Capitalização de ativos intangíveis gerados internamente e impactos no poder preditivo da informação contábil

RESUMO

Este artigo teve o objetivo de examinar em que medida a capitalização de ativos intangíveis gerados internamente proporciona uma melhor predição do retorno das ações no mercado brasileiro. A contabilização de ativos intangíveis como despesa tem causado queda na relevância da informação contábil, demandando pesquisas para testar a adaptação de métricas contábeis para aplicação em modelos de risco e retorno. Estudos internacionais têm sido desenvolvidos para testar os efeitos da capitalização desses ativos, mas essa verificação ainda não foi realizada no Brasil. A capitalização de ativos intangíveis gerados internamente proporcionou uma medida contábil mais relacionada com os retornos das ações e também possibilitou selecionar empresas com melhores fundamentos para estratégia de valor. Assim, o estudo é relevante por proporcionar subsídios para discussões sobre o tratamento dedicado a ativos intangíveis gerados internamente. A pesquisa contribui para a academia e participantes do mercado ao proporcionar uma medida alternativa do book value que constitua melhora no conteúdo informacional gerado pela contabilidade. Os achados sugerem que a capitalização de ativos intangíveis gerados internamente melhora o poder preditivo e o conteúdo informacional da contabilidade. A amostra foi composta pelas empresas brasileiras listadas na B3 S.A. - Brasil Bolsa Balcão, de 2011 a 2022. Foram estimados e capitalizados os ativos intangíveis reportados como despesas. O book-to-market (B/M) ajustado foi utilizado em regressões de retorno cross-section e na reconstrução do fator de valor no modelo de cinco fatores. O B/M ajustado pela capitalização de ativos intangíveis gerados internamente apresentou maior relação com o retorno das ações do que o indicador original. A seleção de ações value e growth, pelo B/M ajustado, proporcionou carteiras com maior retorno na estratégia high minus low (HML) e melhor medida para o modelo de cinco fatores. Os melhores resultados foram na posição longa em ações value de HML ajustado e curta em ações growth de HML original.

Palavras-chave:
ativos intangíveis; book-to-market; Fama e French; value investing; SG&A

ABSTRACT

This research aimed to examine the extent to which the capitalization of internally generated intangible assets provides a better prediction of stock returns in the Brazilian market. Accounting for intangible assets as expenses has led to a decline in the relevance of accounting information, demanding research to test the adaptation of accounting metrics for application in risk and return models. International studies have been developed to test the effects of capitalizing these assets, but this verification has not yet been carried out in Brazil. The capitalization of internally generated intangible assets provided an accounting measure more closely related to stock returns and also made it possible to select companies with better fundamentals for value strategy. Thus, the study is relevant because it provides input for discussions on the treatment given to internally generated intangible assets. The research contributes to academia and market participants by providing an alternative measure of book value that constitutes an improvement in the informational content generated by accounting. The findings suggest that the capitalization of internally generated intangible assets improves the predictive power and informational content of accounting. The sample consisted of Brazilian companies listed on the B3 S.A. - Brasil Bolsa Balcão, from 2011 to 2022. Intangible assets reported as expenses were estimated and capitalized. The adjusted book-to-market (B/M) ratio was used in cross-sectional return regressions and in the reconstruction of the value factor in the five-factor model. The B/M adjusted for the capitalization of internally generated intangible assets showed a greater correlation with stock returns than the original indicator. The selection of value and growth stocks, using the adjusted B/M ratio, provided portfolios with higher returns in the high minus low (HML) strategy and a better measure for the five-factor model. The best results were obtained with a long position in value stocks using the adjusted HML and a short position in growth stocks using the original HML.

Keywords:
intangible assets; book-to-market; Fama and French; value investing; SG&A

1. INTRODUÇÃO

O atual ambiente empresarial, de elevada competitividade, faz com que investimentos em ativos intangíveis sejam importantes condutores do valor corporativo. Em 2024, os ativos intangíveis das maiores empresas do mundo atingiram 79,4 trilhões de dólares, enquanto 79% desse valor estão fora dos balanços patrimoniais (Brand Finance, 2024). Isso pode ocorrer porque a normatização vigente determina que grande parte dos ativos intangíveis gerados internamente seja tratada como despesa [Comitê de Pronunciamentos Contábeis (CPC, 2010)]. Esse ambiente, no qual o valor de mercado pode ser predominantemente baseado em ativos não reportados nos balanços traz desafios à contabilidade, no sentido de sinalizá-los corretamente.

A crescente importância de ativos intangíveis não capitalizados tem gerado críticas aos padrões contábeis no sentido de que não se adaptaram à nova realidade, segundo Barker et al. (2021), Dichev (2017) e Lev (2019). Os autores argumentam que tratar investimentos em ativos intangíveis como despesa prejudica a percepção de criação de valor no futuro, por deturpar o regime de competência ao misturar resultados de vendas correntes com investimentos para gerar benefícios futuros. A desobediência ao regime de competência diminui o poder preditivo dos lucros e sua utilidade como indicador de performance, pois interfere em indicadores tradicionais (return on assets e return on equity) e de nível de intangibilidade (Q de Tobin e market-to-book). Cita-se também a incompatibilidade de análise de empresas de um mesmo setor que tenham diferentes estratégias de inovação, podendo ser aquisição de ativos intangíveis (lançados no balanço patrimonial) ou criação (lançados na demonstração do resultado). Por isso, esses autores defendem incrementos informacionais proporcionados pela capitalização desses ativos, melhorando o matching pela amortização desses investimentos, ou por maiores divulgações que proporcionem mais entendimento sobre o impacto nos resultados futuros.

A existência de ativos intangíveis inclusos nas despesas foi demonstrada por Enache e Srivastava (2018), Iqbal et al. (2025) e Lev e Srivastava (2022), constatando que proporcionam benefícios futuros. Dado o momento de importância desses recursos, a limitação contábil mencionada constitui um dos fatores que explica a queda na relação estatística entre informações contábeis e preços das ações (Dugar & Pozharny, 2022; Kanodia et al., 2004). A omissão desses ativos no valor patrimonial das ações gera demanda para entender o prejuízo informacional resultante dessa prática e estudar alternativas para dirimi-lo. Essas verificações podem ser feitas mediante adaptações do book value (valor contábil da ação), dada sua popularização como âncora de valor do modelo de três fatores para precificação de ativos de Fama e French (1992, 1993). Em estudo posterior, ao propor o modelo de cinco fatores, Fama e French (2015) perceberam que o fator de valor está perdendo poder preditivo, sendo corroborados por Eisfeldt et al. (2022), Lev e Srivastava (2022) e Park (2019, 2022). Esses autores interpretam que, como essa medida foi propagada quando ativos tangíveis eram mais significativos, a mudança para o foco em ativos intangíveis reduziu seu potencial de representar o valor intrínseco, causando mispricing, principalmente em firmas intangível-intensivas.

Uma estratégia de investimento que pode ser prejudicada por essa limitação é a estratégia de valor. Ao manter posições de longo prazo em firmas subavaliadas, o investidor é beneficiado quando o mercado percebe o mispricing e corrige os preços. Porém, ao considerar o book value medida próxima do valor intrínseco, sua subavaliação pode motivar classificação errônea entre ações de valor e de crescimento, comprometendo a performance (value trap). Arnott et al. (2021) criticam que essa separação pode ser influenciada pelo tratamento contábil e não por fundamentos das firmas. Eisfeldt et al. (2022) e Lev e Srivastava (2022) demonstraram que os retornos de value investing nos Estados Unidos da América (EUA) decresceram consonante à ascensão dos ativos intangíveis. No Brasil, há evidências favoráveis a essa estratégia em comparação ao Índice Bovespa (Domingues et al., 2022; Palazzo et al., 2018).

Esse contexto de importância de ativos intangíveis e queda no poder preditivo da informação contábil tem motivado pesquisas a reconstruir medidas financeiras com a capitalização desses ativos inclusos em selling, general, and administrative expenditure (SG&A). Peters e Taylor (2017) encontraram relação positiva entre esses ativos e o Q de Tobin, demonstrando que esse índice melhor reflete o valor das firmas quando inclusos os recursos intangíveis. Eisfeldt e Papanikolaou (2014) constataram que a acumulação de despesas melhorou a predição do retorno das ações. Estudos como Eisfeldt et al. (2022), Iqbal et al. (2025), Lev e Srivastava (2022) e Park (2022) demonstraram melhoria no poder preditivo do book-to-market (B/M) ao capitalizar os ativos intangíveis gerados internamente.

Seguindo os estudos internacionais, a presente pesquisa aborda uma alternativa para melhoria no conteúdo informacional proporcionado pela contabilidade, mediante a capitalização dos ativos intangíveis gerados internamente. Apesar da eficiência do modelo de cinco fatores na explicação dos retornos no Brasil (Maciel et al., 2021; Siqueira et al., 2017), a adaptação do fator de valor para ativos intangíveis ainda não foi realizada no mercado nacional, motivo pelo qual o presente estudo pretende preencher essa lacuna. Essa investigação torna-se relevante dadas as diferenças institucionais e informacionais entre os mercados brasileiro e americano, o que interfere nos investimentos em ativos intangíveis e nos incentivos às divulgações. Brown et al. (2013) citam que mercado de capitais e ambiente legal favorecem esses ativos e, por isso, são mais valorizados em mercados desenvolvidos. Além disso, a literatura internacional demonstra que o poder informativo dos lucros é reduzido em países nos quais normas contábeis e tributárias são fortemente vinculadas, como os de tradição civil law. Watts (2003) afirma que, nesses locais, influências tributárias promovem conservadorismo excessivo ao restringir o reconhecimento de ativos nos balanços. Isso condiz com o mercado brasileiro, no qual foi constatado conservadorismo mesmo após a adesão às International Financial Reporting Standards (IFRS) e a neutralidade fiscal (Vale & Nakao, 2017). Nesse mercado, é possível que aspectos tributários influenciem o julgamento de gestores na contabilização de ativos intangíveis como despesas imediatas, confundindo a visão dos investidores de que há elementos criadores de valor no futuro inclusos nas despesas.

Essas considerações impedem que as conclusões obtidas nos EUA sejam aplicadas no Brasil sem a devida averiguação, dadas as diferenças entre os dois mercados, configurando a necessidade da presente pesquisa. Assim, este estudo contribui também para o avanço da literatura internacional ao proporcionar entendimento sobre a precificação de ativos intangíveis em um mercado emergente, evidências úteis dada a interconexão entre os mercados globais.

Nesse contexto, o objetivo da pesquisa foi examinar em que medida a capitalização de ativos intangíveis gerados internamente proporciona uma melhor predição do retorno das ações. Para isso, o book value foi ajustado pela capitalização desses ativos e, posteriormente, testado se proporciona melhoria no poder preditivo do B/M e no fator de valor. Estudos anteriores constituíram suportes empíricos para conjecturar que o impacto dessa mudança no valor patrimonial da ação proporciona uma medida de valor com maior conteúdo informacional.

As contribuições acadêmicas residem no apoio a discussões sobre o status quo do tratamento contábil de ativos intangíveis gerados internamente e seus reflexos no poder informacional da contabilidade. Apesar de haver bastante debate sobre esses ativos, a literatura carece de medidas específicas para sua identificação, pois as firmas divulgam esses itens de forma aglomerada com outras despesas. Mediante essa dificuldade, o presente estudo engaja-se nos desafios contemporâneos de pesquisa ao estimá-los de forma econométrica, conforme a proposta de Enache e Srivastava (2018), contribuindo para avançar o debate científico e motivar pesquisas futuras. As evidências obtidas suportam as defesas de Dichev (2017) e Lev (2019) em favor da divulgação de relatórios financeiros baseados no income approach, por melhor alinhar à dinâmica de geração de valor, na qual os resultados trazem maior poder preditivo quanto maior for o matching do regime de competência pela amortização dos investimentos.

As contribuições práticas são destinadas a investidores, analistas e órgãos reguladores, pois, dada a omissão desses ativos dos balanços patrimoniais, há demanda crescente de informação contábil mais relevante (Iqbal et al., 2025). Investidores podem tomar melhores decisões ao entenderem o impacto desses ativos em seus investimentos e se protegerem de value trap, evitando escolher ações com baixo B/M, cujos valores do patrimônio líquido não reflitam capitais com maior essencialidade estratégica (Eisfeldt et al., 2022). Por fim, apresenta contribuições que auxiliam os demais participantes a entender a dinâmica do mercado com forte participação de informações intangíveis (Araújo et al., 2019). Seja para analistas, ao melhor fundamentar suas recomendações de investimentos, seja para órgãos reguladores, ao avaliarem incrementos em divulgações que mais se alinhem às atuais demandas informacionais.

2. REFERENCIAL TEÓRICO E FORMULAÇÃO DAS HIPÓTESES

Pesquisadores têm utilizado os modelos multifatoriais de Fama e French (1992, 1993, 2015) em estudos sobre precificação de ativos. Os autores consideram cinco fatores de risco com alto poder explicativo para o retorno das ações: prêmio do mercado, tamanho, valor, rentabilidade e investimento, enquanto os dois últimos foram adições posteriores. Os autores demonstraram que o índice B/M, utilizado como proxy de valor, é um dos mais fortes e persistentes preditores de retornos. Seu alto poder explanatório deve-se à consideração de informações passadas, contidas nos fundamentos divulgados, e presentes, refletidas nas expectativas dos investidores. Esse indicador também é utilizado para classificação de ações de valor (value stocks para maiores B/M) e de crescimento (growth stocks para menores B/M) (Fama & French, 1992). Mediante essa separação, foram precursores da estratégia high minus low (HML), que consiste em comprar ações de baixo valor e vender as de alto valor, capturando ativos com preços subvalorizados ou supervalorizados em relação aos fundamentos. O sucesso da estratégia baseia-se na diferença entre os retornos das duas carteiras.

Fama e French (2015) confirmaram a superioridade do modelo de cinco fatores, em relação ao de três fatores, pois suas variáveis explicam parcela significativa dos retornos das carteiras de investimento. Propuseram o modelo de cinco fatores da seguinte maneira:

$$R_{it}-R_{ft}={\alpha }_i+b_i{MKT}_t+s_i{SMB}_t+h_i{HML}_t+r_i{RMW}_t+c_i{CMA}_t+{\epsilon }_{it}$$ (1)

A equação contém os fatores precificadores de risco das ações: mercado MKT , tamanho (SMB), valor (HML), lucratividade (RMW) e investimento (CMA), os quais serão explanados no tópico 3.3. A utilidade desse modelo, em estratégias de valor, é defendida por Domingues et al. (2022), dada sua capacidade de explicar os retornos independentemente da abordagem de value investing, pois essas abordagens também exploram fatores de risco. Ademais, no mercado brasileiro, o modelo de cinco fatores apresentou desempenho superior ao de três fatores, segundo Maciel et al. (2021) e Siqueira et al. (2017).

Dada a alta utilização do B/M, pesquisadores e profissionais têm discutido sobre a ausência de ativos intangíveis nesse indicador. Park (2019) demonstrou que a falta desses ativos contribui para a queda no seu poder preditivo. Como boa parte desses recursos é tratada como despesa, não compõem o valor patrimonial da ação, tornando necessário entender os efeitos dessa sinalização. Apesar de apenas ativos intangíveis adquiridos serem capitalizados, uma vasta literatura defende que aqueles gerados internamente impactam a criação de valor no longo prazo. Por exemplo, Dal Vesco e Damke (2024) demonstraram que a criação de vantagem competitiva pode ser facilitada por capital humano e redes de cooperação. Dada a dificuldade de identificá-los, pesquisadores têm utilizado métricas para estimá-los por meio de regressões entre receitas e despesas que identificam parcelas de gastos presentes que têm maior relação com resultados futuros. Essa parcela estimada a partir das despesas é utilizada como proxy para ativos intangíveis, a qual está relacionada com a criação de valor no futuro (Enache & Srivastava, 2018; Iqbal et al., 2025; Lev & Srivastava, 2022; Machado & Galdi, 2023). Cita-se também o consenso do mercado sobre essa realidade, visto que analistas incorporam parcelas intangíveis inclusas nas despesas, em suas previsões (Banker et al., 2019).

Outra linha de pesquisa tem verificado se o poder informacional dos prejuízos é afetado pela prática contábil de tratar ativos intangíveis como despesas. Gu et al. (2023) e Srivastava (2023) demonstraram que, quando o prejuízo se deve a essa prática, o efeito informacional é diferente em relação ao prejuízo que realmente ocorre por má performance. Ao ajustar os prejuízos pelos investimentos em ativos intangíveis, obtiveram resultados mais informativos.

Dada a importância desses ativos, estudos internacionais constataram melhoria na performance do modelo de cinco fatores ao adicionar ao book value os ativos intangíveis tratados como despesas. Por exemplo, Lev e Srivastava (2022) demonstraram mudanças significativas na classificação de ações value e growth ao capitalizar esses ativos, pois melhora a identificação de firmas superavaliadas em relação aos seus fundamentos. Os efeitos do ajuste foram mais fortes em growth stocks, pois são mais relacionadas a setores intangível-intensivos. Iqbal et al. (2025) obtiveram maior associação entre retornos futuros e o fator de valor ajustado, enfatizando que a capitalização provê medida melhor principalmente nesses setores. Esses autores consideraram os ativos intangíveis em dois grupos, sendo capital de conhecimento, refletido em atividades de pesquisa e desenvolvimento (P&D), e capital organizacional, incluso nas despesas administrativas. Essa abordagem também foi utilizada por Enache e Srivastava (2018) e Machado e Galdi (2023) e adotada na presente pesquisa, conforme descrito no tópico 3.2.

Eisfeldt et al. (2022) demonstraram que o fator de valor com ativo intangível precifica tão bem ou melhor que o tradicional e proporcionou maiores retornos no mercado americano. Essa melhoria na performance ocorreu principalmente em décadas mais recentes, quando os retornos de value investing declinaram nos EUA. Amenc et al. (2020) testaram soluções alternativas ao valor contábil das ações, com a inclusão de outros indicadores que relacionam o preço da ação com fundamentos financeiros, como vendas, lucros e fluxos de caixa. Os resultados demonstraram que nenhuma dessas alternativas superou o fator de valor com a inclusão de ativos intangíveis no valor patrimonial da ação. Autores como Arnott et al. (2021) e Park (2022) também obtiveram melhorias no fator de valor com a capitalização de ativos intangíveis. Demonstraram diferenças expressivas tanto para retornos futuros quanto para a estratégia HML. O estudo de Li (2021), aplicado aos mercados europeu e asiático, obteve resultados na mesma linha dos anteriores, aplicados ao mercado americano.

Se por um lado faltam estudos com essa proposta no Brasil, por outro há evidências sobre a importância dos ativos intangíveis, uma vez que afetam a qualidade das informações contábeis (Machado, 2023) e são relevantes para os investidores (Machado & Galdi, 2023; Pacheco & Rover, 2020). Assim, foram formuladas as hipóteses de pesquisa:

H1a - O B/M, ajustado pela capitalização de ativos intangíveis gerados internamente, tem maior poder explicativo para o retorno das ações do que o B/M tradicional.

H1b - O B/M, ajustado pela capitalização de ativos intangíveis gerados internamente, proporciona melhoria na performance do fator de valor.

Espera-se que os resultados sejam conforme aqueles apresentados na literatura internacional. Apesar de haver diferenças no ambiente informacional e no desenvolvimento dos mercados, espera-se que os ativos intangíveis gerados internamente impactem os retornos das ações e estratégias de valor também no mercado brasileiro, dado seu potencial de geração de benefício futuro para as empresas nacionais, como constatado por Machado e Galdi (2023).

3. METODOLOGIA

3.1 Amostra

A amostra do estudo foi composta pelas empresas listadas na B3 S.A. - Brasil Bolsa Balcão durante todo o período de vigência do Pronunciamento Técnico CPC 04 (R1) (CPC, 2010), documento que orienta o tratamento contábil dos ativos intangíveis, de 2011 a 2022. Isso ocorreu para que fosse analisado o efeito informacional da aplicação contínua desse pronunciamento. A princípio foram obtidas 402 companhias das quais foram excluídas: serviços financeiros, holdings e participações, recuperação judicial ou extrajudicial, patrimônio líquido negativo e firmas que não tinham capital listado no período de análise.

Dado o pequeno número de empresas listadas, as informações foram consideradas em nível de ativos, ou seja, firmas com ações preferenciais e ordinárias foram tratadas como dois ativos diferentes. Excluíram-se as observações negativas para as estimativas de ativos intangíveis gerados internamente, sendo Maint (Eq. 4) e Invest (Eq. 5), conforme explicação no tópico Estimativa do capital organizacional (InvestmentMainSG&A), exclusão também realizada pelos autores que propõem o modelo (Enache & Srivastava, 2018). A capitalização de ativos intangíveis fez com que algumas observações com patrimônio líquido negativo passassem a ser positivas, as quais foram retornadas à amostra. Observações com falta de informações na base de dados foram excluídas.

Como as carteiras montadas foram rebalanceadas nos meses de junho, conforme explanação no tópico 3.3, o estudo compreendeu observações no período de julho de 2011 a junho de 2022, totalizando 132 meses. Mediante esses critérios de filtragem, a amostra foi composta por 156 empresas, 194 ativos e 15.762 observações, conforme a Tabela 1.

Tabela 1
Seleção da amostra

Amostra inicial de empresas	402
(-) Serviços financeiros	(59)
(-) Holdings e participações	(35)
(-) Recuperação judicial e extrajudicial	(19)
(-) Patrimônio líquido negativo	(19)
(-) Empresas sem capital listado no período	(114)
= Total de empresas	156
(+) Empresas com ações PN	38
= Total de ativos	194
= Observações esperadas (194 ativos × 132 meses)	25.608
(-) Maint e Invest negativos	(9.013)
(-) Valores faltantes	(932)
(+) Mudança no PL (negativo ( positivo)	99
= Total de observações	15.762

• PL = patrimônio líquido; PN = ações preferenciais.
• Fonte: Elaborada pelos autores.

Foram utilizadas as informações da base de dados Economatica^® e processadas no software STATA^® versão 17.0. A sequência metodológica prosseguiu nas seguintes etapas: (a) estimação e capitalização dos ativos intangíveis gerados internamente, alterando o valor contábil das ações e o fator de valor (subitem 3.2); (b) cálculo dos indicadores para caracterização das ações nos fatores de risco e formação dos portfólios em cada fator (subitem 3.3); e (c) regressão de retornos cross-section e no modelo de cinco fatores (subitem 3.4).

3.2 Ajustes pela Capitalização de Ativos Intangíveis Gerados Internamente

Os ativos intangíveis gerados internamente foram capitalizados utilizando-se o inventário permanente, conforme Eisfeldt et al. (2022), Iqbal et al. (2025), Li (2021) e Park (2022). Esse método capitaliza os investimentos em P&D (proxy para capital de conhecimento) e a parcela intangível das despesas SG&A (proxy para capital organizacional). Esses investimentos são relevantes no mercado brasileiro, segundo Machado e Galdi (2023). A capitalização desses ativos demanda estimativa de vida útil para amortização. Tendo em vista a dificuldade de determinação precisa, são utilizadas estimativas baseadas em estudos anteriores. Li (2021) e Peters e Taylor (2017) defendem essa abordagem afirmando que geram resultados que não diferem significativamente de procedimentos mais complexos.

Como o valor patrimonial das ações é alterado trimestralmente, os ativos intangíveis gerados internamente foram estimados considerando atualizações de saldo em bases trimestrais. Para que o book value seja regredido com retornos mensais, os valores de ativos intangíveis a serem capitalizados no trimestre foram igualmente distribuídos nos meses que o compõem, até que sejam atualizados no próximo trimestre, com a próxima divulgação. A sequência que resulta no ajuste do book value, B/M e fator de valor é apresentada a seguir.

3.2.1 Estimativa do capital de conhecimento (P&D)

As empresas acumulam capital de conhecimento mediante investimentos em ciência e tecnologia. As inovações e avanços conquistados melhoram a qualidade de produtos e serviços, contribuindo com benefícios no longo prazo. Assim, o capital de conhecimento (K) foi estimado da seguinte maneira, baseando-se em Iqbal et al. (2025), Li (2021) e Park (2022):

$$K_{i,t}={(1-\delta }_{i,P\&D})\times K_{i,t-1}+{P\&D}_{i,t}$$ (2)

Por inventário permanente, o capital de conhecimento (K) da empresa i, no período t, é determinado pelo saldo anterior desse capital (K_i,t-1 ), descontada a amortização dada por δ, considerando 15%, conforme Iqbal et al. (2025) e Li (2021), e, posteriormente, somado o investimento em P&D da empresa i em t. Atribuiu-se 0 para o saldo inicial da primeira observação. Mediante a Eq. 2, o valor capitalizado no final do período refere-se à soma do saldo anterior não amortizado com os investimentos correntes.

3.2.2 InvestmentMainSG&A

O investimento intangível em capital organizacional é difícil de ser medido, pois não é reportado separadamente. Estudos tentaram dirimir essa limitação, seja considerando o total de SG&A (Banker et al., 2019) ou uma fração das despesas gerais, como 20% (Ewens et al., 2021) e 30% (Eisfeldt & Papanikolaou, 2014; Peters & Taylor, 2017). Porém, algumas críticas impedem a utilização dessas abordagens no presente estudo. A separação de gastos, conforme Banker et al. (2019), pode superestimar os investimentos em ativos intangíveis. E também as frações obtidas por Eisfeldt e Papanikolaou (2014), Ewens et al. (2021) e Peters e Taylor (2017), nos EUA, podem ser diferentes no Brasil devido a aspectos conjunturais que impactam esses investimentos e o ambiente informacional que influencia seu reconhecimento no resultado.

Dada a diversidade de métricas, utilizou-se o modelo proposto por Enache e Srivastava (2018), utilizado por Iqbal et al. (2025) e Lev e Srivastava (2022), nos EUA, e Machado e Galdi (2023), no Brasil. Esse procedimento consiste em regressões para estimar a parcela de despesas que tem maior relação com receitas futuras. Foram deduzidos, do total de SG&A, os gastos com P&D. Na parcela remanescente, denominada MainSG&A, são estimados os montantes que correspondem a despesas do período (MaintenanceMainSG&A) e a investimentos em ativos intangíveis (InvestmentMainSG&A), mediante três equações:

$${MainSG\&A}_{i,t}={\alpha }_{i,t}+{\beta }_{1,i,t}\times {Revenues}_{i,t}+{\beta }_{2,i,t}\times {Dummy\_Revenue\_Decrease}_{i,t}+{\beta }_{3,i,t}\times {Dummy\_Loss}_{i,t}+{\epsilon }_{i,t}$$ (3)

$${\widehat{MaintenanceMainSG\&A}}_{i,t}={\widehat{\beta }}_{1,i,t}\times {Revenues}_{i,t}$$ (4)

$${\widehat{InvestmentMainSG\&A}}_{i,t}={MainSG\&A}_{i,t}-\widehat{{MaintenanceMainSG\&A}_{i,t}}$$ (5)

A Eq. 3 regride MainSG&A com receitas correntes (ambos escalonados por ativo total) e variáveis dummies para controle de queda nas vendas (Dummy_Revenue_Decrease) e prejuízo (Dummy_Loss). A separação entre despesas e investimentos ocorre nas Eqs. 4 e 5, enquanto, sob a perspectiva do usuário da informação, MaintenanceMainSG&A deveria ser tratado como despesa por fazer matching com receitas correntes, mas InvestmentMainSG&A deveria ser capitalizado por fazer matching com receitas futuras. Como se trata de estimativa, Enache e Srivastava (2018) ressaltam que não é possível identificar com exatidão esses ativos. Assim, a principal limitação do modelo reside no fato de que esse não responde a gastos improdutivos ou que se relacionam tanto com período corrente quanto futuro.

Utilizando o inventário permanente, o capital organizacional (O) foi estimado da seguinte maneira, embasando-se em Iqbal et al. (2025), Li (2021) e Park (2022):

$$O_{i,t}={(1-\delta }_{i,SG\&A})\times O_{i,t-1}+{InvestmentMainSG\&A}_{i,t}$$ (6)

Trata-se da parcela das despesas gerais que se refere ao investimento em capital organizacional da empresa i em t (InvestmentMainSG&A_i,t ), somado ao saldo anterior desse investimento (O_i,t-1 ) e descontada a amortização (δ) estimada em 20%, seguindo Eisfeldt et al. (2022), Park (2022) e Peters e Taylor (2017). Foi atribuído 0 para o saldo inicial do capital organizacional da primeira observação. Assim, o capital organizacional a ser capitalizado refere-se ao saldo não amortizado do período anterior somado aos investimentos correntes.

3.2.3 Ajuste do fator de valor

O capital intangível total a ser capitalizado diz respeito à soma do capital de conhecimento (K) (Eq. 2) com o capital organizacional (O) (Eq. 6), conforme a Eq. 7:

$${Intan\_Cap}_{i,t}=K_{i,t}+O_{i,t}$$ (7)

Sendo Intan_Cap a proxy para ativos intangíveis gerados internamente a serem capitalizados, a qual foi considerada por meio da divisão pelo número de ações. Posteriormente, o valor patrimonial da ação foi ajustado para os ativos intangíveis (BV^int ) ao adicionar o capital intangível ao book value original (BV):

$${BV}_{i,t}^{int}={BV}_{i,t}+{Intan\_Cap}_{i,t}$$ (8)

Por fim, foi calculado o novo B/M (iB/M) mediante a relação entre o book value ajustado e o valor de mercado das ações:

$${iB/M}_{i,t}={BV}_{i,t}^{int}/M_{i,t}$$ (9)

O B/M ajustado pela capitalização de ativos intangíveis gerados internamente foi utilizado para reconstruir o fator de valor do modelo de cinco fatores, conforme a Eq. 1. Esse novo fator foi denominado iHML, apresentado, a seguir, juntamente com os demais.

3.3 Modelo de Cinco Fatores

A Tabela 2 apresenta a construção dos fatores de risco inclusos na Eq. 1:

Tabela 2
Construção dos fatores de risco

Painel A - Variáveis utilizadas para montagem dos portfólios
Variável	Fórmula	Descrição
Tamanho	${VM}_{i,t}=P_{i,t}\times N_{i,t}$	VMi,t = valor de mercado da empresa i no período t; Pi,t = cotação da ação i no período t; Ni,t = número de ações i em circulação em t.
Book-to-market	${B/M}_{i,t}=\frac{{PL}_{i,t}}{{VM}_{i,t}}$	B/Mi,t = book-to-market da empresa i no período t; PLi,t = patrimônio líquido da empresa i em t; VMi,t = valor de mercado da empresa i em t.
Lucratividade	${Lucr}_{i,t}=\frac{{Lop}_{i,t}}{{PL}_{i,t}}$	Lucri,t = lucratividade da empresa i no período t; Lopi,t = lucro operacional da empresa i em t; PLi,t = patrimônio líquido da empresa i em t.
Investimento	${Inv}_{i,t}=\frac{({AT}_{i,t}-{AT}_{i,t-1})}{{AT}_{i,t}}$	𝐼𝑛𝑣 𝑖,𝑡 = investimento da empresa i no período t; ATi,t = ativo total da empresa i em t; ATi,(t-1) = ativo total da empresa i em t-1.
Painel B - Fatores de risco
Fator	Fórmula	Descrição
Valor (HML)	${HML}_t={\stackrel{-}{R}}_{H,t}-{\stackrel{-}{R}}_{L,t}$	Diferença entre os retornos médios dos portfólios com alto (high - H) e baixo (low - L) book-to-market em t.
Valor ajustado por ativos intangíveis (iHML)	${iHML}_t={\stackrel{-}{R}}_{iH,t}-{\stackrel{-}{R}}_{iL,t}$	Diferença entre os retornos médios dos portfólios com alto (high - iH) e baixo (low - iL) book-to-market ajustado por ativos intangíveis (iB/M) em t.
Mercado (MKT)	${MKT}_{i,t}={\stackrel{-}{R}}_{mercado,t}-{\stackrel{-}{R}}_{CDI,t}$	Diferença dos retornos médios ponderados pelo valor de mercado das ações da amostra e o retorno mensal do Certificado de Depósito Interbancário.
Tamanho (SMB)	${SMB}_t={\stackrel{-}{R}}_{S,t}-{\stackrel{-}{R}}_{B,t}$	Diferença entre os retornos médios dos portfólios de ações small (S) e big (B) em t.
Lucratividade (RMW)	${RMW}_t={\stackrel{-}{R}}_{R,t}-{\stackrel{-}{R}}_{W,t}$	Diferença entre retornos médios dos portfólios de ações com desempenho robusto (R) e fraco (W) em t.
Investimento (CMA)	${CMA}_t={\stackrel{-}{R}}_{C,t}-{\stackrel{-}{R}}_{A,t}$	Diferença entre retornos médios em portfólios com investimentos conservadores (C) e agressivos (A) em t.

• Fonte: Adaptada de Fama e French (1993, 2015) e Maciel et al. (2021).

Para a montagem dos portfólios, conforme as características das ações, foram calculados os indicadores do Painel A. Conforme os resultados de cada ação, essas foram selecionadas ou descartadas na construção dos fatores de risco, conforme o Painel B. Para o fator de valor, tanto HML baseado no B/M original quanto iHML baseado no B/M ajustado, as ações foram separadas em três grupos conforme os percentis de B/M e iB/M, sendo 30% com valores menores (low), 40% com valores medianos (medium) e 30% com valores maiores (high). O retorno do fator é calculado pela diferença entre os portfólios high e low. O fator de mercado (MKT) foi obtido pela diferença entre os retornos mensais médios ponderados pelo valor de mercado mensal de todas as ações da amostra em cada ano e o retorno mensal do Certificado de Depósito Interbancário. Quanto aos demais fatores, RMW e CMA são separados da mesma forma que HML, sendo observações com valores 30% superiores e 30% inferiores, respectivamente para lucratividade e investimento. Para tamanho (SMB), a separação ocorreu conforme a mediana de valor de mercado, resultando em small (S) e big (B). Os retornos dos fatores são obtidos pelas diferenças entre as duas carteiras formadas em cada fator.

Segundo esses critérios, formaram-se portfólios em junho de cada ano, considerando seus retornos mensais de julho do ano t até junho de t+1. Esse procedimento de rebalanceamento das carteiras proporcionou um total de 120 portfólios. Os retornos mensais das carteiras referem-se aos retornos dos ativos ponderados pela sua participação no portfólio em t.

3.4 Procedimentos Estatísticos e Econométricos

As variáveis foram winsorizadas a 1% para dirimir os efeitos de valores extremos. Para analisar se iB/M é superior a B/M na predição de retornos das ações, foram estimadas regressões cross-section de Fama e Macbeth (1973), dada a ampla utilização e aceitação na literatura. Como se consideram os retornos em bases mensais, tanto iB/M quanto B/M foram calculados nessa mesma base conforme as alterações trimestrais do book value. As regressões foram estimadas em três etapas, considerando defasagens de 1, 2 e 3 meses nas variáveis independentes. Como não houve diferença relevante nos coeficientes, foram apresentados os resultados com defasagem de 1 mês. Foi utilizado o procedimento White para que os erros-padrão sejam robustos à heterocedasticidade.

Para analisar o efeito dos ativos intangíveis no modelo de cinco fatores, o fator de valor ajustado pela capitalização desses ativos foi testado para verificar se contribui para o poder preditivo do modelo. Isso foi feito por meio de regressão com os demais fatores, procedimento denominado spanning regression, baseado em Arnott et al. (2021), Li (2021) e Park (2022). Os resultados apontaram nessa direção, sendo o intercepto positivo e significativo.

Finalmente, foram estimadas regressões com HML e com iHML. Foi utilizado o teste z para verificar se a diferença entre os coeficientes é significativa. Esse procedimento, juntamente com a regressão de Fama e Macbeth (1973), proveu subsídios que vão ao encontro das hipóteses da pesquisa. Cumpre salientar que foi controlado o efeito da covid-19 por meio de variável dummy, dado o impacto desse período tanto nos retornos das ações quanto nos números divulgados, baseando-se em Bravo et al. (2023), que demonstraram que, nessa crise, houve maior incidência de impairment em ativos intangíveis do que em ativos imobilizados.

Adicionalmente, realizaram-se testes para buscar maior robustez. Foi estimada a regressão de Fama e MacBeth (1973) e calculados os retornos das estratégias HML e iHML, considerando a inclusão de instituições financeiras; para as empresas que têm ações ordinárias e preferenciais, manteve-se apenas a mais negociada. Foram também estimadas regressões com os fatores de risco divulgados pelo Centro de Pesquisa em Finanças da Faculdade de Economia, Administração, Contabilidade e Atuária da Universidade de São Paulo (FEA/USP-Nefin). Os resultados de ambos os testes apontaram para as mesmas constatações inicialmente obtidas.

4 ANÁLISE E DISCUSSÃO DOS RESULTADOS

4.1 Estatística Descritiva

A Tabela 3 apresenta a estatística descritiva das variáveis.

Tabela 3
Estatística descritiva

	Média	Desvio-padrão	Coef. Var.	Mínimo	Máximo
B/M	1,0279	0,9331	0,9078	0,0684	4,9708
iB/M	1,4921	1,4620	0,9798	0,1627	8,2874
K	0,0087	0,0262	3,0115	0,0000	0,1508
O	0,1802	0,1747	0,9695	0,0000	0,8015
Intan_Cap	0,1900	0,1828	0,9621	0,0000	0,8564
Vlr Merc	11,2000	3.0050	2,7273	38,0000	2,2800
Lucratividade	0,0518	0,1651	3,1873	-0,9268	0,6048
ret	0,0102	0,1139	11,1667	-0,2875	0,4139
ret-1	0,0113	0,1143	10,1150	-0,2878	0,4256
ret-2-12	0,1305	0,4430	3,3946	-0,6231	1,9539

• B/M = book to market; iB/M = B/M ajustado pela capitalização de ativos intangíveis; Intan_Cap = capital intangível escalonado por ativo total; K = capital de conhecimento escalonado por ativo total; Lucratividade = lucro operacional dividido por patrimônio líquido; O = capital organizacional escalonado por ativo total; ret = retorno mensal das ações; ret-1 = retorno do mês anterior; ret-2-12 = retorno do 2º ao 12º mês anterior; Vlr Merc = valor de mercado em R$ milhões.
• Fonte: Elaborada pelos autores.

Nota-se que a capitalização de ativos intangíveis proporcionou maior média de iB/M em relação a B/M. Sendo esse indicador um dos fundamentos para ações de valor e de crescimento, isso denota que pode haver mudança significativa na classificação desses ativos. O ajuste proposto faz com que iB/M apresente maior desvio-padrão ao trazer ativos intangíveis que refletem heterogeneidade e particularidades de empresas e setores. Essa elevada dispersão também é observada nas demais variáveis relacionadas a ativos intangíveis (K, O e Intan_Cap).

A variável Intan_Cap, que representa o capital intangível reportado na demonstração do resultado, apresenta média de R$ 0,19 para cada R$ 1,00 de ativo. Em outras palavras, o volume de investimento em ativos intangíveis gerados internamente e que foram tratados como despesa foi de 19% do total de ativos. Esse volume é baixo se comparado com o montante próximo a 50% apurado por Enache e Srivastava (2018) no mercado americano. Isso reflete características de mercado emergente, no qual investimentos em inovação e conhecimento são incipientes em comparação com mercados desenvolvidos. Isso pode ser observado no Global Innovation Index (World Intellectual Property Organization, 2022), que rastreia as tendências de inovação dos países. Enquanto os EUA ocuparam o 2º lugar em 2022, o Brasil figurou na 54ª colocação. O capital intangível é predominantemente composto por capital organizacional, atingindo 18% do total de ativo, superior ao capital de inovação, equivalente a menos de 1%. Isso se deve ao fato de que, enquanto todas as empresas praticam o primeiro tipo de investimento, um menor número investe em inovação e, mesmo nessas empresas, os dispêndios para capital organizacional são maiores. Isso reflete baixos investimentos em ciência e tecnologia no Brasil.

Em média, os ativos da amostra obtiveram retorno de 1,02% ao mês no período estudado. Esse valor deve ser analisado com cautela, dada a alta oscilação em relação às demais variáveis. Os outros retornos também apresentaram elevada dispersão, refletindo volatilidade do mercado.

4.2 Teste da H1a: Associação com Retornos Futuros

Para verificar o poder explicativo dos ativos intangíveis gerados internamente, foi utilizado o modelo de Fama e MacBeth (1973). A Tabela 4 demonstra os resultados considerando B/M, iB/M e a decomposição da parcela intangível entre capital de inovação e organizacional.

Tabela 4
Regressões de Fama e MacBeth (1973)

ret	Modelo com B/M (1)		Modelo com iB/M (2)		Modelo com decomposição de Intan_Cap (3)
	coef	t-stat	coef	t-stat	coef	t-stat
logB/M	0,0453***	3,23			0,0289**	2,03
logiB/M			0,0703***	5,86
logK					0,1882**	1,99
logO					0,0534***	5,06
logSize	-0,0324***	-5,92	-0,0220***	-3,93	-0,0392***	-6,97
profit	0,0266***	4,24	0,0287***	4,61	0,0300***	4,77
ret(t-1)	-0,0113	-1,41	-0,0100	-1,24	-0,0133*	-1,66
ret(t-12,t-2)	0,0136***	5,89	0,0141***	6,14	0,0124***	5,35
Intercepto	0,2020***	5,41	0,1236***	3,22	0,2382***	6,26
Observações	15.762		15.762		15.762
R² Adj	0,0269		0,0339		0,01
Hausman/effect	0,0000/F		0,0000/F		0,0000/F
Prob>F	0,0000		0,0000		0,0000
Wald	0,0000		0,0000		0,0000
z-stat	-3,3637***				-
${ret}_{i,t}={\alpha }_{i,t}+{\beta }_{1,i,t}\times {logB/M}_{i,t}+{\beta }_{2,i,t}\times {logSize}_{i,t}+{\beta }_{3,i,t}\times {profit}_{i,t}+{\beta }_{4,i,t}\times {ret}_{i,t-1}+{\beta }_{5,i,t}\times {ret}_{i,t-12;t-2}+{\epsilon }_{i,t}$
${ret}_{i,t}={\alpha }_{i,t}+{\beta }_{1,i,t}\times {\frac{logiB}{M}}_{i,t}+{\beta }_{2,i,t}\times {logSize}_{i,t}+{\beta }_{3,i,t}\times {profit}_{i,t}+{\beta }_{4,i,t}\times {ret}_{i,t-1}+{\beta }_{5,i,t}\times {ret}_{i,t-12;t-2}+{\epsilon }_{i,t}$
${ret}_{i,t}={\alpha }_{i,t}+{\beta }_{1,i,t}\times {logB/M}_{i,t}+{\beta }_{2,i,t}\times {logK}_{i,t}+{\beta }_{3,i,t}\times {logO}_{i,t}+{\beta }_{4,i,t}\times {logSize}_{i,t}+{\beta }_{5,i,t}\times {profit}_{i,t}+{\beta }_{6,i,t}\times {ret}_{i,t-1}+{\beta }_{7,i,t}\times {ret}_{i,t-12;t-2}+{\epsilon }_{i,t}$

• Nota: Teste z na hipótese nula: β₁ logiB/M=β₁ logB/M.
• B/M = book to market; iB/M = B/M ajustado pela capitalização de ativos intangíveis; logB/M = logaritmo natural do B/M; logiB/M = logaritmo natural do B/M ajustado pela capitalização dos ativos intangíveis; logK = logaritmo natural do capital de conhecimento; logO = logaritmo natural do capital organizacional; logSize = logaritmo natural do valor de mercado; profit = lucro operacional dividido por patrimônio líquido; ret = retorno mensal das ações; ret(t-1) = retorno do mês anterior; ret(t-12, t-2) = retorno do 2º ao 12º mês anterior.
• *** = significante a 1%; ** = significante a 5%; * = significante a 10%.
• Fonte: Elaborada pelos autores.

Nota-se que B/M é positivo e significativo, corroborando evidências sobre seu poder preditivo para os retornos das ações no mercado brasileiro (Maciel et al., 2021). Como esse índice é um dos fundamentos para seleção de ações de valor, o sinal positivo denota que value stocks performaram melhor do que growth stocks no período estudado.

A variável iB/M retornou elevada significância e maior coeficiente em relação a B/M, testado pela estatística z. Isso demonstra que o book value ajustado por ativos intangíveis explica melhor os retornos das ações em relação à medida tradicional, denotando melhoria no poder preditivo da informação contábil. A capitalização de ativos intangíveis trouxe conteúdo informacional relevante para o B/M, aumentando sua associação com retornos. Esse resultado está de acordo com Li (2021) e Park (2022), os quais também constataram melhorias provenientes desse ajuste ao utilizarem as regressões de Fama e MacBeth (1973).

Na coluna 3, capital de inovação (K) e capital organizacional (O) retornaram significância estatística de 5% e 1%, respectivamente, denotando que o último tem maior contribuição na melhora do poder preditivo do B/M. A menor significância para inovação pode refletir que, apesar de menores investimentos nessa área, conforme demonstrado na estatística descritiva, sua divulgação carrega conteúdo informacional e contribui para o poder preditivo. Evidencia-se que os investidores atribuem importância a esse tipo de capital como elemento que proporciona vantagem competitiva e continuidade das operações. Isso é um reforço para que as atividades de P&D continuem sendo evidenciadas separadamente.

Em todas as regressões, os coeficientes obtidos para as variáveis de controle foram significativos e retornaram sinais similares aos estudos de Li (2021) e Park (2022). O sinal positivo para lucratividade e retorno defasado em 12 meses demonstra que desempenho operacional e fator momento influenciam os retornos das ações. Em contrapartida, retorno defasado em 1 mês e valor de mercado retornaram sinal negativo, refletindo reversões de preços de curto prazo, pois small caps tendem a render maiores retornos que large caps.

Para testar a robustez dos resultados, os procedimentos descritos na Tabela 4 foram conduzidos com a inclusão de instituições financeiras e, para as empresas que têm mais de um tipo de ações, foi mantida apenas a mais negociada. Os resultados apontaram para as mesmas conclusões, pois mantiveram-se as significâncias.

Em análise adicional, foram estimadas as mesmas regressões por nível de intangibilidade. Pretende-se verificar os efeitos da capitalização mediante o volume de investimento intangível reportado como despesa e o volume já capitalizado. Foram utilizadas a intangibilidade via demonstração do resultado (Intan_Cap/Ativo Total) e via balanço patrimonial (Ativo Intangível/Ativo Total). Formaram-se dois grupos em cada verificação mediante a partição das observações abaixo e acima da mediana dos indicadores. Os resultados constam da Tabela 5.

Tabela 5
Regressões de Fama e MacBeth (1973) por nível de intangibilidade

Painel A - Intangibilidade pela demonstração do resultado
ret	Baixo Intan_Cap (1)		Baixo Intan_Cap (2)		Alto Intan_Cap (3)		Alto Intan_Cap (4)
	coef	t-stat	coef	t-stat	coef	t-stat	coef	t-stat
logB/M	0,0399*	1,82			0,0425**	2,09
logiB/M			0,0481**	2,33			0,0800***	4,44
logSize	-0,0282***	-3,31	-0,0242***	-2,77	-0,0439***	-5,35	-0,0274***	-3,08
profit	0,0341***	3,80	0,0350***	3,91	0,0199***	2,39	0,0219***	2,65
ret (t-1)	-0,0196*	-1,72	-0,0195*	-1,71	-0,0076	-0,66	-0,0046	-0,41
ret (t-12, t-2)	0,0112***	3,26	0,0113***	3,30	0,0141***	4,41	0,0152***	4,78
Intercepto	0,1809***	3,01	0,1515***	2,44	0,2678***	4,96	0,1467***	2,46
Observações	7.881		7.881		7.881		7.881
R² Adj	0,007		0,008		0,0113		0,0134
Hausman/effect	0,0000/F		0,0000/F		0,0000/F		0,0000/F
Prob>F	0,0000		0,0000		0,0000		0,0000
Wald	0,0000		0,0000		0,0000		0,0000
Painel B - Intangibilidade pelo balanço patrimonial
ret	Baixo AI/AT (1)		Baixo AI/AT (2)		Alto AI/AT (3)		Alto AI/AT (4)
	coef	t-stat	coef	t-stat	coef	t-stat	coef	t-stat
logB/M	0,0809***	3,58			0,0306*	1,58
logiB/M			0,0892***	4,91			0,0721***	4,07
logSize	-0,0204**	-2,18	-0,0125	-1,35	-0,0413***	-5,82	-0,0285***	-3,81
profit	0,0204***	2,54	0,0230***	2,88	0,0298***	3,72	0,0314***	3,95
ret (t-1)	-0,0098	-0,85	-0,0093	-0,81	-0,0165	-1,45	-0,0139	-1,23
ret (t-12, t-2)	0,0128***	4,04	0,0125***	3,97	0,0131***	3,79	0,0147***	4,26
Intercepto	0,1071*	1,74	0,0500	0,82	0,2765***	5,52	0,1763***	3,30
Observações	7.881		7.881		7.881		7.881
R² Adj	0,0091		0,0107		0,0105		0,0123
Hausman/effect	0,0000/F		0,0000/F		0,0000/F		0,0000/F
Prob>F	0,0000		0,0000		0,0000		0,0000
Wald	0,0000		0,0000		0,0000		0,0000
z-stat	-0,9308				-
(1) ${ret}_{i,t}={\alpha }_{i,t}+{\beta }_{1,i,t}\times {logB/M}_{i,t}+{\beta }_{2,i,t}\times {logSize}_{i,t}+{\beta }_{3,i,t}\times {profit}_{i,t}+{\beta }_{4,i,t}\times {ret}_{i,t-1}+{\beta }_{5,i,t}\times {ret}_{i,t-12;t-2}+{\epsilon }_{i,t}$
(2)${ret}_{i,t}={\alpha }_{i,t}+{\beta }_{1,i,t}\times {logiB/M}_{i,t}+{\beta }_{2,i,t}\times {logSize}_{i,t}+{\beta }_{3,i,t}\times {profit}_{i,t}+{\beta }_{4,i,t}\times {ret}_{i,t-1}+{\beta }_{5,i,t}\times {ret}_{i,t-12;t-2}+{\epsilon }_{i,t}$

• Nota: Teste z na hipótese nula: β₁ logiB/M=β₁ logB/M.
• AI/AT = razão entre ativos intangíveis e ativos totais; logB/M = logaritmo natural do book to Market (B/M); logiB/M = logaritmo natural do B/M ajustado pela capitalização dos ativos intangíveis; logSize = logaritmo natural do valor de mercado; profit = lucro operacional dividido por patrimônio líquido; ret = retorno mensal das ações; ret(t-1) = retorno do mês anterior; ret(t-12, t-2) = retorno do 2º ao 12º mês anterior.
• *** = significante a 1%; ** = significante a 5%; * = significante a 10%.
• Fonte: Elaborada pelos autores.

O Painel A demonstra maior significância para iB/M em comparação com B/M, tanto nas empresas de baixa intangibilidade (colunas 1 e 2), quanto nas de alta intangibilidade (colunas 3 e 4), medida pelos investimentos intangíveis tratados como despesa. Assim, a melhoria no poder preditivo do indicador ocorreu em ambos os grupos. Mas a magnitude das mudanças em coeficiente e significância permite inferir sobre o conteúdo informacional do capital intangível adicionado ao book value. O incremento foi mais acentuado nas firmas de elevada intangibilidade, que trouxeram maiores volumes de capital intangível na capitalização. Nas empresas que praticam menores investimentos, a capitalização de volumes menores de ativos intangíveis proporcionou menor incremento no B/M. Isso constitui evidência de que a capitalização desses investimentos não se trata de inclusão de informação irrelevante. A comparação entre o iB/M das colunas 2 e 4 também aponta nessa direção, tendo em vista que a maior adição de capital intangível proporcionou maior incremento no B/M.

O Painel B demonstra que, segundo o nível de intangibilidade via balanço patrimonial, houve pouco incremento de B/M para iB/M nas firmas que têm poucos ativos intangíveis reconhecidos no ativo (colunas 1 e 2). A diferença não é significativa, pois não é possível discordar da hipótese de igualdade da estatística z. O menor incremento pode estar atrelado ao volume de investimentos em ativos intangíveis realizado pelas empresas, independentemente de serem capitalizados ou tratados como despesa. Tendo em vista que os ativos capitalizados estão sob maior evidenciação do que aqueles tratados como despesa, a divulgação de pequena parcela no ativo pode refletir que a empresa não tem como política realizar elevados investimentos nesses recursos. Essa sinalização pode fazer com que investidores entendam que os ativos intangíveis contabilizados como despesa também não sejam relevantes nessas companhias. Como os itens de resultado estão sob menor evidenciação e com pouco esclarecimento sobre questões estratégicas, isso pode contribuir para a falta de entendimento por parte dos participantes.

As colunas 3 e 4 do Painel B permitem analisar os efeitos da capitalização proposta nas firmas que têm maiores volumes de ativos intangíveis no balanço patrimonial. Assim como nas regressões anteriores, obteve-se maior significância para iB/M em relação a B/M. Porém, nesse grupo, o poder preditivo do B/M é menor, sugerindo que podem haver ativos intangíveis capitalizados que não são relacionados ao potencial estratégico. Como há diferenças nas características de ativos intangíveis identificáveis (capitalizados) e não identificáveis (tratados como despesa), pois a essencialidade estratégica não é refletida nos critérios de reconhecimento, esses dois grupos podem carregar conteúdo informacional diferente. Isso pode fazer com que ativos intangíveis que menos impactam a geração de receita sejam capitalizados; com isso, ativos que pouco refletem a orientação estratégica podem estar sob maior evidenciação. Estudos que vão nessa linha são King et al. (2023), que constataram que o mercado diferencia a precificação de ativos intangíveis conforme seu potencial estratégico, refletindo diferenças no conteúdo informacional, e Pacheco e Rover (2020), que demonstraram vasta natureza dos itens inclusos no subgrupo ativo intangível do balanço patrimonial. Conforme esses autores, no Brasil, esse subgrupo é predominado por goodwill e concessões, havendo baixa participação de outros ativos estratégicos como marcas e patentes. Dessa forma, infere-se que os ativos intangíveis reportados na demonstração do resultado podem prover maior poder preditivo do que aqueles cujas regulações contábeis têm exigido capitalização. Por exemplo, investimentos relacionados à inovação, treinamento de funcionários e propaganda, tratados como despesas, podem ter maior impacto sobre fluxos de caixa futuros do que ativos intangíveis capitalizados apenas por serem identificáveis, como software. Os resultados advogam em favor da capitalização de ativos intangíveis gerados internamente, tendo em vista que o B/M ajustado tem mais significância na relação com os retornos das ações do que o original. Isso denota que a inclusão desses ativos no valor patrimonial da ação melhora o poder preditivo das informações contábeis. Essa constatação foi sustentada independentemente do nível de intangibilidade, indo ao encontro da H1a.

As evidências apresentadas nas tabelas 4 e 5 também estão na linha dos estudos de Gu et al. (2023) e Srivastava (2023), que ajustaram os prejuízos das firmas ao excluir os investimentos intangíveis inclusos nas despesas. Assim como esses autores demonstraram que os resultados divulgados se tornaram mais informativos após esse ajuste, as evidências aqui obtidas também demonstram que houve incremento informacional no book value após a capitalização desses ativos. Ou seja, os resultados de ambos os estudos sugerem que tratar os ativos intangíveis gerados internamente como despesa prejudica tanto a sinalização do resultado quanto do valor patrimonial da ação. Isso constitui um importante desafio a ser considerado pela academia e pelos profissionais da contabilidade, pois os resultados das pesquisas sugerem que o atual tratamento contábil desses ativos, essenciais para a vantagem competitiva e continuidade das operações, não esteja sinalizando corretamente as políticas de investimentos nesses recursos e, com isso, tem apresentado menor conteúdo informativo.

4.3 Teste da H1b: Estratégias HML/iHML e Modelo de Cinco Fatores

Mediante as mudanças nas classificações dos ativos e na composição das carteiras, podem haver diferenças significativas nos retornos da estratégia de valor. Para verificação, a Tabela 6 apresenta os resultados de risco, retorno e performance das estratégias HML e iHML.

Tabela 6
Comparação entre as estratégias HML e iHML

Painel A - Risco e retorno
	HML			iHML
	Value (30%) H	Growth (30%) L	HML	Value (30%) iH	Growth (30%) iL	iHML
E(R)	0,0230	0,0147	0,0089	0,0246	0,0139	0,0115
ϭ	0,0976	0,0472	0,0911	0,0879	0,0452	0,0777
Sharpe	0,1642	0,1384	0,0225	0,1845	0,1241	0,0484
Painel B - Performance
	y = HML (1)			y = iHML (2)
	Coef.	t-stat		Coef.		t-stat
HML				0,6828***		171,77
iHML	0,9546***	171,77
Intercepto	-0,0018***	-4,30		0,0051***	14,09
R² Adj	0,6518			0,6518
${HML}_t={\alpha }_i+b_i{iHML}_t+{\epsilon }_{it}$
${iHML}_t={\alpha }_i+b_i{HML}_t+{\epsilon }_{it}$

• *** = significante a 1%; ** = significante a 5%; * = significante a 10%.
• Fonte: Elaborada pelos autores.

O Painel A demonstra que o retorno do fator iHML foi de 1,15% ao mês, superando o retorno de HML (0,89%) e da amostra geral descrita na Tabela 2 (1,02%). O índice Sharpe também foi maior para essa estratégia, refletindo melhor relação risco e retorno, indo ao encontro dos estudos de Arnott et al. (2021), Eisfeldt et al. (2022) e Li (2021). Isso demonstra que a consideração do book value com ativos intangíveis capitalizados provê melhores fundamentos para decisões dos investidores, proporcionando melhor avaliação de seus investimentos no sentido de obter maior prêmio pelo risco assumido.

O maior retorno da estratégia iHML deve-se ao retorno superior da carteira high e inferior da carteira low. A carteira value, formada por ações provenientes do ajuste do book value, gerou retorno de 2,46% ao mês, superior à carteira de valor tradicional. Esse resultado está de acordo com Eisfeldt et al. (2022), que interpretam que a carteira de valor formada mediante capitalização de ativos intangíveis pode performar melhor que a tradicional, por evitar posições em firmas cujo valor patrimonial das ações não reflete seus fundamentos. Essa carteira também proporcionou melhor relação risco e retorno, conforme resultado do índice Sharpe. Esse indicador nas ações de valor foram, em ambas as situações, maior do que nas ações de crescimento, constituindo aspecto positivo em favor da estratégia de valor.

Com relação às carteiras growth, o maior retorno foi obtido pelo portfólio formado pelo B/M tradicional, com retorno de 4,72%, com melhor relação risco e retorno do que a carteira formada pelo B/M ajustado. A comparação entre as duas estratégias e os portfólios que as compõem demonstra que melhores resultados foram obtidos com posição longa nas ações value de iHML e posição curta nas ações growth de HML. Esses resultados também foram obtidos por Eisfeldt et al. (2022) e Li (2021). As escolhas entre as carteiras high e low proporcionaram melhores retornos e associação com o risco incorrido conforme o índice Sharpe.

O retorno da carteira de valor ajustada para ativos intangíveis denota que esses ativos também podem ser importantes para estratégias de value investing, pois a capitalização desses recursos proporcionou selecionar ativos com melhor performance de longo prazo. Os maiores retornos da amostra analisada foram obtidos com a posição longa em firmas com mais ativos intangíveis, que pode conter empresas com melhores fundamentos do que a posição longa da estratégia tradicional. Esses resultados permitem inferir que ativos intangíveis são importantes mesmo em empresas de setores tradicionais, comumente denominados setores da velha economia, que normalmente compõem as carteiras de ações value.

O Painel B demonstra a comparação de performance entre as duas estratégias por meio de regressão dos dois fatores de valor, conforme proposto por Eisfeldt et al. (2022). A regressão de HML sobre iHML (coluna 1) retornou alfa negativo e significativo, denotando menor performance da primeira estratégia. Em contrapartida, o coeficiente alfa da regressão que contém iHML como variável dependente (coluna 2) é positivo e significativo, refletindo o desempenho superior dessa estratégia, resultado similar ao encontrado por esses autores ao estudar o mercado americano. Isso corrobora a performance superior do fator de valor ajustado por ativos intangíveis demonstrado no Painel A. Esses resultados demonstram que a estratégia de valor, baseada na capitalização de ativos intangíveis gerados internamente, performou significativamente melhor. Essas evidências vão ao encontro da H1b.

Dada a melhor performance de iHML, foi regredido o modelo de cinco fatores para testar se esse fator tem maior potencial de precificação. Os resultados são apresentados na Tabela 7.

Tabela 7
Modelo de cinco fatores de Fama e French (2015)

Rit - Rft	Cinco fatores com HML (1)		Cinco fatores com iHML (2)			Spanning regression y = iHML (3)
	Coef.	t stat	Coef.	t stat	Coef.	t stat
HML	0,0271***	2,83
iHML			0,0716***	6,07
MKT	0,8661***	44,71	0,8460***	43,67	0,5251***	42,42
SMB	0,4093***	25,69	0,3843***	23,20	0,4093***	38,27
RMW	0,2980***	2,47	0,2901***	2,41	-0,1238	-1,52
CMA	0,0095	0,94	0,0115	1,13	-0,0448***	-6,55
Intercepto	-0,0021***	-2,53	-0,0025***	-3,05	0,0081***	14,41
R² Adj	0,1712		0,1728		0,1834
Hausman/effect	0,0000/F		0,0000/F		0,0000/F
Prob>F	0,0000		0,0000		0,0000
Wald	0,0000		0,0000		0,0000
z-stat	-3,1039***
(1) ${\mathrm{R}}_{\mathrm{i}\mathrm{t}}-{\mathrm{R}}_{\mathrm{f}\mathrm{t}}={\mathrm{\alpha }}_{\mathrm{i}}+{\mathrm{b}}_{\mathrm{i}}{\mathrm{H}\mathrm{M}\mathrm{L}}_{\mathrm{t}}+{\mathrm{s}}_{\mathrm{i}}{\mathrm{M}\mathrm{K}\mathrm{T}}_{\mathrm{t}}+{\mathrm{h}}_{\mathrm{i}}{\mathrm{S}\mathrm{M}\mathrm{B}}_{\mathrm{t}}+{\mathrm{r}}_{\mathrm{i}}{\mathrm{R}\mathrm{M}\mathrm{W}}_{\mathrm{t}}+{\mathrm{c}}_{\mathrm{i}}{\mathrm{C}\mathrm{M}\mathrm{A}}_{\mathrm{t}}+{\mathrm{\epsilon }}_{\mathrm{i}\mathrm{t}}$
(2) ${\mathrm{R}}_{\mathrm{i}\mathrm{t}}-{\mathrm{R}}_{\mathrm{f}\mathrm{t}}={\mathrm{\alpha }}_{\mathrm{i}}+{\mathrm{b}}_{\mathrm{i}}{\mathrm{i}\mathrm{H}\mathrm{M}\mathrm{L}}_{\mathrm{t}}+{\mathrm{s}}_{\mathrm{i}}{\mathrm{M}\mathrm{K}\mathrm{T}}_{\mathrm{t}}+{\mathrm{h}}_{\mathrm{i}}{\mathrm{S}\mathrm{M}\mathrm{B}}_{\mathrm{t}}+{\mathrm{r}}_{\mathrm{i}}{\mathrm{R}\mathrm{M}\mathrm{W}}_{\mathrm{t}}+{\mathrm{c}}_{\mathrm{i}}{\mathrm{C}\mathrm{M}\mathrm{A}}_{\mathrm{t}}+{\mathrm{\epsilon }}_{\mathrm{i}\mathrm{t}}$
(3) ${\mathrm{i}\mathrm{H}\mathrm{M}\mathrm{L}}_{\mathrm{i}\mathrm{t}}={\mathrm{\alpha }}_{\mathrm{i}}+{\mathrm{b}}_{\mathrm{i}}{\mathrm{M}\mathrm{K}\mathrm{T}}_{\mathrm{t}}+{\mathrm{s}}_{\mathrm{i}}{\mathrm{S}\mathrm{M}\mathrm{B}}_{\mathrm{t}}+{\mathrm{r}}_{\mathrm{i}}{\mathrm{R}\mathrm{M}\mathrm{W}}_{\mathrm{t}}+{\mathrm{c}}_{\mathrm{i}}{\mathrm{C}\mathrm{M}\mathrm{A}}_{\mathrm{t}}+{\mathrm{\epsilon }}_{\mathrm{i}\mathrm{t}}$

• Nota: Teste z para a hipótese nula: β₁ HML=β₁ iHML.
• R_it = retorno da ação i no período t; R_ft = retorno do ativo livre de risco em t.
• *** = significante a 1%; ** = significante a 5%; * = significante a 10%.
• Fonte: Elaborada pelos autores.

O intercepto (α_i ) diferente de 0 significa que as variações de retorno são explicadas pelo modelo. Os coeficientes do fator de valor foram 0,02 para HML (coluna 1) e 0,07 para iHML (coluna 2), diferença relevante dada a significância do teste z. O maior coeficiente para iHML demonstra que a capitalização de ativos intangíveis melhorou a precificação desse fator de risco. O retorno superior gerado por essa estratégia (Tabela 6) foi mantido ao controlar os demais fatores de risco. O R² ajustado apresentou pequeno aumento, de 17,12% para 17,28%, demonstrando que o fator de valor ajustado para ativos intangíveis precifica tão bem quanto o original, mas gera maiores retornos e menor volatilidade, conforme a Tabela 6.

Ao regredir iHML com os demais fatores (spanning regression), obteve-se intercepto positivo e significativo, denotando que sua utilização contribui para melhorar o modelo de cinco fatores. Esses resultados em favor de iHML reforçam a H1b, pois a utilização do B/M ajustado por ativos intangíveis conduziu à seleção de ações que proporcionaram melhor performance no fator de valor. Esses resultados vão ao encontro de estudos que serviram como suporte empírico para a presente pesquisa, como Amenc et al. (2020), Arnott et al. (2021), Eisfeldt et al. (2022), Iqbal et al. (2025), Lev e Srivastava (2022), Li (2021) e Park (2022).

Como a estratégia de valor baseia-se em posição de longo prazo em firmas com melhores fundamentos, a adição de ativos intangíveis ao valor contábil das ações proporciona melhores subsídios para seleção de ações value. Como esses investimentos são tratados como despesa, gerando retorno no longo prazo, o mercado pode levar tempo para perceber e precificar seu potencial de geração de benefícios, configurando mispricing desses ativos, conforme Banker et al. (2019). Esses autores demonstraram retornos positivos subsequentes em firmas com elevados ativos intangíveis inclusos nas despesas. Se gastos SG&A incluem componentes de despesas que reduzem lucros correntes e componentes de ativos que geram valor no futuro, então lucros de empresas com altos níveis de despesas tendem a ser subestimados devido ao tratamento contábil conservador. Se investidores fixam nos lucros, mas falham em entender esse efeito, as firmas serão subavaliadas no período corrente e terão retornos excessivos quando o mercado corrigir os preços. Dessa forma, a capitalização de ativos intangíveis enfatiza a característica de value investing pautada na aquisição de ações subvalorizadas com bons fundamentos, pois a correção de preço no longo prazo pode ser realçada por esses ativos. Como empresas de valor tendem a estar subavaliadas e ativos intangíveis são mais sensitivos ao mispricing, sua capitalização melhora o fator de valor por capturar a melhoria nos fundamentos, fazendo com que o investidor de longo prazo seja beneficiado na correção de preços.

No geral, os fatores valor, mercado, tamanho e lucratividade são aqueles que mais explicam as variações de retornos no mercado brasileiro. A única variável que não retornou significância foi CMA, denotando inexistência de prêmios de risco associados ao fator de investimento. Ao comparar os resultados dos fatores de valor com os demais fatores, nota-se que os primeiros retornaram coeficientes menores, o que também foi constatado por Iqbal et al. (2025). Uma possível explicação reside na queda de relevância das informações contábeis para o mercado. No entanto, a inclusão do fator de valor modificado pela capitalização de ativos intangíveis provocou queda nos coeficientes dos outros fatores e aumento expressivo no fator iHML. Isso constitui mais um indício de que a capitalização de ativos intangíveis pode aumentar o poder preditivo da informação contábil devido à sua maior associação com retornos.

Nos testes de robustez, tanto a análise de risco, retorno e performance, realizada com a inclusão de instituições financeiras e exclusão de ações menos negociadas para empresas que têm dois tipos de ativos, quanto a regressão com os fatores de risco divulgados pelo Nefin apontaram para superioridade de iB/M e iHML.

As evidências apresentadas são relevantes para o atual contexto de discussão sobre o conteúdo informacional de ativos intangíveis gerados internamente. Sua relação com o retorno das ações demonstra necessidade de melhoria no tratamento contábil desses recursos. A não capitalização de investimentos em ativos estratégicos que agregam valor no futuro pode confundir os usuários em prospecções e expectativas. Ainda, mesmo que não sejam capitalizados, sua divulgação aglomerada juntamente com as demais despesas prejudica o entendimento sobre sua geração de benefícios futuros. Apesar dos requisitos normativos para capitalização não serem relacionados à essencialidade estratégica, são necessárias melhorias nos níveis de divulgações para que esses investimentos sejam identificados mais facilmente e, com isso, haja melhoria na sinalização sobre o potencial futuro das firmas.

Embora o foco de regulação seja em balance approach, a abordagem income approach é mais inerente a valuation por facilitar projeções de resultados. Os lucros são mais úteis para estimar performance futura quanto maior for o matching do regime de competência, que pode ser melhorado pela capitalização e amortização de ativos intangíveis gerados internamente. Nesse âmbito, o trabalho teve como inovação trazer essa discussão para o cenário brasileiro, utilizando o mercado local como fonte de evidências. Estudos futuros podem avançar nessa vertente, trazendo tanto subsídios que apoiem ou refutem a capitalização quanto alternativas de divulgação separada desses ativos no resultado.

5. CONSIDERAÇÕES FINAIS

A falta de divulgação sobre os ativos intangíveis gerados internamente pode afetar a qualidade da informação contábil. Sendo o valor contábil das ações um dos principais elementos preditores de retorno das ações e amplamente utilizado para seleção de ativos, seu reporte sem a inclusão de recursos essenciais aos negócios proporciona desafios para valuation. Para contribuir para essa seara, a presente pesquisa amparou-se em evidências de estudos anteriores e propôs o ajuste do book value mediante a capitalização de ativos intangíveis gerados internamente, proporcionando um B/M mais acurado para explicar os retornos.

O desenvolvimento econométrico demonstrou que o B/M ajustado tem maior relação com o retorno das ações do que o indicador original. Essa melhoria ocorreu principalmente mediante a capitalização do capital organizacional. Esses resultados demonstram que a capitalização de ativos intangíveis gerados internamente proporciona maior poder preditivo para a informação contábil, provendo suporte para a H1a.

Ao estudar os efeitos da capitalização proposta, conforme o nível de intangibilidade, observou-se que, em todos os casos, houve incremento na relação entre B/M ajustado e retorno das ações. Essa melhoria foi mais enfática quando há maiores volumes de investimentos intangíveis, tanto tratados como ativos quanto como despesas. Adicionalmente, observou-se que, nas empresas que já tinham maiores volumes de ativos intangíveis capitalizados, o B/M original tem menor poder explicativo, indícios de que pode haver ativos intangíveis capitalizados com baixo potencial estratégico. Como as determinações regulatórias não distinguem características estratégicas dos ativos, é possível que ativos menos essenciais estejam sendo capitalizados, enquanto aqueles que mais impactam benefícios futuros estejam sendo tratados como despesa e sob menor evidenciação.

A estratégia de valor baseada em ativos intangíveis obteve retorno que superou a estratégia tradicional e a média da amostra, até mesmo apresentando melhor relação risco e retorno. Isso deveu-se ao melhor desempenho da carteira value formada por ações com o ajuste do book value. Como o valor contábil tradicional não captura ativos intangíveis essenciais aos negócios, o ajuste realizado proporcionou selecionar empresas com melhores fundamentos.

Finalmente, no modelo de cinco fatores, observou-se que o fator de valor ajustado tem maior potencial para precificar as ações, corroborando as pesquisas internacionais e indo ao encontro da H1b. Isso denota que os ativos intangíveis são importantes direcionadores de valor no mercado brasileiro, e sua capitalização pode aumentar a relevância das informações contábeis, trazendo maior utilidade na predição de retornos. Se esses ativos melhoram a habilidade para explicar retornos, então devem ser inclusos nas métricas de precificação.

Os resultados vão ao encontro de uma vasta literatura que critica o status quo da contabilização de ativos intangíveis e defende a contabilidade baseada no income approach (Barker et al., 2021; Dichev, 2017; Lev, 2019). Como o matching proporcionado pela capitalização contribui para a qualidade dos lucros, esperam-se lucros mais persistentes e com maior poder preditivo. Em contrapartida, o reporte de investimentos intangíveis como despesa pode causar prejuízo informacional, principalmente em firmas intangível-intensivas. Assim, a pesquisa avança a literatura sobre ativos intangíveis, trazendo abordagem metodológica e evidências que podem motivar novos estudos com o propósito de entender o conteúdo informacional dos ativos intangíveis, bem como alternativas para reconhecimento e divulgação.

Em âmbito prático, o trabalho ajuda a entender a relação entre ativos intangíveis e retornos das ações, constituindo ferramenta de análise para investidores focados em value investing, de forma que possam estimar esses ativos e considerar seu impacto nos investimentos de longo prazo. Também contribui para analistas, ao auxiliá-los em sua identificação para inclusão em suas prospecções futuras e melhor fundamentar suas recomendações. Em casos de prejuízo ou patrimônio líquido negativo, as evidências reportadas podem ajudar a entender essas divulgações, separando, no resultado, as perdas provenientes de atividades operacionais de perdas motivadas por práticas contábeis. Ademais, apresenta contribuição para os contadores e órgãos reguladores, por prover evidências para discussões sobre melhorias em divulgações. Essas contribuições são pertinentes na era do conhecimento, na qual a alta qualidade da informação contábil deve ser objetivo dos profissionais de contabilidade e exigência dos usuários.

Por fim, é importante considerar as limitações do estudo. Os preços dos ativos podem ser influenciados por eventos macroeconômicos e específicos das firmas. Como a não contemplação desses aspectos constitui uma limitação do modelo de cinco fatores, a ocorrência desses eventos pode não ter sido capturada pelo modelo. Ademais, os resultados estimados pelo modelo excess sensitivity para captação de ativos intangíveis devem ser considerados com cautela, por não responderem a investimentos improdutivos e a gastos que geram receitas correntes e futuras.

Em pesquisas futuras, recomenda-se testar adaptações aos filtros de ações de valor. Como a estratégia de valor foi desenvolvida na era dos ativos tangíveis, os critérios de seleção podem ser atualizados conforme os impactos dos ativos intangíveis nos fundamentos das firmas. Também é possível pesquisar os efeitos informacionais de divulgações de prejuízos motivados por tratamento contábil de ativos intangíveis ou por performance ruim.

Referências bibliográficas

• Amenc, N., Goltz, F., & Luyten, B. (2020). Intangible capital and the value factor: Has your value definition just expired? Journal of Portfolio Management, 46(7), 83-99. https://doi.org/10.3905/jpm.2020.1.161
  » https://doi.org/10.3905/jpm.2020.1.161
• Araújo, , B. A. Jr. , Medeiros, O. R., Caldas, O. V., & Silva, C. A. T. (2019). Misvaluation e viés comportamental no mercado de ações brasileiro. Revista Contabilidade & Finanças, 30(79), 107-122. https://doi.org/10.1590/1808-057x201805770
  » https://doi.org/10.1590/1808-057x201805770
• Arnott, R. D., Harvey, C. R., Kalesnik, V., & Linnainmaa J. T. (2021). Reports of value´s death may be greatly exaggerated. Financial Analysts Journal, 77(1), 43-67. https://doi.org/10.2139/ssrn.3488748
  » https://doi.org/10.2139/ssrn.3488748
• Banker, R. D., Huang, R., Natarajan, R., & Zhao, S. (2019). Market valuation of intangible asset: Evidence on SG&A expenditure. The Accounting Review, 94(6), 61-90. https://doi.org/10.2308/accr-52468
  » https://doi.org/10.2308/accr-52468
• Barker, R., Lennard, A., Penman, S., & Teixeira, A. (2021). Accounting for intangible assets: Suggested solutions. Accounting and Business Research, 52(6), 601-630. https://doi.org/10.1080/00014788.2021.1938963
  » https://doi.org/10.1080/00014788.2021.1938963
• Brand Finance. (2024). Global Intangible Finance Tracker/GIFT™ - The annual review of the world’s intangible value. https://brandirectory.com/reports/global-intangible-finance-tracker-gift/2024
  » https://brandirectory.com/reports/global-intangible-finance-tracker-gift/2024
• Bravo, A. S., Santana, V. F., & Sarquis, R. W. (2023). A incidência de impairment de ativos não circulantes diante da crise da covid-19. Revista Contabilidade & Finanças , 34(93). https://doi.org/10.1590/1808-057x20231775.pt
  » https://doi.org/10.1590/1808-057x20231775.pt
• Brown, J. R., Martinsson, G., & Petersen, B. C. (2013). Law, stock markets and innovation. The Journal of Finance, 68(4), 1517-1549. https://doi.org/10.1111/jofi.12040
  » https://doi.org/10.1111/jofi.12040
• Comitê de Pronunciamentos Contábeis. (2010). CPC 04 - (R1) Ativo intangível. https://www.cpc.org.br/CPC/Documentos-Emitidos/Pronunciamentos/Pronunciamento?Id=35
  » https://www.cpc.org.br/CPC/Documentos-Emitidos/Pronunciamentos/Pronunciamento?Id=35
• Dal Vesco, D. G., & Damke, F. (2024). Tapping the power of cooperation: Unveiling the impact of intangible capital on competitive advantage. Journal of Intellectual Capital, 25(5/6), 1285-1306. https://doi.org/10.1108/JIC-10-2023-0228
  » https://doi.org/10.1108/JIC-10-2023-0228
• Dichev, I. (2017). On the conceptual foundations of financial reporting. Accounting and Business Research, 47, 617-632. https://doi.org/10.1080/00014788.2017.1299620
  » https://doi.org/10.1080/00014788.2017.1299620
• Domingues, C. H. S., Aronne, A., Pereira, F., & Magalhães, F. (2022). Piotroski, Graham e Greenblatt: Abordagem empírica do value investing no mercado acionário brasileiro. Brazilian Business Review, 19(5), 475-491. https://doi.org/10.15728/bbr.2022.19.5.1.pt
  » https://doi.org/10.15728/bbr.2022.19.5.1.pt
• Dugar, A., & Pozharny, J. (2022). Equity investing in the age of intangibles. Financial Analysts Journal , 77(2), 20-42. https://doi.org/10.2139/ssrn.3770088
  » https://doi.org/10.2139/ssrn.3770088
• Eisfeldt, A. L., & Papanikolaou, D. (2014). The value and ownership of intangible capital. American Economic Review, 104(5), 189-194. https://doi.org/10.1257/aer.104.5.189
  » https://doi.org/10.1257/aer.104.5.189
• Eisfeldt, A. L., Kim, E. T., & Papanikolaou, D. (2022). Intangible value. Critical Finance Review, 11(2), 299-332. https://doi.org/10.2139/ssrn.3720983
  » https://doi.org/10.2139/ssrn.3720983
• Enache, L., & Srivastava, A. (2018). Should intangible investments be reported separately of commingled with operating expenses? New evidence. Management Science, 64(7), 3446-3468. https://doi.org/10.1287/mnsc.2017.2769
  » https://doi.org/10.1287/mnsc.2017.2769
• Ewens, M., Peters, R. H., & Wang, S. (2021). Measuring intangible capital with market prices [Working Paper]. Social Science Research Network. https://ssrn.com/abstract=3287437
  » https://ssrn.com/abstract=3287437
• Fama, E. F. & MacBeth, J. (1973). Risk, return and equilibrium: Empirical Tests. Journal of Political Economy, 81(3), 607-636. https://doi.org/10.1086/260061
  » https://doi.org/10.1086/260061
• Fama, E. F., & French, K. R. (1992). The cross-section of expected stock returns. Journal of Finance, 47(2), 427-465. https://doi.org/10.1111/j.1540-6261.1992.tb04398.x
  » https://doi.org/10.1111/j.1540-6261.1992.tb04398.x
• Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 33(1), 3-56. https://doi.org/10.1016/0304-405X(93)90023-5
  » https://doi.org/10.1016/0304-405X(93)90023-5
• Fama, E. F., & French, K. R. (2015). A five-factor asset pricing model. Journal of Financial Economics , 116(1), 1-22. https://doi.org/10.1016/j.jfineco.2014.10.010
  » https://doi.org/10.1016/j.jfineco.2014.10.010
• Gu, F., Lev, B., & Zhu, C. (2023). All losses are not alike: Real versus accounting-driven reported losses. Review of Accounting Studies, 28, 1141-1189. https://doi.org/10.1007/s11142-023-09799-0
  » https://doi.org/10.1007/s11142-023-09799-0
• Iqbal, A., Rajgopal, S., Srivastava, A., & Zhao, R. (2025). A better estimate of internally generated intangible capital. Management Science , 71(1), 731-752. https://doi.org/10.1287/mnsc.2022.01703
  » https://doi.org/10.1287/mnsc.2022.01703
• Kanodia, C., Sapra, H., & Venugopalan, R. (2004). Should intangibles be measured: What are the economic trade-offs? Journal of Accounting Research, 42(1), 89-120. https://doi.org/10.1111/j.1475-679X.2004.00130.x
  » https://doi.org/10.1111/j.1475-679X.2004.00130.x
• King, Z., Linsmeier, T. J., Wangerin, D. D. (2023). Differences in the value relevance of identifiable intangible assets. Review of Accounting Studies , 29. https://doi.org/10.1007/s11142-023-09810-8
  » https://doi.org/10.1007/s11142-023-09810-8
• Lev, B. (2019). Ending the accounting-for-intangibles status quo. European Accounting Review, 28(4), 713-736. https://doi.org/10.1080/09638180.2018.1521614
  » https://doi.org/10.1080/09638180.2018.1521614
• Lev, B., & Srivastava, A. (2022). Explaining the recent failure of value investing. Critical Finance Review , 11(2), 333-360. https://doi.org/10.1561/104.00000115
  » https://doi.org/10.1561/104.00000115
• Li, F. (2021). Intangibles: The missing ingredient in book value [Working Paper]. Social Science Research Network. https://doi.org/10.2139/ssrn.3686595
  » https://doi.org/10.2139/ssrn.3686595
• Machado, J. H. (2023). Ativos intangíveis e conservadorismo no mercado acionário brasileiro. Journal of Education and Research in Accounting, 17(1), 26-44. https://doi.org/10.17524/repec.v17i1.3164
  » https://doi.org/10.17524/repec.v17i1.3164
• Machado, J. H., & Galdi, F. C. (2023). Value relevance de ativos intangíveis gerados internamente: evidências no mercado brasileiro. XVII Congresso Anpcont, São Paulo, Brasil.
• Maciel, C. F., Amaral, H. F., Correia, L. F., & Cavalcanti, J. M. M. (2021). Performance do modelo de cinco fatores de Fama e French na precificação de anomalias no mercado brasileiro. Revista Contemporanea de Contabilidade, 18(49), 145-161. https://doi.org/10.5007/2175-8069.2021.e78962
  » https://doi.org/10.5007/2175-8069.2021.e78962
• Pacheco, J., & Rover, S. (2020). Relevância da natureza dos ativos intangíveis das companhias abertas para o mercado acionário brasileiro. Revista Universo Contábil, 16(2), 67-86. https://doi.org/10.4270/ruc.2020211
  » https://doi.org/10.4270/ruc.2020211
• Palazzo, V., Savoia, J. R. F., Securato, J. R., & Bergmann, D. R. (2018). Análise de carteiras de valor no mercado brasileiro. Revista Contabilidade & Finanças , 29(78), 452-468. https://doi.org/10.1590/rc&f.v29i78.150635
  » https://doi.org/10.1590/rc&f.v29i78.150635
• Park, H. (2019). Intangible assets and the book-to-market effect. European Financial Management, 25(1), 207-236. https://doi.org/10.1111/eufm.12148
  » https://doi.org/10.1111/eufm.12148
• Park, H. (2022). An intangible-adjusted book-to-market ratio still predicts stock returns. Critical Finance Review , 11(2), 265-297. https://doi.org/10.1561/104.00000100
  » https://doi.org/10.1561/104.00000100
• Peters, R., & Taylor, L. A. (2017). Intangible capital and the investment-q relation. Journal of Financial Economics , 123(2), 251-272. https://doi.org/10.1016/j.jfineco.2016.03.011
  » https://doi.org/10.1016/j.jfineco.2016.03.011
• Siqueira, L. S., Amaral, H. F., & Correia, L. F. (2017). O efeito do risco de informação assimétrica sobre o retorno de ações negociadas na BM&FBOVESPA. Revista Contabilidade & Finanças , 28(75), 425-444. https://doi.org/10.1590/1808-057x201705230
  » https://doi.org/10.1590/1808-057x201705230
• Srivastava, A. (2023). Trivialization of the bottom line and losing relevance of losses. Review of Accounting Studies , 28, 1190-1208. https://doi.org/10.2139/ssrn.4395985
  » https://doi.org/10.2139/ssrn.4395985
• Vale, J. P. S., & Nakao, S. H. (2017). Conservadorismo incondicional nas companhias abertas brasileiras e o contexto da neutralidade tributária. Revista Contabilidade & Finanças , 28(74), 197-212. https://doi.org/10.1590/1808-057x201702450
  » https://doi.org/10.1590/1808-057x201702450
• Watts, R. L. (2003). Conservatism in accounting. Part I: Explanations and implications. Accounting Horizons, 17(3), 207-221. https://doi.org/10.2308/acch.2003.17.3.207
  » https://doi.org/10.2308/acch.2003.17.3.207
• World Intellectual Property Organization. (2022). Global Innovation Index 2022. https://www.wipo.int/en/web/global-innovation-index/2022/index
  » https://www.wipo.int/en/web/global-innovation-index/2022/index

• Este é um texto bilíngue. Este artigo também foi traduzido para o idioma inglês, publicado sob o DOI https://doi.org/10.1590/1808-057x20252221.en
• Este artigo deriva de uma tese de doutorado defendida pelo coautor Julio Henrique Machado e orientado pelo coautor Fernando Caio Galdi, em 2024.
• Trabalho apresentado no 24º USP International Conference on Accounting, São Paulo, SP, Brasil, julho de 2024.
• 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 não utilizaram inteligência artificial generativa em nenhuma etapa da produção deste manuscrito (pesquisa, redação, análise de dados, fórmulas ou criação de elementos gráficos).
• FINANCIAMENTO
  Fernando Galdi agradece às seguintes instituições pelo apoio financeiro na realização desta pesquisa: - Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq).

Editado por

• Editor-Chefe Acadêmico:
  Andson Braga de Aguiar

• Editora Associada:
  Sirlei Lemes

Disponibilidade de dados

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

Datas de Publicação

• Publicação nesta coleção
  19 Jun 2026
• Data do Fascículo
  2026

Histórico

• Recebido
  04 Out 2024
• Revisado
  21 Nov 2024
• Aceito
  21 Ago 2025