Fraudes em relatórios financeiros : efeitos nos preços das ações e previsão por meio da máquina de suporte vetorial

Abstract

As ocorrências de fraudes aumentaram muito nos últimos anos, em muitos países (PricewaterhouseCoopers, 2020). Isto, provavelmente, tem afetado negativamente a eficiência dos mercados de capitais, tornando-os em um ambiente de desconfiança, causando fugas de investimentos e hesitação na entrada de novos investidores. Segundo Hung et al. (2015), as fraudes corporativas não afetam somente os credores ou os acionistas das firmas fraudadoras, mas afetam também clientes, fornecedores, o mercado financeiro como um todo, o governo, ou seja, toda a economia. De acordo com Dyck et al. (2010), as fraudes financeiras nos relatórios contábeis são, geralmente, detectadas muito tempo depois, após as suspeições dos impactos do crime. Ocorre que a atuação post factum (detecção de fraude) não é eficiente para reduzir ou eliminar as ocorrências; nesse sentido, uma ação preventiva é relevante e necessária. Há vários métodos para prevenção de fraudes em relatórios financeiros, e esta pesquisa tem por objetivo analisar a reação do mercado às fraudes, sem e com o conhecimento deste. Para isso, o estudo comparou o comportamento dos preços das ações ao redor da data em que a fraude foi cometida e ao redor da data em que foi descoberta. Em segundo lugar, o estudo analisou a precisão da máquina de suporte vetorial (SVM) na previsão de fraudes em relatórios financeiros considerando índices financeiros e índices não financeiros. A pesquisa fez uso da metodologia de estudos de eventos para alcançar seu primeiro objetivo e da SVM para alcançar seu segundo objetivo. Retornos anormais positivos foram encontrados um dia depois e do quarto até o décimo dia depois da realização de fraudes em relatórios financeiros. Sem seu conhecimento, o mercado reage positivamente à realização de fraudes em relatórios financeiros, gerando ganhos anormais às entidades fraudadoras. Provavelmente, pelo tempo demorado até a suspeita de fraude ser julgada pela Comissão de Valores Mobiliários (CVM), o mercado ignora a decisão do órgão regulador ao reconhecer oficialmente a prática ou manobra suspeita como fraudulenta, por infringir uma lei. Na pesquisa, variáveis sensíveis para detecção de riscos de fraudes foram identificadas, e o modelo polinomial da SVM utilizado conseguiu prever riscos de fraudes em pelo menos 64% dos relatórios financeiros fraudulentos. Os achados contribuem para a academia no que diz respeito às consequências das fraudes em relatórios financeiros no mercado, incentivando, assim, outras pesquisas na área. O estudo contribui aos trabalhos dos auditores e reguladores, recomendando o uso do modelo polinomial de SVM para prever fraudes em relatórios financeiros. O estudo avança no tratamento de dados financeiros trazendo à atenção dos pesquisadores que os métodos clássicos como a regressão linear podem não ser adequadas, em consonância com as conclusões de Adepoju et al. (2019) e Gonçalves (2019)