RENATA DE ARAGÃO TORQUATO

AVALIAÇÃO EMPRESARIAL EM UMA SIMULAÇÃO GERENCIAL SOB A PERSPECTIVA DA ANÁLISE RELACIONAL GREY

Trabalho de Conclusão de Curso apresentado ao Curso de Graduação em Administração da Universidade Federal Fluminense, como requisito parcial para obtenção do grau de Bacharel em Administração.

Orientador: Prof. Dr. MURILO ALVARENGA OLIVEIRA

Volta Redonda
2011

FICHA CATALOGRÁFICA T518 Torquato, Renata de Aragão Avaliação Empresarial em uma Simulação Gerencial sob a Perspectiva da Análise Relacional Grey / Renata de Aragão Torquato; Orientador: Murilo Alvarenga Oliveira. – Volta Redonda, 2011. 70f. Trabalho de Conclusão de Curso (Curso de Administração) - Universidade Federal Fluminense, 2011. 1. Administração de Empresas - Administração 2. Criação de Valor – EVA 3. Administração – Métodos de Simulação 4. Jogos de empresa I. Murilo Alvarenga Oliveira, orientador. CDD 658.4
CDD 658.8

Elaborada pela Biblioteca do Aterrado de Volta Redonda BAVR/NDC/UFF.

RENATA DE ARAGÃO TORQUATO

AVALIAÇÃO EMPRESARIAL EM UMA SIMULAÇÃO GERENCIAL SOB A PERSPECTIVA DA ANÁLISE RELACIONAL GREY

Trabalho de Conclusão de Curso apresentado ao Curso de Graduação em Administração da Universidade Federal Fluminense, como requisito parcial para obtenção do grau de Bacharel em Administração.

Aprovado em Dezembro de 2011

BANCA EXAMINADORA

-------------------------------------------------

Prof. Dr. MURILO ALVARENGA OLIVEIRA – Orientador
UFF

-------------------------------------------------

Prof. Dr. PAULI ADRIANO ALMADA GARCIA
UFF

-------------------------------------------------

Prof. Dr. ILTON CURTY LEAL JUNIOR
UFF

Volta Redonda
2011

RESUMO

O presente trabalho promoveu a comparação do desempenho empresarial em um ambiente simulado considerando-se os resultados produzidos pela Taxa de Retorno (TR) - que consiste em uma aproximação do ROE (Return on Equity - Retorno sobre o Patrimônio Líquido) - e representa o indicador utilizado no ambiente em questão, com os resultados produzidos segundo a ótica do EVA (Economic Value Added – Valor Econômico Adicionado), que representa uma medida de desempenho baseada na criação de valor, referenciada como uma abordagem mais completa em relação à anterior. O ROE mensura o retorno sobre o patrimônio líquido da empresa e é considerado uma tradicional forma de mensuração de desempenho, passível de críticas por alguns autores devido às limitações que apresenta. Adotou-se como revisão teórica os conceitos sobre Avaliação de Empresas, Criação de Valor (EVA), Custo de Oportunidade e Jogos de Empresas Como Ambiente de Aprendizagem. A pesquisa trata-se de um Estudo de Caso com tratamento quantitativo de dados, estes que foram coletados a partir dos relatórios gerenciais de cinco empresas simuladas participantes da Simulação Gerencial em questão, aplicada no curso de Administração da UFF de Volta Redonda/RJ. A principal justificativa para abordagem do tema proposto está assentada no pressuposto que vem sendo defendido por muitos autores de que as medidas tradicionais de desempenho, em sua maioria, são ineficientes e limitadas em relação às novas propostas de análise. Buscou-se, a partir da análise dos dados evidenciar se as duas diferentes óticas apresentavam diferenças, do ponto de vista estatístico, que justificassem o estabelecimento de um indicador capaz de combinar os resultados das duas variáveis em questão, o que pode ser realizado por meio da Análise Relacional Grey (GRA – Grey Relational Analysis).

Palavras-chave: Avaliação de Empresas; Criação de Valor – EVA; Custo de Oportunidade; Jogos de Empresa como Ambiente de Aprendizagem, Índice de Performance Empresarial.

ABSTRACT

The present work has promoted the performance comparison in a simulated environment considering the results produced by the Rate of Return (TR) - which consists of a ROE approximation (Return on Equity) – and represents the indicator used in the simulated environment in question, with the results produced from the point of view of the EVA (Economic Value Added), which represents a measure of performance based on value creation, referred to as a more complete approach than the previous one. ROE (Return on Equity) measures the return on equity of the company and is considered one of the traditional performance measures, subject to criticism by some authors because of the limitations that they present. The theoretical review is based on the concepts of Business Valuation, Value Creation, Opportunity Cost and Business Games as Experimental Learning. The research is a case study with quantitative treatment of data, which were collected from the reports of five companies participating in the Business Simulation in question, applied in the Business Management course at UFF in Volta Redonda / RJ. Was sought to analyse if the two different measures of economic performance differ from each other, considering the statistical point of view, to justify the establishment of an indicator that can combine the results of the two indicators in question, what can be accomplished though Grey Relational Analysis (GRA). Key-words: Business Valuation; Economic Value Added – EVA; Opportunity Cost; Business Games as Experimental Learning; Enterprise Performance Index.

SUMÁRIO

1 INTRODUÇÃO 10
1.1 PROBLEMA DE PESQUISA 12
1.2 JUSTIFICATIVAS 13
2 FUNDAMENTAÇÃO TEÓRICA 15
2.1 AVALIAÇÃO EMPRESARIAL 15
2.1.1 ROE 17
2.2 CRIAÇÃO DE VALOR – EVA 19
2.2.1 Determinação do EVA 24
2.3 CUSTO DE OPORTUNIDADE 25
2.4 JOGOS DE EMPRESAS COMO AMBIENTE DE APRENDIZAGEM 27
3 MÉTODO DE PESQUISA 29
3.1 AMBIENTE DA PESQUISA 29
3.2 COLETA DOS DADOS 32
3.3 TESTE DE POSTOS COM SINAIS DE WILCOXON PARA PARES COMBINADOS 33
3.4 ANÁLISE RELACIONAL GREY 35
3.5 ETAPAS DA PESQUISA 40
4 ANÁLISE DESCRITIVA DOS DADOS 41
4.1 RESULTADOS DAS EMPRESAS 41
4.2 TESTE DE POSTOS COM SINAIS DE WILCOXON PARA PARES COMBINADOS 48
4.3 ANÁLISE RELACIONAL GREY 50
5 DISCUSSÃO DOS RESULTADOS 53
6 CONSIDERAÇÕES FINAIS 59
6.1 LIMITAÇÕES DO TRABALHO 60
6.2 PROPOSIÇÕES PARA NOVOS ESTUDOS 60
7 REFERÊNCIAS 62
8 APÊNDICES 66

LISTA DE FIGURAS

Figura 1 - Medidas de Desempenho Por Área e Ponto de Vista 16 Figura 2: Vantagens e Desvantagens do EVA 22 Figura 3: Fluxo das Etapas de Pesquisa 40 Figura 4 - Demonstração de Cálculo dos Valores 42 Figura 5 - Gráfico da Evolução do EVA Acumulado Empresa 1 44 Figura 6 - Gráfico da Evolução da Taxa de Retorno Empresa 1 44 Figura 7 - Gráfico da Evolução do EVA Acumulado Empresa 2 45 Figura 8 - Gráfico da Evolução da Taxa de Retorno da Empresa 2 45 Figura 9 - Gráfico da Evolução do EVA Acumulado Empresa 3 46 Figura 10 - Gráfico da Evolução da Taxa de Retorno da Empresa 3 46 Figura 11 - Gráfico da Evolução do EVA Acumulado Empresa 4 47 Figura 12 - Gráfico da Evolução da Taxa de Retorno da Empresa 4 47 Figura 13 - Gráfico da Evolução do EVA Acumulado Empresa 5 48 Figura 14 - Gráfico da Evolução da Taxa de Retorno da Empresa 5 48 Figura 16 - Gráfico da Evolução dos Resultados Empresa 1 56 Figura 17 - Gráfico da Evolução dos Resultados Empresa 2 56 Figura 18 - Gráfico da Evolução dos Resultados Empresa 3 56 Figura 19 - Gráfico da Evolução dos Resultados Empresa 4 57 Figura 20 - Gráfico da Evolução dos Resultados Empresa 5 57

LISTA DE TABELAS

Tabela 1 - WACC, EVA e EVA Acumulado da Empresa 1 43 Tabela 2 - WACC, EVA e EVA Acumulado Empresa 2 44 Tabela 3 - WACC, EVA e EVA Acumulado Empresa 3 45 Tabela 4 - WACC, EVA e EVA Acumulado Empresa 4 46 Tabela 5 - WACC, EVA e EVA Acumulado Empresa 5 47 Tabela 6 - Valores Normalizados do EVA Acumulado e Taxa de Retorno 48 Tabela 7 - Resultados de Teste de Wilcoxon 50 Tabela 8 - Resultados Análise Grey Período 1 50 Tabela 9 - Resultados Análise Grey Período 2 51 Tabela 10 - Resultados Análise Grey Período 3 51 Tabela 11 - Resultados Análise Grey Período 4 51 Tabela 12 - Resultados Análise Grey Período 5 51 Tabela 13 - Resultados Análise Grey Período 6 51 Tabela 14 - Resultados Análise Grey Período 7 52 Tabela 15 - Resultados Análise Grey Período 8 52 Tabela 16 - Posição no Mercado Competitivo sob Três óticas 55 Tabela 17 - Desvio-Padrão dos Três Indicadores 58

1 INTRODUÇÃO

Segundo Deresky (2002) a competição acirrada no mundo globalizado demanda maiores esforços por parte das empresas no que diz respeito aos mais variados fatores, tais como o planejamento de marketing, planejamento de produtos e serviços e etc. Nesse contexto de competição, o planejamento e controle financeiro bem elaborados tornam-se pré-requisitos para a sobreviência das organizações, pois os erros podem custar caro. É necessário então ter pleno conhecimento da real situação da empresa e autores como Stewart (2005), Richardson e Gordon (1980), Matarazzo (1995) e Martins (2000) citam, sob a ótica de diferentes argumentos e pontos de vista, que as medidas tradicionais de desempenho, em geral, baseiam-se exclusivamente em dados contábeis não levando em consideração a verdadeira geração de riqueza do empreendimento, o que pode levar a interpretações tendenciosas e comprometer a tomada de decisão.
O processo de tomada de decisão no interior de uma empresa depende de uma gama de informações que possam auxiliar esse processo e torná-lo condizente com a realidade da organização. As informações devem ser coletadas, armazenadas e procesadas de forma que as decisões baseadas nas mesmas forneçam boas soluções para a resolução dos problemas e/ou questões que pretendem-se solucionar. Sendo assim, de acordo com Gitman (2001) os indicadores de desempenho empresarial configuram-se como um conjunto de informações que favorecem as atividades empresariais e norteiam as decisões a cerca de diferentes questões, desde financeiras até mesmo ao gerenciamento do negócio como um todo, uma vez que os mesmos expressam, seja de maneira quantitativa ou qualitativa, os resultados que são gerados a partir das ações empreendidas pela empresa.
O EVA, ou Valor Econômico Adicionado, é uma medida de desempenho que supera algumas das deficiências observadas em algumas das medidas mais convencionais - tais como, por exemplo, basearem-se exclusivamente em dados contábeis e não considerarem o valor do dinheiro no tempo - e é definido por Stewart (2005) como a real medida de desempenho que leva em consideração as maneiras pelas quais o valor corporativo pode ser agregado ou perdido, sendo calculado a partir da diferença entre o lucro operacional do empreendimento e o custo médio ponderado do capital, chamado de custo de oportunidade do capital, que pode ser obtido pela média ponderada dos custos de capital próprio e de terceiros.
O presente trabalho apresenta duas diferentes propostas de avaliação de desempenho para empresas simuladas que fazem parte do cenário econômico de uma Simulação Gerencial aplicada no curso de Administração da Universidade Federal Fluminense de Volta Redonda.
Os Jogos de Empresas, no cenário atual do ensino em Administração, consolidam-se como uma importante ferramenta no processo de ensino-aprendizagem de diversos conceitos relacionados ao ambiente corporativo. Os participantes deparam-se com situações semelhantes aquelas que ocorrem em um mercado real, e assim os jogos classificam-se como verdadeiros ambientes de testes de comportamentos e atitudes que somente seriam desenvolvidos na vida profissional propriamente dita.
O trabalho apresentou dois objetivos, o primeiro foi evidenciar se a Taxa de Retorno (Aproximação da ROE), medida de desempenho utilizada na simulação, possuia diferenças significativas em relação ao EVA, considerado atualmente uma ferramenta de avaliação de desempenho econômico-financeiro de empresas mais adequada; e o segundo foi estabelecer graus de relacionamento entre os dois indicadores, utilizando esse resultado como um Índice de Performance Empresarial, por meio da Análise Relacional Grey, ou seja, um indicador combinado entre os resultados produzidos pelo EVA e pela Taxa de Retorno.
O cenário simulado apresenta algumas limitações que implicam em ajustes contábeis e financeiros para cálculos dos resultados do EVA. Os ajustes realizados são contemplados pela literatura no que diz respeito às formas de determinação do EVA e, dessa forma, tem-se o chamado EVA Sob Medida que, segundo Rocha e Selig (2001) pode ser calculado de acordo com a estrutura organizacional, mix de negócios, estratégias e políticas contábéis, de forma em que haja uma compensação entre simplicidade e precisão.
Análises contemplando a utilização do EVA são relativamente recentes no universo corporativo quando comparadas com os outros métodos, como, por exemplo, a TIR (Taxa Interna de Retorno), o IL (Índice de Lucratividade), o VPL (Valor Presente Líquido) e etc. A abordagem que será apresentada, ainda que no contexto bastante limitado das simulações organizacionais, permite o confrontamento de um ‘’novo’’ momento da análise financeira com as práticas mais tradicionais, o que é extremamente relevante para os Administradores, uma vez que a métrica do EVA segundo Young e O’byrn (2003), serve à gestão do negócio.
Vale ressaltar, no entanto, que o presente trabalho não apontou uma melhor medida de avaliação de desempenho, uma vez que ambas, como foi apresentado ao longo do referencial teórico do trabalho, possuem suas limitações em relação a diferentes aspectos. Buscou-se apenas discorrer sobre o dilema que vem sendo observado na literatura financeira com relação às “novas” ferramentas de análise em comparação com as tradicionais metodologias, bem como apresentar uma nova proposta por meio da determinação de um Índice de Performance Empresarial, combinando as duas abordagens.

1.1 PROBLEMA DE PESQUISA

Na atualidade, os métodos de avaliação de empresas se desenvolvem com objetivos de demonstrarem da maneira mais fidedigna possível o real valor da ação ou da empresa, uma vez que são esses resultados que guiam planos e ações futuras da organização, nos mais variados aspectos.
As empresas, em época de extrema competitividade, buscam indicadores que sejam robustos e que reflitam com o maior nível de acurácia possível o desempenho da empresa. Entre os diversos métodos disponíveis surge um dilema: Qual o método mais adequado para avaliação do desempenho econômico financeiro de uma empresa?
A teoria anteriormente descrita demonstra a posição de autores, tais como Helfert (2000), que abordam a grande variedade de formas para avaliar o desempenho de uma empresa, algumas puramente financeiras, outras estritamente econômicas e ressaltam o fato de nenhuma delas poder ser considerada predominante, mas que deve existir uma combinação entre as diferentes metodologias pode fornecer melhores resultados. Posição equivalente também é defendida por Damodaran (1997), que afirma não existir um modelo considerado melhor, mas que o modelo adequado para uso em um determinado contexto dependerá diretamente de uma variedade de características da empresa que está sendo avaliada.
Contudo, por outro lado outros teóricos defendem que os métodos mais convencionais de avaliação de desempenho são obsoletos e ineficientes e é preciso buscar novas abordagens. Nesse contexto temos em Bastos (1999) que tais se baseiam única e exclusivamente em dados contábeis, não incluindo a exigência de rentabilidade mínima sobre o capital investido para os acionistas sem contar que não retratam o risco associado à incerteza dos resultados futuros, e as empresas procuram minimizar tais limitações, segundo Denardin (2004), a partir da adoção de modelos de avaliação de desempenho baseados na criação de valor, que são capazes de sintetizar as medidas de rentabilidade, risco e custo de oportunidade para os acionistas.
Diante do dilema anteriormente citado, o presente trabalho verificou se os resultados produzidos pela Taxa de Retorno da Simulação e pelo EVA são estatísticamente diferentes. A proposta pode ser expressa na seguinte questão-problema: Existem diferenças entre os resultados produzidos pela Taxa de Retorno e o EVA?
Para responder à questão-problema as seguintes hipóteses foram determinadas e testadas à luz do Teste Não-Paramétrico de Postos com Sinais de Wilcoxon para Pares Combinados:

H0: Não existem diferenças entre os resultados produzidos pela Taxa de Retorno e o EVA.
H1: Existem diferenças entre os resultados produzidos pela Taxa de Retorno e o EVA.

A partir da resposta da questão-problema a pesquisa é conduzida para a criação, caso haja diferença entre as duas abordagens consideradas, de um indicador capaz de englobar os resultados produzidos por ambas as abordagens. Esse indicador, aqui denominado de Índice de Performance Empresarial, é determinado por meio da utilização da Análise Relacional Grey (GRA – Grey Relational Analysis).

1.2 JUSTIFICATIVAS

No contexto da economia global, as empresas possuem a necessidade, cada vez maior, de desenvolverem mecanismos que as tornem mais competitivas e isso, na atualidade, não se constitui como um diferencial, mas sim como um pré-requisito para a sobrevivência das mesmas. Muitos autores, tais como Martins (2000), Stewart (2005), Richardson e Gordon (1980) e Matarazzo (1995) defendem que os métodos de avaliação de desempenho empresarial mais convencionais estão se tornando obsoletos por contemplarem, muitas vezes, dados estritamente contábeis e que não levam em consideração a geração de valor para o empreendimento no longo prazo e, devido a isso novas posturas gerenciais precisam ser assumidas, sobretudo pelo fato de que os investidores demandam níveis cada vez mais precisos de avaliação de desempenho das empresas em que investem seus recursos.
Dada a situação anteriormente citada percebeu-se a relevância de abordar o tema uma vez que a discussão a cerca da diferença entre os resultados produzidos por diferentes indicadores financeiros é recorrente na literatura financeira, contudo comparações entre os resultados que os mesmos produzem não são realizadas em iguais proporções e, no contexto empresarial atual de competição bastante acirrada, discussões a cerca de ferramentas de apoio à tomada de decisão, tais como os indicadores financeiros, são bastante válidas, pois as decisões baseadas em tais resultados vão determinar o sucesso ou fracasso das empresas.
Em Helfert (2000) tem-se que uma situação adequada para as divergências verificadas no contexto citado acima seria a criação de indicadores mistos, ou seja, capazes de englobar os resultados produzidos por diferentes abordagens. A perspectiva do autor motivou a proposta de criação do indicador misto, por meio da Análise Relacional Grey, que é capaz de combinar os resultados produzidos pela Taxa de Retorno da Simulação e os valores calculados de EVA. Dessa forma a proposta do trabalho apresenta-se como uma alternativa a ser considerada como resposta aos questionamentos e divergências no âmbito da Avaliação Empresarial. 1 FUNDAMENTAÇÃO TEÓRICA

1.2 AVALIAÇÃO EMPRESARIAL

De acordo com Helfert (2000) a Avaliação Empresarial representa a maneira pela qual mensura-se as consequências financeiras e econômicas das decisões de gestões passadas que esquematizaram, ao longo do tempo, investimentos, operações e financiamentos. Segundo Famá (2003) o processo de avaliação de uma empresa é algo complexo, em função da grande quantidade de ativos tangíveis e intangíveis que esta possui. Deve-se considerar também a existência de conflitos de interesses que podem surgir no bojo desse processo. Existem diversas maneiras de avaliar uma empresa, estas que variam de acordo com os propósitos e objetivos da organização. Novamente em Helfert (2000) e na mesma perspectiva do autor anteriormente citado, tem-se também que existe uma grande variedade de formas para avaliar o desempenho de uma empresa, algumas puramente financeiras, outras estritamente econômicas, mas nenhuma delas pode ser considerada predominante, mas uma combinação entre as diferentes metodologias pode fornecer melhores resultados, posição também defendida por Damodaran (1997), que afirma não existir um modelo considerado melhor, mas que o modelo adequado para uso em um determinado contexto dependerá diretamente de uma variedade de características da empresa que está sendo avaliada.
Os demonstrativos financeiros, ainda em Helfert (2000), são as principais fontes de dados para a consecução da avaliação empresarial, ainda que não reflitam resultados e condições econômicas e ainda estão condicionados a limitações que podem impactar diretamente a gestão dos negócios: O fato de serem baseados em dados e condições passadas, o que pode dificultar ou limitar extrapolações para o futuro e interferirem somente no passado, o que não faz sentido uma vez que o passado é irreversível. Assim sendo, a Avaliação Empresarial é realizada em termos da análise do desempenho financeiro que, segundo o autor, deve considerar quatro pontos de vista distintos: Proprietários, Administradores, Fornecedores e Credores. Outros grupos de interesse, tais como Sociedade,
Empregados e Governos também vêem utilidade em tal análise, contudo combinada com uma série de outros dados e fatores.
As principais áreas de interesse e medidas de desempenho relativas a cada área são descritas na Figura 1.

Figura 1 - Medidas de Desempenho Por Área e Ponto de Vista Administração | Proprietários | Credores | Análise Operacional | Rentabilidade | Liquidez | Margem Bruta | Lucro por Ação | Índice de Liquidez Corrente | Margem Líquida | Retorno sob Capital Ordinário | Índice de Liquidez Seca | Análise de Despesas Operacionais | Retorno sob Patrimônio Líquido | Índice de Liquidez Imediata | Análise de Contribuição | Fluxo de Caixa por Ação | Padrões de Fluxo de Caixa | Alavancagem Operacional | Valorização do Preço da Ação | | Análise Comparativa | Retorno Total do Acionista | | | Análise de Valor para o Acionista | | Administração de Recursos | Destinação de Lucros | Alavancagem Financeira | Giro do Ativo | Dividendos por Ação | Índice Exigível sobre Ativos | Administração do Capital de Giro | Rendimento dos Dividendos | Exigível Total/Patrimônio Líquido | Giro do Estoque | Índice de Retenção do Lucro | Índice de Endividamento | Padrões de Duplicatas a Receber | Cobertura dos Dividendos | Compensação entre Risco/Retorno | Padrões de Duplicatas a Pagar | Dividendos versus Ativos | | Rentabilidade | Indicadores de Mercado | Serviço da Dívida | Retorno sobre Ativos (Total ou Líquido) | Análise do Fluxo de Caixa | Cobertura de Juros | Retorno antes de Juros e Impostos | Índice de Preço/Lucro | Cobertura de Despesas Indiretas | Investimentos em Projetos Econômicos | Múltiplos do Fluxo de Caixa | Análise do Fluxo de Caixa | Retorno do Fluxo de Caixa sobre o Investimento | Valor de Mercado versus Valor de Livro | | Fluxo de Caixa Livre | Movimento de Preços Relativos | | Retorno sobre Base Corrente de Valor | Valor da Empresa | |
Fonte: Helfert (2000).

Eiteman (2002) corroborando com o pressuposto anterior e reforçando a importância de agentes externos, enfatizam que a avaliação não é realizada apenas pela administração interna com fins de controle e planejamento, mas também por observadores externos, que concentram suas observações principalmente nos demonstrativos financeiros da empresa.
Muitas das Medidas de Desempenho expostas na Figura 1, tais como: Margem Bruta, Margem Líquida, Índice de Liquidez Corrente, Índice de Liquidez Seca, Retorno sobre Ativos e outras; são utilizadas por décadas pela Administração das Empresas e por isso são vistas como medidas convencionais de análise de desempenho. Os balanços patrimoniais, demonstrativos de resultado e demonstrativos de fluxo de caixa, segundo Eiteman, Stonehill e Moffett (2002) fornecem os principais insumos para cálculo desses indicadores que, em tempos atuais de constante mudança e crescente relevância dos ativos intangíveis como recursos capazes de alavancar a vantagem competitiva das empresas, apresentam uma série de limitações que colocam em evidência as suas deficiências para refletirem o atual momento vivido pelas organizações, e tal fato faz com que teóricos, como, por exemplo, Stewart (2005), Richardson e Gordon (1980), Matarazzo (1995) e Martins (2000) questionem, em diferentes graus, a adequabilidade das medidas tradicionais de desempenho. Em suma, a principal crítica reside no fato de que essas métricas baseiam-se em dados contábeis que, como anteriormente citado, referem-se a dados e condições que fazem parte de uma situação passada vivida pela organização. Martin e Petty (2004) apontam mais limitações, tais como, por exemplo: Os riscos das operações não são refletidos pelos dados contábeis, o fator tempo não é considerado no que diz respeito às mudanças que este provoca no dinheiro, o custo de oportunidade do capital próprio e do capital de terceiros não são levados em consideração e a exacerbação do lucro como o principal indicador para a criação de valor.
Segundo Helfert (2000) deve-se observar se os ativos foram corretamente usados, se a rentabilidade desejável pelos acionistas foi atingida, se a escolha de financiamentos foi prudente e outros fatores desejáveis pela Organização. Cabe à Empresa a decisão em relação a quais indicadores utilizar para realização de suas análises uma vez que existem diferentes alternativas.

2.1.1 ROE

Entre as alternativas que as empresas deparam-se para análise de seu desempenho financeiro está o ROE, sigla oriunda do inglês, que significa Return On Equity ou traduzindo-se, o retorno sobre o patrimônio, uma tradicional medida de desempenho. Este indicador está sendo descrito pelo fato de que uma das variáveis consideradas no presente trabalho, a Taxa de Retorno da Simulação, consiste em uma aproximação do ROE. Segundo Gabriel, Assaf Neto e Corrar (2003) este indicador representa uma das principais medidas de rentabilidade e expressa os resultados globais da gestão dos recursos próprios e de terceiros, em benefício dos acionistas/proprietários do negócio. É calculado pela razão entre o Lucro Líquido e o Patrimônio Líquido, mensurando dessa forma a lucratividade.
Bodie, Kane e Marcus (2000) ressaltam que o ROE é um dos fatores básicos para determinação das taxas de crescimento de uma empresa e podem ser utilizados sob duas perspectivas: O ROE Passado e o ROE Futuro. O ponto principal dessas duas perspectivas, segundo os autores, é demonstrar para os analistas financeiros que tendências futuras de ROE não devem ser estimadas de acordo com os valores estabelecidos no passado, uma vez que podem ocorrer enviesamentos justamente pelo fato de novas situações, que afetam a rentabilidade da empresa, possam ser negligenciadas, como por exemplo, novos investimentos.
Com a mesma perspectiva de Bodie, Kane e Marcus (2000), Damodaran (2004) afirma que o ROE é afetado pelo mix de financiamentos que a empresa utiliza para financiar seus projetos, uma vez que ele é calculado após os pagamentos de juros, um dos fatores que leva o autor a questionar se os demonstrativos de resultado dos exercícios fornecem uma boa medida dos lucros dos ativos de uma empresa ou dos investimentos feitos e também se as medidas contábeis de retorno – tais como o ROE – configuram-se como estimativas razoáveis dos retornos obtidos sobre os investimentos. Outros problemas provocam questionamentos em relação à adequabilidade do ROE enquanto indicador de desempenho empresarial, e são eles:

* Regime de Competência: A Contabilidade das Provisões (Ou Regime de Competência) pode estimar lucros contábeis muito diferentes dos lucros em dinheiro que a empresa realmente possui em um mesmo período de tempo. Esse processo permite que contadores, ou agentes responsáveis pelo controle financeiro, criem contas, seja de ativo ou passivo, para se chegar aos fluxos de caixa, estes que, apesar de fornecerem importantes informações, não possuem o objetivo de estimar os lucros em dinheiro da empresa;

* Despesas Operacionais, de Financiamento e de Capital: Essa classificação apresenta dois diferentes problemas. O primeiro está assentado na rigidez com a qual desembolsos de capital são diluídos ao longo do tempo através de cronogramas de amortização e depreciação. Quase nunca a depreciação contábil, por exemplo, é igual a depreciação econômica e também não há um esforço para se estabelecer os valores da depreciação econômica. O outro problema é a inconsistência da classificação, que considera, por exemplo, leasings operacionais e despesas com pesquisas, como despesas operacionais;

* Mensuração de Retorno: Tanto o Retorno sobre o Patrimônio Líquido quanto sobre Capital são estimados com base nas medidas contábeis de patrimônio líquido e capital investido. Com o decorrer do tempo, essas medidas são ultrapassadas e não refletem o valor de mercado dos ativos investidos na empresa e, por tal razão, essas medidas podem ser enganosas.

As limitações como as evidenciadas acima fazem com que muitas empresas adotem novas metodologias de avaliação de desempenho, uma vez que acreditam que estas refletem de maneira mais adequada a condição econômico-financeira da empresa. Uma dessas novas metodologias é o chamado EVA (Economic Value Added) – Valor Econômico Adicionado, assunto abordado na próxima sessão.

1.3 CRIAÇÃO DE VALOR – EVA

Segundo Young e O’byrn (2003) as exigências de um mundo globalizado, onde a competitividade é a palavra do momento, fazem com que um número cada vez maior de empresas adotem novas filosofias de gestão, entre elas as concentradas na criação de valor. A criação de valor refere-se à geração de retornos sobre o capital investido, que devem ser superiores aos custos desse mesmo capital empregado para geração dos retornos. Como citado na sessão anterior, os índices tradicionais são indicadores importantes, mas segundo Bastos (1999) se baseiam única e exclusivamente em dados contábeis, não incluindo a exigência de rentabilidade mínima sobre o capital investido para os acionistas sem contar que não retratam o risco associado à incerteza dos resultados futuros.
De acordo com Denardin (2004), as empresas, na busca pela eficiência, procuram minimizar as deficiências desses indicadores mais convencionais adotando modelos de avaliação de desempenho baseados na criação de valor (Mensuração do valor econômico real criado na organização, este que excede, ou não, uma rentabilidade mínima sobre o investimento) nas organizações, que são capazes de sintetizar as medidas de rentabilidade, risco e custo de oportunidade para os acionistas.
Nesse novo contexto insere-se o EVA (Economic Value Added) – Valor Econômico Adicionado (Também chamado de Valor Econômico Agregado) que segundo Bodie e Merton (2002) é um método relativamente novo que vem sendo adotado por empresas como, por exemplo, Coca-Cola e Quaker Oats, e leva em consideração o custo do capital empregado para geração dos lucros. Ele é definido pela diferença entre o lucro operacional após o imposto de renda e o custo do capital empregado para produzir tal lucro, em termos monetários.
Denardin (2004) relata que o método foi desenvolvido a partir de 1980 por Joel Stern e Bernnett G. Stewart, que presidem a empresa de consultoria Stern e Bernnett, com sede em Nova Iorque. Para os dois empresários, o EVA é uma das metodologias mais atuais, eficazes e abrangentes para mensurar a criação de valor em um negócio.
Retornando a Bodie e Merton (2002), tem-se que a identificação explícita dos custos atrelados ao capital confere uma vantagem ao EVA uma vez que o torna útil na alocação mais eficaz do capital e na identificação de subsídios cruzados não-econômicos entre unidades de negócios, em que uma unidade lucrativa pode subsidiar outra não-lucrativa e permite também que os gestores identifiquem os pontos de geração de valor e orientem de forma mais eficaz suas atividades.
No sentido da Gestão Empresarial, conforme abordado pelos autores acima, Young e O’byrn (2003) classificam o EVA como um método além de um sistema de medida, mas sim como um instrumento capaz de mudar o comportamento gerencial e uma de suas grandes virtudes é a capacidade de tornar acessível uma teoria financeira sólida, de forma que os usuários dessa métrica, ainda que não possuam experiências ou profundos conhecimentos financeiros e/ou contábeis, consigam incorporar a essência desse instrumento na forma de conduzir suas atividades. Os autores ressaltam que ainda que o EVA seja interpretado como um novo momento da análise financeira, os princípios por trás da metodologia não são novos, mas sim uma nova roupagem para os princípios fundamentais de finanças coporativas e de gestão financeira. Ainda assim o presente trabalho considera o método como uma abordagem menos convencional em relação às medidas tradicionais anteriormente citadas.
Um aspecto bastante interessante desse método, que vai ao encontro com os pressupostos de Young e O’byrn (2003) quando se referem à capacidade que o mesmo possui de englobar aspectos sólidos da teoria financeira, é levantado por Stewart (2005) quando este afirma que o EVA é a única medida de desempenho em conformidade com a regra-padrão de orçamento de capital: A aceitação dos projetos com VPL Positivo (Valor Presente Líquido) e rejeitar aqueles com VPL Negativo. Ainda assim, segundo o autor, a razão mais importante para adotar o EVA como o objetivo financeiro da empresa reside no fato de que ele é o único indicador que se associa diretamente ao valor intrínseco de mercado que a organização possui.
Gitman (2001) afirma que a razão de existir de toda e qualquer empresa é a maximização da riqueza de seus acionistas/proprietários e o EVA se insere nesse contexto como a medida capaz de verificar se um investimento – seja ele proposto ou existente – contribui de forma a aumentar a riqueza daqueles que investiram seus recursos em tal empreitada. A crescente e recente popularização do indicador, segundo o autor, é resultado de sua considerável facilidade de cálculo e de sua tênue relação com a maximização de riqueza para os empresários. Em Drucker (1999) verifica-se uma posição similar àquela descrita em Gitman (2001), no que diz respeito à popularização da utilização do método como indicador de desempenho ao dizer que tal acontecimento se dá pelo fato dela se apoiar com algo que é conhecido há muito tempo: Aquilo que geralmente é chamado de lucro, o dinheiro deixado para remunerar o capital, não é lucro em grande parte dos casos e pode ser um custo. A empresa não cobre todos os seus custos a não ser que o lucro declarado exceda o custo do capital. Assim, até então, ela não cria riqueza, mas a destrói.
Ainda segundo Drucker (1999) o EVA é mais que um sistema de medida, assim como considerado por Young e O’byrn (2003), e adotá-lo compõe o conjunto de desafios empresariais no novo século.

“Ao medir o valor adicionado sobre todos os custos, inclusive o do capital, a EVA mede, de fato, toda a produtividade de todos os fatores de produção. Por si só, ela não nos diz por que um determinado produto ou serviço não adiciona valor nem o que fazer a essse respeito. Ela nos mostra o que precisamos descobrir e que é necessário tomar providências. A EVA também deve ser usada para descobrir o que funciona. Ela mostra qual produto, serviço, operação ou atividade tem produtividade incomumente alta e adiciona valor incomumente alto. Então devemos nos perguntar: O que podemos aprender com esses sucessos?” (DRUCKER, 1999, p. 98).

Stern, Shiely e Ross (2001) também ressaltam a questão do desafio na implantação do EVA, uma vez que adotá-lo implica em mudanças paradigmáticas nos modelos de gestão organizacional e modelos de mensuração de resultados financeiros. Segundo os autores, uma vez que implantado na organização, o EVA alinha os interesses de gerentes e proprietários da empresa, sendo capaz, inclusive, de eliminar os conflitos de interesses que se verificaram nas corporações ao longo dos anos, o que faz com que muitas empresas na atualidade demonstrem inicitivas para adequarem-se a esse novo momento da gestão financeira, que impacta a empresa de forma geral.
A melhor compreensão das propostas do EVA exige que suas vantagens, como as anteriormente citadas e outras, assim como suas desvantagens sejam conhecidas. A Figura 2 cita algumas das vantagens e desvantagens do método que são abordadas na literatura financeira.

Figura 2: Vantagens e Desvantagens do EVA Vantagens | Desvantagens | É uma abordagem ampla, baseada em valor, que serve à gestão do negócio como um todo. (YOUNG e O’BYRN, 2003). | A estimação do custo do capital próprio, necessário para o estabelecimento do indicador, pode ser um processo subjetivo. (YOUNG e O’BYRN, 2003). | É capaz de direcionar responsabilidades e ações uma vez que faz com que os administradores sintam-se responsáveis pelos resultados da empresa, ao contrário dos indicadores ligados ao preço e ações. Em determinados casos, empresas que utilizam, por exemplo, o ROE como indicador rejeita investimentos em projetos que poderiam criar valor somente para não apresentarem procentagens menores. (TAKAKI et al, 1999). | Algumas empresas, principalmente as européias, argumentam que a gestão baseada em valor pode ignorar outros fatores intervenientes, além dos acionistas, tais como clientes, fornecedores, comunidade externa e outros. (YOUNG e O’BYRN, 2003). | Ser um indicador mensurado em moeda evita os problemas apresentados por indicadores dados em porcentagens. (TAKAKI et al, 1999). | Difícil comparabilidade, pois os ajustes feitos para o cálculo do EVA são específicos de cada empresa e, ao adotarem uma maneira própria para determinação dos resultados pode ocorrer dos mesmos, ainda que refiram-se a um contexto bastante similar, apresentarem discrepãncias significativas, em função dos ajustes realizados (TAKAKI et al, 1999). | Auxilia na formação de planos, projetos e orçamentos de longo prazo. (ROCHA e SELIG, 2001). | Utiliza o custo histórico para avaliação do capital investido e entende-se que o custo a valor presente é a melhor base para avaliação. (ROCHA e SELIG, 2001). | Pode ser utilizado para determinar a remuneração dos funcionários, motivando-os a agregar valor para a empresa (ROCHA e SELIG, 2001). | É uma medida distorcida em períodos inflacionáveis. Os ajustes contábeis realizados não eliminam os efeitos oriundos da inflação. (ROCHA e SELIG, 2001). |
Fonte: Elaboração Própria.

Outros fatores são citados no que diz respeito às vantagens e desvantagens da utilização do EVA enquanto parâmetro de avaliação empresarial e os mesmos referem-se às diferentes abordagens do método, que segundo Assaf Neto, Kassai e Kassai (2002) correspondem a cinco distintas maneiras:

I. EVA – Formulação Contábil do Lucro Líquido: O EVA é calculado a partir da diferença entre o lucro líquido e o montante relativo a remuneração do capital próprio. Essa operação é possível uma vez que o lucro líquido já considera a remuneração do capital de terceiros; II. EVA – Formulação Contábil do Lucro Operacional: Calcula-se o EVA a partir da diferença entre o lucro operacional líquido após os impostos (NOPLAT - Net Operating Profit Less Adjusted Taxes) e as parcelas da remuneração do capital próprio e de terceiros; III. EVA – Formulação Financeira do RROI: O EVA é calculado a partir da aplicação do percentual RROI (Residual Return on Investment – Retorno Residual sobre o Investimento) sobre o montante dos investimentos; IV. EVA – Formulação Financeira do RROE: O EVA é calculado a partir da aplicação do percentual do RROE (Residual Return on Equity – Retorno sobre o Patrimônio) sobre o montante do Patrimônio Líquido; V. EVA – Formulação Financeira do WACC (Weighted Average Cost Of Capital): Determinação mais tradicional do EVA, calculado a partir da diferença entre o NOPLAT e a parcela resultante do Custo Médio Ponderado de Capital (WACC) sobre o montante dos investimentos (Capital Total Investido).

No presente trabalho os valores calculados seguirão a última abordagem (V), que depende da determinação do valor do custo total de capital da empresa, que representa o custo de oportunidade para a mesma. Escolheu-se a referida abordagem em função da adequabilidade da mesma em relação aos dados disponíveis para o cálculo do EVA. Conforme citado anteriormente, o contexto simulado considerado apresenta determinadas limitações do ponto de vista dos instrumentos financeiros disponíveis para apoio à tomada de decisão e, nesse sentido, torna-se necessária a utilização de uma abordagem em que seja possível o cálculo do EVA com um número limitado de informações.

1.4.1 Determinação do EVA

De acordo com Araújo e Assaf Neto (2004) a determinação do EVA depende do conhecimento do custo total de capital da empresa, este que é definido como o retorno mínimo exigido pelos credores e seus acionistas, que representa, segundo Assaf Neto, Kassai e Kassai (2002) o custo de oportunidade da empresa obtido pela ponderação dos custos do capitais próprio e de terceiros com as respectivas participações no total de capital (Passivo + Patrimônio Líquido), também conhecido com WACC (Weighted Average Cost of Capital – Custo Médio Ponderado de Capital). Segundo Leão (2003) o WACC é difinido de acordo com a Equação 1:

WACC=Ki×1-IR×PF÷P+[Ke×PL÷P] (1)

Onde:
WACC = Custo Médio Ponderado do Capital;
Ki = Custo Do Capital de Terceiros (Taxa de Juros de Captação da Empresa);
IR = Alíquota de Impostos sobre o Resultado;
PF = Passivo Financeiro;
Ke = Custo do Capital Próprio;
PL = Patrimônio Líquido;
P = Passivo Total (Igual a PF+PL).

O custo do capital próprio (Ke) representa o retorno esperado ou exigido do capital próprio e pode ser definido pela Equação 2:

Ke= K0+[K0-Ki×1-IR×PF÷PL] (2)

Onde:
Ke = Custo de Capital Próprio;
K0 = Custo do Capital de uma Empresa sem o Capital de Terceiros;
Ki = Custo Do Capital de Terceiros (Taxa de Juros de Captação da Empresa);
IR = Alíquota de Impostos sobre o Resultado;
PF = Passivo Financeiro;
PL = Patrimônio Líquido.

Ressalta-se que o custo do capital próprio comumente é determinado pelo modelo CAPM (Capital Asset Pricing Model - Modelo de Precificação do Ativo) que segundo Assaf Neto (2005) estabelece uma relação direta entre o retorno de um ativo e o retorno do mercado. Esse modelo leva em consideração variáveis, tais como, por exemplo, rendimentos da carteira de mercado e rendimentos do ativo livre de risco, estas que não são aplicáveis no objeto de estudo do presente trabalho, por isso optou-se pela formulação demonstrada na Equação 2.
Determinado o WACC o EVA é calculado segundo a Equação 3:

EVA=NOPAT-(WACC*Investimento) (3)

Onde:
NOPAT = Lucro Operacional após Imposto de Renda (Net Operating Profit After Taxes);
WACC = Custo Médio Ponderado do Capital;
Investimento = Capital Total Investido.

1.4 CUSTO DE OPORTUNIDADE

A determinação dos valores do EVA depende do estabelecimento dos custos de oportunidade do capital investido. Segundo Padoveze e Benedicto (2008) o parâmetro para verificação da rentabilidade, se esta é atrativa ou não, é o conceito do custo de capital, que representa o custo que se paga pelo fato de obter-se dinheiro para determinado investimento. A Teoria Econômica, no entanto, segundo os autores, adota o conceito de Custo de Oportunidade, que faz alusão as alternativas que foram abandonadas em prol de determinada escolha.
Downes e Goodman (1993) conceituam-no como o mais alto preço ou taxa que se pode obter por um curso de ação alternativo, conceito similar ao apresentado por Balarine (2002) que define o custo de oportunidade como a maior remuneração alternativa de um capital, apresentando como taxa de medida a taxa de atratividade associada à empresa objeto de análise, esta que serve de parâmetro para a tomada de decisão em relação a diversas opções de investimentos.
Em uma perspectiva histórica, segundo Burch e Henry (1974 apud PEREIRA, SOUZA, REDAELLI e IMONIANA, 1990), o termo custo de oportunidade originou-se em 1914 com o economista austríaco Friedrich von Wieser para definir o valor de um fator de produção em qualquer uso que lhe fosse dado, sendo que o custo de oportunidade (ou custo implícito) correspondia a renda líquida gerada pelo fato em seu melhor uso alternativo. Segundo os autores a visão apresentada por Burch e Henry (1974) ilustra a concepção econômica desse tipo de custo, no qual o raciocínio econômico está fortemente ligado com deslocamentos de fatores de produção entre diferentes atividades, e tal fato não se dá ao acaso, mas sim mediante “autorização” do mercado que deseja determinado bem/serviço produzido pelos fatores em questão e essa dinâmica valida os preços dos respectivos bens/serviços. Nessa mesma perspectiva, segundo Pyndick e Rubinfeld (2002) o custo de oportunidade representa o valor de mercado de todos os insumos utilizados na produção de qualquer bem e/ou serviço.
Ainda em Pereira, Souza, Redaelli e Imoniana (1990) tem-se outra a perspectiva dos custos de oportunidade: A contábil-financeira. Os autores ressaltam que o custo de oportunidade na visão contábil muitas vezes é “mascarado” como juros sobre o capital próprio. Uma grande diferença no tratamento desse tipo de custo entre os economistas e os contadores tradicionais diz respeito às escolhas. Enquanto um economista analisa o custo de oportunidade em relação às escolhas entre alternativas possíveis, um contador raciocina em termos de alternativas adotadas, não considerando dessa forma as alternativas possíveis e que foram escolhidas em detrimento de outras. Uma grande barreira para o tratamento do custo de oportunidade de maneira similar ao tratamento conferido pelos economistas é a questão da objetividade. Os relatórios contábeis exigem medidas e determinações objetivas e a determinação dos custos de oportunidade muitas vezes ocorre de forma subjetiva. Ressaltam também o fator tempo, uma vez que a contabilidade tradicional é baseada no custo histórico das transações, enquanto o custo de oportunidade está preso a valores presentes.
Abrangendo a discussão sobre a dificuldade da contabilidade tradicional incorporar os custos de oportunidade anteriormente apresentada, Leone e Leone (2007) consideram que esse tipo de custo, por sua própria natureza, é um custo imputável e não-contábil, o que significa que ele não é desembolsável e tal fato impossibilita seu registro nos livros oficiais da contabilidade legal e fiscal. Contudo os autores ressaltam que contadores, em comum acordo com os administradores, registram todos os tipos de custos e despesas e incluem os custos de oportunidade, mas apenas nos relatórios estritamente gerenciais.
O momento atual de acirrada competitividade no mundo dos negócios demanda maiores esforços por parte das empresas, em relação a diversos fatores, entre eles garantir a eficiência da análise de sua estrutura financeira (Sejam gastos, custos, despesas, receitas, lucros e etc), que se torna mais robusta a cada dia. Nada pode passar desapercebido, todas as contingências e oportunidades devem ser levadas em consideração, ainda que muitas não configurem aspectos estritamente objetivos tais como os custos de oportunidade. Dessa forma, esses custos que perduraram por muito tempo como custos implícitos e não foram alvo de grandes atenções, ganham maior importância no contexto econômico-financeiro.

1.5 JOGOS DE EMPRESAS COMO AMBIENTE DE APRENDIZAGEM

Oliveira (2009) classifica os jogos de empresas como instrumentos que têm por objetivo pedagógico estimular a apreensão cognitiva, por parte dos participantes, dos subsistemas que regem as organizações. Os jogos são considerados abstrações ou simplificações de um contexto real que contam com o elemento humano para a tomada de decisão, estas que são processadas através de um simulador, composto por modelos matemáticos que criam os cenários sobre os quais as situações hipotéticas do jogo se desenvolvem. Segundo Sauaia (1995) a origem exata dos jogos de empresas causa certa controvésia. O autor defende que os primeiros registros datam de 3000 anos A.C, na China com os chamados “Jogos de Guerra”, com a simulação de guerra Wei-Hai e na Índia com o jogo Chaturanga. Já de acordo com Mendes (1997) os primeiros jogos de empresas originaram-se durante a Segunda Guerra Mundial, voltados para assuntos militares. Contudo os dois autores citam que no contexto empresarial os primeiros registros datam da década de 50, com a publicação, pela Associação Americana de Administração, do jogo Top Management Decision Simulation.
Ao longo dos anos, conforme destaca Oliveira (2009), os jogos de empresa consolidaram-se como uma técnica de treinamento para gestores, em nível mundial, uma vez que a dinâmica das organizações contemporâneas exige novas habilidades e atitudes por parte de seus administradores. Os jogos reproduzem situações que fazem parte do cotidiano empresarial e possibilitam que diversos cenários sejam criados uma vez que as variáveis da simulação podem ser manipuladas facilmente, o que não se verifica na realidade.
O aspecto flexível e dinâmico dos jogos os tornam instrumentos interessantes para práticas educacionais na Academia, sobretudo para os cursos da área de negócios, como os cursos de Administração. Para os referidos cursos os jogos de empresas apresentaram-se como uma interessante abordagem de aprendizagem-vivencial (Aprender fazendo) uma vez que os cursos das áreas de negócios como um todo atravessam um momento bastante crítico quanto a metodologia de ensino-aprendizagem adotada. Nicolini (2001) discorre a cerca do panorama do ensino em Administração e chega a compará-lo como grandes fábricas de produção em massa de bacharéis. É a extrema preocupação com a quantidade de alunos formados para suprir as necessidades de mercado, e não com o nível de preparação para este aluno que em um futuro próximo será um profissional.
Adotar os Jogos de Empresa como uma nova proposta envolve também uma mudança de cultura, um olhar diferente para o processo de ensino-aprendizagem como um todo e isso requer que os docentes, que conduzem esse processo, também assumam uma nova postura. Nesse sentido novas iniciativas são verificadas, tais como, por exemplo, um programa de capacitação docente em Jogos de Empresas realizado na Universidade Federal Fluminense de Volta Redonda no ano de 2009, que objetivava entre tudo a disseminação de uma nova filosofia educacional proposta por Sauaia (2008), o Laboratório de Gestão. O termo Laboratório é uma alusão aos espaços tradicionalmente conhecidos para a realização de testes e experimentos uma vez que essa é a idéia proposta, contudo para testes e experimentos simulados no ambiente de negócios.
Segundo Oliveira (2009) o Laboratório de Gestão pode ser entendido como uma metodologia que combina educação e produção científica, apoiada nos Jogos de Empresas. Os autores ressaltam que nesse ambiente existem condições propícias para a realização de pesquisas científicas uma vez que o simulador produz resultados objetivos, estes que podem ser comparados sob a ótica de diversas teorias. Diferentes problemas podem ser identificados, o que pode despertar nos participantes a prontidão para a tentativa de responder os dilemas oriundos da situação-problema em questão com a construção de ensaios científicos, contribuindo para a construção e disseminação do conhecimento.
Dessa forma, o Laboratório de Gestão, através dos Jogos de Empresas, configura-se como uma ampla oportunidade de aprendizagem, que proporciona ao participante ser agente ativo do processo de sua formação, seja ela acadêmica ou profissional, contribuindo por sua vez para o cenário ideal de um processo no qual o termo ensino dá lugar à aprendizagem pró-ativa (HOOVER, 1974).

1 MÉTODO DE PESQUISA

Segundo Stake (1978) quando não há a possibilidade de controlar comportamentos, o Método do Estudo de Caso permite que os dados sejam coletados a partir de múltiplas fontes, todas baseadas em relatos, documentos ou observações, podendo-se inclusive fazer uso de evidências (Dados) de natureza quantitativa que estejam catalogadas. Isso confere uma vantagem ao método em relação aos métodos classificados como puramente qualitativos.
Quanto ao espaço-temporal, o Método do Estudo de Caso é bastante amplo, uma vez que permite que o fenômeno seja estudado com base em situações contemporâneas, que estejam acontecendo no momento presente; ou em situações passadas, que já ocorreram e que sejam importantes para a compreensão das questões de pesquisa colocadas. Assim presente pesquisa trata-se de um Estudo de Caso que faz uso de dados de natureza quantitativa.
Os objetos de estudo são representados por cinco empresas simuladas que participaram da competição estabelecida na disciplina Laboratório de Gestão Simulada III do curso de Administração de Empresas da Universidade Federal Fluminense de Volta Redonda, cuja metodologia de ensino/aprendizagem é centrada nos Jogos de Empresas.
O tipo de pesquisa caracterizou-se como exploratória que, segundo Gil (1991) assume, dentre outras formas, a de Estudos de Casos. Por fim, o tratamento dos dados classificou-se como Quantitativo, pela utilização de métodos e procedimentos contábeis e estatísticos para análise das informações, tais como a determinação do EVA, o Teste de Postos Com Sinais de Wilcoxon Para Pares Combinados e a Análise Relacional Grey.

2.6 AMBIENTE DA PESQUISA

O EGS (Exercício de Gestão Simulada) consiste no simulador original, este que segundo Martinelli (1987) foi desenvolvido na Universidade de Michigan e adaptado na FEA-
USP por Mário Tanabé. O simulador, assim como outros simuladores, é construído com uma base matemática equacional para retratar, de forma simplificada, os aspectos micro e macroeconômicos de um determinado ambiente empresarial.
Sauaia (2008) cria a versão denominada SIMULAB, a partir de adaptações realizadas no EGS, descrevendo-o como o promotor de um ambiente formado por empresas industriais produtoras de um pequeno dispositivo eletroeletrônico do tipo multipurpose, que competem entre si em uma estrutura de mercado que pode variar em função do número de empresas que o compõem. Todas as empresas inciam a simulação exatamente na mesma situação econômico-financeira. As operações ocorrem em ciclos trimestrais e as decisões a serem tomadas são no âmbito de aspectos financeiro, mercadológico e operacional. As decisões com relação ao composto mercadológico dizem respeito ao preço do produto (Que pode chegar até $ 9,00 e com valor mínimo que correspode ao custo variável unitário), tecnologia do produto e políticas de serviços/comercialização. As outras variáveis de decisão correspondem a investimentos em equipamentos, manutenção da fábrica, aquisição de matéria-prima, distribuição de dividendos, quantidade de horas-extras e outras despesas (Como, por exemplo, compra de boletins setoriais e consultorias).
As fábricas podem operar em três turnos de produção, nos quais a quantidade de produtos que podem ser fabricados dependem das características do Modelo de Produção do momento, respeitando-se sempre a capacidade produtiva da empresa. As empresas analisadas no presente trabalho encontravam-se no Modelo 2 de Produção, com as seguintes características: 1° Turno (Até 99,99% da capacidade instalada em regime de horas normais – 8 horas diárias; ou 134,9% em regime de horas extras que custam um adicional de 50% do custo da hora normal trabalhada), 2° Turno (Até 199,99% em horas normais e até 249,9% em horas extras), 3° Turno (Até 300% da capacidade, sem o regime de horas extras). As mudanças de ativação e/ou desativação de turnos incorrem em custos.
A demanda sofre influências de fatores exógenos, que consistem em variáveis mercadológicas não controláveis, porém passíveis de monitoramento, e são: Inflação (IGP- Índice Geral de Preços), Sazonalidade (IVE – Índice de Variação Estacional) e Previsão de Atividade Econômica (IAE – Índice de Atividade Econômica) e também as ações implementadas pelos concorrentes da indústria. Os fatores controláveis que influenciam a demanda são as variáveis de decisão, já citadas, que competem a empresa. Ressalta-se que os custos, em geral, sofrem efeitos de acordo com a variação inflacionária, podendo variar em escala maior ou menor do que a variação auferida no trimestre. Os consumidores possuem total conhecimento sobre as características e atributos dos produtos e, por sua vez, são sensíveis ao preço e/ou ao nível de diferenciação que conseguem perceber nos mesmos.
O desempenho econômico de cada empresa é expresso por meio da Taxa de Retorno, que consiste em uma aproximação do indicador financeiro ROE (Retorno sobre o Patrimônio Líquido). Esse indicador expressa o retorno para os acionistas da empresa e, por sua vez, quanto maior for esse retorno melhor para a empresa e seus acionistas. A eficiência da empresa em gerar retorno para seus acionistas depende das estratégias por ela adotadas bem como da estrutura de mercado vigente. A Equação 4 demonstra a fórmula de cálculo da Taxa de Retorno (r) da Simulação:

PLE0=D11+r+⋯Dn+PLEn (i+r)n (4)

Onde:
PLEn = Patrimônio Líquido Econômico Ajustado no Período n;
Dn = Dividendos distribuídos no período n; r = Taxa de Retorno.

Muitas outras características fazem parte do cenário da simulação, contudo algumas características são de suma importância para melhor compreensão de algumas adaptações que serão futuramente realizadas. As características mais relevantes são: * Os demonstrativos financeiros para análise e tomada de decisão compreendem: Balanço Patrimonial (Sem a demonstração de uma estrutura de Passivo, uma vez que as contas são consideradas de curto prazo e com alta liquidez, sendo, portanto liquidadas ao término de cada trimestre), Demonstrativo de Lucros e Perdas e Fluxo de Caixa. Todos os demonstrativos apresentam uma estrutura bastante simplificada; * As alíquotas de IR (Imposto de Renda) podem ser de, aproximadamente, 22% ou 48% do Lucro Líquido, dependendo do resultado deste. Para lucros menores ou iguais a $ 6250 aplica-se a alíquota de 22%, para valores superiores é aplicada a alíquota de 48%; * As fontes de financiamento das empresas simuladas consistem basicamente em aporte de capital próprio junto aos acionistas (Via dividendos negativos) e capital de terceiros (Fornecido automaticamente via caixa negativo. Esse capital é considerado de curto prazo, sendo mais oneroso para a empresa do que o capital obtido pelo aporte junto aos acionistas). As despesas financeiras para esse último caso são calculadas da seguinte maneira:

Despesas Financeiras=Déficit de caixa215.000.000 (5)

Como verficado, as despesas financeiras dependem diretamente do déficit de caixa que a empresa apresenta no trimestre. Tem-se, por exemplo, que para déficits de $ 100.000, $ 500.000 e $ 1.000.000, os custos aproximados são de, respectivamente, 0,7% a.t; 3,5% a.t e 7,0% a.t.
Assim como empresas que fazem parte de um contexto real as empresas simuladas podem elaborar diferentes projetos relacionados às suas áreas de operação. Os projetos dependem de aprovação por parte do condutor da atividade simulada, para tal, é necessário que atendam determinados pré-requisitos estabelecidos para os mesmos. Cada empresa pode submeter um número máximo de seis projetos que devem proporcionar benefícios e diferenciais para as mesmas, principalmente no que tange à redução de custos. Os benefícios dos projetos possuem contra partida na conta denominada Outras Despesas, dessa forma o valor do benefício é deduzido dessa conta, diminuindo por sua vez os custos da empresa.
De todo o mais o SIMULAB consiste em um simulador dinâmico que procura aproximar, com o máximo de semelhança possível, aspectos simulados à realidade empresarial vigente, tornando possível que os participantes tenham contato de forma experimental com cenários que podem ser encontrados na realidade econômica dos mercados.

2.7 COLETA DOS DADOS

Como instrumentos de coleta de dados foram utilizados os relatórios gerenciais que contém as decisões e respectivos resultados de cada trimestre de operação das empresas simuladas analisadas. Os seguintes dados foram coletados a partir dos relatórios gerenciais, para o teste das hipóteses do problema: Lucro Líquido, Despesa Financeira, Alíquota de Imposto de Renda, Capital investido na Empresa, Investimentos, Valor de Ativos, Patrimônio Líquido, Valor de Passivo e Custo da dívida para a empresa. Ressalta-se que as empresas analisadas foram constituídas a um horizonte de tempo maior do que o aqui considerado e dessa forma, nesse momento, partem de distintas condições econômico-financeiras. Todos os dados, bem como aqueles utilizados para o estabelecimento dos Graus de Relacionamento Grey, este que foram considerados Índices de Performance Empresarial das Empresas Simuladas, foram oriundos do cenário simulado que faz parte do chamado SIMULAB anteriormente descrito.

3.3 TESTE DE POSTOS COM SINAIS DE WILCOXON PARA PARES COMBINADOS

Segundo Sheskin (2004) o Teste dos Postos com Sinais de Wilcoxon para Pares Combinados, desenvolvido por Frank Wilcoxon entre 1945 e 1949 é um teste de hipóteses não-paramétrico que envolve a comparação entre duas amostras. Ressalta-se que testes não paramétricos caracterizam-se, principalmente, por não apresentarem a condição de normalidade para a distribuição dos dados.
A realização desse teste requer que cada um dos n objetos da amostra (Ou cada par combinado) sejam apresentados sob a forma de intervalo ou pontuações. Estabelece-se então a diferença entre os pares combinados para que a comparação seja estabelecida. Busca-se, dessa forma, testar se nas populações representadas pelas amostras a mediana das diferenças estabelecidas (Representada pela notação θD) é igual a 0 (Zero). Se uma diferença significativa é obtida existem indícios de que as amostras correspondem a duas diferentes populações.
O Teste baseia-se nas seguintes suposições: a) A amostra de n elementos foi aleatoriamente selecionada da população que representam; b) As medidas originais extraídas de cada observação estão em formato de intervalo ou posições; c) A distribuição das diferenças nas populações representadas pelas amostras é simétrica ao redor da mediana da população das diferenças entre os pares. Tem-se, portanto, a seguinte situação de teste:

* Hipótese Nula: H0: θD=0 * Hipótese Alternativa: H0: θD>0 * Hipótese Alternativa: H0: θD<0

Das hipóteses acima traduz-se que no primeiro caso (Hipótese Nula, ou situação a qual se tem conhecimento) o somatório dos rankings (Ou posicionamentos) das diferenças positivas de scores é igual ao somatório dos rankings das diferenças negativas de scores (∑R+ =∑R-). No caso das hipóteses alternativas tem-se que ∑R+ > ∑R_ ou ∑R+ < ∑R_ para a mesma situação citada.
A Estatística de Teste, denominada de T de Wilcoxon, é representada pelo menor valor absoluto entre os dois valores obtidos ∑R+ ou ∑R_, valor este interpretado em relação aos valores críticos de T para testes bicaudais e unicaudais considerando-se T.05 e T.01, e nesse sentido a aceitação ou rejeição da hipótese nula se dá em função dos resultados obtidos com a análise dos valores críticos, que são: Para testes bilaterais T05 = 5 e T01 = 1; Para testes unilaterais T05 = 8 e T01 = 3.
Existe a possibilidade de aproximação do Teste de Wilcoxon para um Teste Normal, o que se dá geralmente quando existe um número suficientemente grande de n (Elementos da Amostra), contudo observa-se esse procedimento mesmo em casos com amostras pequenas, e essa relação se dá conforme a Equação 6:

z=T- n(n+1)4n (n+1)(2n+1)24 (6)

Após a normalização deve-se comparar os valores de z obtidos com os valores críticos de z, da mesma forma realizada com a estatística T de Wilcoxon, para analisar a aceitação ou rejeição da hipótese nula. Têm-se os seguintes valores críticos: Para testes bilaterais z05 = 1.96 e z01 = 2.58; Para testes unilaterais z05 = 1.65 e z01 = 2.33.
Ressalta-se que os dois indicadores fornecem resultados em diferentes grandezas, enquanto a Taxa de Retorno é uma medida percentual, o EVA é expresso em termos de valor monetário e, dessa forma, efetuou-se um processo de normalização dos dados para que os mesmos fossem expressos na mesma grandeza e a comparação visual, mesmo que prévia, fosse facilitada. O processo foi realizado para ambas as variáveis consideradas no presente trabalho (Taxa de Retorno e EVA), normalizando-se o intervalo [xmin, xmax] para o intervalo [0,1], conforme a Equação 7:

XiN=Xi-XiminXimax-Ximin (7)

Onde: xiN = Valor Normalizado na série i =1,....,n ximin = Menor valor da série i = 1,....,n ximax = Maior valor da série i = 1,....,n

O Teste Estatístico levou em consideração os valores normalizados dos indicadores de resultado, mesmo que os valores pudessem ter sido utilizados em suas formas primárias, pois acreditou-se que, a primeira vista, seja mais fácil uma comparação, mesmo que prévia e sem a possibilidade de qualquer conclusão, em termos de visualização quando os indicadores apresentam-se na mesma unidade.

3.4 ANÁLISE RELACIONAL GREY

Segundo Wen (2004), a Teoria de Sistemas Grey foi formalmente inicializada pelo professor Julong Deng em 1982, ano no qual publicou-se o artigo “Problemas de Controle dos Sistemas Grey” na revista internacional de notas em Sistemas e Controle. A proposta da Teoria é fornecer uma opção frente às limitações dos tradicionais métodos estatísticos, pois demanda apenas uma limitada quantidade de dados para estimar o comportamento de um sistema incerto.
Ao longo das décadas transcorridas, com um árduo trabalho por parte dos acadêmicos, a Teoria de Sistemas Greys tem sido aplicada, de maneira significativa e satisfatória, em diversos campos do saber, tais como: Pesquisas na Indústria, Sistemas Sociais, Sistemas Ecológicos, Economia, Geografia, Gestão, Estudos de Tráfego e outros.
Ainda segundo Wen (2004), em suma, a propósito maior da Teoria foca na relação entre a construção do modelo de análise e em aspectos tais como: Incerteza, variedade de dados de entrada, dados discretos e insuficientes para a predição e tomada de decisão. A escolha para utilização dessa abordagem sustentou-se principalmente por sua adequação ao objetivo pretendido de criar um indicador combinado entre as duas variáveis de análise, bem como por permitir esse estabelecimento por meio de um número limitado de dados de entrada.
A Teoria é apresentada em seis partes e, entre elas, a parte considerada no presente trabalho refere-se à Análise Relacional Grey (GRA – Grey Relational Analysis). No universo da GRA o tópico mais importante é representado pelo Grau de Relacionamento Grey (GRG – Grey Relational Grade), indicado pela letra grega Γ (Gama). O Grau de Relacionamento é determinado a partir da média aritmética simples dos Coeficientes Relacionais Grey (GRC – Grey Relational Coefficient), estes que demonstram a distância entre os atributos de uma determinada observação (Série comparativa) e o estado desejado para os mesmos (Série padrão).
Desde 1981 o método tradicional da Teoria demanda um processo de normalização dos dados, este que seguia três distintas orientações: Quanto Maior Melhor, Quanto Menor Melhor e Nominal Melhor. Independente da orientação condizente com a análise, o processo de normalização demanda a satisfação da condição matemática de isomorfismo (Grupos que apresentam mesmas propriedades de formação), respeitando as seguintes condições:

x1≠x2⇔fx1≠fx2 (8)

fax1+bx2=afx1+bfx2 (9) Estudos e provas matemáticas demonstraram que a forma como a qual a abordagem tradicional foi proposta não atendia aos pré-requisitos, o que culminou com métodos modificados, entre os quais, o método de Hsia para a normalização de cada componente da série observável. A normalização pode ocorrer das seguintes formas segundo esse método: a) Se quanto MAIOR melhor x1* (k) =xi0 k- imin∀i(xi0 k)imax∀i(xi0 k)- imin⁡(∀ixi0 k) (10)

b) Se quanto MENOR melhor

x1* (k) = imax ∀i(xi(0) k)- xi(0) kimax∀i(xi(0) k)- imin⁡(∀ixi(0) k) (11)

c) NOMINAL Melhor x1* (k) = 1-| xi0 k- OB |imax∀i{imax∀i[xi0 k]-OB, OB- imin∀i[xi0 k]} (12) Onde: OB = Valor alvo em xi(0) x1* (k) = Valor Normalizado imin⁡(∀ixi(0) k) = Menor medida da série original observada {x1(0), x2(0), x3(0).... xm(0)} imax⁡(∀ixi(0) k) = Maior medida da série original observada {x1(0), x2(0), x3(0).... xm(0)} Observações: 1) xi(0) k Represetam medidas da observação xi; 2) i: 1......m 3) k: 1......n 4) A série que representa a chamada série padrão, ou seja, aquela que possui o estado desejável para as observações, é representada por x0, com seus respectivos valores igualados a 1. Segundo Leal Jr (2010), após o processo de normalização das observações calcula-se o Coeficiente Relacional Grey (GRC – Grey Relational Coefficient), que reflete a similaridade entre as observações e a série padrão determinada, indicando o quão distantes estão as primeiras de sua respectiva na série desejável (padrão). Tem-se, portanto, a seguinte equação para o cálculo do GRC (γ). γx0k1x1k= △min+ ∆max∕∆oik+ Δmax (13) Onde: i = 1,2,3......,m; k = 1,2,3......,n. j  x0 = Série padrão; xi= Observações ∆oi = | x0 (k) – x1 (k)|; Diferença entre a série padrão e as observações normalizadas ∆min = imin ∀iimin∀i | x0 (k) – x1 (k)|; ∆max = imax ∀iimax∀i | x0 (k) – x1 (k)|; Coeficiente de Distinção;  Segundo Wen (2004) ocoeficiente de distinção possui o propósito de ajustar a diferença entre ∆oi e ∆max, e dentro do intervalo [0,1] esse coeficiente pode assumir qualquer valor, porém, atribui-se comumente o valor de 0,5. Independente dos valores atribuídos ao coeficiente o ranking dos valores não sofrerá qualquer alteração, o que sofre influência do valor é somente o distanciamento entre observações normalizadas e respectivas séries padrões. Por fim são estabelecidos os Graus de Relacionamento Grey (GRG - (GRG – Grey Relational Grade - Γoi) para cada série observável. O GRG consiste na média aritmética simples dos Coeficientes Relacionais Grey para cada observação, sendo calculado de acordo com a Equação 14. Γoi = 1n k=1nγ (x0(k),xi(k)) (14) Os Coeficientes Relacionais Grey podem ser ponderados pelo peso (β) que cada atributo assume na análise. Dessa forma, os Graus de Relacionamento Grey podem ser expressos de acordo com a Equação 15: Γoi = k=1nβγ (x0(k),xi(k)) (15) A Teoria descreve diferentes formas para estabelecer a ponderação (pesos) dos atributos e nesse contexto, utilizou-se no presente trabalho a chamada Máxima Entropia de Grey, calculada da seguinte forma: 1) Calcula-se a soma dos mesmos atributos de uma determinada observação (Dk): Dk= i=1mXk (i) (16) 2) Calcula-se o coeficiente de normalização k: κ=10.6478 x m (17) Onde: m representa o número de séries cujos atributos estão sendo considerados; O valor 0.6478 ocorre no ponto máximo da função da entropia [Descrita por We (x)], quando x = 0,5, dessa forma tem-se e0.5 – 1 = 0.6478;
We (x) = “Mapping Function” da Medição do Processo de Entropia, cujo valor corresponde a We (x) = x. e(1-x) + (1-x)ex -1 3) Calcula-se a entropia para cada fator (atributo) ek=10.6478 x m m i=1WeXiK∕Dk (18) 4) Calcula-se a soma das entropias (E): E=i=1nek (19) 5) Calcula-se o peso relativo dos atributos (λk): λk = 1m-E [1-ek] (20) 6) Normalização dos pesos (βk): βκ=λκi=1nλi (21) A determinação dos Graus de Relacionamento no presente trabalho considerou a normalização do tipo Quanto MAIOR Melhor, estabelecendo-se a medida padrão 1 para as duas observações consideradas nos cálculos, a Taxa de Retorno produzida na Simulação Gerencial e os valores de EVA. Para cada período simulado (8 ao total) consideraram-se os valores obtidos pelas empresas em relação à TR e EVA. Os valores necessários para o estabelecimento dos Graus de Relacionamento, que consistem nos Coeficientes de Relacionamento, foram ponderados pelos seus respectivos pesos em cada trimestre simulado, calculados da forma anteriormente citada. Ressalta-se que mesmo que não houvesse a necessidade de uma normalização prévia (Além da estabelecida pela própria metodologia da Análise Grey) foram utilizados os valores normalizados, conforme descrito na sessão anterior, somente por uma questão de opção e tal fato não promoveu discrepância nos resultados, uma vez que todas as observações receberam o mesmo tratamento.

3.5 ETAPAS DA PESQUISA

O fluxo abaixo demonstrado descreve as etapas de realização da presente pesquisa: Figura 3: Fluxo das Etapas de Pesquisa Fonte: Elaboração Própria. 4 ANÁLISE DESCRITIVA DOS DADOS

As variáveis consideradas na análise correspondem à taxa de retorno produzida pelo simulador e pelos valores do EVA calculados para os oito trimestres simulados. As hipóteses anteriormente propostas foram testadas à luz de do Teste de Postos Sinalizados de Wilcoxon, um teste não paramétrico que busca identificar se existe, ou não, diferença entre os registros considerados. O chamado Índice de Performance Empresarial será equivalente ao Grau de Relacionamento Grey estabelecido entre as duas medidas consideradas.

4.1 RESULTADOS DAS EMPRESAS

O cálculo do EVA foi realizado no horizonte de tempo de dois anos simulados (Oito trimestres) para as cinco empresas participantes da simulação gerencial. Em função das limitações do simulador algumas adaptações foram realizadas como forma de obter operações coerentes com a forma de cálculo preconizada pela fórmula do EVA apresentada. Nesse sentido têm-se as seguintes adaptações: O Passivo Financeiro foi determinado pelo Endividamento da Empresa, que consiste no saldo negativo da conta de caixa no Balanço Patrimonial; O custo do capital de terceiros (Ki) é dado pela alíquota cobrada em função do montante de endividamento de caixa; O custo de capital da empresa sem o capital de terceiros (K0) é dado pela taxa SELIC da economia real no momento presente, estabelecida em 11,90%; Caso uma empresa não apresente endividamento o seu WACC torna-se igual ao seu custo de capital próprio (Ke). A determinação do EVA considera os investimentos realizados pela empresa e, nesse sentido, na simulação gerencial foram considerados os seguintes investimentos: Marketing, Pesquisa e Desenvolvimento, Investimentos em Equipamentos, Manutenção e Outros Gastos.
Segue abaixo um exemplo da forma como a qual os cálculos para determinação do EVA foram conduzidos. Ressalta-se que será demonstrado o caso de uma única empresa para um único período simulado, contudo o mesmo procedimento foi realizado para todas as empresas bem como todos os períodos abordados no presente trabalho, com a utilização de uma planilha eletrônica. Dessa forma tem-se o seguinte panorama para a Empresa 1 no período 1 (T1):

Figura 4 - Demonstração de Cálculo dos Valores Variáveis | Valores | Forma de Determinação dos Valores | Ki (Custo do Capital de Terceiros) | 0,0128 | Calculado de acordo com a Equação 5, considerando-se o déficit de caixa que a empresa apresenta no período considerado. | Imposto de Renda (IR) | 0,48 | Taxa característica do Simulador. | Passivo Financeiro | 178.521 | Valor referente ao déficit de caixa que a empresa apresenta no período considerado. Ressalta-se que a consideração do déficit de caixa enquanto passivo financeiro é uma adaptação realizada em função das informações limitadas geradas pela simulador. Em um contexto real esse valor é representado de forma diferente (Como créditos e valores realizáveis independente de autorização orçamentária e o numerário disponível em bancos) | Patrimônio Líquido Econômico | 10.980.382 | Valor disponível nos Relatórios Gerenciais das empresas. | Passivo Total | 11.158.903 | Valor calculado a partir da soma entre o Patrimônio Líquido Econômico + Passivo Financeiro (178.521 + 10.980.382). O simulador não trabalha com estrutura de Passivo, dessa forma esse valor consiste em outra adaptação. | Ko (Custo do Capital da Empresa sem o Capital de Terceiros) | 0,119 | Valor referente à Taxa SELIC vigente da Economia Brasileira (Adaptação em função das limitações citadas). | Lucro Operacional | 13.003 | Resultado das operações empresariais (Disponível nos Relatórios Gerenciais) | Investimento | 986.500 | Soma dos investimentos realizados em Marketing (650.000), Pesquisa e Desenvolvimento (100.000), Investimentos em Equipamentos (100.000), Manutenção (120.000) e Outros Gastos (16.500). |

Figura 4 - Demonstração de Cálculo dos Valores (Continuação) Variáveis | Valores | Forma de Determinação dos Valores | Custo do Capital Próprio (Ke) | 0,119897842 | Considera-se a seguinte relação: [(Ko –Ki)*(1-IR)*(Passivo Financeiro/Patrimonio Líquido Econômico) + Ko] e tem-se: [(0,119-0,0128)*(1-0,48)*(178.521/10.980.382) + 0,119] = 0,11989842 | Custo Médio Ponderado de Capital (WACC) | 0,118086190 | Considera-se a seguinte relação: [Ki*(1-IR)*(Passivo Financeiro/Passivo Total) + Ke * (Patrimônio Líquido Econômico/Passivo Total)] e tem-se que: [0,0128*(1-0,48)*(178.521/11.158.903) + 0,119897842 * (10.980.903/11.158.903) = 0,118086190 | EVA | 103.489,026 | Considera-se a seguinte relação: [Lucro Operacional – (WACC*Investimentos)] e tem-se que: [13.003 – (0,118086190*986.500) = - 103.489,026 | EVA Acumulado | 103.489,026 | Soma-se o valor de EVA encontrado no período em questão com o valor econtrado do período anterior. Neste caso parte-se do pressuposto que o período 0 apresenta EVA de 0 e portanto o valor do EVA Acumulado é equivalente ao valor do EVA. |
Fonte: Elaboração Própria.

Conforme já exposto, o indicador comparado com EVA é a Taxa de Retorno produzida na Simulação Gerencial. Essa Taxa é um indicador acumulado ao longo dos períodos, sendo estabelecida para todos os períodos de exercício das empresas simuladas.
As Tabelas demonstram valores do WACC, EVA e Taxa de Retorno em um horizonte de tempo de oito trimestres e os gráficos a evolução dos mesmos ao longo do tempo.

* Empresa 1 (Real Brasil)

Tabela 1 - WACC, EVA e EVA Acumulado da Empresa 1 Períodos | WACC | EVA | EVA Acumulado | Taxa de Retorno | 1 | 0,118086190 | -103489,0262 | -103489,0262 | 0,9196 | 2 | 0,119000000 | 52876,5000 | -50612,52623 | 0,9530 | 3 | 0,119000000 | -263986,0000 | -314598,5262 | 0,7190 | 4 | 0,118851103 | -106024,8662 | -420623,3924 | 0,6369 | 5 | 0,119000000 | -293537,5000 | -714160,8924 | 0,4173 | 6 | 0,119000000 | -61321,5000 | -775482,3924 | 0,4501 | 7 | 0,119000000 | 100479,5000 | -675002,8924 | 0,5480 | 8 | 0,119000000 | -107102,0000 | -782104,8924 | 0,5327 |
Fonte: Elaboração Própria.

Figura 5 - Gráfico da Evolução do EVA Acumulado Empresa 1 Fonte: Elaboração Própria.

Figura 6 - Gráfico da Evolução da Taxa de Retorno Empresa 1

Fonte: Elaboração Própria.

* Empresa 2 (Ventura)

Tabela 2 - WACC, EVA e EVA Acumulado Empresa 2 Períodos | WACC | EVA | EVA Acumulado | Taxa de Retorno | 1 | 0,119000000 | -132521,5000 | -132521,5000 | 0,5227 | 2 | 0,119000000 | -871999,0000 | -1004520,5000 | -0,3015 | 3 | 0,119000000 | -1284755,5000 | -2289276,0000 | -1,4141 | 4 | 0,119000000 | -789707,5000 | -3078983,5000 | -1,9404 | 5 | 0,119000000 | -1178822,0500 | -4257805,5500 | -2,7582 | 6 | 0,119000000 | -1471125,0500 | -5728930,6000 | -3,2956 | 7 | 0,113862308 | -142806,7668 | -5871737,3668 | -2,9069 | 8 | 0,119000000 | -1011265,0500 | -6883002,4168 | -3,2894 |
Fonte: Elaboração Própria.

Figura 7 - Gráfico da Evolução do EVA Acumulado Empresa 2 Fonte: Elaboração Própria.

Figura 8 - Gráfico da Evolução da Taxa de Retorno da Empresa 2

Fonte: Elaboração Própria.

* Empresa 3 (Icone)

Tabela 3 - WACC, EVA e EVA Acumulado Empresa 3 Períodos | WACC | EVA | EVA Acumulado | Taxa de Retorno | 1 | 0,119000000 | -204731,5000 | -204731,5000 | 0,2402 | 2 | 0,119000000 | -149517,0000 | -354248,5000 | 0,1862 | 3 | 0,119000000 | -71206,0000 | -425454,5000 | 0,1953 | 4 | 0,119000000 | -67175,0000 | -492629,5000 | 0,2176 | 5 | 0,119000000 | -188946,0000 | -681575,5000 | 0,1276 | 6 | 0,119000000 | 258078,0250 | -423497,4750 | 0,3328 | 7 | 0,119000000 | 51349,3750 | -372148,1000 | 0,4159 | 8 | 0,119000000 | 125179,7620 | -246968,3380 | 0,5206 |
Fonte: Elaboração Própria.

Figura 9 - Gráfico da Evolução do EVA Acumulado Empresa 3 Fonte: Elaboração Própria.

Figura 10 - Gráfico da Evolução da Taxa de Retorno da Empresa 3

Fonte: Elaboração Própria.

* Empresa 4 (Tecfast)

Tabela 4 - WACC, EVA e EVA Acumulado Empresa 4 Períodos | WACC | EVA | EVA Acumulado | Taxa de Retorno | 1 | 0,119000000 | -369894,5000 | -369894,5000 | 1,2480 | 2 | 0,119000000 | 182053,5000 | -187841,0000 | 1,3997 | 3 | 0,119000000 | 20161,5000 | -167679,5000 | 1,3497 | 4 | 0,119000000 | 45990,5000 | -121689,0000 | 1,3160 | 5 | 0,119000000 | -696254,0000 | -817943,0000 | 0,7937 | 6 | 0,115514162 | 232427,1652 | -585515,8348 | 0,9174 | 7 | 0,119000000 | 805909,0310 | 220393,1962 | 1,3227 | 8 | 0,116119306 | 648813,9502 | 869207,1464 | 1,6107 |
Fonte: Elaboração Própria.

Figura 11 - Gráfico da Evolução do EVA Acumulado Empresa 4

Fonte: Elaboração Própria.

Figura 12 - Gráfico da Evolução da Taxa de Retorno da Empresa 4

Fonte: Elaboração Própria.

* Empresa 5 (Multitech)

Tabela 5 - WACC, EVA e EVA Acumulado Empresa 5 Períodos | WACC | EVA | EVA Acumulado | Taxa de Retorno | 1 | 0,119108383 | -279804,4859 | -279804,4859 | 1,4558 | 2 | 0,127140930 | -140103,5167 | -419908,0026 | 1,2405 | 3 | 0,130144498 | 162895,3881 | -257012,6145 | 1,2249 | 4 | 0,119000000 | -37168,3360 | -294180,9505 | 1,1767 | 5 | 0,119000000 | 426848,9620 | 132668,0115 | 1,3430 | 6 | 0,119000000 | 643477,6280 | 776145,6395 | 1,7094 | 7 | 0,119000000 | 1196630,2110 | 1972775,8505 | 2,2497 | 8 | 0,119000000 | 1041305,3880 | 3014081,2385 | 2,6819 |
Fonte: Elaboração Própria.

Figura 13 - Gráfico da Evolução do EVA Acumulado Empresa 5 Fonte: Elaboração Própia.

Figura 14 - Gráfico da Evolução da Taxa de Retorno da Empresa 5 Fonte: Elaboração Própria.

4.2 TESTE DE POSTOS COM SINAIS DE WILCOXON PARA PARES COMBINADOS

Foram utilizados os seguintes valores normalizados para a realização do Teste de Wilcoxon:

Tabela 6 - Valores Normalizados do EVA Acumulado e Taxa de Retorno | Períodos | EVA Acumulado Normalizado | Taxa de Retorno Normalizada | Real Brasil | 1 | 0,685001 | 0,705178 | | 2 | 0,690343 | 0,710765 | | 3 | 0,663670 | 0,671619 | | 4 | 0,652957 | 0,657884 | | 5 | 0,623298 | 0,621146 | | 6 | 0,617103 | 0,626633 | | 7 | 0,627255 | 0,643011 | | 8 | 0,616433 | 0,640452 | Ventura | 1 | 0,682067 | 0,638779 | | 2 | 0,593961 | 0,500895 | | 3 | 0,464149 | 0,314764 | | 4 | 0,384357 | 0,226717 | | 5 | 0,265249 | 0,089904 | | 6 | 0,116607 | 0,000000 | | 7 | 0,102178 | 0,065027 | | 8 | 0,000000 | 0,001037 |
Fonte: Elaboração própria.
Tabela 6 - Valores Normalizados do EVA Acumulado e Taxa de Retorno (Continuação) Icone | 1 | 0,674771 | 0,591518 | | 2 | 0,659664 | 0,582484 | | 3 | 0,652469 | 0,584007 | | 4 | 0,645682 | 0,587737 | | 5 | 0,626591 | 0,572681 | | 6 | 0,652667 | 0,607010 | | 7 | 0,657855 | 0,620912 | | 8 | 0,670503 | 0,638427 | Tecfast | 1 | 0,658083 | 0,760117 | | 2 | 0,676478 | 0,785496 | | 3 | 0,678515 | 0,777131 | | 4 | 0,683162 | 0,771493 | | 5 | 0,612812 | 0,684115 | | 6 | 0,636297 | 0,704810 | | 7 | 0,717726 | 0,772614 | | 8 | 0,783282 | 0,820795 | Multitech | 1 | 0,667186 | 0,794881 | | 2 | 0,653030 | 0,758862 | | 3 | 0,669489 | 0,756253 | | 4 | 0,665733 | 0,748189 | | 5 | 0,708862 | 0,776010 | | 6 | 0,773879 | 0,837307 | | 7 | 0,894786 | 0,927696 | | 8 | 1,000000 | 1,000000 |
Fonte: Elaboração Própria.

As hipóteses testadas buscaram identificar se existiam diferenças, ou não, em relação aos valores produzidos pelos dois diferentes indicadores considerados, a Taxa de Retorno e o EVA. Dessa forma as seguintes hipóteses fora estabelecidas:

H0: Não existem diferenças entre os resultados produzidos pela Taxa de Retorno e o EVA.
H1: Existem diferenças entre os resultados produzidos pela Taxa de Retorno e o EVA.

O teste foi realizado por meio do software estatístico SPSS (Statistical Package for The Social Science – Pacote Estatístico para Ciências Sociais), considerando-se um teste bilateral e um intervalo de confiança de 95%, com região de aceitação da hipótese nula entre z = -1.96 e z = 1.96. Os seguintes resultados foram obtidos para as empresas:

Tabela 7 - Resultados de Teste de Wilcoxon Test Statistics (b) | Real Brasil | Ventura | Icone | Tecfast | Multitech | | V3 - V2 | V3 - V2 | V3 - V2 | V3 - V2 | V3 - V2 | Z | - 2,380a | - 2,380a | - 2,521a | - 2,521a | - 2,366a | Asymp. Sig. (2-tailed)a. Based on negative ranks.b. Wilcoxon Signed RanksTest | 0,017 | 0,017 | 0,012 | 0,012 | 0,018 |
Fonte: Adaptado do Programa SPSS.

Pode-se observar que todos os valores de z obtidos após aproximação da normal encontram-se em regiões fora dos limites das zonas de aceitação da hipótese nula (-1.96 ≤ z ≤ 1.96) e, dessa forma, a hipótese de que os indicadores produzem o mesmo resultado no sentido de avaliação empresarial é rejeitada e tornou pertinente os esforços para a construção de um indicador capaz de combinar os resultados produzidos pelos dois indicadores, o Indice de Performance Empresarial, estabelecido por meio da Análise Relacional Grey.

4.3 ANÁLISE RELACIONAL GREY

Os Graus de Relacionamento Grey, considerados como uma maneira diferente de avaliar os resultados empresariais (Índice de Performance Empresarial), foram calculados para os 8 trimestres simulados considerando todos os resultados produzidos pelas empresas (Em termos de Taxa de Retorno e EVA) no respectivo período. Ressalta-se que em cada período foram atribuídos pesos para os dois indicadores, estes calculados de acordo com o Método da Máxima Entropia citado anteriormente.
Os resultados obtidos são demonstrados de acordo com o ranking estabelecido por período para as empresas. Abaixo encontram-se os resultados com os respectivos pesos de cada indicador no período simulado:

Tabela 8 - Resultados Análise Grey Período 1 PERÍODO 1 | PESOS β | EMPRESAS | Γ | RANKING | | EVA 0,501910214TR0,498089786 | 1 | 0,766542 | EMPRESA 1 | | | 2 | 0,608548 | EMPRESA 5 | | | 3 | 0,451192 | EMPRESA 2 | | | 4 | 0,538488 | EMPRESA 4 | | | 5 | 0,714091 | EMPRESA 3 |
Fonte: Elaboração Própria.

Tabela 9 - Resultados Análise Grey Período 2 PERÍODO 2 | PESOS β | EMPRESAS | Γ | RANKING | | EVA 0,504545141TR0,495454859 | 1 | 0,829399 | EMPRESA 4 | | | 2 | 0,333333 | EMPRESA 1 | | | 3 | 0,512459 | EMPRESA 5 | | | 4 | 0,887271 | EMPRESA 3 | | | 5 | 0,701709 | EMPRESA 2 |
Fonte: Elaboração Própria

Tabela 10 - Resultados Análise Grey Período 3 PERÍODO 3 | PESOS β | EMPRESAS | Γ | RANKING | | EVA 0,509822304TR0,490177696 | 1 | 0,784369 | EMPRESA 4 | | | 2 | 0,333333 | EMPRESA 5 | | | 3 | 0,677226 | EMPRESA 1 | | | 4 | 1 | EMPRESA 3 | | | 5 | 0,919801 | EMPRESA 2 |
Fonte: Elaboração Própria.

Tabela 11 - Resultados Análise Grey Período 4 PERÍODO 4 | PESOS β | EMPRESAS | Γ | RANKING | | EVA 0,513406802TR0,486593198 | 1 | 0,770442 | EMPRESA 4 | | | 2 | 0,333333 | EMPRESA 5 | | | 3 | 0,701012 | EMPRESA 1 | | | 4 | 1 | EMPRESA 3 | | | 5 | 0,908015 | EMPRESA 2 |
Fonte: Elaboração Própria.

Tabela 12 - Resultados Análise Grey Período 5 PERÍODO 5 | PESOS β | EMPRESAS | Γ | RANKING | | EVA 0,522031404TR0,477968596 | 1 | 0,706020 | EMPRESA 5 | | | 2 | 0,333333 | EMPRESA 4 | | | 3 | 0,680889 | EMPRESA 1 | | | 4 | 0,741268 | EMPRESA 3 | | | 5 | 1 | EMPRESA 2 |
Fonte: Elaboração Própria.

Tabela 13 - Resultados Análise Grey Período 6 PERÍODO 6 | PESOS β | EMPRESAS | Γ | RANKING | | EVA 0,521663004TR0,478336996 | 1 | 0,671387 | EMPRESA 5 | | | 2 | 0,333333 | EMPRESA 4 | | | 3 | 0,689687 | EMPRESA 3 | | | 4 | 0,731063 | EMPRESA 1 | | | 5 | 1 | EMPRESA 2 |
Fonte: Elaboração Própria.

Tabela 14 - Resultados Análise Grey Período 7 PERÍODO 7 | PESOS β | EMPRESAS | Γ | RANKING | | EVA 0,507275876TR0,492724124 | 1 | 0,599660 | EMPRESA 5 | | | 2 | 0,333333 | EMPRESA 4 | | | 3 | 0,605407 | EMPRESA 3 | | | 4 | 0,713044 | EMPRESA 1 | | | 5 | 1 | EMPRESA 2 |
Fonte: Elaboração Própria.

Tabela 15 - Resultados Análise Grey Período 8 PERÍODO 8 | PESOS β | EMPRESAS | Γ | RANKING | | EVA 0,499954091TR0,500045909 | 1 | 0,573669 | EMPRESA 5 | | | 2 | 0,333333 | EMPRESA 4 | | | 3 | 0,591427 | EMPRESA 3 | | | 4 | 0,716791 | EMPRESA 1 | | | 5 | 1 | EMPRESA 2 |
Fonte: Elaboração Própria.

Os Graus de Relacionamento Grey (Γ) fornecem a distância dos resultados em comparação com uma determinação medida desejada. No presente estudo essa medida assumiu o valor 1 pois, quanto mais próximo de 1 o resultado da empresa melhor é o seu desempenho econômico financeiro. Dessa forma as análises devem proceder de acordo com a seguinte exemplificação: No período 8, por exemplo, a empresa 1 atingiu um Grau de Relacionamento de 0,573669 (57,3669%) o que representa um distanciamento de 0,426331 da medida desejada 1 (Ou 42,6331% de distanciamento).

5 DISCUSSÃO DOS RESULTADOS

Uma das propostas do presente trabalho foi verificar a existência ou não de diferenças entre os resultados produzidos por uma ótica de avaliação de desempenho que representa uma medida tradicional desse processo, a Taxa de Retorno da Simulação, que consiste em uma aproximação do chamado Retorno sobre o Patrimônio Líquido (ROE – Return on Equity) e uma medida que é considerada um “novo” momento da Administração Financeira no que tange a avaliação de desempenho econômico-financeiro das empresas, o EVA. Muitos teóricos como, por exemplo, Stewart (2005), Richardson e Gordon (1980), Matarazzo (1995) e Martins (2000) questionam a validade atual dessas tradicionais formas de avaliação de desempenho, amplamente utilizadas e que consolidaram-se no universo da Administração Financeira e Contábil.
O EVA é considerado uma ferramenta mais condizente com a realidade, segundo autores como Young e O’byrn (2003), Drucker (1999), Bodie e Merton (2002), pois ele leva em consideração aquilo que realmente importa para a avaliação empresarial e consequentemente para os donos/acionistas da empresa: A geração de valor. O seu cálculo considera o retorno que se espera sobre o capital empregado, o que as medidas tradicionais de desempenho não contemplam. Além das questões econômico-financeiras o EVA ganha destaque nesse momento, pois ele abrange questões inerentes a Gestão Empresarial e, nesse contexto, conforme citado por Stern, Shiely e Ross (2001), o EVA é capaz de alinhar os interesses de gerentes e proprietários da empresa, agindo de forma, inclusive, a eliminar os conflitos de interesses que verificaram-se na corporações ao longo dos anos, o que faz com que muitas empresas na atualidade demonstrem inicitivas para adequarem-se a esse novo momento da gestão financeira, que impacta a empresa de forma geral.
Em uma posição mais imparcial a respeito do embate entre novas e tradicionais tendências, autores como Helfert (2000) relatam a grande variedade de formas para avaliar o desempenho de uma empresa, algumas puramente financeiras, outras estritamente econômicas, mas que nenhuma delas pode ser considerada predominante, mas uma combinação entre as diferentes metodologias pode fornecer melhores resultados, posição também defendida por Damodaran (1997), que afirma não existir um modelo considerado melhor, mas que o modelo adequado para uso em um determinado contexto dependerá diretamente de uma variedade de características da empresa que está sendo avaliada.
No presente trabalho procurou-se evidenciar tantos os aspectos positivos quanto negativos dos dois indicadores considerados, pois acredita-se que, assim como defendido por Helfert (2000) muitas são as maneiras de analisar o desempenho econômico-financeiro de uma unidade de negócios, cada uma com suas limitações e pontos de destaque, mas sem a predominância de uma ou outra ótica mas sim uma combinação entre os resultados produzidos pelas mesmas.
Em relação ao ROE a literatura destaca autores como Bodie, Kane e Marcus (2000), Damodaran (2004) que apontam algumas limitações, principalmente a base contábil utilizada para o cálculo do indicador, pois muitas vezes o Regime de Competência requer o ajustamento de contas, inclusive a criação de contas para a contrapartida contábil, o que gera resultados discrepantes da verdadeira situação econômico-financeira da unidade de negócios. Entre outros fatores destaca-se também que os resultados baseados basicamente no patrimônio líquido e capital investido ignoram fatores importantes, tais como, por exemplo, o valor de mercado dos ativos da organização e, dessa forma, os resultados produzidos não condizem com a realidade vivenciada pela organização, o que não ocorre, por exemplo, quando existe a consideração do custo de oportunidade, que segundo Pyndick e Rubinfeld (2002) representa o valor de mercado de todos os insumos utilizados na produção de qualquer bem e/ou serviço.
Ainda que a literatura mais recente sobre o assunto demonstre uma tendência de valorização das novas abordagens e ressalte os benefícios de adoção das mesmas, deve-se atentar para as limitações existentes, como o que ocorre, por exemplo, com o caso do EVA, que recebe, entre outras, as seguintes críticas: A subjetividade da estimação de um retorno mínimo esperado sobre o capital; os ajustes permitidos para cálculo da técnica, que permitem adequações de acordo com a realidade empresarial do negócio em questão; a gestão baseada em valor pode excluir alguns fatores intervenientes nos negócios, tal como clientes, fornecedores acionistas e outros.
Partindo da perspectiva de Helfert (2000) objetivou-se criar um indicador misto, ou seja, que fosse capaz de combinar os resultados produzidos pela Taxa de Retorno da Simulação e os valores calculados de EVA. Contudo a criação desse novo indicador, considerado como um Índice de Performance Empresarial só faria sentido se os resultados produzidos pelos dois indicadores fossem diferentes em termos de valores e consequentemente resultados para o posicionamento econômico-financeiro das empresas simuladas e, nesse contexto, atendeu-se o primeiro objetivo do presente trabalho: Comparar se os dois indicadores produzem resultados iguais ou diferentes em termos de resultados para as empresas.
O teste estatístico realizado (Teste de Postos com Sinais de Wilcoxon para Pares Combinados) levou em consideração os resultados de cada empresa em relação a Taxa de Retorno e EVA para os 8 períodos simulados. Os resultados do teste indicaram que a hipótese de igualdade entre os resultados produzidos pelos indicadores (Hipótese Nula) deveria ser rejeitada, ou seja, os dois indicadores produzem resultados diferentes do ponto de vista estatístico. Deu-se, portanto continuidade para o cálculo do Índice de Performance Empresarial, que consiste nos Graus de Relacionamento Grey obtidos por meio dos cálculos anteriormente demonstrados com base na Análise Relacional Grey. Esse índice calculado representa uma terceira ótica de análise dos resultados, período a período, das empresas simuladas.
Diante dos resultados obtidos torna-se interessante a demonstração do posicionamento das empresas em relação às três óticas consideradas no presente trabalho: A Taxa de Retorno, que é o indicador baseado no ROE e produzido pelo simulador; o EVA que foi calculado período a período mediante os ajustes necessários para estabelecimento do mesmo; e por fim com base no Índice de Performance Empresarial estabelecido com base na Análise Relacional Grey, combinando os resultados dos dois indicadores anteriormente citados. Tem-se, portanto, o seguinte panorama:

Tabela 16 - Posição no Mercado Competitivo sob Três óticas | Taxa de Retorno | EVA | Índice de Performance | | Trimestres | Trimestres | Trimestres | | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | R.Brasil | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 1 | 4 | 3 | 3 | 3 | 4 | 4 | 4 | 1 | 2 | 3 | 3 | 3 | 4 | 4 | 4 | Ventura | 4 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 2 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 3 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | Icone | 5 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 3 | 2 | 4 | 4 | 2 | 2 | 3 | 3 | 5 | 4 | 4 | 4 | 4 | 3 | 3 | 3 | Tecfast | 2 | 1 | 1 | 1 | 2 | 2 | 2 | 2 | 5 | 1 | 1 | 1 | 4 | 3 | 2 | 2 | 4 | 1 | 1 | 1 | 2 | 2 | 2 | 2 | Multitech | 1 | 2 | 2 | 2 | 1 | 1 | 1 | 1 | 4 | 3 | 2 | 2 | 1 | 1 | 1 | 1 | 2 | 3 | 2 | 2 | 1 | 1 | 1 | 1 |
Fonte: Elaboração Própria.

Graficamente os resultados acima expostos representam as seguintes evoluções:

Figura 15 - Gráfico da Evolução dos Resultados Empresa 1

Fonte: Elaboração Própria.

Figura 16 - Gráfico da Evolução dos Resultados Empresa 2

Fonte: Elaboração Própria.

Figura 17 - Gráfico da Evolução dos Resultados Empresa 3

Fonte: Elaboração Própria.

Figura 18 - Gráfico da Evolução dos Resultados Empresa 4

Fonte: Elaboração Própria.

Figura 19 - Gráfico da Evolução dos Resultados Empresa 5

Fonte: Elaboração Própria.

Conforme exposto anteriormente as posições relativas das empresas sofrem alterações, em alguns casos, quando as mesmas são comparadas de acordo com as três diferentes óticas, o que torna pertinente analisar a variablidade desses resultados, empresa a empresa, de acordo com as três formas de avaliação. A variabilidade dos resultados pode ser determinada em termos de desvio-padrão, uma comum medida estatística de dispersão que demonstra o quanto os valores de uma determinada amostra ou população estão variando ao redor da média. Os seguintes valores foram obtidos em termos de desvio-padrão:

Tabela 17 - Desvio-Padrão dos Três Indicadores | Desvio-Padrão (σ) | Empresas | Taxa de Retorno | EVA | Índice de Performance | Real Brasil | 0 | 0,9682 | 1 | Ventura | 0,3307 | 0,9921 | 0,6614 | Icone | 0,3307 | 0,7806 | 0,6614 | Tecfast | 0,4841 | 1,4086 | 0,9270 | Multitech | 0,4841 | 1,0532 | 0,6959 | DESVIO TOTAL | 1,6296 | 5,2027 | 3,9457 |
Fonte: Elaboração Própria.

O cálculo do desvio-padrão fornece resultados que nos permitem ter uma ideia sobre como as colocações das empresas variaram nos períodos da competição de acordo com as 3 óticas e, nesse sentido, os devios-padrões do EVA e do Índice de Performance demonstram-se maiores em todos os períodos quando comparados com os resultados produzidos pelo simulador, expressos em termos de taxa de retorno. Nota-se que no total (Desvio Total – Calculado pela soma dos desvios) o resultado fornecido pelo EVA apresenta o maior desvio, ou seja, as posições das empresas apresentam maior variabilidade nos períodos simulados, quando se compara com os outros indicadores. Tal fato pode estar atrelado aos ajustes necessários para cálculo desse indicador na simulação gerencial, ajustes esses feitos em função das limitações já citadas apresentadas pelo simulador, ressalta-se, porém, que os ajustes realizados são suportados pela Teoria e representam a maneira pela qual empresas que utilizam o indicador como parâmetro de análise muitas vezes realizam os cálculos do mesmo.
Por fim, destaca-se que ainda que os resultados produzidos pelos dois indicadores sejam estatísticamente diferentes, a análise gráfica da evolução desses resultados demonstra tendências bastante similares nos períodos considerados, ou seja, a evolução da empresa em termos de resultados segundo os dois indicadores revelam um panorama bastante similar, sendo possível observar pontualmente os períodos de crescimento e/ou decrescimento das unidades de negócios sob ambas as óticas, sem a necessidade, a priori, de uma análise combinada para inferências sobre os períodos que apresentam melhores ou piores resultados para as empresas. Tal fato, mesmo que não seja conclusivo ou ainda taxativo, torna mais substancial a validade da utilização da Taxa de Retorno, que consiste em uma aproximação do ROE, como indicador para mensuração dos resultados das empresas simuladas no Simulador Gerencial estudado.
Contudo ressalta-se que o objetivo do presente trabalho foi identificar mais a fundo, e não superficialmente, as relações entre essas duas óticas de análise de desempenho empresarial e por fim propor um método alternativo de análise, combinando os resultados produzidos pelos dois indicadores.

6 CONSIDERAÇÕES FINAIS

O objetivo do presente trabalho não foi apontar uma melhor ou pior maneira de Avaliação Empresarial, mas sim discorrer sobre um tema que é recorrente nas modernas discussões no universo da Administração Financeira e Contábil, demonstrando de forma prática uma comparação entre diferentes indicadores. Foram abordadas as principais limitações bem como aspectos positivos das diferentes óticas de análise consideradas no momento uma vez que se partiu do pressuposto de que não existe uma melhor ou pior ótica para análise de desempenho empresarial, mas sim indicadores que consideram diferentes aspectos para análise de uma unidade de negócios e, nesse contexto, assume-se a postura preconizada por Helfert (2000) de que sem dúvidas análises combinadas representam as melhores maneiras, bem como mais completas, de observar o desempenho econômico-financeiro empresarial.
Destacam-se, em relação ao contexto acima citado de análises combinadas, os esforços para determinação de um indicador que combinasse os resultados produzidos pelas duas óticas de análise comparadas. A técnica utilizada, Análise Relacional Grey, produz resultados bastante consistentes mas ainda é pouco explorada, tanto no universo acadêmico, principalmente no que diz respeito ao nível de Graduação, quanto no universo empresarial, em termos nacionais.
Dessa forma, todos os objetivos do presente trabalho foram atendidos uma vez que as hipóteses determinadas foram respondidas, considerando-se o teste estatístico realizado, bem como a determinação de um novo indicador combinado, representando uma ótica distinta de avaliação de desempenho empresarial. Os objetivos foram alcançados graças ao atendimento dos objetivos secundários estabelecidos e que viabilizavam todo o trabalho.
Outro ponto é a pesquisa em Jogos de Empresas. Essa proposta é considerada uma nova e emergente metodologia de aprendizagem capaz de integrar conhecimentos e tornar os participantes parte do processo de ensino-aprendizagem e não apenas meros receptores de conhecimento. O presente trabalho demonstra a abrangência de possibilidades de pesquisa dentro do tema, utilizando inclusive ferramentas mais robustas e com pouca representatividade no universo acadêmico/profissional nacional.
Por fim, o Simulador considerado no presente trabalho (SIMULAB), ainda que apresente as limitações já discutidas, proporciona um cenário bastante rico em termos de pesquisa e os resultados produzidos pelo mesmo estão em consonância com as principais ferramentas utilizadas na realidade empresarial. Ainda que sejam evidenciadas as diferenças que nortearam a condução desta pesquisa, a análise gráfica da evolução dos resultados segundo as duas diferentes óticas, uma representando a abordagem contábil tradicional pela qual o simulador gera seus resultados e a outra uma metodologia mais moderna, demonstra um cenário bastante similar ao longo dos períodos considerados.

6.1 LIMITAÇÕES DO TRABALHO

Considera-se como principal limitação o próprio instrumento de pesquisa: O simulador (SIMULAB). Um simulador é um instrumento construído com uma base matemática equacional para retratar, de forma simplificada, os aspectos micro e macro da realidade a qual deseja-se contextualizar e, dessa forma, o presente trabalho limita-se a um ambiente simulado e sua aplicabilidade no mundo real deve ser fonte para outras pesquisas.
Além do mais o SIMULAB não fornece todos os dados necessários para a determinação do EVA e, dessa forma, muitos ajustes foram necessários para a realização dos cálculos desse indicador o que pode gerar distorções nos resultados.
Ressalta-se por fim que a análise restringiu-se a um número limitado de empresas e períodos e, dessa forma, resultados bastante diferentes poderiam ter sido obtidos caso a amostra considerada fosse ampliada.

6.2 PROPOSIÇÕES PARA NOVOS ESTUDOS

Recomenda-se que, em termos de contexto simulado, o número de amostras seja ampliado para verificar se o padrão evidenciado no presente trabalho se mantém. E, ainda considerando esse contexto, sugerem-se pesquisas em termos da base equacional do simulador para que exista a possibilidade de inclusão de novos aspectos que tornem o cenário o mais verossímel (Aproximação com a realidade desejada) possível, tais como (Considerando-se o cenário do SIMULAB): Operações financeiras como a compra e venda de ações, diferentes opções de financiamento, negociação de ativos e outros. Sugere-se também a inclusão de indicadores de desempenho econômico-financeiro combinados, tais como o apresentado no presente trabalho que se baseou na Análise Relacional Grey.
No contexto empresarial real sugere-se que a mesma pesquisa seja aplicada considerando-se também a comparação entre diferentes indicadores de desempenho, tais como, por exemplo, os indicadores citados na Figura 1, e os resultados produzidos por meio da Análise Relacional Grey, verificando se existem diferenças estatísticas entre os resultados produzidos.
Recomenda-se o teste dos resultados fornecidos por meio da Análise Relacional Grey para diferentes cenários, ou seja, promovendo-se alterações nos pesos considerados para estabelecimento dos Graus de Relacionamento Grey, pois acredita-se que essas alterações nos pesos irão fornecer diferentes cenários de desempenho das empresas. Uma Análise de Sensibilidade é capaz de demonstrar as alterações nos resultados de acordo com a alteração dos pesos calculados.
Por fim, recomenda-se pesquisas no campo de novas metodologias que sejam capazes de combinar os resultados fornecidos por diferentes indicadores, assim como fez a Análise Relacional Grey ao considerar os resultados produzidos pela Taxa de Retorno da Simulação e o EVA.

7 REFERÊNCIAS

APRESENTAÇÃO DE TRABALHOS MONOGRÁFICOS DE CONCLUSÃO DE CURSO. Universidade Federal Fluminense. 9. ed. ver. ampl. Por Estela dos Santos Abreu e José Carlos Abreu Teixeira. Niterói: EDUFF, 2007. 90 p.

ARAUJO, A. M. P.; ASSAF NETO, A. Contabilidade Aplicada à Gestão Baseada em Valor. Revista Brasileira de Contabilidade, v.3, n. 146, 2004.

ASSAF NETO, A.; KASSAI, J R.; KASSAI, S. Índice de Especulação de Valor Agregado – IEVA. Revista de Contabilidade, n.21, Set./2002.

ASSAF NETO, A. Custo de Capital e Criação de Valor. In: ASSAF NETO, A. Finanças Corporativas e Valor. 2ªed. São Paulo: Atlas, 2005.

BALARINE, O. Tópicos de Matemática Financeira e Engenharia Econômica. 2. ed. Porto Alegre: Edipucrs, 2002.

BANCO CENTRAL DO BRASIL. Disponível em: www.bcb.gov.br. Acesso em: 16 de out. de 2011.

BASTOS, T. Avaliação de Desempenho de Bancos Brasileiros Baseada Em Criação De Valor Econômico. Revista de Administração, v.34, n.3, jul./set. 1999.

BODIE, Z; KANE, A.; MARCUS, A. J. Fundamentos de Investimentos. Tradução:Robert Brian Taylor. 3. ed. Porto Alegre: Bookman, 2000.

BODIE, Z; MERTON, R.C. Finanças. 2. ed. Porto Alegre: Bookman, 2002.

DERESKY, H.: Global Management: Strategic and Interpersonal, Prentice Hall, 2002.

DAMODARAN, Aswath. Avaliação de Investimentos. São Paulo: Qualitymark, 1997.

_____________. Finanças Corporativas: Teoria e Prática - 2. ed. s.l.: Bookman Companhia, 2004.

DENARDIN, A. A. A Importância do Custo de Oportunidade Para a Avaliação de Empreendimentos Baseados na Criação de Valor Econômico (Economic Value Added – EVA): Contexto, Porto Alegre, v. 4, n° 6, 2004.

DOWNES, J; GOODMAN, J. E. Dicionário de Termos Financeiros e de Investimento. São Paulo: Nobel, 1993.

DRUCKER, P. Desafios Gerênciais para o Século XXI. São Paulo: Pioneira, 1999.

EITEMAN, D.K.; STONEHILL, A.I.; MOFFETT, M.H. Administração Financeira Internacional. 9. ed. s.l.: Bookman Companhia, 2002.

FAMÁ, R. Avaliação de Empresas e Apuração de Havers em Processos Judiciais: Uma Análise Segundo a Teoria de Finanças. In: VI SEMEAD - Seminarios em Administração, 2003, São Paulo. VI SEMEAD - Seminarios em Administração, 2003. v. 1. p. 1-1.

GABRIEL, F.; ASSAF NETO, A.; CORRAR, L. J. O Impacto do Fim da Correção Monetária No Retorno sobre o Patrimônio Líquido dos Bancos Brasileiros. In: Encontro BRASILEIRO DE FINANÇAS, 3, São Paulo, 2003. Anais. São Paulo, 2003.

GIL, A.C. Como Elaborar Projetos de Pesquisa. São Paulo: Atlas, 1991.

GITMAN, Lawrence J. Principios de Administração Financeira Essencial. 2. ed. Porto Alegre: Bookman, 2001.

HELFERT, E. A. Técnicas de Análise Financeira: Um Guia Prático Para Medir o Desempenho nos Negócios. 9. ed. Porto Alegre: Bookmann, 2000.

HOOVER, J. D. Experiential Learning: Conceptualization and Definition. In: James Kenderdine a Bernard Keys (ed.) Simulation, Games and Experiential Learning Techniques: On The Road To A New Frontier Association for Business Simulation and Experiential Learning Proceeding's, 1974, p. 3135.

LEAL JUNIOR, I. C. Método de Escolha Modal para Transporte de Produtos Periogosos com Base em Medidas de Ecoeficiência. Rio de Janeiro, 2010, 186p. Tese de Doutorado –Programa de Engenharia de Transportes – COPPE/UFRJ.

LEÃO, L. C. G. A Determinação do Custo Médio Ponderado do Capital em Mercados Instáveis e Recessivos. In: CONGRESSO MUNDIAL DE CUSTOS, 8, Punta Del Este, 2003. Anais. Punta Del Este: 2003.

LEONE, G. S. G.; LEONE, R. J. G. Os 12 Mandamentos da Gestão de Custos. Rio de Janeiro: FGV, 2007.

MARTIN, J; PETTY, J. Gestão Baseada em Valor. Rio Janeiro: Qualitymark, 2004.

MARTINELLI, D. P. A Utilização de Jogos de Empresas no Ensino da Administração. São Paulo, 1987. Dissertação de Mestrado – Fundação Instituto de Econômia, Administração, e Contabilidade – Universidade de São Paulo.

MARTINS, E. Avaliação de Empresas da Mensuração Contábil a Econômica. Revista de Contabilidade e Finanças, v. 13, n. 24, 2000.

MATARAZZO, D. C. Análise Financeira de Balanços: Abordagem Básica e Gerencial. 3. ed. São Paulo: Atlas, 1995.
MENDES, M. L. M. S. O Modelo GS-RH: Uma Integração de Jogos de Empresas para Treinamento e Desenvolvimento Gerencial. Florianópolis, 1997. Dissertação de Mestrado - Universidade Federal de Santa Catarina.

NICOLINI, A. Qual Será o Futuro das Fábricas de Administradores? In: Encontro da Associação Nacional dos Cursos de Pós-Graduação em Administração, xxv, 2001. Anais. ANPAD: Rio de Janeiro, set. de 2001. (CR ROM).

OLIVEIRA, M. A. Implantando o Laboratório de Gestão: um programa integrado de educação gerencial e pesquisa em administração. 293p. Tese (Doutorado em Administração) da Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo. São Paulo, 2009.

PADOVEZE, C. L.; BENEDICTO, G. C. Análise das Demonstrações Financeiras. 2.ed. São Paulo: Thomson Learning, 2008. 285p.

PEREIRA, A.C.; SOUZA, B.F.; REDAELLI, D.R.; IMONIANA, J.O. Custo de Oportunidade: Conceitos e Contabilização. Caderno de Estudos (FIPECAFI), n. 2, abr. 1990.

PINDYCK, R. S.; RUBINFELD, D. L. Microeconomia. 5. ed. São Paulo: Prentice-Hall. 2002.

RICHARDSON, P.R; GORDON, J.R.M. Measuring Total Manufacturing Performance. Sloan Management Review, v.21, n.2, p.47-58, 1980.

ROCHA, J. S.; SELIG, P. M. Utilizando o Indicador Econômico EVA – Economic Value Added para Auxiliar na Gestão Organizacional. Florianópolis: s.n. 2001.

SAUAIA, A. C. A. Laboratório de Gestão: Simulador, Jogo de Empresas e Pesquisa Aplicada. Barueri, SP: Manole, 2008.

_____________. Satisfação e Aprendizagem em Jogos de Empresas: Contribuições para a Educação Gerencial, 1995. Tese de Doutorado – FEA – Universidade de São Paulo.

SHESKIN, D. J. Handbook of Parametric and Nonparametric Statistical Procedures. 3. ed. Boca Raton, FL: Chapman & Hall, 2004. STAKE ,R.E. The Case Study Method in Social Inquiry. Educational Researcher, 2, (7), 5-8. 1978. STERN, J.; SHIELY, J.; ROSS, I. The EVA Challenge: Implementing Value Added Changing an Organization. New York: John Wiley and Sons Inc, 2001.

STEWART; B. EVA: Em Busca do Valor – O Guia de EVA para Estrategistas. s.l.: Bookman, 2005.

TAKAKI, F. S.; KIDUDOME, K.; SUMAN, S. Economic Value Added: Conceito, Aplicações e Análise. In: SEMINÁRIOS EM ADMINISTRAÇÃO, 1, São Paulo, 1999. Anais. São Paulo: FEA/USP, 1999.

WEN, K. Grey Systems: Modeling and Prediction. USA: Yang’s Scientific Press, 2004.

YOUNG, S. D.; O’BYRN, S. F. EVA e Gestão Baseada Em Valor: Guia Prático Para Implementação. Porto Alegre: Bookman, 2003.

8 APÊNDICES

APÊNDICE A – Períodos 1 a 8. Período 1 | | | | | | | | | | | Empresas | EVA | TR | | | Peso β | | | | | 1 | 0,685001 | 0,705178 | | EVA | 0,5019102 | | | | | 2 | 0,682067 | 0,638779 | | TR | 0,4980898 | | | | | 3 | 0,674771 | 0,591518 | | | | | | | | 4 | 0,658083 | 0,760117 | | | | | | | | 5 | 0,667186 | 0,794881 | | | | | | | | | | | | Matriz Diferenças | Coeficientes Relacionais | | | 1 | 1 | 0,558902 | | 0 | 0,4410979 | 0,501910 | 0,26463228 | | | 2 | 0,891002 | 0,232397 | | 0,1089977 | 0,7676028 | 0,412079 | 0,196469194 | | | 3 | 0,619957 | 0 | | 0,38004309 | 1 | 0,285162 | 0,166029929 | | | 4 | 0 | 0,829054 | | 1 | 0,1709456 | 0,167303 | 0,371184954 | | | 5 | 0,338175 | 1 | | 0,6618248 | 0 | 0,216001 | 0,498089786 | | | | | | | | | | | | | | Dados Normalizados | | | | | | | | Padrão | 1 | 1 | | | | | | | | | | | | | | | | | | Empresas | R | | | Legenda | Ranking | | | 1 | 0,766542 | | | Empresa 1 | R. Brasil | Empresa 1 | 0,766542 | | | 2 | 0,608548 | | | Empresa 2 | Ventura | Empresa 5 | 0,714091 | | | 3 | 0,451192 | | | Empresa 3 | Icone | Empresa 2 | 0,608548 | | | 4 | 0,538488 | | | Empresa 4 | Tec Fast | Empresa 4 | 0,538488 | | | 5 | 0,714091 | | | Empresa 5 | Multitech | Empresa 3 | 0,451192 | | | | | | | | | | | | Período 2 | | | | | | | | | | | Empresas | EVA | TR | | | Peso β | | | | | 1 | 0,690343 | 0,710765 | | EVA | 0,504545 | | | | | 2 | 0,593961 | 0,500895 | | TR | 0,495455 | | | | | 3 | 0,659664 | 0,582484 | | | | | | | | 4 | 0,676478 | 0,785496 | | | | | | | | 5 | 0,65303 | 0,758862 | | | | | | | | | | | | Matriz Diferenças | Coeficientes Relacionais | | | 1 | 1 | 0,737418 | | 0 | 0,262582 | 0,504545 | 0,324853646 | | | 2 | 0 | 0 | | 1 | 1 | 0,168182 | 0,16515162 | | | 3 | 0,681694 | 0,286679 | | 0,318306 | 0,713321 | 0,308286 | 0,204172957 | | | 4 | 0,856145 | 1 | | 0,143855 | 0 | 0,391816 | 0,495454859 | | | 5 | 0,612863 | 0,906416 | | 0,387137 | 0,093584 | 0,284367 | 0,417342071 | | | | | | | | | | | | | | Dados Normalizados | | | | | | | | Padrão | 1 | 1 | | | | | | | | | | | | | | | | | | Empresas | r | | | Legenda | Ranking | | | 1 | 0,829399 | | | Empresa 1 | R. Brasil | Empresa 4 | 0,887271 | | | 2 | 0,333333 | | | Empresa 2 | Ventura | Empresa 1 | 0,829399 | | | 3 | 0,512459 | | | Empresa 3 | Icone | Empresa 5 | 0,701709 | | | 4 | 0,887271 | | | Empresa 4 | Tec Fast | Empresa 3 | 0,512459 | | | 5 | 0,701709 | | | Empresa 5 | Multitech | Empresa 2 | 0,333333 | | | | | | | | | | | |

Período 3 | | | | | | | | | | | Empresas | EVA | TR | | | Peso β | | | | | 1 | 0, 66367 | 0,671619 | | EVA | 0,509822304 | | | | | 2 | 0,464149 | 0,314764 | | TR | 0,490177696 | | | | | 3 | 0,652469 | 0,584007 | | | | | | | | 4 | 0,678515 | 0,777131 | | | | | | | | 5 | 0,669489 | 0,756253 | | | | | | | | | | | | Matriz Diferenças | Coeficientes Relacionais | | | 1 | 0,930749 | 0,7718 | | 0,069251 | 0,228199677 | 0,447801 | 0,336568191 | | | 2 | 0 | | | 1 | 1 | 0,169941 | 0,163392565 | | | 3 | 0,878498 | 0,582314 | | 0,121502 | 0,417685518 | 0,410153 | 0,267072808 | | | 4 | 1 | 1 | | 0 | 0 | 0,509822 | 0,490177696 | | | 5 | 0,957894 | 0,954845 | | 0,042106 | 0,045154607 | 0,470224 | 0,449576771 | | | | | | | | | | | | | | Dados Normalizados | | | | | | | | Padrão | 1 | 1 | | | | | | | | | | | | | | | | | | Empresas | r | | | Legenda | Ranking | | | 1 | 0,784369 | | | Empresa 1 | R. Brasil | Empresa 4 | 1 | | | 2 | 0,333333 | | | Empresa 2 | Ventura | Empresa 5 | 0,919801 | | | 3 | 0,677226 | | | Empresa 3 | Icone | Empresa 1 | 0,784369 | | | 4 | 1 | | | Empresa 4 | Tec Fast | Empresa 3 | 0,677226 | | | 5 | 0,919801 | | | Empresa 5 | Multitech | Empresa 2 | 0,333333 | | | | | | | | | | | |

Período 4 | | | | | | | | | | | Empresas | EVA | TR | | | Peso β | | | | | 1 | 0,652957 | 0,657884 | | EVA | 0,513407 | | | | | 2 | 0,384357 | 0,226717 | | TR | 0,486593 | | | | | 3 | 0,645682 | 0,587737 | | | | | | | | 4 | 0,683162 | 0,771493 | | | | | | | | 5 | 0,665733 | 0,748189 | | | | | | | | | | | | Matriz Diferenças | Coeficientes Relacionais | | | 1 | 0,898914 | 0,791457 | | 0,101086 | 0,208543 | 0,427066 | 0,343376109 | | | 2 | 0 | 0 | | 1 | 1 | 0,171136 | 0,162197733 | | | 3 | 0,874567 | 0,662694 | | 0,125433 | 0,337306 | 0,410441 | 0,290570846 | | | 4 | 1 | 1 | | 0 | 0 | 0,513407 | 0,486593198 | | | 5 | 0,941671 | 0,957223 | | 0,058329 | 0,042777 | 0,459771 | 0,448243943 | | | | | | | | | | | | | | Dados Normalizados | | | | | | | | Padrão | 1 | 1 | | | | | | | | | | | | | | | | | | Empresas | r | | | Legenda | Ranking | | | 1 | 0,770442 | | | Empresa 1 | R. Brasil | Empresa 4 | 1 | | | 2 | 0,333333 | | | Empresa 2 | Ventura | Empresa 5 | 0,908015 | | | 3 | 0,701012 | | | Empresa 3 | Icone | Empresa 1 | 0,770442 | | | 4 | 1 | | | Empresa 4 | Tec Fast | Empresa 3 | 0,701012 | | | 5 | 0,908015 | | | Empresa 5 | Multitech | Empresa 2 | 0,333333 | | | | | | | | | | | |

Período 5 | | | | | | | | | | | Empresas | EVA | TR | | | Peso β | | | | | 1 | 0,623298 | 0,621146 | | EVA | 0,522031 | | | | | 2 | 0,265249 | 0,089904 | | TR | 0,477969 | | | | | 3 | 0,626591 | 0,572681 | | | | | | | | 4 | 0,612812 | 0,684115 | | | | | | | | 5 | 0,708862 | 0,77601 | | | | | | | | | | | | Matriz Diferenças | Coeficientes Relacionais | | | 1 | 0,8071202 | 0,621146 | | 0,19288 | 0,225714 | 0,376711 | 0,329309023 | | | 2 | 0,265249 | 0,089904 | | 1 | 1 | 0,17401 | 0,159322865 | | | 3 | 0,626591 | 0,572681 | | 0,185457 | 0,296352 | 0,380791 | 0,30009876 | | | 4 | 0,612812 | 0,684115 | | 0,216518 | 0,133937 | 0,364284 | 0,376984285 | | | 5 | 0,708862 | 0,77601 | | 0 | 0 | 0,522031 | 0,477968596 | | | | | | | | | | | | | | Dados Normalizados | | | | | | | | Padrão | 1 | 1 | | | | | | | | | | | | | | | | | | Empresas | r | | | Legenda | Ranking | | | 1 | 0,7060204 | | | Empresa 1 | R. Brasil | Empresa 5 | 1 | | | 2 | 0,333333 | | | Empresa 2 | Ventura | Empresa 4 | 0,741268 | | | 3 | 0,6808897 | | | Empresa 3 | Icone | Empresa 1 | 0,70602 | | | 4 | 0,741268 | | | Empresa 4 | Tec Fast | Empresa 3 | 0,6808897 | | | 5 | 1 | | | Empresa 5 | Multitech | Empresa 2 | 0,333333 | | | | | | | | | | | |

Período 6 | | | | | | | | | | | Empresas | EVA | TR | | | Peso β | | | | | 1 | 0,617103 | 0,626633 | | EVA | 0,521663 | | | | | 2 | 0,116607 | 0 | | TR | 0,478337 | | | | | 3 | 0,652667 | 0,60701 | | | | | | | | 4 | 0,636297 | 0,70481 | | | | | | | | 5 | 0,773879 | 0,837307 | | | | | | | | | | | | Matriz Diferenças | Coeficientes Relacionais | | | 1 | 0,761475 | 0,748391 | | 0,238525 | 0,251609 | 0,353179 | 0,318208655 | | | 2 | 0 | 0 | | 1 | 1 | 0,173888 | 0,159445665 | | | 3 | 0,815583 | 0,724955 | | 0,184417 | 0,275045 | 0,3811 | 0,308586645 | | | 4 | 0,790677 | 0,841758 | | 0,209323 | 0,158242 | 0,367719 | 0,363344418 | | | 5 | 1 | 1 | | 0 | 0 | 0,521663 | 0,478336996 | | | | | | | | | | | | | | Dados Normalizados | | | | | | | | Padrão | 1 | 1 | | | | | | | | | | | | | | | | | | Empresas | r | | | Legenda | Ranking | | | 1 | 0,671387 | | | Empresa 1 | R. Brasil | Empresa 5 | 1 | | | 2 | 0,333333 | | | Empresa 2 | Ventura | Empresa 4 | 0,731063 | | | 3 | 0,689687 | | | Empresa 3 | Icone | Empresa 3 | 0,689687 | | | 4 | 0,731063 | | | Empresa 4 | Tec Fast | Empresa 1 | 0,671387 | | | 5 | 1 | | | Empresa 5 | Multitech | Empresa 2 | 0,333333 | | | | | | | | | | | |

Período 7 | | | | | | | | | | | Empresas | EVA | TR | | | Peso β | | | | | 1 | 0,627255 | 0,643011 | | EVA | 0,507276 | | | | | 2 | 0,102178 | 0,065027 | | TR | 0,492724 | | | | | 3 | 0,657855 | 0,620912 | | | | | | | | 4 | 0,717726 | 0,772614 | | | | | | | | 5 | 0,894786 | 0,927696 | | | | | | | | | | | | Matriz Diferenças | Coeficientes Relacionais | | | 1 | 0,662467 | 0,669995 | | 0,337533 | 0,330005 | 0,302839 | 0,296820008 | | | 2 | 0 | 0 | | 1 | 1 | 0,169092 | 0,164241375 | | | 3 | 0,701074 | 0,644378 | | 0,298926 | 0,355622 | 0,317474 | 0,287933325 | | | 4 | 0,776611 | 0,82023 | | 0,223389 | 0,17977 | 0,350624 | 0,362419737 | | | 5 | 1 | 1 | | 0 | 0 | 0,507276 | 0,492724124 | | | | | | | | | | | | | | Dados Normalizados | | | | | | | | Padrão | 1 | 1 | | | | | | | | | | | | | | | | | | Empresas | r | | | Legenda | Ranking | | | 1 | 0,59966 | | | Empresa 1 | R. Brasil | Empresa 5 | 1 | | | 2 | 0,333333 | | | Empresa 2 | Ventura | Empresa 4 | 0,713044 | | | 3 | 0,605407 | | | Empresa 3 | Icone | Empresa 3 | 0,605407 | | | 4 | 0,713044 | | | Empresa 4 | Tec Fast | Empresa 1 | 0,59966 | | | 5 | 1 | | | Empresa 5 | Multitech | Empresa 2 | 0,333333 | | | | | | | | | | | |

Período 8 | | | | | | | | | | | Empresas | EVA | TR | | | Peso β | | | | | 1 | 0,616433 | 0,640452 | | EVA | 0,499954 | | | | | 2 | 0 | 0,001037 | | TR | 0,500046 | | | | | 3 | 0,670503 | 0,638427 | | | | | | | | 4 | 0,783282 | 0,820765 | | | | | | | | 5 | 1 | 1 | | | | | | | | | | | | Matriz Diferenças | Coeficientes Relacionais | | | 1 | 0,616433 | 0,640079 | | 0,383567 | 0,359921 | 0,282918 | 0,29070994 | | | 2 | 0 | 0 | | 1 | 1 | 0,166651 | 0,16668197 | | | 3 | 0,670503 | 0,638052 | | 0,329497 | 0,361948 | 0,30136 | 0,290067215 | | | 4 | 0,783282 | 0,820609 | | 0,216718 | 0,179391 | 0,34878 | 0,368010386 | | | 5 | 1 | 1 | | 0 | 0 | 0,499954 | 0,500045909 | | | | | | | | | | | | | | Dados Normalizados | | | | | | | | Padrão | 1 | 1 | | | | | | | | | | | | | | | | | | Empresas | r | | | Legenda | Ranking | | | 1 | 0,573669036 | | | Empresa 1 | R. Brasil | Empresa 5 | 1 | | | 2 | 0,333333333 | | | Empresa 2 | Ventura | Empresa 4 | 0,716791 | | | 3 | 0,591427009 | | | Empresa 3 | Icone | Empresa 3 | 0,591427 | | | 4 | 0,716790583 | | | Empresa 4 | Tec Fast | Empresa 1 | 0,573669 | | | 5 | 1 | | | Empresa 5 | Multitech | Empresa 2 | 0,333333 | | | | | | | | | | | |