próprias normas contábeis são estimuladoras da divulgação voluntária de medidas quantitativas não-GAAP, uma vez que, quando os GAAP limitam a discricionariedade dos gestores, por meio de determinadas imposições nos padrões contábeis, os gestores transmitem mais divulgações de medidas quantitativas não-GAAP. Em outros casos, quando os padrões permitem maior discricionariedade, um menor número de anúncios não-GAAP foi observado.

De forma convergente, a crescente utilização das medidas quantitativas não-GAAP nas práticas de mercado evidencia sua potencial relevância informacional e o fato de que suprem limitações percebidas nas demonstrações financeiras. As agências de rating, por exemplo, procedem a ajustes sistemáticos no lucro contábil reportado, eliminando efeitos de itens considerados não recorrentes, com o intuito de mensurar a capacidade de geração de resultados sustentáveis (Gu & Chen, 2004). Do mesmo modo, métricas de resultado recorrente constituem foco central nas interações entre analistas e gestores durante teleconferências com investidores, sendo interpretadas como aproximações mais fidedignas do desempenho operacional subjacente do que as próprias medidas de resultado GAAP (Bradshaw et al., 2018).

Ribeiro et al. (2019) compararam algumas medidas quantitativas não-GAAP de desempenho com a medida de resultado GAAP mais próxima, para verificar quais dessas métricas tinham maior qualidade, em entidades do mercado de capitais australiano, utilizando os atributos da qualidade dos lucros já consolidados na literatura, como persistência, value relevance, capacidade preditiva e suavização. Foi verificado que as medidas de desempenho não-GAAP são mais persistentes e têm maior value relevance do que a métrica GAAP equivalente mais próxima, além de terem maior capacidade preditiva e suavização.

Nesse contexto, a persistência dos lucros configura-se como um dos atributos usuais da qualidade dos lucros, visto que reflete a capacidade de sustentabilidade dos lucros ao longo do tempo, tratando-se, portanto, de um atributo desejável da qualidade da informação contábil, dado que lucros persistentes são considerados mais recorrentes (Francis et al., 2004). Além disso, apresentam maior predição em relação ao desempenho futuro das entidades (Dechow et al., 2010).

Assim como na literatura de qualidade dos lucros, a persistência também é utilizada como proxy de qualidade das divulgações de medidas quantitativas não-GAAP (Bentley et al., 2018; Doyle et al., 2003; Landsman et al., 2007), mas, normalmente, essa qualidade é observada apenas sob o aspecto quantitativo das métricas, com poucas exceções, como Chen et al. (2021) , que analisam aspectos qualitativos. Adicionalmente, os estudos direcionados a avaliar a qualidade das divulgações não-GAAP são conduzidos no contexto das entidades não financeiras. Ao observar os estudos que investigam as instituições financeiras, essa lacuna é ainda maior, sob a justificativa da particularidade na formação dos resultados dessas entidades, que diferem daquelas da economia real.

No Brasil, Sousa et al. (2021) conduziram estudo em entidades bancárias e identificaram que as medidas quantitativas não-GAAP de resultado recorrente, reportadas por essas instituições, são mais persistentes do que os próprios lucros contábeis apresentados em seus relatórios financeiros, elaborados de acordo com os GAAP locais e internacionais. Embora tenham abordado a persistência como proxy de qualidade da medida não-GAAP, utilizando metodologia semelhante à de Ribeiro et al. (2019) , os autores não abordaram aspectos qualitativos das divulgações das medidas quantitativas não-GAAP, assim como a literatura.

As divulgações dessas informações qualitativas não-GAAP são consideradas importantes pelos usuários dos relatórios financeiros para explicar as medidas quantitativas não-GAAP, segundo as Basis for Conclusions (BC) da International Financial Reporting Standards Foundation (2019). Essa norma, a IFRS 18, prevê alguns preceitos de divulgações não-GAAP para as Management Performance Measures, após demandas dos investidores ao International Accounting Standards Board por requisitos de divulgação para aquelas entidades que realizassem disclosure de medidas quantitativas não-GAAP, o que, na maioria das jurisdições, é voluntário.

Apesar de o ambiente bancário brasileiro ser considerado estritamente regulado, quanto às medidas quantitativas não-GAAP, a regulação é direcionada apenas para a divulgação quantitativa não-GAAP, com preceitos discretos disciplinados pelo Banco Central do Brasil (BCB, 2020), por meio da Resolução BCB nº 2/2020. A Resolução prevê a obrigatoriedade da divulgação da medida quantitativa não-GAAP de resultado recorrente pelas instituições financeiras, mas não estabelece preceitos inerentes à divulgação de informações qualitativas não-GAAP, sendo essas consideradas de natureza voluntária.

Admitindo que os usuários consideram as informações qualitativas importantes para explicar as medidas quantitativas não-GAAP, os principais resultados deste estudo atestam, em média, a influência desse tipo de informação qualitativa sobre a qualidade da própria medida quantitativa não-GAAP divulgada, sob a perspectiva da persistência da medida quantitativa não-GAAP de resultado recorrente. Além disso, nas extremidades da distribuição amostral - níveis mais altos (baixos) de divulgações de informações qualitativas não-GAAP, há evidências de maior (menor) persistência da medida quantitativa não-GAAP de resultado recorrente. Desse modo, potencialmente, os gestores têm diferentes incentivos para divulgar informações mais (menos) transparentes, os quais fogem ao escopo desta pesquisa.

O estudo supre a lacuna de pesquisas brasileiras sobre informações qualitativas não-GAAP, especificamente em entidades bancárias, as quais normalmente são excluídas das amostras investigadas. As contribuições se estendem tanto ao contexto da literatura de disclosure voluntário, já que testa um índice qualitativo de divulgações voluntárias no Brasil, quanto à literatura de divulgações não-GAAP, uma vez que verifica como esse índice qualitativo impacta a qualidade de uma métrica quantitativa não-GAAP.

Adicionalmente, o estudo tem o potencial de contribuir para as discussões locais e globais sobre medidas quantitativas não-GAAP que ocorrem entre os usuários e órgãos reguladores, incentivando as jurisdições na adoção de práticas que visem a melhorias tanto na qualidade das medidas quantitativas quanto nas informações qualitativas. Considerando que o estudo traz achados sobre o mercado bancário brasileiro, as evidências constatadas neste trabalho podem estimular os órgãos reguladores, como o BCB, a adotarem tais preceitos ou a darem suporte à elaboração de orientações de divulgação de informações qualitativas não-GAAP.

No que se refere aos usuários externos, notadamente analistas e investidores, este trabalho poderá ter um maior alcance de contribuições por serem os principais interessados na informação não-GAAP. Apresentar evidências sobre se as informações qualitativas não-GAAP têm a capacidade de influenciar a persistência das medidas quantitativas não-GAAP contribui para o aumento da transparência e redução da assimetria informacional no mercado bancário brasileiro.

2. REVISÃO DA LITERATURA E HIPÓTESE

As divulgações voluntárias abrangem um conjunto amplo de práticas informacionais, das quais se destacam as medidas quantitativas não-GAAP, frequentemente utilizadas por usuários das demonstrações para avaliar a sustentabilidade do desempenho de uma entidade, segundo as BC da IFRS 18. Essas métricas apresentam maior probabilidade de persistir em períodos futuros, além de evidenciarem melhor capacidade preditiva dos fluxos de caixa (Dechow et al., 1999; Fairfield et al., 1996). Nesse contexto, no ambiente bancário brasileiro, o BCB reconheceu o uso frequente da medida quantitativa não-GAAP de resultado recorrente por parte dos bancos, que divulgavam voluntariamente, até o ano de 2020, essa medida em seus relatórios gerenciais. A partir da Resolução BCB nº 2/2020, sua apresentação tornou-se obrigatória em notas explicativas.

Embora os bancos de capital aberto devam obedecer também aos requisitos da Comissão de Valores Mobiliários (CVM, 2022), na Resolução nº 156/2022, que prevê critérios de observância na divulgação da medida quantitativa não-GAAP de earnings before interest, taxes, depreciation, and amortization, essa medida não sensibiliza a indústria bancária, uma vez que não é compatível com as atividades de intermediação financeira inerentes a essas entidades.

A amplificação do número de entidades com reportes não-GAAP, atrelada ao aumento do número de itens evidenciados e à falta de padrões regulatórios para conduzir uma melhor divulgação dessas medidas, tem estimulado pesquisadores a desenvolverem estudos voltados à qualidade das medidas quantitativas não-GAAP. Entretanto, apesar de os investidores considerarem que essas medidas perdem a utilidade quando são divulgadas sem explicações, de acordo com as BC da IFRS 18, poucas pesquisas se atêm a investigar as informações qualitativas que acompanham essas medidas. A discussão em torno das divulgações de informações qualitativas não-GAAP é recente e ainda limitada ao mercado de capitais norte-americano, como é o caso do estudo de Chen et al. (2021) .

Chen et al. (2021) desenvolveram um índice de características qualitativas de divulgações não-GAAP que indica o grau de transparência das informações qualitativas inerentes às medidas quantitativas não-GAAP. Essas características de divulgação são previstas no conjunto normativo da SEC (Regulamentos G, S-K e C&DI), que dá diretrizes ao disclosure voluntário não-GAAP, caso as empresas optem por esse tipo de reporte. O estudo conclui que o índice de divulgações de informações qualitativas apresenta utilidade informacional para os usuários e que entidades com maior qualidade desse disclosure fornecem resultados não-GAAP de maior qualidade, excluindo, de forma mais efetiva, os itens de caráter transitório.

As evidências empíricas anteriores examinaram como as exclusões inerentes às medidas quantitativas não-GAAP, sejam essas de resultado recorrente ou não, relacionam-se com o desempenho futuro das companhias, sendo essa uma das formas mais habituais de se investigar a qualidade dos relatórios não-GAAP, visto que gestores e analistas afirmam que os itens excluídos nessas medidas não retratam as operações comuns das entidades (Black et al., 2018). Essa abordagem de investigação é usualmente conhecida pelas pesquisas prévias como persistência das exclusões.

Ribeiro et al. (2019) expandem esse debate ao identificarem que as medidas quantitativas não-GAAP utilizadas por entidades australianas são mais persistentes, apresentam maior value relevance e têm maior capacidade preditiva e suavização dos resultados em relação às medidas GAAP equivalentes. Essa constatação converge com práticas observadas no mercado, até mesmo o brasileiro. Por exemplo, agências de rating ajustam sistematicamente os lucros GAAP para eliminar itens considerados não recorrentes, com a finalidade de avaliar resultados mais permanentes (Gu & Chen, 2004). Ademais, analistas e investidores atribuem destaque às medidas quantitativas não-GAAP nas interações com gestores durante teleconferências e apresentações institucionais de resultados em detrimento do lucro GAAP (Bradshaw et al., 2018).

No ambiente brasileiro, Sousa et al. (2021) corroboram esses estudos anteriores, testando a abordagem da persistência da medida quantitativa não-GAAP de resultado recorrente em entidades bancárias, em linha com os modelos de persistência da literatura de qualidade da informação contábil, assim como em Ribeiro et al. (2019) . Os autores identificaram que as medidas quantitativas não-GAAP de resultado recorrente, utilizadas pelos bancos brasileiros, são mais persistentes do que os lucros contábeis reportados nos relatórios financeiros dessas entidades, elaborados de acordo com os GAAP locais e internacionais.

Doyle et al. (2003) , por sua vez, afirmam que, apesar de os resultados não-GAAP corresponderem a medidas de lucro persistentes, há itens excluídos dessas métricas que estão longe de ter características transitórias. Choi et al. (2007) discutem as diferenças entre a persistência dos componentes de resultados não-GAAP divulgados tanto pela gestão quanto pelos analistas, acreditando que se os resultados não-GAAP apenas se ajustarem a itens que realmente são transitórios, não faria sentido haver disparidades substanciais entre os ajustes realizados por gestores e analistas.

Ao apontar que as disparidades se concentram em itens operacionais e em operações descontinuadas e que divulgações com opacidade informacional por parte das entidades criam confusão sobre a persistência de certas exclusões consideradas no cálculo de medidas quantitativas não-GAAP, a pesquisa de Choi et al. (2007) abre margem para o questionamento sobre a qualidade do que é divulgado e os possíveis efeitos dessas opacidades do disclosure sobre as medidas quantitativas não-GAAP.

Nesse sentido, a divulgação voluntária de informações qualitativas sobre as medidas quantitativas não-GAAP pode atuar como um mecanismo relevante para reduzir a assimetria informacional entre gestores e investidores. Ao detalharem os critérios utilizados para os ajustes e as exclusões de itens específicos, as entidades fornecem maior clareza sobre a natureza desses componentes, permitindo que os agentes de mercado distingam com mais precisão entre itens recorrentes e transitórios. Esse nível de transparência possibilita uma melhor avaliação da persistência das medidas quantitativas não-GAAP, uma vez que mitiga as incertezas relacionadas à opacidade informacional identificada por Choi et al. (2007) . Portanto, quanto mais claro for o disclosure qualitativo acerca dessas métricas, menor será a discrepância de interpretação entre gestores e analistas, aumentando a qualidade percebida da medida quantitativa não-GAAP divulgada.

Adicionalmente, sob a ótica da teoria da sinalização, o aprimoramento do disclosure qualitativo sobre as medidas quantitativas não-GAAP pode ser interpretado como um sinal positivo da qualidade informacional das entidades. Ao optarem por práticas mais transparentes e detalhadas na comunicação desses resultados, as entidades podem transmitir ao mercado uma mensagem de confiança e credibilidade em relação aos seus números, alinhando expectativas e fortalecendo a avaliação da persistência dessas métricas. Estudos como os de Chen et al. (2021) reforçam essa interpretação, ao constatar que níveis elevados de disclosure qualitativo estão associados a medidas quantitativas não-GAAP de maior qualidade. Dessa forma, a divulgação qualitativa voluntária pode tornar-se um instrumento estratégico para fortalecer a confiança dos investidores, reduzindo assimetrias e melhorando a interpretação sobre a sustentabilidade dos lucros reportados, o que dá suporte à seguinte hipótese de pesquisa:

H₁: a persistência da medida quantitativa não-GAAP das entidades bancárias brasileiras é diretamente associada à qualidade da informação divulgada, medida pelo índice qualitativo não-GAAP (IQNG).

3. PROCEDIMENTOS METODOLÓGICOS

3.1 Amostra, Período e Dados

A amostra da pesquisa é formada por bancos brasileiros que tenham ações negociadas na B3 S.A. - Brasil, Bolsa, Balcão (B3) ou tenham American Depositary Receipts (ADR) negociados na New York Stock Exchange e/ou integrem os segmentos 1 (S1), 2 (S2) e 3 (S3) da Resolução CMN nº 4.553 do Conselho Monetário Nacional (2017), que classifica nos respectivos segmentos aquelas instituições cujo porte seja superior a 0,1% do produto interno bruto (PIB) brasileiro. Entidades integrantes dos segmentos 4 (S4) e 5 (S5) só compuseram a amostra nos casos em que fossem listadas na B3, devido à inviabilidade de acesso aos dados necessários à realização deste estudo. É esperado que os bancos listados e/ou pertencentes ao S1, S2 e S3 pratiquem a divulgação não-GAAP mais frequentemente em relação às demais entidades não integrantes desses segmentos.

Além desses critérios, é necessário que os bancos tenham divulgado medidas quantitativas não-GAAP no período abordado no estudo, que abrange dados do 1º trimestre de 2010 ao 4º trimestre de 2023. A seleção desse período tem por critério a disponibilidade dos dados nos websites institucionais dos bancos. Apesar de algumas entidades terem relatórios disponíveis em períodos anteriores ao do estudo, o número de bancos que disponibilizaram essas informações era irrisório. Logo, optou-se por o período inicial de corte ser o 1º trimestre de 2010. O 4º trimestre de 2023 é o período final do estudo, pois era o último trimestre disponível no momento da coleta de dados da pesquisa.

A Tabela 1 apresenta a composição inicial e final da amostra, bem como a relação de bancos que perfizeram a amostra do estudo, totalizando 519 observações (banco/trimestre).

Tabela 1
Composição da amostra de bancos

Painel A: definição da amostra
Descrição			n
Integrantes do S1			6
Integrantes do S2			6
Integrantes do S3			56
Listados na B3 S.A. - Brasil, Bolsa, Balcão e não integrantes do S1, S2 ou S3			5
(=) Amostra inicial			73
(-) Indisponibilidade de dados para as estimações dos modelos			42
(=) Amostra final			31
Observações			519
Painel B: bancos que compuseram a amostra
ABC-BRASIL	BMG	Citibank	Paraná Banco
Amazônia	BNDESPAR	CSF	Pine
Banco do Nordeste	Bocom	Daycoval	Safra
Banese	Bradesco	Itaú	Santander
Banpará	BRB	Mercantil	Sofisa
Banrisul	BTG	Nubank	Votorantim
BB	BS2	Original	XP
BDMG	Caixa Econômica Federal	Pan

• Fonte: Elaborada pelos autores.

Os dados necessários para a realização da pesquisa foram obtidos na base de dados Refinitiv Eikon, no website do Banco Central do Brasil e nos websites institucionais dos bancos. As informações provenientes dos websites institucionais foram extraídas manualmente a partir dos relatórios de desempenho e das notas explicativas disponibilizadas por essas entidades. Nesse último caso, apenas foram consultadas as notas explicativas cujo período sucede à publicação da Resolução BCB nº 2/2020. Apesar de sua vigência ter iniciado a partir do ano de 2021, alguns bancos iniciaram as divulgações das medidas quantitativas não-GAAP de resultado recorrente nas notas explicativas a partir do 3º trimestre de 2020. Logo, esses relatórios foram consultados, exclusivamente, nos casos em que não fossem localizadas divulgações da medida quantitativa não-GAAP de resultado recorrente nos relatórios de desempenho dos bancos.

3.2 Modelos Econométricos

Para testar a hipótese de pesquisa, foi adaptado da literatura de qualidade dos lucros (Dechow et al., 2010) o modelo de persistência dos lucros (Eq. 1), estimado por meio dos mínimos quadrados ordinários.

$$R{R}_{i,t+1}={\alpha }_0+{\alpha }_1{RR}_{i,t}+{\alpha }_2{IQNG}_{i,t}+{\alpha }_{3}R{R}_{i,t}*{IQNG}_{i,t}+{\alpha }_4{Tam}_{i,t}+{\alpha }_5{Cres}_{i,t}+{\alpha }_6{List}_{i,t}+{\alpha }_7{∆PIB}_t+u_{i,t+1}$$ (1)

em que RR_i,t+1 é o resultado recorrente do banco i, no trimestre t+1, ponderado pelos ativos totais médios entre os trimestres t+1 e t, RR_i,t é o resultado recorrente do banco i, no trimestre t, proxy da persistência, ponderado pelos ativos totais médios entre os trimestres t e t-1, IQNG_i,t é IQNG do banco i, no trimestre t, Tam_i,t é o tamanho do banco i, no trimestre t, Cres_i,t é o crescimento do banco i, no trimestre t, List_i,t é variável dummy em que 1 indica se o banco i no trimestre t está listado na B3 ou tem ADR, e 0, caso contrário, ΔPIB_t é a variação dos valores correntes do PIB no trimestre t, e u_i,t+1 são os resíduos da regressão do banco i, no trimestre t+1.

Para confirmar a hipótese H₁, de que a persistência da medida quantitativa não-GAAP é diretamente associada ao IQNG, espera-se que a interação RR * IQNG seja positiva, dado que maiores níveis de transparência das informações qualitativas não-GAAP, que implicam em maior qualidade do disclosure, podem resultar em maior predição da medida quantitativa não-GAAP de resultado recorrente futuro (RR_i,t+1 ). Desse modo, a expectativa é que α₃ seja positivo, significante e maior que α₁ .

Para mensurar a variável IQNG, a coleta de dados das informações qualitativas não-GAAP utilizou itens do índice idealizado por Chen et al. (2021) - construído a partir dos Regulamentos G, S-K e C&DI - e itens aplicáveis à indústria bancária brasileira oriundos da Resolução BCB nº 2/2020, Resolução CVM nº 156/2022 e IFRS 18. Para isso, foi realizada uma análise de conteúdo nos relatórios utilizados na investigação do estudo, seguindo Bardin (2016) , para responder às perguntas de 11 itens de informações qualitativas não-GAAP, alocadas em oito categorias que foram transformadas no IQNG. A Tabela 2 apresenta os 11 itens, bem como as respostas e suas respectivas justificativas e, por fim, a fonte pela qual a pergunta foi embasada.

Tabela 2
Itens que compõem o IQNG

Categoria	Item	Pergunta adaptada	Respostas	Justificativa das respostas	Fonte da pergunta
Rotulagem	1	A medida quantitativa não-GAAP está rotulada como não-GAAP ou como medida de desempenho gerencial?	Sim	A medida é explicitamente rotulada como não-GAAP ou medida de desempenho gerencial.	Regulamentos G, S-K e C&DI (Chen et al., 2021) e IFRS 18
			Parcial	O banco não adota explicitamente os rótulos referentes às medidas quantitativas não-GAAP ou de desempenho gerencial. No entanto, a alocação dessas medidas na seção de discussão do lucro líquido sugere implicitamente que se trata de medidas quantitativas não-GAAP ou de desempenho gerencial.
			Não	A medida quantitativa não-GAAP não está rotulada como não-GAAP ou como medida de desempenho gerencial.
	2	A medida GAAP a ser ajustada está rotulada como GAAP?	Sim	Há uma rotulagem explícita da medida como GAAP ou a narração, indicando que ela é oriunda das Demonstrações Financeiras.	Regulamentos G, S-K e C&DI (Chen et al., 2021)
			Parcial	A rotulagem da medida como GAAP é implícita, seja pela apresentação prévia dos resultados GAAP antes da divulgação da medida quantitativa não-GAAP, ou pela utilização precisa das rubricas oficiais das demonstrações financeiras.
			Não	A medida GAAP a ser ajustada não está rotulada como GAAP.
Discussão da utilidade	3	O banco fornece uma discussão das razões pelas quais a medida quantitativa não-GAAP divulgada ou os ajustes realizados (itens excluídos) fornecem informações úteis sobre o seu desempenho financeiro?	Sim	O banco fornece uma discussão detalhada e clara, explicando por que a medida quantitativa não-GAAP ou os ajustes realizados (itens excluídos) fornece informações úteis sobre o seu desempenho financeiro.	IFRS 18
			Parcial	O banco fornece uma discussão sobre a utilidade da medida quantitativa não-GAAP ou dos ajustes realizados (itens excluídos), mas a explicação é genérica, sem detalhes específicos sobre a relação com o seu desempenho financeiro.
			Não	O banco não fornece nenhuma discussão sobre a utilidade da medida quantitativa não-GAAP ou dos ajustes realizados (itens excluídos).
Explicações	4	O banco fornece uma explicação sobre a composição da medida quantitativa não-GAAP ou dos ajustes realizados (itens excluídos)?	Sim	O banco explica claramente a composição da medida quantitativa não-GAAP ou dos ajustes realizados (itens excluídos).	Resolução CVM nº 156/2022 e IFRS 18
			Parcial	Há alguma explicação, mas faltam detalhes ou clareza com alguns componentes abordados de forma genérica e outros sem a devida clareza.
			Não	Não há explicações sobre a composição da medida quantitativa não-GAAP ou dos ajustes realizados (itens excluídos).
Proeminência	5	Quando o banco apresenta uma medida quantitativa não-GAAP, ele também apresenta, juntamente, a medida GAAP mais diretamente comparável?	Sim	A medida GAAP mais diretamente comparável é apresentada junto com a medida quantitativa não-GAAP de forma clara, no mesmo contexto ou proximidade, permitindo uma comparação fácil e imediata.	Regulamentos G, S-K e C&DI (Chen et al., 2021) e IFRS 18
			Parcial	A medida GAAP diretamente comparável é apresentada, mas não imediatamente antes ou após a medida quantitativa não-GAAP, o que exige mais esforço do usuário para comparar as duas medidas.
			Não	A medida GAAP mais diretamente comparável não é apresentada em conjunto com a medida quantitativa não-GAAP.
	6	O banco fornece a medida GAAP mais diretamente comparável, que precede a medida quantitativa não-GAAP, no título, nos destaques ou nos dois primeiros parágrafos da seção sobre os lucros?	Sim	A medida GAAP mais diretamente comparável é apresentada antes da medida quantitativa não-GAAP e está claramente destacada no título, nos destaques ou nos dois primeiros parágrafos da seção de lucros. A apresentação é feita de maneira que a medida GAAP seja a primeira coisa que o usuário vê ou considera antes de ser exposto à medida quantitativa não-GAAP.	Regulamentos G, S-K e C&DI (Chen et al., 2021)
			Parcial	A medida GAAP mais diretamente comparável é mencionada em uma posição menos proeminente ou ao lado da medida quantitativa não-GAAP, podendo estar na mesma frase ou parágrafo que a medida quantitativa não-GAAP, mas sem destaque claro.
			Não	O banco não fornece a medida GAAP mais diretamente comparável no título, nos destaques ou nos dois primeiros parágrafos da seção sobre os lucros.
Reconciliação	7	Há apresentação de reconciliação entre a medida quantitativa não-GAAP e a medida GAAP mais diretamente comparável?	Sim	Há uma reconciliação clara entre as medidas quantitativas não-GAAP e GAAP.	Resolução CVM nº 156/2022 e IFRS 18
			Parcial	A reconciliação é apresentada, mas é insuficiente ou falta clareza.
			Não	Não há a apresentação de reconciliação entre a medida quantitativa não-GAAP e a medida GAAP mais diretamente comparável.
Consistência	8	Quando tem itens não recorrentes, o banco divulga consistentemente a mesma medida quantitativa não-GAAP divulgada nos anos anteriores?	Sim	O banco divulga a mesma medida quantitativa não-GAAP de forma consistente ao longo dos anos.	Regulamentos G, S-K e C&DI (Chen et al., 2021), Resolução BCB nº 2/2020 e IFRS 18
			Parcial	Há alguma consistência na divulgação da medida quantitativa não-GAAP, mas com pequenas variações na metodologia, ou na apresentação ao longo dos anos, ou o banco alterou a medida quantitativa não-GAAP, mas fornece explicações parciais sobre o porquê dessas mudanças.
			Não	Quando tem itens não recorrentes, o banco não divulga de forma consistente a mesma medida quantitativa não-GAAP divulgada nos anos anteriores.
Atividades típicas	9	Na discriminação dos itens declarados não recorrentes, é claro que esses itens não estão relacionados ou estão relacionados incidentalmente com as atividades típicas da instituição?	Sim	É claro que os itens declarados como não recorrentes não estão relacionados ou estão incidentalmente relacionados com as atividades típicas do banco.	Resolução BCB nº 2/2020
			Parcial	Há uma relação dos itens discriminados como não recorrentes com as atividades típicas do banco, mas há alguma justificativa para sua classificação como não recorrentes.
			Não	Não é claro que os itens declarados como não recorrentes não estejam relacionados ou estejam apenas incidentalmente relacionados com as atividades típicas.
Frequência	10	Na discriminação dos itens declarados como não recorrentes, é claro que eles não estão previstos para ocorrer com frequência nos exercícios futuros?	Sim	É claro que os itens declarados como não recorrentes são de natureza excepcional e/ou não estão previstos para ocorrer com frequência nos exercícios futuros.	Resolução BCB nº 2/2020
			Parcial	A justificativa sobre a não recorrência futura dos itens declarados como não recorrentes é vaga, incompleta ou ambígua.
			Não	Não é claro que os itens declarados como não recorrentes não estejam previstos para ocorrer com frequência nos exercícios futuros.
Efeitos tributários	11	O banco apresenta o efeito dos impostos sobre o lucro nas exclusões não-GAAP em sua reconciliação textual ou tabular?	Sim	O efeito dos impostos sobre o lucro é claramente apresentado, seja em forma textual ou em tabela.	Regulamentos G, S-K e C&DI (Chen et al., 2021) e IFRS 18
			Parcial	A informação está disponível, mas de forma fragmentada, dificultando a compreensão.
			Não	O banco não apresenta o efeito dos impostos sobre o lucro nas exclusões não-GAAP em sua reconciliação textual ou tabular.

• Nota: As perguntas foram adaptadas dos Regulamentos G, S-K e das Compliance and Disclosure Interpretations (C&DI) da U.S. Securities and Exchange Commission (Chen et al., 2021), da Resolução nº 2/2020 do Banco Central do Brasil (BCB), da Resolução nº 156/2022 da Comissão de Valores Mobiliários (CVM) e do International Financial Reporting Standards Foundation (IFRS) 18.
• IQNG = índice qualitativo não-GAAP (generally accepted accounting principles - princípios contábeis geralmente aceitos).
• Fonte: Elaborada pelos autores.

As respostas dos 11 itens foram convertidas nos seguintes valores: 1 quando a resposta for “sim”; 0,5 quando a resposta for “parcial”; ou 0 quando a resposta for “não”. Em sequência, os valores das respostas das perguntas foram somados e divididos por 11, com a finalidade de encontrar o IQNG de cada observação de banco/trimestre, como exposto na Eq. 2.

$${IQNG}_{i,t}=\sum _{n=1}^{11}{IQDis}_{n,i,t}/11$$ (2)

em que IQDis_n,i,t é o item n da Tabela 2, que assume o valor de 1 (para a resposta “sim”), 0,5 (para a resposta “parcial”) ou 0 (para a resposta “não”), em relação ao banco i, no trimestre t.

Conforme apresentado na Eq. 2, os diferentes itens do IQNG não tiveram atribuição de pesos. A escolha é pautada na justificativa de que, como o presente estudo não é focado em um usuário em particular, seria discricionário indicar qual tipo de item seria mais relevante na atribuição de pesos, como argumentado por Murcia (2009) . Assim, para atenuar possíveis subjetividades de escolhas, optou-se pela não atribuição de pesos às categorias e aos itens do IQNG.

Como requisito da análise de conteúdo, foram realizados testes de validação do IQNG, embora esse seja baseado fortemente em questões já validadas no estudo de Chen et al. (2021) . Entretanto, como foram excluídos alguns itens e incorporados outros, realizou-se uma nova validação do IQNG, por meio do teste alfa de Cronbach, seguindo Murcia (2009) . No geral, os coeficientes do teste reportaram consistências consideradas “boas” ou “muito boas”, atestando a confiabilidade esperada pelo IQNG.

Acerca das variáveis de controle, a Tabela 3 apresenta os sinais esperados em cada variável, suas respectivas motivações, a forma como foram mensuradas, bem como as referências que contribuem para essas relações.

Tabela 3
Composição das variáveis de controle

Variáveis (sinais esperados)
Tam (+)	Motivação	Devido à variável dependente representar uma medida de desempenho e às entidades bancárias de maior porte poderem apresentar maiores desempenhos financeiros, o tamanho dos bancos foi controlado nos modelos de persistência testados.
	Mensuração	Logaritmo natural dos Ativos Totaisit .
	Referência	Fabio (2019) , Petria et al. (2015) e Sousa et al. (2021) .
Cres (+)	Motivação	Como o crescimento dos ativos totais das entidades bancárias tende a ser uma das principais fontes da rentabilidade dos bancos, considerando que o 𝑅𝑅 é uma medida de desempenho da rentabilidade bancária em relação aos seus ativos totais médios, foi inserida a variável de controle do crescimento desses ativos em relação ao PIB brasileiro.
	Mensuração	$\left(\frac{{AtivosTotai{s}_{i,t}emrelaçãoaoPIB}_t}{{AtivosTotai{s}_{i,t-1}emrelaçãoaoPIB}_{t-1}}\right)-1$
	Referência	Resolução nº 4.553/2017 do Conselho Monetário Nacional
List (+)	Motivação	Os estudos anteriores documentam que bancos que são listados em bolsas de valores tendem a ter maiores desempenhos do que aqueles não listados. Além do que, essas entidades podem ter mais incentivos para proporcionar desempenhos mais previsíveis para obter maior captação de investidores.
	Mensuração	Dummy, em que 1 é assumido se a entidade bancária é listada na B3 ou tem ADR e 0, caso contrário.
	Referência	Fabio (2019) e Sousa et al. (2021) .
ΔPIB (+)	Motivação	Para controlar a influência do nível de crescimento econômico sobre a variável dependente, foi inserida a variação do PIB nos modelos econométricos. É provável que em períodos de maior atividade econômica, a demanda por crédito também aumente, refletindo em maior desempenho das entidades bancárias.
	Mensuração	$\left(\frac{{PIB}_t}{{PIB}_{t-1}}\right)-1$
	Referência	Dantas et al. (2013) , Petria et al. (2015) e Sousa et al. (2021)

• ADR = American Depositary Receipts; B3 = B3 S.A. - Brasil, Bolsa, Balcão; PIB = produto interno bruto.
• Fonte: Elaborada pelos autores.

Adicionalmente, visando comparar se o resultado recorrente e as divulgações qualitativas não-GAAP são mais persistentes do que o lucro líquido divulgado conforme os GAAP, foi realizado um teste de igualdade de coeficientes entre os alfas do modelo da Eq. 1, sem e com os efeitos das divulgações qualitativas não-GAAP, e do modelo da Eq. 3:

$${LL}_{i,t+1}={\alpha }_0+{\alpha }_1{LL}_{i,t}+{\alpha }_2{Tam}_{i,t}+{\alpha }_3{Cres}_{i,t}+{\alpha }_4{List}_{i,t}+{\alpha }_5{∆PIB}_t+u_{i,t+1}$$ (3)

em que LL_i,t+1 é o lucro líquido do banco i, no trimestre t+1, ponderado pelos ativos totais médios entre os trimestres t+1 e t, e LL_i,t é o lucro líquido do banco i, no trimestre t, proxy da persistência do lucro GAAP, ponderado pelos ativos totais médios entre os trimestres t e t-1.

O teste de igualdade de coeficientes objetiva comparar os coeficientes α₁ RR_i,t e α₃ RR_i,t * IQNG_i,t do modelo da Eq. 1 - estimado sem e com os efeitos do IQNG, respectivamente - com o α₁ LL_i,t do modelo da Eq. 3. O esperado é que o resultado recorrente seja mais persistente do que o lucro líquido divulgado conforme os GAAP e que as divulgações de informações qualitativas não-GAAP tornem essa medida quantitativa não-GAAP ainda mais persistente.

3.3 Testes Adicionais

Com a finalidade de investigar o comportamento do IQNG nas extremidades da distribuição, foram realizadas duas análises adicionais: (i) a primeira visa identificar se IQNG mais altos estão associados a uma medida quantitativa não-GAAP de resultado recorrente mais persistente do que a média da amostra; e (ii) a segunda visa identificar se IQNG mais baixos estão associados a uma medida quantitativa não-GAAP de resultado recorrente menos persistente do que a média da amostra. Para isso, foram construídas variáveis de interação com o intuito de mensurar os efeitos do grau de persistência da medida quantitativa não-GAAP de resultado recorrente entre as observações em que a variável IQNG se situa no último (0,75) e no primeiro (0,25) quartis da distribuição, que implicam os casos de maiores e menores índices qualitativos não-GAAP, respectivamente, conforme evidenciam os modelos das Eq. 4 e Eq. 5.

$${RR}_{i,t+1}={\beta }_0+{\beta }_1{RR}_{i,t}+{\beta }_2{IQ4}_{i,t}+{\beta }_3{RR}_{i,t}*{IQ4}_{i,t}+{\beta }_4{Tam}_{i,t}+{\beta }_5{Cres}_{i,t}+{\beta }_6{List}_{i,t}+{\beta }_7{∆PIB}_t+u_{i,t+1}$$ (4)

$${RR}_{i,t+1}={\delta }_0+{\delta }_1{RR}_{i,t}+{\delta }_2{IQ1}_{i,t}+{\delta }_3{RR}_{i,t}*{IQ1}_{i,t}+{\delta }_4{Tam}_{i,t}+{\delta }_5{Cres}_{i,t}+{\delta }_6{List}_{i,t}+{\delta }_7{∆PIB}_t+u_{i,t+1}$$ (5)

em que IQ4_i,t é uma dummy que assume 1 para o banco i do quartil 0,75 do IQNG e 0, caso contrário, no trimestre t, e IQ1_i,t é uma dummy que assume 1 para o banco i do quartil 0,25 do IQNG e 0, caso contrário, no trimestre t.

Em linha com os argumentos postos anteriormente, a expectativa é de que o resultado recorrente do trimestre t também seja preditivo do resultado recorrente futuro (RR_t+1 ) para os modelos das Eqs. 4 e 5. Contudo, o racional é que na condição de melhores níveis de disclosure das informações qualitativas não-GAAP (isto é, variável que representa o quartil 0,75 - IQ4), o resultado recorrente seja mais persistente do que na amostra geral. Assim, espera-se que, na presença de maiores índices qualitativos não-GAAP (IQ4), o coeficiente β₃ seja significante, positivo e maior que β₁. Nas condições de menores índices qualitativos não-GAAP (quartil 0,25 - IQ1), a previsão é de que o resultado recorrente da amostra (δ₁) seja significante, positivo e superior ao resultado recorrente das entidades com baixos índices qualitativos não-GAAP (δ₃).

4. RESULTADOS

4.1 Estatísticas Descritivas

Para melhor compreender a distribuição dos dados, a Tabela 4 apresenta as estatísticas descritivas das variáveis contínuas (Painel A) e categóricas (Painel B) utilizadas no estudo.

Tabela 4
Estatísticas descritivas das variáveis contínuas e categóricas - Período: 2010.1 a 2023.4

Painel A: variáveis contínuas
Variáveis	n	Média	Mediana	Desvio padrão	Mínimo	Máximo
RR	519	0,0056	0,0041	0,0087	-0,0207	0,0795
LL	519	0,0061	0,0039	0,0129	-0,0246	0,1045
IQNG	519	0,7817	0,8636	0,1667	0,0909	1,0000
Tam	519	11,1714	11,1200	0,8534	9,4877	12,3995
Cres	519	0,0158	0,0060	0,0802	-0,3751	0,5935
ΔPIB	519	0,0213	0,0262	0,0383	-0,0618	0,1008
Painel B: variáveis categóricas
	Dummy	n	%
List	0	169	32,56
	1	350	67,44
	Total	519	100,00

• ΔPIB = variação do produto interno bruto (PIB); Cres = crescimento dos ativos das instituições em relação ao PIB; IQNG = índice qualitativo não-GAAP (generally accepted accounting principles - princípios contábeis geralmente aceitos); LL = lucro líquido; List = indicação de bancos listados na B3 S.A. - Brasil, Bolsa, Balcão ou que têm American Depositary Receipts; RR = resultado recorrente; Tam = tamanho dos bancos.
• Fonte: Elaborada pelos autores.

As estatísticas descritivas do Painel A revelam, inicialmente, que as medidas de tendência central da variável RR refletem retornos recorrentes sobre os ativos por parte dos bancos. Porém, ao visualizar os valores mínimo e máximo, verifica-se alta discrepância entre esses, em que o Banco Original apresentou rentabilidade negativa sobre os ativos, com valor mínimo de -2% no 1º trimestre de 2023 - isto é, mesmo com os ajustes não-GAAP, sua medida de resultado reportou prejuízo -, enquanto o BNDESPAR obteve rentabilidade de aproximadamente 8% (valor máximo) sobre os seus ativos no 1º trimestre de 2022.

Sobre a variável LL, a análise descritiva evidencia que, em termos médios, o lucro líquido apresenta rentabilidade positiva, com média de 0,61% e mediana de 0,39% sobre os ativos médios das instituições bancárias. Entretanto, a amplitude observada entre os valores mínimo (-2,46%) e máximo (10,45%) indica a presença de assimetria e heterogeneidade consideráveis na rentabilidade dos bancos analisados, o que é corroborado pela elevada dispersão evidenciada pelo desvio padrão de 1,29%.

Na variável IQNG, observa-se uma aderência média de 78,17% às divulgações de informações qualitativas não-GAAP em consonância com os Regulamentos G, S-K e C&DI da SEC, as Resoluções BCB nº 2/2020 e CVM nº 156/2020 e a IFRS 18. O menor índice observado foi o do BRB, nos 2º e 3º trimestres de 2022, enquanto os maiores foram reportados pelos Banese, BB, Itaú, Banrisul, ABC-Brasil, BNDESPAR e Nubank, em alguns trimestres do período abordado, que observaram integralmente os preceitos esperados.

Sobre o tamanho dos bancos, a variável Tam é a que apresenta maior desvio padrão em comparação com as demais. A heterogeneidade no tamanho das entidades é consequência do propósito do estudo de abranger bancos de diferentes portes. Quanto ao crescimento dos ativos das entidades bancárias em relação ao PIB (Cres), observa-se declínio nos ativos totais do BNDESPAR de aproximadamente 38% no 4º trimestre de 2022. Em contrapartida, o BTG cresceu 59% em relação ao PIB brasileiro, representando um aumento de seus ativos totais no 1º trimestre de 2019, sendo o maior crescimento da série abordada neste estudo.

As estatísticas descritivas do nível de atividade econômica brasileira (ΔPIB) indicam que tanto na média quanto na mediana há registros de crescimento econômico no período abordado, embora o menor valor registrado tenha sido uma retração econômica, no 2º trimestre de 2020, provavelmente decorrente dos primeiros efeitos da pandemia de covid-19.

No Painel B, verifica-se que o número de observações que representam bancos listados na B3 ou que têm ADR no mercado de capitais norte-americano (variável List), representa 67,44% da amostra. Isso sugere que a maior parte dos dados observados se refere a bancos que têm maiores incentivos à divulgação tanto de medidas quantitativas não-GAAP de resultado recorrente quanto de informações qualitativas não-GAAP, que as acompanham.

4.2 Estimações dos Modelos de Regressão

4.2.1 Persistência do resultado recorrente

A Tabela 5 apresenta, no Painel A, os resultados das estimações com erros-padrão robustos corrigidos para heterocedasticidade e autocorrelação, em que: a coluna 1 apresenta o modelo da Eq. 1 sem a consideração dos efeitos do IQNG, apenas para fins de verificação da persistência, em si, do resultado recorrente, antes dos efeitos do IQNG; a coluna 2 apresenta o resultado do modelo da Eq. 1 completo, para testar os efeitos do IQNG na persistência do RR; e a coluna 3 apresenta a estimação do modelo da Eq. 3 proposto por Dechow et al. (2010) , com inclusão de variáveis de controle. O Painel B apresenta os resultados do teste de igualdade de coeficientes para verificar se há diferença entre os coeficientes do LL e RR e RR * IQNG.

Tabela 5
Persistência do 𝑅𝑅 com interação do IQNG e comparação com a persistência do LL - Período 2010.1 a 2023.4

Modelos	Eqs.1 e 2	${RR}_{i,t+1}={\alpha }_0+{\alpha }_1{RR}_{i,t}+{\alpha }_2{IQNG}_{i,t}+{\alpha }_{3}R{R}_{i,t}*{IQNG}_{i,t}+{\alpha }_4{Tam}_{i,t}+{\alpha }_5{Cres}_{i,t}+{\alpha }_6{List}_{i,t}+{\alpha }_7{∆PIB}_t+u_{i,t+1}$
	Eq. 3	${LL}_{i,t+1}={\alpha }_0+{\alpha }_1{LL}_{i,t}+{\alpha }_2{Tam}_{i,t}+{\alpha }_3{Cres}_{i,t}+{\alpha }_4{List}_{i,t}+{\alpha }_5{∆PIB}_t+u_{i,t+1}$
Painel A: estimações das regressões
Variáveis		1	2	3
C		0,0127	0,0307**	0,0179
		(0,0082)	(0,0128)	(0,0151)
RR		0,6339***	-1,1322***
		(0,0741)	(0,3838)
IQNG			-0,0084***
			(0,0019)
RR * IQNG			1,9432***
			(0,4099)
LL				0,0214
				(0,0456)
Tam		-0,0009	-0,0018	-0,0010
		(0,0007)	(0,0011)	(0,0013)
Cres		0,0032	0,0042	0,0129
		(0,0033)	(0,0028)	(0,0103)
List		-0,0007*	-0,0010**	-0,0001*
		(0,0004)	(0,0004)	(0,0005)
ΔPIB		0,0034	0,0063*	0,0143
		(0,0035)	(0,0036)	(0,0132)
N		519	519	519
R²_w		0,3691	0,4456	0,0221
R²_b		0,9302	0,8419	0,0011
R²_o		0,7806	0,7468	0,0197
Teste F		56,51***	55,22***	2,18*
Painel B: teste de igualdade de coeficientes
LL		0,0214	0,0214
RR		0,6339
RR * IQNG			1,9432
χ2		23,3200	6,4800
Prob> χ2		0,0000	0,0109

• Nota: Erros-padrão robustos corrigidos para heterocedasticidade e autocorrelação entre parênteses.
• L_t+1 = lucro líquido do trimestre t+1; ΔPIB = variação do produto interno bruto (PIB); C = constante; 𝐶𝑟𝑒𝑠 = crescimento dos ativos das instituições em relação ao PIB; IQNG = índice qualitativo não-GAAP (generally accepted accounting principles - princípios contábeis geralmente aceitos); 𝐿𝐿 = lucro líquido do trimestre t; List = indicação de bancos listados na B3 S.A. - Brasil, Bolsa, Balcão ou que têm American Depositary Receipts; RR_t+1 = resultado recorrente do trimestre t+1; RR = resultado recorrente do trimestre t; Tam = tamanho dos bancos.
• Nível de significância estatística: *** a 1%, ** a 5% e * a 10%.
• Fonte: Elaborada pelos autores.

Os resultados do Painel A, da coluna 1, revelam que o coeficiente da variável RR, que representa a persistência, é positivo, significante ao nível de 1% e próximo de 1, sugerindo que, em média, o resultado recorrente futuro (RR_t+1 ) é explicado pelo resultado recorrente atual (RR), em consonância com a literatura prévia (Doyle et al., 2003; Francis et al., 2004; Sousa et al., 2021).

Ao incorporar os efeitos do IQNG, por meio da variável de interação RR * IQNG, que testa a hipótese de que a persistência da medida quantitativa não-GAAP das entidades bancárias é diretamente associada ao IQNG, os achados empíricos corroboram a hipótese H₁ ao evidenciarem que o coeficiente 𝛼 3 (1,9432) é positivo e superior ao 𝛼 1 . Isso indica que o aumento do IQNG intensifica a persistência do RR, evidenciando um efeito moderador positivo da qualidade de divulgação sobre a persistência do RR. Sobre o coeficiente α₁ (RR), na coluna 2, observa-se um sinal negativo que sugere uma baixa persistência de base, correspondendo ao efeito do RR quando IQNG se aproxima de 0, captando a persistência do grupo com pior qualidade de divulgação.

Os achados sugerem que as divulgações voluntárias de informações qualitativas não-GAAP parecem potencializar a persistência do resultado recorrente, melhorando a sua previsibilidade (RR_t+1 ). Em resumo, quanto maior a qualidade do IQNG maior a persistência do resultado recorrente. Assim como Chen et al. (2021) constataram melhorias na qualidade das exclusões não-GAAP ao serem interagidas com o IQNG em entidades não financeiras norte-americanas, os achados deste estudo indicam que no mercado bancário brasileiro, o IQNG tem função semelhante. Funciona como mecanismo de melhoria da qualidade informacional da medida quantitativa não-GAAP reportada pelos bancos - ao divulgarem suas medidas de resultado recorrente acompanhadas de informações qualitativas que expliquem essas métricas, a medida reportada apresenta maior capacidade de prever os resultados futuros.

Acerca das variáveis de controle, Tam e Cres não apresentaram relação estatisticamente relevante com o resultado recorrente futuro (RR_t+1 ). Isso sugere que tanto o tamanho quanto o crescimento dos bancos não são fatores explicativos da medida quantitativa não-GAAP de resultado recorrente futuro. Esse resultado é contraintuitivo, uma vez que é natural esperar que maiores (menores) níveis de rentabilidade sejam influenciados pelo tamanho (Fabio, 2019; Petria et al., 2015) ou crescimento das entidades. Cabe salientar que resultado equivalente foi constatado por Sousa et al. (2021) , o que sugere que pode ser uma particularidade do mercado bancário brasileiro. Testes adicionais, não tabulados, com o uso de dados do valor de mercado e do patrimônio líquido como referência de tamanho e/ou crescimento apresentaram resultados equivalentes aos encontrados com o uso dos ativos totais.

O fato de os bancos serem listados na B3 ou terem ADR no mercado de capitais norte-americano (List) indica relação negativa com o resultado recorrente futuro (RR_t+1 ). Esse comportamento é observado em todas as estimações, com pequenas oscilações na magnitude dos coeficientes. Os achados sugerem que os bancos listados na B3 ou que têm ADR apresentam, em média, desempenho futuro (medido pelo resultado recorrente) menor em 0,0010 unidades em relação aos bancos não listados, contrariando a expectativa de que bancos listados podem ter maiores incentivos para proporcionar desempenhos mais previsíveis para a captação de mais investidores (Fabio et al., 2019; Sousa et al., 2021).

Na análise do nível de crescimento econômico (ΔPIB) é possível verificar uma relação positiva com o resultado recorrente futuro (RR_t+1 ) na coluna 2. O poder explicativo da variação do nível da atividade econômica sobre o resultado recorrente futuro corrobora a literatura prévia (Dantas et al., 2013; Petria et al., 2015; Sousa et al., 2021), sob a perspectiva de que em momentos de crescimento econômico, as demandas por crédito também aumentam, o que, consequentemente, reflete no desempenho das instituições bancárias.

Sobre o Painel B, é possível observar os testes de igualdade entre os coeficientes de persistência do lucro líquido (α₁LL_i,t ), derivado da estimação da coluna 3, cujo modelo explica o lucro líquido futuro (LL_t+1 ), e os coeficientes dos termos de (i) persistência do resultado recorrente (α₁RR), obtido na coluna 1, e (ii) persistência do resultado recorrente interagido com o IQNG (α₃RR_i,t * IQNG), obtido na coluna 2. O coeficiente do LL mostrou-se de baixa magnitude e não significante (α₁ = 0,0214; p = 0,868), indicando que, no conjunto das instituições financeiras bancárias analisadas, a capacidade de o lucro líquido ser persistente é baixa, o que sugere a presença de componentes transitórios.

O teste de igualdade entre os coeficientes α₁LL_i,t e α₁RR rejeita a hipótese nula (χ² = 23,32; p = 0), evidenciando que a persistência do RR é estatisticamente superior à do lucro líquido. Ademais, o teste de igualdade entre os parâmetros α₁LL_i,t e α₃RR * IQNG indica uma diferença estatisticamente relevante (χ² = 6,48; p = 0,0109), evidenciando que a persistência de RR * IQNG é significativamente distinta - e economicamente mais relevante - do que a persistência do lucro líquido GAAP.

4.2.2 Extremidades do IQNG

A Tabela 6 apresenta os resultados das estimações dos modelos das Eqs. 4 e 5, que avaliam os efeitos das extremidades do IQNG, com a finalidade de complementar os achados da Tabela 5, uma vez que os coeficientes médios das variáveis isoladas (RR e IQNG) podem estar sendo influenciados por níveis extremos de transparência das informações qualitativas. Como, em média, as informações qualitativas não-GAAP estão positivamente associadas a medidas quantitativas não-GAAP mais persistentes, é provável que em cenários de alta (baixa) extremidade de transparência das informações qualitativas, a persistência da medida quantitativa não-GAAP seja ainda maior (menor).

Tabela 6
Estimações das extremidades do índice qualitativo não-GAAP - Período: 2010.1 a 2023.4

Modelos	Eq. 4	${RR}_{i,t+1}={\beta }_0+{\beta }_1{RR}_{i,t}+{\beta }_2{IQ4}_{i,t}+{\beta }_3{RR}_{i,t}*{IQ4}_{i,t}+{\beta }_4{Tam}_{i,t}+{\beta }_5{Cres}_{i,t}+{\beta }_6{List}_{i,t}+{\beta }_7{∆PIB}_t+u_{i,t+1}$
	Eq. 5	${RR}_{i,t+1}={\delta }_0+{\delta }_1{RR}_{i,t}+{\delta }_2{IQ1}_{i,t}+{\delta }_3{RR}_{i,t}*{IQ1}_{i,t}+{\delta }_4{Tam}_{i,t}+{\delta }_5{Cres}_{i,t}+{\delta }_6{List}_{i,t}+{\delta }_7{∆PIB}_t+u_{i,t+1}$
Variáveis		Modelo 4	Modelo 5
C		0,0227*	0,0206
		(0,0132)	(0,0126)
RR		0,2548*	0,6835***
		(0,1327)	(0,0315)
IQ4		-0,0021***
		(0,0006)
RR * IQ4		0,4320***
		(0,1366)
IQ1			0,0029***
			(0,0007)
RR * IQ1			-0,5540***
			(0,1221)
Tam		-0,0016	-0,0016
		(0,0011)	(0,0011)
Cres		0,0042	0,0047
		(0,0034)	(0,0034)
List		-0,0010*	-0,0010*
		(0,0005)	(0,0005)
ΔPIB		0,0048	0,0056
		(0,0037)	(0,0039)
N		519	519
R²_w		0,3897	0,3959
R²_b		0,9135	0,9005
R²_o		0,7589	0,7499
Teste F		43,88***	45,04***

• Nota: Erros padrão robustos corrigidos para heterocedasticidade e autocorrelação entre parênteses.
• ΔPIB = variação do produto interno bruto (PIB); C = constante; Cres = crescimento dos ativos das instituições em relação ao PIB; IQ1 = observações abaixo do quartil 0,25 do IQNG [índice qualitativo não-GAAP (generally accepted accounting principles - princípios contábeis geralmente aceitos)]; IQ4= observações acima do quartil 0,75 do IQNG; List = indicação de bancos listados na B3 S.A. - Brasil, Bolsa, Balcão ou que têm American Depositary Receipts; RR_t+1 = resultado recorrente do trimestre t+1; RR = resultado recorrente do trimestre t; Tam = tamanho dos bancos.
• Nível de significância estatística: *** a 1%, ** a 5% e * a 10%.
• Fonte: Elaborada pelos autores.

Os achados revelam duas questões precípuas no modelo da Eq. 4, que reporta os resultados do modelo da extremidade superior do IQNG - aqueles que se concentram no quartil 0,75 (IQ4). A primeira é que a variável RR, que representa a persistência do resultado recorrente da média da amostra não captada pelo efeito da variável de interação, presente no modelo da Eq. 4, apresenta coeficiente positivo e significante ao nível de 10%, indicando que, embora o coeficiente seja estatisticamente relevante, a relação encontrada não é forte. A segunda questão a ser destacada é que, ao isolar o IQNG dos bancos que apresentam os maiores níveis de divulgações de informações qualitativas não-GAAP (IQ4), verifica-se aumento da persistência do resultado recorrente (RR * IQ4). Desse modo, o coeficiente oriundo dessa interação é positivo, significante e superior ao coeficiente que remete à média da amostra não captada pela interação (β₃ > β₁). Desse modo, os achados sugerem que, em níveis mais altos de transparência de informações qualitativas não-GAAP, a medida quantitativa não-GAAP de resultado recorrente apresenta também maior qualidade informacional sobre a persistência, uma vez que o resultado recorrente do período atual é mais preditivo do resultado recorrente futuro (RR_t+1) em bancos com maiores índices qualitativos não-GAAP.

Analisando a extremidade inferior do IQNG (quartil 0,25, variável IQ1), observa-se no modelo da Eq. 5 que o coeficiente da persistência do resultado recorrente (RR) é positivo, significante ao nível de 1% e próximo de 1. Ao interagir o efeito dos menores índices (IQ1) com o resultado recorrente (RR * IQ1), o coeficiente reportado na variável de interação é negativo, estatisticamente relevante e inferior ao coeficiente que capta o restante da amostra (δ₃ < δ₁). Tal efeito indica que em níveis baixos de transparência das informações qualitativas não-GAAP, o resultado recorrente também apresenta baixa qualidade informacional.

A combinação dos achados dos modelos das Eqs. 4 e 5 indica que, ao analisar as extremidades das divulgações de informações qualitativas não-GAAP, verifica-se que os níveis de transparência dessas informações se refletem na qualidade da medida quantitativa não-GAAP reportada. Nesse sentido, os achados sugerem que, em níveis mais altos (baixos) de divulgações de informações qualitativas não-GAAP, a medida quantitativa não-GAAP de resultado recorrente é mais (menos) persistente. Além disso, examinar as extremidades permitiu que os resultados da regressão do modelo da Eq. 1 fossem novamente corroborados, ao visualizar que as extremidades dos índices têm diferentes impactos na qualidade do resultado recorrente.

Geralmente, tanto os achados do modelo principal quanto os testes adicionais indicam que as informações qualitativas não-GAAP são positivamente associadas à maior persistência das medidas quantitativas não-GAAP em bancos brasileiros e que essas relações podem ser mais (menos) pronunciadas em níveis mais altos (baixos) de divulgação qualitativa.

5. CONCLUSÃO

Esta pesquisa teve como objetivo verificar a relação entre as informações qualitativas não-GAAP e a persistência das medidas quantitativas não-GAAP em bancos brasileiros. O argumento utilizado é que, ao divulgar informações qualitativas não-GAAP mais transparentes (proxy de qualidade não-GAAP), a medida quantitativa não-GAAP também apresente maior qualidade informacional, em termos de persistência.

Para esse propósito, foi utilizado o modelo de persistência dos lucros da literatura de qualidade da informação contábil. Os resultados dos testes empíricos revelaram que, em média, a persistência da medida quantitativa não-GAAP de resultado recorrente, reportada pelos bancos brasileiros, está diretamente associada ao IQNG praticado por essas entidades e é estatisticamente relevante em relação ao lucro líquido contábil divulgado conforme os GAAP. Ao analisar as extremidades do IQNG, a pesquisa revelou que, em níveis de maior (menor) transparência das informações qualitativas não-GAAP, a medida quantitativa não-GAAP de resultado recorrente apresentou maior (menor) persistência. Dessa maneira, os achados da pesquisa apontaram que aumentos nos índices qualitativos não-GAAP se traduzem em aumento da qualidade informacional da medida quantitativa não-GAAP.

As evidências encontradas nesta pesquisa trazem importantes contribuições ao ambiente bancário brasileiro. Primeiro, porque contribuem para preencher o gap na literatura que explora questões inerentes às informações não-GAAP praticadas pelas instituições bancárias, que historicamente evidenciam esse tipo de divulgação, mas que recebem pouca atenção dos pesquisadores, que, normalmente, excluem tais entidades das amostras de suas pesquisas.

O estudo contribui para os órgãos reguladores brasileiros, em especial o BCB e a CVM, uma vez que os resultados reportados podem “ligar alertas” aos reguladores, no sentido de que a solicitação de preceitos inerentes às informações qualitativas não-GAAP tem o potencial de melhorar ainda mais a qualidade da medida quantitativa não-GAAP de resultado recorrente reportada pelos bancos. Considerando a natureza voluntária dessas informações qualitativas não-GAAP, a exigência de suas respectivas divulgações pode ter efeitos ainda mais benéficos sobre a qualidade do resultado recorrente reportado, que já é exigido pelo BCB. Ademais, esses reflexos de melhoria na qualidade da medida quantitativa não-GAAP por meio de maior transparência de informações qualitativas não-GAAP poderão ser, consequentemente, observados pelos investidores, que também se beneficiam dos achados desta pesquisa.

Por fim, destaca-se como principal limitação do estudo que, em decorrência de a amostra ter se restringido aos bancos brasileiros, não é possível fazer inferências para as instituições financeiras bancárias de outros países, tendo em vista que foram incorporados elementos específicos da regulação brasileira, elaborados pelo BCB e pela CVM, ao IQNG validado nesta pesquisa. Portanto, futuras pesquisas podem estender o estudo a entidades bancárias em nível mais global, analisando fatores comuns entre países, para obter um índice com características mais generalizadas. Além disso, podem expandir a aplicabilidade desses resultados utilizando um objeto de análise diferente dos relatórios de desempenho, como a percepção do mercado via consenso dos analistas.

AGRADECIMENTOS

Os autores agradecem aos pareceristas anônimos da RC&F e aos membros da banca examinadora da tese de doutorado, Prof. Dr. Roberto Carlos Klann, Prof. Dr. Edilson Paulo e Profa. Dra. Ducineli Régis Botelho, pelas contribuições que auxiliaram no aprimoramento deste estudo.

Referências bibliográficas

• Banco Central do Brasil (Central Bank of Brazil). (2020). BCB Resolution No. 2, dated August 12, 2020. Establishes general criteria for consortium administrators and payment institutions to prepare and disclose individual and consolidated financial statements, as well as procedures for financial institutions and other Central Bank of Brazil-authorized institutions to prepare, disclose, and submit financial statements. https://www.bcb.gov.br/estabilidadefinanceira/exibenormativo?tipo=Resolu%C3%A7%C3%A3o%20BCB№=2
  » https://www.bcb.gov.br/estabilidadefinanceira/exibenormativo?tipo=Resolu%C3%A7%C3%A3o%20BCB№=2
• Bardin, L. (2016). Análise de conteúdo (Revised and expanded edition). Edições 70 Brasil. (Original paper published in 1977).
• Bentley, J. W., Christensen, T. E., Gee, K. H., & Whipple, B. C. (2018). Disentangling managers’ and analysts’ non-GAAP reporting. Journal of Accounting Research, 56(4), 1039-1081. https://doi.org/10.1111/1475-679X.12206
  » https://doi.org/10.1111/1475-679X.12206
• Black, D. E., Christensen, T. E., Ciesielski, J. T., & Whipple, B. C. (2018). Non-GAAP reporting: Evidence from academia and current practice. Journal of Business Finance and Accounting, 45(3-4), 259-294. https://doi.org/10.1111/jbfa.12298
  » https://doi.org/10.1111/jbfa.12298
• Bradshaw, M. T., Christensen, T. E., Gee, K. H., & Whipple, B. C. (2018). Analysts’ GAAP earnings forecasts and their implications for accounting research. Journal of Accounting and Economics, 66(1), 1-26. https://doi.org/10.1016/j.jacceco.2018.01.003
  » https://doi.org/10.1016/j.jacceco.2018.01.003
• Chen, H. C., Lee, Y. J., Lo, S. Y., & Yu, Y. (2021). Qualitative characteristics of non-GAAP disclosures and non-GAAP earnings quality. Journal of Accounting and Economics , 72(1), 1-24. https://doi.org/10.1016/j.jacceco.2021.101402
  » https://doi.org/10.1016/j.jacceco.2021.101402
• Choi, Y. S., Lin, S., Walker, M., & Young, S. (2007). Disagreement over the persistence of earnings components: Evidence on the properties of management-specific adjustments to GAAP earnings. Review of Accounting Studies, 12, 595-622. https://doi.org/10.1007/s11142-007-9048-x
  » https://doi.org/10.1007/s11142-007-9048-x
• Comissão de Valores Mobiliários (Brazilian Securities and Exchange Commission) (2022). CVM Resolution No. 156, dated June 23, 2022. Provides for the voluntary disclosure of non-accounting information referred to as LAJIDA and LAJIR. https://conteudo.cvm.gov.br/legislacao/resolucoes/resol156.html
  » https://conteudo.cvm.gov.br/legislacao/resolucoes/resol156.html
• Conselho Monetário Nacional (National Monetary Council). (2017). CMN Resolution No. 4,553, dated January 30, 2017. Establishes the segmentation of all financial institutions and other institutions authorized to operate by the Central Bank of Brazil for the purposes of the proportional application of prudential regulations. https://www.bcb.gov.br/estabilidadefinanceira/exibenormativo?tipo=RESOLU%C3%87%C3%83O№=4553
  » https://www.bcb.gov.br/estabilidadefinanceira/exibenormativo?tipo=RESOLU%C3%87%C3%83O№=4553
• Dantas, J. A., Medeiros, O. R., Galdi, F. C., & Costa, F. M. (2013). Gerenciamento de resultados em bancos com uso de TVM: Validação de modelo de dois estágios. Revista Contabilidade & Finanças, 24(61), 37-54. https://doi.org/10.1590/S1519-70772013000100005
  » https://doi.org/10.1590/S1519-70772013000100005
• Dechow, P. M., Ge, W., & Schrand, C. (2010). Understanding earnings quality: A review of the proxies, their determinants, and their consequences. Journal of Accounting and Economics , 50(2-3), 344-401. https://doi.org/10.1016/j.jacceco.2010.09.001
  » https://doi.org/10.1016/j.jacceco.2010.09.001
• Dechow, P. M., Hutton, A. P., & Sloan, R. G. (1999). An empirical assessment of the residual income valuation model. Journal of Accounting and Economics , 26(1-3), 1-34. https://doi.org/10.1016/S0165-4101(98)00049-4
  » https://doi.org/10.1016/S0165-4101(98)00049-4
• Doyle, J. T., Lundholm, R. J., & Soliman, M. K. (2003). The predictive value of expenses excluded from pro forma earnings. Review of Accounting Studies , 8, 145-174. https://doi.org/10.1023/A:1024472210359
  » https://doi.org/10.1023/A:1024472210359
• Fabio, C. D. (2019). Earnings quality and external governance on banks: Empirical evidence in the European context. International Journal of Accounting, Auditing and Performance, 15(4), 410-431. https://doi.org/10.1504/IJAAPE.2019.106426
  » https://doi.org/10.1504/IJAAPE.2019.106426
• Fairfield, P. M., Sweeney, R. J., & Yohn, T. L. (1996). Accounting classification and the predictive content of earnings. The Accounting Review, 71(3), 337-355. https://www.jstor.org/stable/248292
  » https://www.jstor.org/stable/248292
• Francis, J., LaFond, R., Olsson, P. M., & Schipper, K. (2004). Costs of equity and earnings attributes. The Accounting Review , 79(4), 967-101. https://doi.org/10.2308/accr.2004.79.4.967
  » https://doi.org/10.2308/accr.2004.79.4.967
• Gu, Z., & Chen, T. (2004). Analysts’ treatment of nonrecurring items in street earnings. Journal of Accounting and Economics , 38(1-3), 129-170. https://doi.org/10.1016/j.jacceco.2004.09.002
  » https://doi.org/10.1016/j.jacceco.2004.09.002
• Hribar, P., Mergenthaler, R., Roeschley, A., Young, S., & Zhao, C. X. (2022). Do managers issue more voluntary disclosure when GAAP limits their reporting discretion in financial statements? Journal of Accounting Research , 60(1), 299-351. https://doi.org/10.1111/1475-679X.12401
  » https://doi.org/10.1111/1475-679X.12401
• International Financial Reporting Standards Foundation. (2019). Basis for conclusions on IFRS practice statement 2: Making materiality judgements - General presentation and disclosures. https://www.ifrs.org/projects/completed-projects/2024/primary-financial-statements/ed-primary-financial-statements/
  » https://www.ifrs.org/projects/completed-projects/2024/primary-financial-statements/ed-primary-financial-statements/
• International Financial Reporting Standards Foundation. (2024). IFRS 18: Presentation and disclosure in financial statements. https://www.ifrs.org/supporting-implementation/supporting-materials-by-ifrs-standards/ifrs-18/
  » https://www.ifrs.org/supporting-implementation/supporting-materials-by-ifrs-standards/ifrs-18/
• Landsman, W. R., Miller, B. L., & Yeh, S. (2007). Implications of components of income excluded from pro forma earnings for future profitability and equity valuation. Journal of Business Finance & Accounting, 34(3-4), 650-675. https://doi.org/10.1111/j.1468-5957.2007.02033.x
  » https://doi.org/10.1111/j.1468-5957.2007.02033.x
• Murcia, F. D.-R. (2009). Fatores determinantes do nível de disclosure voluntário de companhias abertas no Brasil [Tese de Doutorado]. Universidade de São Paulo. 2009.
• Petria, N., Capraru, B., & Ihnatov, I. (2015). Determinants of banks’ profitability: Evidence from EU 27 banking systems. Procedia Economics and Finance, 20, 518-524. https://doi.org/10.1016/S2212-5671(15)00104-5
  » https://doi.org/10.1016/S2212-5671(15)00104-5
• Ribeiro, A., Shan, Y., & Taylor, S. (2019). Non-GAAP earnings and the earnings quality trade-off. Abacus, 55(1), 6-41. https://doi.org/10.1111/abac.12150
  » https://doi.org/10.1111/abac.12150
• Sousa, R. A. M., Dantas, J. A., Nascimento, M. R., & Gonçalves, R. S. (2021). Lucro contábil versus resultado recorrente: evidências da persistência na indústria bancária brasileira. Revista Universo Contábil, 17(4), 106-126. https://doi.org/10.4270/ruc.2021428
  » https://doi.org/10.4270/ruc.2021428
• U.S. Securities and Exchange Commission. (2003). Final rule: Conditions for use of non-GAAP financial measures(Release No. 33-8176). https://www.sec.gov/files/rules/final/33-8176.htm
  » https://www.sec.gov/files/rules/final/33-8176.htm

Este é um texto bilíngue. Este artigo também foi traduzido para o idioma inglês, publicado sob o DOI https://doi.org/10.1590/1808-057x20262380.en

Este artigo deriva de uma tese de doutorado defendida pela autora Raíssa Aglé Moura de Sousa, sob orientação do autor José Alves Dantas, em 2025.

DECLARAÇÃO DE DISPONIBILIDADE DE DADOS

Todo o conjunto de dados que dá suporte aos resultados deste estudo pode ser disponibilizado a partir de solicitação aos autores.

DECLARAÇÃO DE (NÃO) UTILIZAÇÃO DE IA

Os autores declaram que utilizaram inteligência artificial generativa nas seguintes etapas de produção deste manuscrito: - Refinamento de texto: OpenAI para revisão gramatical e melhoria de estilo. - Tradução: OpenAI para tradução de trechos do texto. Os autores também declaram que, independentemente do uso das ferramentas acima citadas, todo o conteúdo gerado foi supervisionado, verificado e validado criticamente por humanos. Os autores assumem total e exclusiva responsabilidade pela precisão dos dados, integridade das fórmulas matemáticas/estatísticas, originalidade do texto e pelas conclusões apresentadas no artigo publicado.

Email:

[e-mail]

Email:

[e-mail]

Editor-Chefe Acadêmico:

Andson Braga de Aguiar

Editor Associado:

Eduardo da Silva Flores

DECLARAÇÃO DE CONFLITO DE INTERESSE

Os autores declaram não haver conflito de interesse.

Datas de Publicação

• Publicação nesta coleção
  18 Set 2026
• Data do Fascículo
  2026

Histórico

• Recebido
  23 Maio 2025
• Aceito
  02 Jul 2025
• Aceito
  23 Fev 2026