VARIÁVEIS ECONÔMICAS INFLUENCIAM NA GERAÇÃO DE...
Transcript of VARIÁVEIS ECONÔMICAS INFLUENCIAM NA GERAÇÃO DE...
VARIÁVEIS ECONÔMICAS INFLUENCIAM NA GERAÇÃO
DE CAIXA? ESTUDO DE CASO DE VAREJO DE MODA
Letícia Telles Vianna
Projeto de Graduação apresentado ao Curso de Engenharia de Produção da Escola Politécnica, Universidade Federal do Rio de Janeiro, como parte dos requisitos necessários à obtenção do título de Engenheiro. Orientador: Roberto Ivo Filho
Rio de Janeiro
Fevereiro de 2017
Letícia Telles Vianna PROJETO DE GRADUAÇÃO SUBMETIDO AO CORPO DOCENTE DO CURSO DE ENGENHARIA DE PRODUÇÃO DA ESCOLA POLITÉCNICA DA UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE ENGENHEIRO DE PRODUÇÃO.
VARIÁVEIS ECONÔMICAS INFLUENCIAM NA GERAÇÃO DE CAIXA?
ESTUDO DE CASO DE VAREJO DE MODA Examinado por:
______________________________________________ Prof. Roberto Ivo Filho, D.Sc.
______________________________________________
Prof. Vinícius Carvalho Cardoso, D.Sc.
______________________________________________ Prof. Maria Alice Ferruccio, D.Sc.
RIO DE JANEIRO, RJ - BRASIL
FEVEREIRO de 2017
Vianna, Letícia Telles
Variáveis Econômicas Influenciam na Geração de
Caixa? Estudo de Caso de Varejo de Moda/Letícia Telles
Vianna – Rio de Janeiro: UFRJ/Escola Politécnica, 2017.
XI, 93 p.: il.; 29,7 cm.
Orientador: Roberto Ivo Filho
Projeto de Graduação – UFRJ/ Escola Politécnica/ Curso
de Engenharia de Produção, 2017.
Referências Bibliográficas: p.83-84
1.Setor de Varejo de Moda. 2. Equações Simultâneas.
3. Indicadores Financeiros e Nível de Atividade
Econômica. I. Filho, Roberto Ivo. II. Universidade Federal
do Rio de Janeiro, UFRJ, Curso de Engenharia de
Produção. III. Variáveis Econômicas Influenciam na
Geração de Caixa? Estudo de Caso de Varejo de Moda.
i
Agradecimentos
Agradeço à minha família, meus pais e meus irmãos, com quem aprendi que a variável
mais importante para nossa vida é o apoio incondicional daqueles que amamos.
Agradeço ao Diego, com quem aprendi que a variável mais importante para nossa
felicidade é o amor, que torna cada dia grandioso e significativo.
Agradeço ao meu orientador, Professor Roberto Ivo, com quem aprendi que a variável
mais importante para nosso resultado é a vontade de aprender.
Agradeço aos meus amigos, com quem aprendi que a variável mais importante para o
nosso dia-a-dia é a possibilidade de compartilhar bons momentos.
Letícia Telles Vianna
ii
Resumo do Projeto de Graduação apresentado à Escola Politécnica/ UFRJ como parte dos requisitos necessários para a obtenção do grau de Engenheiro de Produção.
VARIÁVEIS ECONÔMICAS INFLUENCIAM NA GERAÇÃO DE CAIXA? ESTUDO DE CASO DE VAREJO DE MODA
Letícia Telles Vianna Orientador: Roberto Ivo Filho Curso: Engenharia de Produção
O resultado financeiro é uma composição das receitas e dos custos de um período. Ambos
os componentes sofrem impacto de diferentes variáveis macroeconômicas. A compreensão
de como essas variáveis influenciam no resultado é instrumento poderoso para planejar o
futuro financeiro de uma organização. O presente estudo visa a identificação de quais
variáveis mais impactam o resultado das empresas. O segmento escolhido é o varejo de
moda, uma vez que ele é um dos mais sensíveis às oscilações econômicas. Para tal, foram
selecionadas quatro empresas brasileiras de capital aberto, que têm diferentes classes
como público-alvo. Primeiramente, foram identificados quais indicadores impactam o
resultado das empresas dados seus diferentes enfoques. Em seguida, foram acrescentados
indicadores de desempenho à análise, objetivando melhor compreensão do que motiva o
resultado das empresas. Por fim, testou-se a possibilidade das companhias se impactarem
mutuamente, caracterizando relação de competidoras ou complementares.
Palavras-chave: varejo de moda; equações simultâneas; indicadores financeiros e nível de
atividade econômica
iii
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of the
requirements for the degree of Industrial Engineer.
DOES ECONOMIC VARIABLES IMPACT CASH FLOW? A CASE STUDY OF
FASHION RETAIL
Advisor: Roberto Ivo Filho Course: Industrial Engineering The financial results are a combination of the returns and costs within a certain period of
time, both of which are impacted by different macroeconomic variables. The understanding
of how these variables will influence the companies’ results is a powerful tool for planning
its financial future. This study aims to identify which variables have a stronger impact on the
companies’ results. It analyses four Brazilian open capital companies in the fashion retail
segment, considered one of the most susceptible to the economic fluctuation. These four
companies are focusing their sales in different social classes in Brazil. First of all, the
economic indicators which impacted the companies’ results were identified in conformity
with the different costumer targets. Secondly, the performance indicators were added to the
analysis in order to provide a better understanding about what it is that influences the
companies’ results. Ultimately, the study checked the possibility of the companies competing
as well as complementing each other in the market.
Keywords: fashion retail; Seemingly Unrelated Regression; financial indicators and level of
economic activity
iv
Sumário
1. INTRODUÇÃO .............................................................................................................. 1
1.1. OBJETIVOS (PRINCIPAL E SECUNDÁRIO) ........................................................ 1
1.2. JUSTIFICATIVA ..................................................................................................... 2
1.3. MÉTODOS ............................................................................................................. 2
1.4. LIMITAÇÃO ............................................................................................................ 3
1.5. CONTRIBUIÇÃO .................................................................................................... 3
1.6. DESCRIÇÃO DOS CAPÍTULOS ............................................................................ 3
2. REVISÃO DA LITERATURA ......................................................................................... 4
2.1 SETOR DE VAREJO DE MODA ............................................................................ 4
2.2 INDICADORES ECONÔMICO-FINANCEIROS ..................................................... 8
2.3 DINÂMICA DO VAREJO DE MODA NA ECONOMIA .......................................... 17
2.4 EMPRESAS ......................................................................................................... 20
2.5 ESCOLHA DOS INDICADORES ......................................................................... 42
2.6 ESTUDOS SOBRE A INFLUÊNCIA MACROECONÔMICA EM EMPRESAS ..... 44
3. METODOLOGIA .......................................................................................................... 47
3.1 REGRESSÃO LINEAR MULTIVARIADA ............................................................. 47
3.2 SISTEMA DE EQUAÇÕES SIMULTÂNEAS ........................................................ 50
3.3 VARIÁVEIS NO MODELO ................................................................................... 51
4. FRAMEWORK METODOLÓGICO .............................................................................. 56
4.1 TESTE DA RAIZ UNITÁRIA ................................................................................. 56
4.2 ESPECIFICAÇÃO DAS EQUAÇÕES .................................................................. 58
4.3 ESTATÍSTICA DESCRITIVA ................................................................................ 58
4.4 EQUAÇÃO GERAL .............................................................................................. 60
5. ANÁLISE ..................................................................................................................... 62
5.1 RESULTADOS ..................................................................................................... 62
6. CONCLUSÃO .............................................................................................................. 80
6.1 RETOMADA DA HIPÓTESE ................................................................................ 80
6.2 PRINCIPAIS ARGUMENTOS .............................................................................. 80
6.3 RESULTADO GERAL .......................................................................................... 81
6.4 CONSIDERAÇÃO FINAL ..................................................................................... 82
7. REFERÊNCIA BIBLIOGRÁFICA ................................................................................. 83
8. ANEXOS ...................................................................................................................... 85
v
Lista de Figuras
Figura 1 - Índice de volume de vendas no varejo - Vendas reais - varejo - tecidos, vestuário
e calçados - elaborado com base em índice (média 2011 = 100), IBGE/PMC Pesquisa
Mensal de Comércio
Figura 2 – Evolução do Rendimento Médio Real Efetivo – PO – RMs – R$; Fonte: PME-
IBGE
Figura 3 – Evolução do Total de Pessoas Ocupadas – RMs – Estimativa em 1000 pessoas;
Fonte: PME-IBGE
Figura 4 – Evolução da Massa Salarial (%) Fonte: PME-IBGE
Figura 5 – Taxa de Juros Over/Selic (%a.m.) - Fonte: IpeaDATA, BCB
Figura 6 – Índice Nacional de Preços ao Consumidor Amplo (IPCA) Fonte: IPEADATA IBGE
Figura 7 - Taxa de Câmbio - R$/US$ - comercial - venda - média - R$ Fonte:
Figura 8 - Termos de Troca - índice Fonte : Fundação Centro de Estudos do Comércio
Exterior (FUNCEX)
Figura 9 - Saldo de Operações de Crédito - PF - Total - R$ (milhões) Fonte: BCB
Figura 10 - Endividamento das Famílias (%) - Fonte: BCB
Figura 11 - Cadeia Produtiva da Moda - Elaborado com base em Reich, Sandra Regina,
Cadeia produtiva da moda: um modelo conceitual de análise da competitividade no elo
confecção / Sandra Regina Rech. – Florianópolis, 2006.
Figura 12 - Detalhamento da Confecção na Cadeia Produtiva da Moda - Elaborado com
base em Reich, Sandra Regina, Cadeia produtiva da moda: um modelo conceitual de
análise da competitividade no elo confecção / Sandra Regina Rech. – Florianópolis, 2006.
Figuras 13 e 14 – Receita Bruta por Marca em 2015 e Receita Bruta por Canal em 2015,
Fonte: Resultados 4T15 Cia
Figura 15 - Receita Líquida Real e CAGR Cia Hering Fonte: Hering, Economática
Figura 16 - EBITDA Real e Margem Operacional Hering, Fonte: Hering Economática
Figura 17 - Liquidez Hering Fonte: Hering Economática
Figura 18 - Endividamento Hring Fonte: Hering, Economática
Figura 19 - Grau de Alavancagem Financeira Hering Fonte: Hering, Economática
Figura 20 – Receita Bruta por Marca em 2015, Fonte: Fundamentos e Planilhas 4T15 Lojas
Renner
Figura 21 - Receita Líquida Real e CAGR Lojas Renner Fonte: Renner, Economática
Figura 22 - EBITDA Real e Margem Operacional Renner, Fonte: Renner Economática
vi
Figura 23 - Liquidez Renner, Fonte: Renner Economática
Figura 24 - Endividamento Renner, Fonte: Renner Economática
Figura 25 - Grau de Alavancagem Financeira
Figuras 26 e 27 – Receita Líquida por Marca em 2015 e Venda Líquida por Canal em 2015,
Fonte: Planilha Fundamentos 3T16 Restoque
Figura 28 - Receita Real Líquida e CAGR Restoque - Fonte: Restoque, Economática
Figura 29 - EBITDA e Margem Operacional Restoque, Fonte: Restoque, Economática
Figura 30 - Liquidez RESTOQUE - Fonte: Restoque, Economática
Figura 31 - Endividamento Restoque, Fonte: Restoque, Economática
Figura 32 - Grau de Alavancaagem Financeira Retoque-Fonte: Restoque Economática
Figura 33 - Receita Real Líquida e CAGR Marisa Fonte: Marisa Economática
Figura 34 - EBITDA e Margem Operacional Marisa, Fonte: Marisa Economática
Figura 35 - Liquidez Marisa, Fonte: Marisa Economática
Figura 36 – Endividamento Marisa Fonte: Marisa Economática
Figura 37 - Grau de Alavancagem Financeira Marisa Fonte: Marisa Economática
Figura 38 – Exemplo de reta para descrever dados amostrais
Figura 39 – Renda Dessazonalizado X EBITDA/loja Hering Dessazonalizado
Figura 40 – Endividamento das Família (%) X EBITDA/loja das Lojas Renner
dessazonalizado
Figura 41 – Emprego X EBITDA/loja Marisa dessazonalizado
Figura 42 – Taxa de Juros Over/Selic (%am) X EBITDA/loja Restoque dessazonalizado
Figura 43 – Comparativo da amostra e subamostra, Hering
Figura 44 – Gráfico do Modelo inicial Marisa
Figura 45 – Representação gráfica dos impactos das variáveis estudadas para cada
empresa
vii
Lista de Tabelas
Tabela 1 - versão resumida dos resultados do período de 2008 e 2009 sobre as despesas
monetária e não monetária média mensal familiar, por classes de rendimento total e tipos
de despesa (Tabela 1.1.1 POF 2008-2009 IBGE)
Tabela 2 - versão resumida dos resultados do período de 2008 e 2009 sobre o peso (%)
das despesas monetária e não monetária média mensal familiar, por classes de rendimento
total e tipos de despesa (POF 2008-2009 IBGE)
Tabela 3 – Indicadores de Desempenho Financeiro
Tabela 4 – Teste ADF - variáveis econômicas
Tabela 5 – Teste ADF – variáveis de desempenho financeiro
Tabela 6 – Estatística Descritiva – variáveis econômicas
Tabela 7 – Estatística Descritiva – Hering
Tabela 8 – Estatística Descritiva – Renner
Tabela 9 – Estatística Descritiva – Marisa
Tabela 10 – Estatística Descritiva – Restoque
Tabela 11 – Modelo Hering
Tabela 12 – Modelo Renner
Tabela 13 – Modelo Renner (subamostra)
Tabela 14 – Modelo Restoque
Tabela 15 – Modelo Restoque (subamostra)
Tabela 16 – Modelo Marisa
Tabela 17 – Modelo alternativo Marisa
Tabela 18 – Modelo Marisa (subamostra)
Tabela 19 – Modelo Hering com variáveis de desempenho
Tabela 20 – Modelo Renner com variáveis de desempenho
Tabela 21 – Modelo Restoque com variáveis de desempenho
Tabela 22 – Modelo Marisa com variáveis de desempenho
Tabela 23 – Modelo Equações Simultâneas Hering
Tabela 24 – Modelo Equações Simultâneas Renner
Tabela 25 – Modelo Equações Simultâneas Restoque
Tabela 26 – Modelo Equações Simultâneas Marisa
viii
Lista de Nomenclaturas
ABEPRO Associação Brasileira de Engenharia de Produção
ABIT Associação Brasileira de Indústria Têxtil e Confecção
ADF Ampliado de Dickey-Fuller
BCB Banco Central do Brasil
CAGR Taxa Composta Anual de Crescimento
COPOM Comitê de Política Monetária
EBITDA Earnings Befores Interest, Taxes, Depreciation and Amortization
FUNCEX Fundação Centro de Estudos do Comércio Exterior
GAF Grau de Alavancagem Financeira
IBCC Instituto Brasileiro do Controle de Cancer
IBGE Instituto Brasileiro de Geografia e Estatística
INPC Índice Nacional de Preços ao Consumidor
IPCA Índice de Preço ao Consumidor Amplo
Ipea Instituto de Pesquisa Econômica Aplicada
IRP Imobilização de Recursos Permanentes
LC Liquidez Corrente
LG Liquidez Geral
LS Liquidez Seca
MQO Método dos Mínimos Quadrados.
P/AT Relação de Capital Próprio e Ativo Total
P/PL Relação de Capital Próprio e Capital de Terceiros
PF Pessoas Físicas
PIB Produto Interno Bruto
PMC Pesquisa Mensal do Comércio
PME Pesquisa Mensal do Emprego
PO Pessoas Ocupadas
POF Pesquisa de Orçamentos Familiares
RM Rendimento Médio Real Efetivo
ROA Retorno sobre o Ativo
ROE Retorno sobre o Patrimônio Líquido
SELIC Sistema Especial de Liquidação e de Custódia
SPC Serviço Central de Proteção ao Crédito
1
1. INTRODUÇÃO
Segundo a Associação Brasileira de Engenharia de Produção (ABEPRO), o primeiro indício
da Engenharia de Produção ocorreu quando o artesão deixou de apenas produzir seus
artigos, para também organizar, integrar, mecanizar, mensurar e aprimorar sua produção.
Sua origem explica o enfoque inicial na “mecânica” da produção. A boa gestão da operação
é, sem dúvida, essencial para a saúde dos negócios. Entretanto, há diversos casos de
insucesso nos negócios que não são exatamente resultado de má gestão. Duas tradicionais
empresas que, em decorrência da crise iniciada em 2014, recorreram à recuperação judicial
ou extrajudicial foram a Oi, do varejo de telecomunicações, e a Leader, rede de lojas de
departamentos. A empresa Boa Vista Serviço Central de Proteção ao Crédito (SCPC)
registrou um crescimento nos pedidos de falência de 12% no ano de 2016 em relação ao
ano anterior. Só em dezembro de 2016, foram decretadas 67% mais falências do que no
mesmo mês do ano anterior. É perfeitamente lógica a noção de que o ambiente econômico
tem papel fundamental no desempenho do negócio. A intenção desse estudo é comprovar
esse efeito macroeconômico no resultado dos negócios.
1.1. OBJETIVOS (PRINCIPAL E SECUNDÁRIO)
O objetivo principal é estudar a influência do ambiente macroeconômico no resultado de
empresas do ramo de varejo de moda brasileiro. Para tal, foram coletados dados das quatro
principais empresas listadas em Bolsa e foram selecionados indicadores econômico-
financeiros que impactam o negócio em questão. A razão da escolha dessas empresas é
que são as únicas cuja receita é composta majoritariamente pelo varejo de moda e, por
serem listadas na Bolsa, há disponibilidade de dados para análise.
A partir daí, o objetivo secundário é o testar a hipótese de que o resultado de uma empresa
sofre influência também pelo resultado das concorrentes. O conceito seria de que pode
haver uma migração de classe do consumidor e, portanto, ele pode estar deixando de
consumir em uma empresa para consumir em outra com preço médio maior ou menor, dado
um certo cenário econômico.
2
1.2. JUSTIFICATIVA
Em 2015, o comércio foi responsável por 7% do Produto Interno Bruto (PIB) brasileiro
segundo dados do Instituto Brasileiro de Geografia e Estatística (IBGE). Assim, o Varejo
não só é responsável por grande parte da renda nacional como também é o setor privado
que mais emprega no país. Muitas vezes visto como termômetro do consumo na economia,
o setor pode ser um verdadeiro propulsor do crescimento econômico devido à elevada
empregabilidade do setor.
Uma vez que o varejo compreende uma variedade de subsetores, cuja dinâmica é bem
fragmentada, foi selecionado o varejo de moda como objeto de estudo. Segundo a
Associação Brasileira de Indústria Têxtil e de Confecção (ABIT), o setor têxtil respondeu
por cerca de 6% do faturamento da Indústria de Transformação brasileira em 2015. O
interessante desse segmento é que ele está presente no dia-a-dia de todos cidadãos e
apresentou forte crescimento no Brasil na última década. Além disso, muitos analistas
consideram o varejo de moda como um dos mais sensíveis às oscilações econômicas.
Portanto, é o segmento ideal para estudar o impacto do cenário macroeconômico no
resultado das empresas.
Além disso, o segmento teve um perfil de crescimento pouco planejado no Brasil.
Inicialmente, negócios familiares foram conquistando aumento de receita e se expandindo
sem grande planejamento. A tendência atual é de organização das empresas de moda.
Dessa forma, entende-se que há um problema quanto ao planejamento do futuro desse
ramo na economia.
1.3. MÉTODOS
Este trabalho é um estudo do impacto dos indicadores macroeconômicos no resultado de
empresas de Varejo de moda no Brasil. As empresas escolhidas foram a Cia Hering, as
Lojas Renner, as Lojas Marisa e o grupo Restoque. Os dados contábeis apresentados no
trabalho foram obtidos no software Economática® e são números divulgados pelas
empresas e submetidos aos mesmos métodos contábeis.
3
Os indicadores selecionados para ilustrar o cenário macroeconômico são calculados pelo
Banco Central do Brasil (BCB) ou Instituto Brasileiro de Geografia e Estatística (IBGE) e
são divulgados no site dos mesmos ou no site do Instituto de Pesquisa Econômica Aplicada
(IPEA).
1.4. LIMITAÇÃO
O estudo não visa explicar cientificamente a origem das possíveis relações de influência,
demonstradas empiricamente, dos indicadores no resultado das empresas. Serão
levantadas hipóteses inferidas de análise da dinâmica do mercado para justificar os
impactos. Os modelos estatísticos deste trabalho têm intenção indicativa, não preditiva.
1.5. CONTRIBUIÇÃO
Esse projeto apresenta um novo método de análise de estratégias da empresa. A
compreensão da influência dos indicadores econômico-financeiros e dos players no
resultado de uma empresa nos permite questionar as estratégias de posicionamento da
empresa. Além disso, pode ser um auxílio para tomada de decisão estratégica, pois uma
empresa pode decidir, por exemplo, diminuir sua dependência apontada nos modelos de
fatores econômicos visando aumentar sua resistência a crises econômicas.
1.6. DESCRIÇÃO DOS CAPÍTULOS
Primeiramente, será feita uma revisão da literatura (capítulo 2) na qual serão apresentados
o setor de varejo de moda, os indicadores usados no modelo e as empresas estudadas. No
fim do capítulo, serão citados estudos similares.
A partir daí, o capítulo 3 traz a metodologia estatística que serviu de base para o estudo.
No capítulo 4 então, a metodologia é aplicada ao caso em questão. É apresentado o passo-
a-passo deste estudo e são testados os pressupostos que permitem a utilização dos
métodos estatísticos.
No Capítulo 5, iniciam-se as análises dos resultados obtidos. Para então, no capítulo 6,
encerrar o trabalho com a apresentação das conclusões deste projeto
4
2. REVISÃO DA LITERATURA
Visando uma melhor compreensão dos conceitos aqui abordados, foi realizada uma revisão
da literatura. Primeiramente, serão apresentadas as principais características do setor de
varejo de moda; em seguida serão citados os indicadores econômicos selecionados, e por
fim, como esses dois tópicos se relacionam.
2.1 SETOR DE VAREJO DE MODA
A prática do Varejo ocorre quando há a venda de produtos para o consumidor final.
Diferentemente do comércio atacadista, não há intenção de negócio do produto
comercializado, sendo o uso pessoal o propósito único da transação. Dessa forma, em
geral, as quantidades negociadas são reduzidas e o preço é maior em relação ao valor no
atacado. Uma definição largamente adotada em artigos acadêmicos é de KOTLER (2000,
p. 540) apud ESTENDER (2005, p. 2):
“O varejo engloba todas as atividades relacionadas à venda direta de
produtos e serviços aos consumidores finais, para uso pessoal, não
relacionada a negócio. Qualquer empresa que forneça um produto ou
serviço para o consumidor final está praticando varejo. A venda pode
ser realizada de forma pessoal, por correio, por telefone, por máquinas
de vendas ou pela internet, em uma loja, na rua ou na casa do
consumidor. Há diversos tipos de organizações de varejo, e
continuamente surgem novos. Existem os varejistas de loja, varejistas
sem loja e organizações de varejo.”
O setor do varejo possui segmentos de características bem distintas. Por exemplo, artigos
farmacêuticos e médicos são bens necessários. Os cidadãos precisam fazer uso deles
mesmo se seus preços aumentarem ou a renda cair, portanto, esse segmento deve sofrer
menor influência de variação no mercado. Já os livros e jornais não são necessários, mas
quando há maior disposição de renda, há a tendência que o indivíduo faça maior consumo
desses, portanto já são considerados bens normais. Isto é, quando há aumento de renda,
o consumo aumenta e quando a renda cai, o consumo cai também. Outra categoria de bens
que está presente nos diferentes segmentos do varejo são aos bens inferiores, que são
5
caracterizados por sofrerem variação no sentido inverso à renda, ou seja, se a renda
aumenta, seu consumo sofre queda.
Dessa forma, fica claro que a dinâmica de cada segmento do varejo é diferente. Portanto,
para esse estudo, foi selecionado o varejo de moda como objeto de estudo.
O varejo de vestuário em 2015 representou 2,5% do PIB de Serviços no Brasil, o que
significou um volume de vendas de R$ 93 bilhões, segundo dados da Euromonitor
divulgados pela Restoque SA1.
A ABIT2 divulgou que a produção da confecção em 2015 foi de 6,7 bilhões de peças. Isso
inclui vestuário, meias, acessórios, cama, mesa e banho. O setor empregou 1,5 milhões de
trabalhadores diretos e 8 milhões contando os indiretos e o efeito renda.
Abaixo, na Figura 1, são apresentadas as Vendas Reais Anuais do Varejo de Tecidos,
Vestuário e Calçados:
Figura 1 - Índice de volume de vendas no varejo - Vendas reais - varejo - tecidos, vestuário
e calçados - elaborado com base em índice (média 2011 = 100); Fonte: IBGE/PMC –
Pesquisa Mensal do Comércio, 2016
1 Disponível em: <http://www.restoque.com.br/conteudo_pt.asp?idioma=0&conta=28&tipo=41515>, acesso em 08 jan. 2017 2 Disponível em: <http://www.abit.org.br/cont/perfil-do-setor>, acesso em 11 jan. 2017
900
950
1000
1050
1100
1150
1200
1250
1300
1350
2008 2009 2010 2011 2012 2013 2014 2015
Vendas Reais - Varejo - Tecidos, Vestuário e Calçados
6
As vendas de Varejo de tecidos, vestuário e calçados tiveram pequena queda de 2008 para
2009 e então, entraram em trajetória ascendente até 2013. Já em 2014 o índice volta a cair
e em 2015, as vendas retomaram valor próximo a 2010.
O segmento de vestuário varejista brasileiro é fortemente fragmentado, composto por
muitas empresas de pequena escala, muitas vezes locais, de pouca eficiência operacional.
A ABIT contabiliza que existem 32 mil empresas formais no setor têxtil e confecção em todo
o país. Segundo a Euromonitor, divulgado pela Restoque SA3, as cinco maiores empresas
de varejo de vestuário e calçados são detentoras de somente 19% do mercado. Não há,
porém, forte presença de players internacionais no segmento devido a complexidades
quanto à entrada. Multinacionais enfrentam dificuldades como câmbio altamente volátil, alta
tributação sobre importação, diferenças no calendário de coleções.
Outra particularidade do segmento é sua relevância no orçamento do brasileiro. A Pesquisa
de Orçamentos Familiares (POF) realizada pelo IBGE aborda a composição orçamentária
doméstica, disponibilizando informações sobre despesas, rendimentos e condições de vida
das famílias brasileiras. A Tabela 1 é uma versão resumida dos resultados do período de
2008 e 2009 sobre as despesas monetária e não monetária média mensal familiar, por
classes de rendimento total e tipos de despesa (POF 2008-2009 IBGE).
3 Disponível em: <http://www.restoque.com.br/conteudo_pt.asp?idioma=0&conta=28&tipo=41515>, acesso em 08 jan. 2017
7
Tabela 1 - versão resumida dos resultados do período de 2008 e 2009 sobre as despesas
monetária e não monetária média mensal familiar, por classes de rendimento total e tipos
de despesa
Fonte: POF 2008-2009 IBGE, 2016
Através de rápida análise da tabela 1, já fica claro que, para todos os perfis de rendimento
familiar, as roupas femininas são responsáveis pela maior fatia das despesas com
vestuário. Em seguida, aparecem os calçados e apetrechos e então, o vestuário masculino.
Portanto, o perfil de prioridade de compra não se modifica de acordo com a renda.
Outra observação interessante é que a cada classe de rendimento, o gasto com vestuário
varia, em média, 50%; ou seja, cada classe consome cerca de uma vez e meia o que a
classe anterior consumiu. As roupas de crianças são as que menos variam entre os
diferentes patamares de renda, cerca de 32%; enquanto as jóias e bijuterias crescem 78%
à medida que a renda aumenta.
A partir dos dados disponibilizados pela POF/IBGE, foi possível elaborar a tabela 2 que
apresenta a participação do vestuário na despesa total do brasileiro:
Até 830Mais de 830 a
1245
Mais de 1245
a 2490
Mais de 2490
a 4150
Mais de 4150
a 6225
Mais de 6225
a 10375Mais de 10375
Despesa total 2.626,31 744,98 1.124,99 1.810,69 3.133,00 4.778,06 7.196,08 14.098,40
Despesa de Consumo 2.134,77 699,24 1.035,23 1.605,79 2.638,02 3.783,68 5.626,30 9.469,57
Vestuário 118,22 40,43 58,90 96,64 155,39 202,01 289,68 454,70
Roupa de Homem 28,62 9,85 13,95 23,75 37,00 51,11 69,05 108,16
Roupa de Mulher 35,83 11,48 17,35 28,58 47,97 61,72 94,07 136,92
Roupa de Criança 13,52 6,66 9,01 12,61 17,71 21,23 24,22 33,87
Calçados e apetrechos 33,44 10,75 16,12 27,25 44,60 56,28 83,96 131,82
Joias e Bijuterias 5,48 1,27 1,77 3,39 6,37 9,78 15,50 36,90
Tecidos e armarinhos 1,34 0,41 0,70 1,05 1,74 1,88 2,89 7,03
Tipo de despesa
Despesas (R$)
Classes de rendimento total e variação patrimonial mensal familiar
Total
8
Tabela 2 - versão resumida dos resultados do período de 2008 e 2009 sobre o peso (%)
das despesas monetária e não monetária média mensal familiar, por classes de rendimento
total e tipos de despesa (POF 2008-2009 IBGE)
Fonte: POF 2008-2009 IBGE, 2016
É interessante perceber que a participação do gasto com vestuário na despesa total é maior
nas classes de menor renda, o que corrobora com o pensamento keynesiano de que,
conforme a renda aumenta, a propensão marginal a consumir cai. Na realidade, o consumo
aumenta quando a renda aumenta, porém em menor taxa. O único segmento que não
segue tal comportamento é o de jóias e bijuterias.
2.2 INDICADORES ECONÔMICO-FINANCEIROS
Para a análise que compõe este trabalho foram selecionados alguns indicadores
macroeconômicos, que retratam a situação macroeconômica pela qual o país passa. Esses
indicadores influenciam tanto na capacidade de consumo dos indivíduos como nos custos
de produção da empresa. A seguir, serão abordados de forma sucinta e posteriormente,
será trazida a justificativa da escolha desses indicadores.
2.2.1 RENDA
O índice escolhido para representar a renda foi o rendimento médio (RM) real efetivo
recebido pelas pessoas ocupadas (PO), de 10 anos ou mais de idade, nas Regiões
Metropolitanas (Recife, Salvador, Belo Horizonte, Rio de Janeiro, São Paulo e Porto
Alegre). Tal indicador é contabilizado na Pesquisa Mensal do Emprego (PME) feita pelo
Até 830Mais de 830 a
1.245
Mais de 1.245
a 2.490
Mais de 2.490
a 4.150
Mais de 4.150
a 6.225
Mais de 6.225
a 10.375
Mais de
10.375
Despesa total 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00%
Despesa de Consumo 81,28% 93,86% 92,02% 88,68% 84,20% 79,19% 78,19% 67,17%
Vestuário 4,50% 5,43% 5,24% 5,34% 4,96% 4,23% 4,03% 3,23%
Roupa de Homem 1,09% 1,32% 1,24% 1,31% 1,18% 1,07% 0,96% 0,77%
Roupa de Mulher 1,36% 1,54% 1,54% 1,58% 1,53% 1,29% 1,31% 0,97%
Roupa de Criança 0,51% 0,89% 0,80% 0,70% 0,57% 0,44% 0,34% 0,24%
Calçados e apetrechos 1,27% 1,44% 1,43% 1,50% 1,42% 1,18% 1,17% 0,93%
Joias e Bijuterias 0,21% 0,17% 0,16% 0,19% 0,20% 0,20% 0,22% 0,26%
Tecidos e armarinhos 0,05% 0,06% 0,06% 0,06% 0,06% 0,04% 0,04% 0,05%
Tipo de despesa
Participação nas Despesa Total (%)
Total
Classes de rendimento total e variação patrimonial mensal familiar
9
IBGE. A série é descontada da inflação pelo Índice Nacional de Preços ao Consumidor
(INPC) das seis regiões metropolitanas ao preço do mês seguinte.
Figura 2 – Evolução do rendimento médio real efetivo – PO – RMs – R$; Fonte: PME-IBGE,
2016
Duas características marcantes da série histórica explicitadas pelo gráfico (figura 2) são o
crescimento do índice ao longo do período e uma forte sazonalidade ligada ao 13º salário.
Para uso do indicador, foi necessário eliminar o efeito dessa sazonalidade. Para isso, foi
utilizado o software Eviews®. O método utilizado é o da média móvel.
A trajetória da renda dessazonalizada permite melhor visualização da tendência de
crescimento. Entre 2008 e 2014, a renda acumula crescimento real de cerca de 25%. A
partir de 2015, o indicador reverte sua trajetória e inicia queda que perdura até janeiro de
2016, quando variação de -11% em relação ao fim de 2014.
2.2.2 EMPREGO
Para retratar a situação da ocupação no Brasil, foi selecionado o valor do Total de Pessoas
Ocupadas, de 10 anos ou mais, nas Regiões Metropolitanas (Recife, Salvador, Belo
Horizonte, Rio de Janeiro, São Paulo e Porto Alegre). O índice consiste numa estimativa
em uma base de 1000 pessoas e também é parte da Pesquisa Mensal do Emprego (PME-
IBGE).
1250
1450
1650
1850
2050
2250
2450
2650
2850
3050
3250
jan
/08
abr/
08
jul/
08
ou
t/0
8
jan
/09
abr/
09
jul/
09
ou
t/0
9
jan
/10
abr/
10
jul/
10
ou
t/1
0
jan
/11
abr/
11
jul/
11
ou
t/1
1
jan
/12
abr/
12
jul/
12
ou
t/1
2
jan
/13
abr/
13
jul/
13
ou
t/1
3
jan
/14
abr/
14
jul/
14
ou
t/1
4
jan
/15
abr/
15
jul/
15
ou
t/1
5
jan
/16
Renda
Renda Renda Dessazonalizada
CAGR = 2,6 %
10
Figura 3 – Evolução do Total de Pessoas Ocupadas – RMs – Estimativa em 1000 pessoas;
Fonte: PME-IBGE, 2016
Uma análise rápida do gráfico (figura 3) denota a necessidade de dessazonalizar o
indicador: os picos e vales ligados ao fim e ao início do ano são facilmente explicados pelo
aquecimento natural do consumo ligado às festas e ao recebimento do décimo terceiro
salário, o que demanda maior força de trabalho especialmente no comércio. Os meses após
as festas sofrem com o desaquecimento desse consumo e naturalmente, ocorre uma
retomada do emprego aos índices anteriores.
No período analisado, o total de pessoas ocupadas nas regiões metropolitanas apresentou
crescimento acelerado, de quase 12%, entre 2008 e 2013. A partir de então, o índice fica
estagnado por aproximadamente um ano e em 2015, inicia trajetória descendente. Entre
fevereiro de 2015 e fevereiro de 2016, a queda chegou a 4%.
2.2.3 MASSA SALARIAL
O indicador de massa salarial é composto pela renda multiplicada pelo emprego. Esse
índice representa o potencial de consumo da população. A vantagem do uso do índice é a
redução de efeitos na conta que não representam melhor o cenário econômico. Por
exemplo, se muitas pessoas de salários mais baixos perdem sua ocupação, o rendimento
médio da população ocupada pode cair, se manter e até aumentar, dado que ele é uma
19500
20000
20500
21000
21500
22000
22500
23000
23500
24000
24500
jan
/08
mai
/08
set/
08
jan
/09
mai
/09
set/
09
jan
/10
mai
/10
set/
10
jan
/11
mai
/11
set/
11
jan
/12
mai
/12
set/
12
jan
/13
mai
/13
set/
13
jan
/14
mai
/14
set/
14
jan
/15
mai
/15
set/
15
jan
/16
Emprego
Emprego Emprego Dessazonalizado
CAGR = 2,1 % CAGR = -0,4 %
11
média do universo de pessoas ocupadas. Então não é representativo para o universo total
de pessoas. Já o emprego compreende toda a população, porém não dá a magnitude de
disposição de renda. Assim, a massa salarial equilibra os efeitos não-representativos da
renda e do emprego.
Figura 4 – Evolução da Massa Salarial (%); Fonte: PME-IBGE, 2016
Na figura 4, pode-se notar que o impacto na queda do emprego só repercutiu no potencial
de consumo da população a partir do momento em que a renda também aderiu à queda.
Entre 2013 e 2014, o emprego já iniciava queda enquanto a renda de mantinha estável ou
com baixo crescimento, o que ocasionou um ano de estagnação na massa salarial. A partir
de 2014, com ambos os índices em queda, a massa salarial iniciou forte queda atingindo
taxa de crescimento de -7,6% no ano de 2015.
2.2.4 TAXA DE JUROS
Visando refletir a taxa de juros, o indicador estabelecido foi a Taxa de Juros SELIC Over ou
Overnight. Para melhor explicar a diferença dessa taxa para a taxa SELIC fixada pelo
Comitê de Política Monetária (Copom), será necessária uma revisão de alguns conceitos.
0
10000
20000
30000
40000
50000
60000
70000
jan
/08
mai
/08
set/
08
jan
/09
mai
/09
set/
09
jan
/10
mai
/10
set/
10
jan
/11
mai
/11
set/
11
jan
/12
mai
/12
set/
12
jan
/13
mai
/13
set/
13
jan
/14
mai
/14
set/
14
jan
/15
mai
/15
set/
15
jan
/16
Massa Salarial
Massa Salarial Dessazonalizada (1000)
CAGR = 5,7% CAGR = -7,6%
12
Segundo o site do BCB4, a missão da instituição consiste na estabilidade do poder de
compra da moeda e a solidez do sistema financeiro. Para tal, ele se utiliza de uma série de
instrumentos. Um deles é o depósito bancário compulsório. O compulsório obriga os bancos
a depositarem uma porcentagem dos recursos obtidos no dia, por meio de depósitos à vista,
a prazo ou poupança, em uma conta no BCB. Essa é uma forma de controlar a quantidade
de moeda circulando na economia, o que influenciará no crédito e nas taxas de juros
cobradas.
A relação da taxa de juros SELIC5 Over com o compulsório e com a SELIC Meta (definida
pela Copom) é que, ao fim do dia, se um banco tem que fazer um depósito no BCB e resolve
pedir empréstimo a outro banco, o segundo define uma nova taxa de juros para o
empréstimo baseada na SELIC Meta. A média de todas as taxas de juros cobradas pelos
bancos em empréstimos interbancários constitui a Taxa SELIC Over ou Overnight. Esse
valor muda a cada dia. Como o banco de dados neste trabalho foi definido com
periodicidade mensal, o índice selecionado é a média do mês.
Figura 5 – Taxa de Juros Over/Selic (% a.m.) - Fonte: IpeaDATA, BCB, 2016
Ao observar a trajetória do indicador na figura 4, percebe-se que não há uma tendência
específica de crescimento. O que se pode notar é um comportamento levemente cíclico,
4 Disponível em: <https://www.bcb.gov.br/htms/novaPaginaSPB/PapelDoBancoCentral.asp>, acesso em 09 jan. 2017 5 Sistema Especial de Liquidação e de Custódia (SELIC)
0,000
0,200
0,400
0,600
0,800
1,000
1,200
1,400
jan
/08
mai
/08
set/
08
jan
/09
mai
/09
set/
09
jan
/10
mai
/10
set/
10
jan
/11
mai
/11
set/
11
jan
/12
mai
/12
set/
12
jan
/13
mai
/13
set/
13
jan
/14
mai
/14
set/
14
jan
/15
mai
/15
set/
15
jan
/16
mai
/16
set/
16
Taxa de Juros
13
porém sem periodicidade definida. O menor valor registrado para a Taxa de Juros foi de
0,49% em fevereiro de 2013 e o maior ocorreu em agosto de 2016 de 1,2%.
2.2.5 INFLAÇÃO
Inflação significa perda de poder aquisitivo da moeda. Existem diversas causas possíveis
para isso: choque de demanda, choque de oferta, expansão da base monetária. A definição
do que causa ou do que causou uma específica taxa de inflação sempre envolve diferentes
opiniões, argumentações e crenças políticas e econômicas.
Para retratar essa perda de valor do dinheiro, foi escolhido o Índice Nacional de Preços ao
Consumidor Amplo (IPCA/IBGE). Esse abrange famílias entre 1 e 40 salários-mínimos
residentes nas áreas urbanas das regiões.
Figura 6 – Índice Nacional de Preços ao Consumidor Amplo (IPCA); Fonte: IpeaDATA IBGE,
2016
Pela observância da figura 6, fica claro o comportamento volátil do indicador, com variação
mais intensa a partir de 2014. O menor valor assumido pela inflação no período analisado
foi em junho de 2010, quando a taxa atingiu valor nulo, enquanto seu recorde foi de 132%
em março de 2015.
0
0,2
0,4
0,6
0,8
1
1,2
1,4
jan
/08
mai
/08
set/
08
jan
/09
mai
/09
set/
09
jan
/10
mai
/10
set/
10
jan
/11
mai
/11
set/
11
jan
/12
mai
/12
set/
12
jan
/13
mai
/13
set/
13
jan
/14
mai
/14
set/
14
jan
/15
mai
/15
set/
15
jan
/16
mai
/16
set/
16
IPCA
14
2.2.6 TAXA DE CÂMBIO
A definição de Taxa de Câmbio pelo BCB é “o preço de uma moeda estrangeira medido em
unidades ou frações (centavos) da moeda nacional”6 . O câmbio usado foi o Real (R$) para
Dólar americano (US$), uma vez que é a moeda considerada internacional e mais usada
em transações entre países ou empresas que utilizam diferentes moedas. Foi escolhido o
câmbio comercial, pois ele é usado para transações comerciais como importação,
exportação e transferências financeiras. O índice utilizado traz a média mensal já alinhado
com a base de dados do trabalho.
Figura 7 - Taxa de Câmbio - R$/US$ - comercial - venda - média - R$; Fonte: BCB, 2016
Houve pequeno pico na taxa de câmbio do dólar entre o fim de 2008 e início de 2009,
conforme a figura 7. A partir daí, manteve certa estabilidade até o início de 2012, quando
volta a crescer lentamente. Em 2015, ocorre a disparada do dólar, que atinge seu pico em
janeiro de 2016 no valor de R$ 4,05.
2.2.7 TERMOS DE TROCA
A razão entre os índices de preço das exportações e das importações é chamada de
Termos de Troca. O Brasil é um forte exportador de commodities e bens primários, que são
6 Disponível em: <http://www.bcb.gov.br/pre/bc_atende/port/taxCam.asp>, acesso em 09 jan. 2017
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
jan
/08
mai
/08
set/
08
jan
/09
mai
/09
set/
09
jan
/10
mai
/10
set/
10
jan
/11
mai
/11
set/
11
jan
/12
mai
/12
set/
12
jan
/13
mai
/13
set/
13
jan
/14
mai
/14
set/
14
jan
/15
mai
/15
set/
15
jan
/16
mai
/16
set/
16
Taxa de câmbio - R$ / US$ - comercial - venda - média - R$
15
produtos de pouca ou nenhuma complexidade produtiva e baixo valor agregado. Além
disso, são bens muito suscetíveis à volatilidade dos preços internacionais, o que pode
comprometer o índice ou até mesmo, gerar diagnósticos inexatos da situação econômica
do país.
A principal diferença entre o índice de Termos de Troca e a Taxa de Câmbio é que a taxa
de câmbio compara os valores entre duas moedas, enquanto os termos de troca simbolizam
a comparação entre a valorização dos bens que um país exporta versus os bens que são
importados. Para o Brasil, que é forte exportador de commodities, uma variação no preço
das commodities vai impactar diretamente o valor dos Termos de Troca. A taxa de câmbio,
nesse caso, pode também sofrer impacto da variação nos preços desses bens, porém
indireto. Por exemplo, um aumento no preço das commodities fará mais moeda estrangeira
entrar no Brasil e devido à alta oferta, o preço interno da moeda cai.
Figura 8 - Termos de Troca – índice; Fonte: Fundação Centro de Estudos do Comércio
Exterior (FUNCEX), 2016
A trajetória do índice, conforme a figura 8, comprova que não há fortes tendências
comportamentais. Em novembro de 2011, o índice atingiu seu recorde do período em
132,67 e seu menor valor foi de 97,07 em janeiro de 2009.
0
20
40
60
80
100
120
140
jan
/08
mai
/08
set/
08
jan
/09
mai
/09
set/
09
jan
/10
mai
/10
set/
10
jan
/11
mai
/11
set/
11
jan
/12
mai
/12
set/
12
jan
/13
mai
/13
set/
13
jan
/14
mai
/14
set/
14
jan
/15
mai
/15
set/
15
jan
/16
mai
/16
Termos de Troca
16
2.2.8 CRÉDITO
O indicador utilizado para representar a situação creditícia do país no período analisado foi
o Saldo de Operações de Crédito de Pessoas Físicas. Esse valor é calculado e divulgado
pelo BCB. A escolha de Pessoas Físicas (PF) para essa análise se justifica por ser a base
consumidora do varejo. Na visão teórica, o crédito influencia o consumo, pois o aumento
do crédito dá a sensação de aumento de renda para o consumidor e, portanto, ele se sente
capaz de comprar mais.
Figura 9 - Saldo de Operações de Crédito - PF - Total - R$ (milhões); Fonte: BCB, 2016
O saldo de Operações de Crédito a Pessoa Física, figura 8, apresentou crescimento quase
linear entre 2008 e o primeiro trimestre de 2015. A partir de então, a trajetória atingiu
estagnação. O crescimento total entre janeiro de 2008 e outubro de 2016 foi de 86%.
2.2.9 ENDIVIDAMENTO DAS FAMÍLIAS
Para refletir a situação econômica das famílias brasileiras, será utilizado o endividamento
das famílias com o Sistema Financeiro Nacional em relação à renda acumulada dos últimos
doze meses. O índice é divulgado no formato de percentual, que indica o quanto da renda
familiar está comprometida com dívidas. O valor é calculado pelo BCB.
0
200000
400000
600000
800000
1000000
1200000
1400000
1600000
1800000
jan
/08
mai
/08
set/
08
jan
/09
mai
/09
set/
09
jan
/10
mai
/10
set/
10
jan
/11
mai
/11
set/
11
jan
/12
mai
/12
set/
12
jan
/13
mai
/13
set/
13
jan
/14
mai
/14
set/
14
jan
/15
mai
/15
set/
15
jan
/16
mai
/16
set/
16
Saldo de Operações de Crédito - PF - Total - R$ (milhões)
+ 86%
17
Figura 10 - Endividamento das Famílias (%); Fonte: BCB, 2016
O índice na figura 10 exibe crescimento aproximadamente linear até o primeiro trimestre de
2014, quando seu comportamento inicia um processo de estabilização. É importante
ressaltar que ao final de 2015, a dívida das famílias representava cerca de 45% da renda,
ou seja, quase metade dos salários de uma família seriam utilizados ou deveriam ser
utilizados apenas para quitar dívidas, sobrando somente metade da renda para o consumo
mensal familiar. O endividamento cresceu cerca de 15 em 8 anos.
2.3 DINÂMICA DO VAREJO DE MODA NA ECONOMIA
A cadeia produtiva de Moda é composta por seis grandes etapas, conforme esquematizado
na figura 11.
Figura 11 - Cadeia Produtiva da Moda - Elaborado com base em REICH, S. R., 2006,
Cadeia Produtiva da Moda: um Modelo Conceitual de Análise da Competitividade no Elo
Confecção, Tese em D.Sc., UFSC – Florianópolis, SC, Brasil
0
5
10
15
20
25
30
35
40
45
50ja
n/0
8
mai
/08
set/
08
jan
/09
mai
/09
set/
09
jan
/10
mai
/10
set/
10
jan
/11
mai
/11
set/
11
jan
/12
mai
/12
set/
12
jan
/13
mai
/13
set/
13
jan
/14
mai
/14
set/
14
jan
/15
mai
/15
set/
15
Endividamento das Famílias (%)
15%
Produção da
Matéria-Prima para
fiação
FiaçãoTecela-
gemBenefici-amento
Confec-ção
Canais de
Distribui-ção
18
A Produção da Matéria-Prima para Fiação envolve um processo físico-químico de
construção de filamentos e fibras artificiais e sintéticas, além da produção agrícola e
pecuária para fibras naturais vegetais e animais. A partir desses materiais, inicia-se a fiação.
A tecelagem consiste num processo mecânico e composição dos tecidos; esse varia de
acordo com o tipo de tecido que se deseja produzir. O beneficiamento fornece
características únicas ao tecido como estampas, cores, lavagens.
A confecção é a parte de maior complexidade e mais decisiva para o sucesso da peça no
mercado. Na figura 12, há um detalhamento dessa etapa:
Figura 12 - Detalhamento da Confecção na Cadeia Produtiva da Moda - Elaborado com
base em REICH, S. R., 2006, Cadeia Produtiva da Moda: um Modelo Conceitual de Análise
da Competitividade no Elo Confecção, Tese em D.Sc., UFSC – Florianópolis, SC, Brasil
Por fim, os principais canais de distribuição do setor no Brasil são o varejo, o atacado e
compras via e-commerce.
Ao apresentar a cadeia em esquemas, o processo parece simples e exato. Entretanto, não
o é. Em primeiro lugar, é importante ressaltar que o fluxo de informação na cadeia é confuso
e ocasiona muitas repetições de etapas.
Ao imaginar uma coleção, uma marca já precisa definir quais são os tecidos que mais
estarão presentes: se é uma estação mais quente, as peças devem ser mais curtas e mais
leves, portanto, há preferência por tecidos leves como seda e malha; estações mais frias
demandam maior produção de jeans, por exemplo, dependendo da proposta da marca,
peças em couro, lã. Dessa forma, como muitas empresas do setor têxtil trabalham sob
demanda, a área que define o estilo da marca precisa informar meses antes da saída da
coleção qual será a proposta da coleção.
Criação da Peça
Modela-gem
Corte Costura
Beneficia-mento e Acaba-mento
19
Além disso, em geral, as estampas de uma coleção são definidas antes da criação total da
peça. Como apresentado na Figura 12, a definição do beneficiamento do tecido (antes da
confecção) ocorre antes da criação da peça, porém é efetuado muitas vezes pela mesma
área de criação.
Outra questão é que o domínio do processo de produção pelas empresas muda muito.
Existem empresas que executam desde a tecelagem até comercialização e outras que
supervisionam o processo realizado por terceiros e apenas adquirem a peça pronta. A
criação da peça também pode ser própria ou terceirizada.
A produção de tecidos requer maquinário intenso e especializado. Os maiores produtores
têxteis do mundo estão no continente asiático e são responsáveis pela produção de
aproximadamente 70% dos tecidos consumidos no mundo, segundo a Instituto de Estudos
e Marketing Industrial (IEMI)7. Apenas a China produz mais da metade dos têxteis
consumidos mundialmente. O Brasil também ocupa posição de destaque no ranking
mundial de produção de tecidos. O país está na quinta posição e responde por 2,4% da
produção têxtil mundial.
Existem vantagens econômicas e operacionais para se confeccionar produtos têxteis
internamente. Além da alta tributação pela qual produtos acabados são taxados, há a
questão logística de prazo de entrega, que muitas vezes fica comprometido devido à
problemas na alfandega. A confecção brasileira é muito pulverizada. Segundo dados do
relatório COSTA, A. C. R., ROCHA, E. R. P., Panorama da Cadeia Produtiva Têxtil e de
Confecções e a Questão da Inovação, 2009, do Banco Nacional do Desenvolvimento
Econômico e Social (BNDES) apud IEMI, existiam mais de 23 mil empresas de confecção
no Brasil em 2008. Cada empresa empregava em média 53 pessoas. O relatório associa
essa pulverização a alguns fatores. Primeiramente, trata-se de um processo de produção
simples, de uso intenso de mão-de-obra manual, e que demanda pouco investimento inicial.
Além disso, existe alto grau de informalidade devido à elevada carga tributária imposta a
cadeia.
7 Disponível em: <http://gotexshow.com.br/mercado/>, acesso em 03 fev. 2017
20
2.4 EMPRESAS
As empresas analisadas são a Cia Hering, as Lojas Renner, o grupo Restoque e as Lojas
Marisa. Serão apresentados o histórico das companhias, o modelo de negócio e uma
análise do desempenho financeiro delas no período entre 2008 e 2015.
A Tabela 3 exibe as equações dos indicadores de desempenho utilizados neste trabalho.
21
Tabela 3 – Indicadores de Desempenho Financeiro
Fonte: NETO, A. A., LIMA F. G., Fundamentos da Administração Financeira, 2010, 2ª
Ed, São Paulo, Brasil
A partir desse momento, os indicadores de desempenho financeiro serão citados utilizando
a sigla entre parenteses na tabela 3.
2.4.1. HERING
2.4.1.1. HISTÓRICO DA EMPRESA
A história da Hering se inicia em 1879 com a chegada da família de Hermann Hering na
cidade de Blumenau e a compra de um tear circular e uma caixa de fios. Em 1880, o irmão
de Hermann, Bruno chega ao Brasil e eles fundam a Trikotwaren Fabrik Gebrüder Hering.
Resultado Interpretação
Ativo Circulante + Ativo Realizável a Longo Prazo< 1 Empresa não é capaz de honrar seus compromissos
Passivo Circulante + Passivo Realizável a Longo Prazo> 1 Empresa é capaz de honrar seus compromissos
Ativo Circulante< 1
Empresa não é capaz de honrar seus compromissos de
curto prazoPassivo Circulante
> 1Empresa é capaz de honrar seus compromissos de curto
prazo
Ativo Circulante - Estoques< 1
Empresa não é capaz de honrar seus compromissos de
curto prazo sem rentabilizar estoquesPassivo Circulante
> 1Empresa é capaz de honrar seus compromissos de curto
prazo sem rentabilizar estoques
Resultado Interpretação
Exigível Total
Patrimônio Líquido
Exigível Total
Ativo Total
Ativo Permanente
Exigível de Longo Prazo + Patrimônio Líquido
Resultado Interpretação
Lucro Operacional
Ativo Total
Lucro Operacional
Patrimônio Líquido
ROE< 1
Acionistas têm taxa de retorno inferior à taxa geradoras
dos ativos da empresaROA
> 1Acionistas têm taxa de retorno superior à taxa
geradoras dos ativos da empresa
%
%
Retorno do investimento sobre o ativo
Retorno do investimento sobre o patrimônio líquido
%quanto a empresa possui de recursos de terceiros para
cada unidade monetária de capital próprio aplicada
%quanto dos recursos totais da empresa são financiados
por capital de terceiros
%quanto dos passivos permanentes estão imobilizados
em ativos não circulantes
Relação Capital de
Terceiros e Ativo
Total (P/AT)
Imobilização de
Recursos
Permanentes
(IRP)
Alavancagem Financeira
Retorno sobre o
Ativo (ROA)
Retorno sobre o
Patrimônio
Líquido (ROE)
Grau de
Alavancagem
Financeira (GAF)
Liquidez Geral
(LG)
Liquidez Corrente
(LC)
Liquidez Seca (LS)
Liquidez
Endividamento
Relação Capital de
Terceiros e
Capital Próprio
(P/PL)
22
A empresa foi crescendo e em 1914, já contava com 90 teares e 100 máquinas de costura.
Em agosto de 29, a já chamada Companhia Hering inicia suas atividades em novo
endereço, na cidade de Indaial, Santa Catarina.
No ano de 1964, a Indústria Têxtil Companhia Hering abre seu capital e começa a exportar
seus produtos. Nos 100 anos de fundação, em 1980, a Cia Hering atinge sua capacidade
máxima de produção. Somente 13 anos depois, ocorreu a inauguração da primeira loja-
piloto Hering Family Store no Rio de Janeiro.
Em 1995, surge a campanha O Câncer de Mama no Alvo da Moda e a Hering se torna a
primeira parceira do Instituto Brasileiro do Controle do Câncer (IBCC). Dois anos depois, a
Hering bate um recorde histórico da venda de 5 bilhões de camisetas, que seria equivalente
a 30 camisetas para cada brasileiro na época. Em 1998, começa a comercialização da
marca DZARM. Já em 2002, a companhia decide permanecer com as marcas Hering, PUC,
DZARM. E Hering Kids. Cinco anos depois, a Cia Hering passa a negociar suas ações
ordinárias no Novo Mercado BM&F Bovespa.
2.4.1.2. MODELO DE NEGÓCIO
Atualmente, a empresa está presente em 824 lojas no total, sendo 642 da Hering, 64 da
PUC, 97 da Hering Kids, 3 DZARM. e 18 lojas no exterior. Dentre as 824 lojas, 726 são
franquias e 80 próprias. As internacionais também são franquias e estão localizadas no
Uruguai, Bolívia e Paraguai. Além disso, as marcas Hering ainda são comercializadas em
17.772 pontos multimarcas. A marca emprega 6.674 colaboradores.
23
Figuras 13 e 14 – Receita Bruta por Marca em 2015 e Receita Bruta por Canal em 2015,
Fonte: Resultados 4T15 Cia Hering, 2016
No gráfico da figura 13, fica claro que as marcas Hering (inclui as lojas Hering For You) e
Hering Kids, voltadas para adultos e crianças de todas as classes sociais, foram
responsáveis em 2015 por 87% da Receita Bruta total da companhia. A DZARM foca no
público adulto das classes A e B e a PUC nas crianças dessas mesmas classes. Quanto
ao canal, os mais relevantes, conforme observado na figura 14, são as multimarcas e as
franquias.
A empresa entende que é uma organização multimarca no lifestyle casual com forte
diferencial do produto. A estrutura da companhia é montada para garantir velocidade na
produção e distribuição das coleções. O modelo de produção é misto: há fabricação própria
além de terceirização de etapas produtivas e outsorcing.
Hering76%
Hering Kids11%
PUC7%
DZARM.4%
Mercado Internacional
2%
Receita Bruta por Marca 2015
Multimarcas44%
Franquias40%
Lojas Próprias
14%
Webstore2%
Receita Bruta por Canal 2015
24
2.4.1.3. DESEMPENHO FINANCEIRO
Abaixo, são apresentados os gráficos da figura 15 de Receita Líquida e Earnings Befores
Interest, Taxes, Depreciation and Amortization8 (EBITDA) e Margem Operacional da Hering
(figura 16) desde 2008. Esses são valores reais corrigidos pelo IPCA anual divulgado elo
BCB, tendo como base o ano de 2015. O que se pode observar é um crescimento bem
acentuado entre 2008 e 2011, acima dos 30%. Nos dois anos seguintes, o crescimento
desacelera um pouco, atingindo valor entre 3 e 6%. Em 2014, a receita sofre a primeira
queda do período, de cerca de 6% e em 2015, a queda atinge 11%.
Figura 15 - Receita Líquida Real e CAGR Cia Hering Fonte: Hering, Economática®, 2016
Figura 16 - EBITDA Real e Margem Operacional Hering, Fonte: Hering, Economática®,
2016
8 Lucros Antes de Juros, Impostos, Depreciação e Amortização
765
1.012
1.364
1.719 1.779 1.893
1.786
1.589
2008 2009 2010 2011 2012 2013 2014 2015
Receita Líquida Real (R$ 1.000)
CAGR = 11,0%
157 216372
501 486 495421
263
17,5% 18,7%25,0% 27,0% 25,0% 24,1% 21,3%
13,6%
-100,0%
-80,0%
-60,0%
-40,0%
-20,0%
0,0%
20,0%
40,0%
0
200
400
600
800
1000
1200
1400
2008 2009 2010 2011 2012 2013 2014 2015
EBITDA Real e Margem Operacional
EBITDA Real (R$ 1.000) Margem Operacional
25
A análise do EBITDA em valores reais expõe uma situação mais alarmante da companhia.
A queda de eficiência entre 2013 e 2015 foi quase de 50%. Enquanto o EBITDA em 2015
foi inferior ao conquistado em 2010, a margem operacional chegou a atingir valor menor ao
de 2008. Dado que em 2014 teve início uma grave crise econômica, os valores estão em
linha com a situação geral da economia.
Figura 17 - Liquidez Hering Fonte: Hering, Economática®, 2016
Apesar disso, pelo gráfico da figura 17, pode-se perceber que a companhia não apresentou
fortes problemas de liquidez ao longo dos últimos 8 anos. Os demonstrativos e balanços
divulgados ao final de 2015 demonstraram uma situação de altíssima liquidez, tanto de
curto prazo (378%) como de longo prazo (368%) e sem questões relacionadas a estoque
(liquidez seca de 247%). O altíssimo valor de liquidez pode, entretanto, significar que existe
uma ineficiência no uso do caixa e de ativos de curto prazo.
0%
50%
100%
150%
200%
250%
300%
350%
400%
2008 2009 2010 2011 2012 2013 2014 2015
Liquidez
Liquidez Geral Liquidez Corrente Liquidez Seca
26
Figura 18 - Endividamento Hering Fonte: Hering, Economática®, 2016
Atualmente, a empresa possui cerca de um quarto de seu patrimônio e um quinto do total
de seus recursos financiados por capital de terceiros, o que demonstra baixa dependência
financeira, conforme figura 18. A imobilização de Recursos Permanentes da empresa
atingiu apenas 27% em 2015, dessa forma, há folga financeira para financiar ativos de curto
prazo, gerando maior liquidez à empresa.
Figura 19 - Grau de Alavancagem Financeira Hering Fonte: Hering, Economática®, 2016
0%
50%
100%
150%
200%
2008 2009 2010 2011 2012 2013 2014 2015
Endividamento
Relação Capital de Terceiros (P)/Capital Próprio (PL) Relação Capital de Terceiros (P)/Ativo Total (AT)
Imobilização de Recursos Permanentes (IRP)
0%
50%
100%
150%
200%
2008 2009 2010 2011 2012 2013 2014 2015
Grau de Alavancagem Financeira (GAF)
Grau de Alavancagem Financeira (GAF)
27
Durante todo o período observado, a empresa usufrui grau de alavancagem financeira
superior a 1 (figura 19), o que significa que ela ofereceu aos acionistas uma taxa de retorno
superior à taxa geradora dos próprios ativos. Pelos dados apresentados, pode-se perceber
que a empresa é alavancada, porém isso não se reflete no endividamento de curto prazo.
2.4.2. LOJAS RENNER
2.4.2.1. HISTÓRICO DA EMPRESA
Em 1922, as Lojas Renner lançaram seu primeiro ponto de venda, focado em artigos têxteis.
18 anos depois, a companhia resolveu ampliar seu mix de produtos e se tornou uma loja
de departamentos. Em 1965, devido ao crescimento do grupo, foi decidido pela separação
das marcas. Assim, nasceu as Lojas Renner S.A., como até hoje é conhecida. A abertura
de capital ocorreu apenas dois anos depois.
No início dos anos 90, a marca já havia passado por algumas décadas de desempenho
positivo, ocorreu uma reestruturação na qual a empresa iniciou operação como loja de
departamentos especializada em moda. O sucesso da reestruturação fez a Renner ir para
outros estados além do Rio Grande do Sul: Santa Catarina, Paraná, Rio de janeiro, Minas
Gerais, São Paulo e Distrito Federal.
Em 1998, a J.C.Pennys Brazil adquiriu controle acionário das Lojas Renner, o que conferiu
a marca brasileira a assistência operacional robusta e experiente. Esses benefícios como
contato com fornecedores internacionais, consultoria especializada para escolha de pontos
comerciais, técnicas eficientes de controle interno, foram muito importantes para o
crescimento intenso pelo qual passou a marca a partir de dezembro de 98.
Em 2005, a J.C.Pennys optou pela venda do controle da companhia e assim, a marca
passou a ser a primeira empresa a ter seu capital pulverizado e quase 100% das ações em
circulação no novo mercado de ações BM&F Bovespa. Com as ações em circulação, o
plano de expansão foi intensificado levando a chegada da companhia no nordeste em 2006
e no norte apenas um ano depois. O ano de 2010 foi um ano de importantes lançamentos
para Lojas Renner: além do Meu Cartão Renner co-branded com Visa e MasterCard, foi
lançado o e-commerce da marca.
28
Em 2011, a companhia comprou a Camicado, uma empresa especializada em casa e
decoração e dois anos depois, lançou a Youcom, lançando um novo modelo de negócio
voltado para o jovem.
2.4.2.2. MODELO DE NEGÓCIO
Atualmente, as Lojas Renner constituem mais de 350 operações com as marcas Renner,
Camicado e Youcom. Elas estão presentes nas 5 regiões do país e empregam mais de 17
mil colaboradores. A companhia divulga que a Interbrand a considerou a 9ª empresa mais
valiosa de varejo na América Latina, a 3ª no setor vestuário na América Latina e 1ª no setor
no Brasil.
Figura 20 – Receita Bruta por Marca em 2015, Fonte: Fundamentos e Planilhas 4T15 Lojas
Renner, 2016
Conforme figura 20, a marca mais nova da companhia, a Youcom, que é voltada para o
jovem, apresenta baixa representatividade na Receita Total, bem como a Camicado, que é
a marca de produtos de casa e decoração. Mais de 90% da Receita das Lojas Renner é
Renner94%
Camicado5%
Youcom1%
Receita Líquida por Marca 2015
29
oriunda da marca principal, Renner. As Lojas Renner têm como público-alvo a classe B. A
empresa não fornece a quebra da receita por canal de distribuição.
A Renner separa sua coleção em cinco estilos de vida, pois compreende que mais do que
seguir tendências da moda, é preciso respeitar a diversidade do ser e do viver de cada um.
A marca atribui seu intenso crescimento a um posicionamento estratégico bem definido, à
compreensão total do cliente e seus desejos, à maior proximidade das lojas9.
2.4.2.3. DESEMPENHO FINANCEIRO
O gráfico da Receita Líquida Real das Lojas Renner (figura 21) retrata uma situação de
constante crescimento entre os anos de 2008 e 2015.
Figura 21 - Receita Líquida Real e CAGR Lojas Renner Fonte: Renner, Economática®,
2016
A série histórica do EBITDA também apresenta crescimento em todos os anos observados,
de acordo com a figura 22. A Margem Operacional, entretanto, cresceu expressivamente
de 2008 a 2010, porém, desde então, segue oscilando 14,5% e 15,5%. A maior margem
conquistada ocorreu em 2014.
9 Disponível em: <http://www.lojasrenner.com.br/institucional;jsessionid=TJ76Y8CJK2XTQxp7NPplB1NKSnG5Lj2mz8h2v0P22Q0GJKZyJYWV!773443045>, acesso em 16 jan. 2017
3.245 3.317 3.702
4.114 4.607
4.925
5.551 6.145
2008 2009 2010 2011 2012 2013 2014 2015
Receita Líquida Real (R$ 1.000)
CAGR = 9,6%
30
Figura 22 - EBITDA Real e Margem Operacional Renner, Fonte: Renner, Economática®,
2016
Os resultados das Lojas Renner sempre indicaram a perfeita capacidade de honrar seus
compromissos e deveres. Como a liquidez corrente é superior a 1, pode-se concluir que os
fornecedores são pagos em dia e há suficiente capital de giro para o pleno funcionamento
da empresa. Mesmo descontando os estoques (liquidez seca), o índice permanece maior
que 1. Apesar da empresa nunca ter mostrado risco em relação a liquidez (figura 23), o fato
desse índice não se afastar muito de 1 indica que é feito uso inteligente de caixa e ativos
de curto prazo, ocasionando maior saúde financeira futura à empresa
Figura 23 - Liquidez Renner, Fonte: Renner, Economática®, 2016
446 500646
724826
922
10801198
10,9% 12,0%14,7% 14,6% 14,5% 14,9% 15,4% 15,2%
-50,0%
-40,0%
-30,0%
-20,0%
-10,0%
0,0%
10,0%
20,0%
0
200
400
600
800
1000
1200
1400
1600
1800
2008 2009 2010 2011 2012 2013 2014 2015
EBITDA e Margem Operacional
EBITDA Real (R$ 1.000) Margem Operacional
0%
50%
100%
150%
200%
250%
2008 2009 2010 2011 2012 2013 2014 2015
Liquidez
Liquidez Geral Liquidez Corrente Liquidez Seca
31
A taxa de Imobilização de Recursos Permanentes demonstra que, desde 2008, houve folga
financeira para financiar ativos de curto prazo e gerar liquidez. O gráfico da figura 24
também exibe que a companhia nunca teve mais do 67% de seus recursos totais ou ativos
financiados por terceiros. Entretanto, a Relação Capital de Terceiros e Capital Próprio
demanda atenção. Em 2013, por exemplo, a cada 1 real de capital próprio, a empresa
detinha 2 financiados por terceiros. Os fatores mais responsáveis pela alta taxa são os
financiamentos de curto prazo, o pagamento de fornecedores também de curto prazo e as
debentures de longo prazo. A alta liquidez apresentada acima garante a saúde da empresa,
apesar do alto endividamento.
Figura 24 - Endividamento Renner, Fonte: Renner, Economática®, 2016
As principais componentes responsáveis pelo alto grau de endividamento da marca são o
financiamento de curto prazo e o pagamento a fornecedores também em curto prazo. Isso
vai se refletir num alto grau de alavancagem financeira da empresa.
0%
50%
100%
150%
200%
250%
2008 2009 2010 2011 2012 2013 2014 2015
Endividamento
Relação Capital de Terceiros (P)/Capital Próprio (PL) Relação Capital de Terceiros (P)/Ativo Total (AT)
Imobilização de Recursos Permanentes (IRP)
32
Figura 25 - Grau de Alavancagem Financeira; Fonte: Renner, Economática®, 2016
O Grau de Alavancagem Financeira, figura 25, da Renner fornece confiança de bons
retornos para os acionistas. Vale ressaltar que o alto endividamento aumenta o efeito da
alavancagem financeira.
2.4.3. RESTOQUE
2.4.3.1. HISTÓRICO DA EMPRESA
Fundada em 1982, a Restoque Comércio de Roupas Ltda. era composta apenas de duas
profissionais da moda brasileira. Apenas seis anos depois foi lançada a Le Lis Blanc, um
negócio direcionado ao público feminino de alto poder aquisitivo. Entre 1988 e 2005, a
marca cresceu por meio de três formas diferentes: abertura de lojas próprias, lançamento
de canal multimarcas e licenciamento de lojas em várias cidades no país. Nos três anos
seguintes, a companhia adotou uma estratégia de associar a marca mais a um estilo de
vida sofisticado através a diversificação do seu mix de produtos e lançou linhas de produto
de decoração e vestuário infantil.
A abertura de capital no BM&F Bovespa ocorreu em 2008 e possibilitou recursos para
expansão da sua base de lojas próprias, recompra de lojas licenciadas e início da expansão
0%
50%
100%
150%
200%
2008 2009 2010 2011 2012 2013 2014 2015
Grau de Alavancagem Financeira (GAF)
Grau de Alavancagem Financeira (GAF)
33
das marcas. Assim, a marca passou de 11 lojas para 33 e o faturamento cresceu 154% só
nesse ano.
O ano de 2008 também marcou a compra da Bo.Bô - Bourgeois Bohême.O
reposicionamento da marca bem como a ampliação do portfólio transformou a Bo.Bô na
marca de mais alto luxo da companhia presente atualmente em 42 lojas próprias e 222
boutiques multimarcas. Em 2013, aproximadamente 12% da Receita Líquida da Restoque
decorria das Vendas da Bo.Bô.
Em 2012, a Le Lis Blanc teve duas complementações a seu portfólio: a Le Lis Beauté, linha
de cosméticos e produtos de beleza e a Noir, Le Lis, linha de vestuário masculino. Nesse
ano, a Restoque também adquiriu direitos da marca Rosa Chá. A companhia expandiu o
conceito da marca para além da moda praia e dois anos depois a marca foi relançada no
mercado. Atualmente, a marca conta com 17 lojas próprias.
Com a incorporação da Dudalina, o portfólio da companhia passou a deter também uma
importante camisaria do mercado. Ao fim de 2014, a marca já possuía 74 lojas próprias e
atendia a mais de 4 mil clientes multimarcas nas 5 regiões do país.
2.4.3.2. MODELO DE NEGÓCIO
Ao fim de 2015, o grupo divulgou que tinha 328 lojas próprias de 5 das suas 7 marcas, 1
loja multimarca, 22 outlets e 24 franquias.10
10 Disponível em: <http://www.restoque.com.br/conteudo_pt.asp?idioma=0&conta=28&tipo=41514>, acesso em 17 jan. 2017
34
Figuras 26 e 27 – Receita Líquida por Marca em 2015 e Venda Líquida por Canal em 2015,
Fonte: Planilha Fundamentos 3T16 Restoque, 2016
De acordo com a figura 26, as marcas Le Lis Blanc (e Noir) e Dudalina somam mais de
70% da Receita Líquida do Grupo Restoque em 2015, comprovando assim a importância
delas para a saúde financeira da companhia. A figura 27 mostra que as lojas próprias são
as mais procuradas, apesar do Atacado representar quase 30% da Venda Líquida da
empresa. Os clientes das marcas Restoque são basicamente homens e mulheres de todas
as faixas etárias com alto poder aquisitivo.
A Restoque ressalta as seguintes vantagens competitivas: marcas altamente reconhecidas
no setor de vestuário brasileiro, qualidade comprovada e experiência de compra
diferenciada, modelo de negócios com sólidas métricas financeiras, presença forte nos
principais centros de consumo do país, experiência em aquisições e desenvolvimento de
marcas e boas práticas corporativas.
2.4.3.3. DESEMPENHO FINANCEIRO
O Grupo Restoque apresentou a maior Taxa Composta Anual de Crescimento ou CAGR
do período. Na realidade, a empresa teve uma taxa de crescimento da Receita Líquida,
Le Lis Blanc +
Noir36%
Marcas Dudalina
35%
John John11%
Bobo7%
Estoque7%
Rosa Chá4%
Receita Líquida por Marca 2015
Lojas Próprias61%
Atacado29%
Outros Canais
10%
Venda Líquida por Canal 2015
35
figura 28, praticamente estável, por volta dos 25%, entre 2008 e 2012, então teve queda no
crescimento por dois anos e entre 2014 e 2015, o crescimento atingiu 46%.
Figura 28 - Receita Real Líquida e CAGR Restoque; Fonte: Restoque, Economática®, 2016
O EBITDA e a Margem Operacional, figura 29, já tiveram comportamentos diferentes da
Receita. Em 2009, o EBITDA se manteve e a margem caiu quase pela metade. Já no ano
seguinte, O EBITDA duplica, enquanto a margem triplica. Em 2011, o crescimento é mais
singelo e então ambos os indicadores sofrem retração. A partir de 2013, tanto a Margem
como o EBITDA retomam trajetória crescente.
Figura 29 - EBITDA e Margem Operacional Restoque, Fonte: Restoque, Economática®,
2016
290 371
472
598
759 804 815
1.189
2008 2009 2010 2011 2012 2013 2014 2015
Receita Líquida Real (R$ 1.000)
CAGR = 22,3%
46 45
100128 117
136
185
249
10,2%5,5%
17,3% 19,3%
10,0% 8,1%13,0% 12,8%
-50,0%
-40,0%
-30,0%
-20,0%
-10,0%
0,0%
10,0%
20,0%
0
50
100
150
200
250
300
350
400
2008 2009 2010 2011 2012 2013 2014 2015
EBITDA Real e Margem Operacional
EBITDA Real (R$ 1.000) Margem Operacional
36
Entre 2008 e 2011, a empresa não apresentou questões de liquidez, figura 30. A partir de
2012, a liquidez geral, figura 30, passou a ser inferior a 1. Possivelmente, nesse ano, a
companhia adquiriu dívida para compra ou desenvolvimento de marca, pois pode-se
observar nos demonstrativos que ocorreu um aumento nas Debentures de Longo Prazo em
2012. A liquidez seca apenas assumiu valor menor que 1 a partir de 2014. Como esse
índice retira os efeitos dos estoques da liquidez corrente, pode-se concluir que o grupo
econômico passou a enfrentar problemas de estoque. Essa conclusão está em linha com o
que aconteceu com o setor de uma maneira geral.
Tal como observado anteriormente (item 2.1., figura 1), as vendas do setor de vestuário
brasileiro caíram em 2014 e 2015. Assumindo que a empresa pode não ter previsto essa
queda ou a dimensão dela, é lógico supor que o estoque pode ter ficado mais parado do
que historicamente.
Figura 30 - Liquidez Restoque; Fonte: Restoque, Economática®, 2016
O estouro da Relação Capital de Terceiros e Capital Próprio na figura 31 corrobora com a
hipótese de que a empresa adquiriu dívida principalmente no ano de 2013, pois esse índice
também é influenciado pelas Debentures de Longo Prazo. A queda repentina da relação de
capital de terceiros e capital próprio (P/PL) deve-se à incorporação das marcas Dudalina
ao grupo Restoque, o que ocasionou um aumento substancial de Patrimônio Líquido. Já
em 2015, a cada unidade monetária de capital próprio da empresa, os recursos dos
terceiros equivalentes eram de apenas 0,8. Atualmente, a companhia possui menos da
0%
50%
100%
150%
200%
250%
300%
2008 2009 2010 2011 2012 2013 2014 2015
Liquidez
Liquidez Geral Liquidez Corrente Liquidez Seca
37
metade de seus ativos financiada por capital de terceiros e apresenta uma folga financeira
de mais de 80% para financiar ativos de curto prazo e garantir maior liquidez.
Figura 31 - Endividamento Restoque, Fonte: Restoque, Economática®, 2016
Tanto em 2013 como em 2015, a Restoque declarou prejuízo líquido, assim o grau de
alavancagem financeira (figura 32) assume valor negativo pelo fato do Retorno sobre o
Patrimônio Líquido (ROE) ser menor do que zero.
Figura 32 - Grau de Alavancagem Financeira Retoque - Fonte: Restoque, Economática®,
2016
0%
100%
200%
300%
400%
500%
600%
2008 2009 2010 2011 2012 2013 2014 2015
Endividamento
Relação Capital de Terceiros (P)/Capital Próprio (PL) Relação Capital de Terceiros (P)/Ativo Total (AT)
Imobilização de Recursos Permanentes (IRP)
-500%
-400%
-300%
-200%
-100%
0%
100%
200%
2008 2009 2010 2011 2012 2013 2014 2015
Grau de Alavancagem Financeira (GAF)
Grau de Alavancagem Financeira (GAF)
38
2.4.4. MARISA
2.4.4.1. HISTÓRICO DA EMPRESA
A história da Marisa se inicia em 1948 com o lançamento da primeira loja Marisa Bolsa.
Dois anos depois, a empresa acreditou ter criado a primeira ponta de estoque no Brasil, a
Marisa Malhas. Ambas as lojas eram direcionadas ao público feminino. A empresa então,
passou a utilizar o nome Marisa em suas lojas. Objetivando oferecer roupas de qualidade
a preços atrativos, a Marisa foi crescendo e se consolidando como rede de lojas de moda
feminina e moda íntima feminina.
Em 1952, a empresa começou um processo de expansão em território nacional, lançando
lojas em Porto Alegre, Belo Horizonte, Salvador, Recife e Manaus. A partir de 1982, a marca
já estava presente em todas as regiões do país.
No ano de 1999, a Marisa modificou seu modelo de loja, aumentando a variedade de
produtos. O novo conceito de loja agora incluía além da moda feminina, a moda masculina,
a moda infantil e cama, mesa e banho. Também nesse ano, a companhia lançou o Cartão
Marisa para oferecer crédito aos clientes efetuando compras.
A partir de 2001, a Marisa quis melhorar a imagem da marca e, para tal, criou uma nova
fase de modernização, ampliação e padronização das lojas, que visava maior exposição
dos produtos em loja organizados segundo estilos de vida. Em 2008, a companhia fechou
acordo comercial com Banco Itaú para fornecer o cartão de crédito co-branded, ItauCard
Marisa.
2.4.4.2. MODELO DE NEGÓCIO
A Marisa possuía, em 2015, 409 lojas, que correspondem a 423,5 mil m² de área de vendas
em todos os estados do país. O padrão de lojas multi-formato (Marisa Ampliada, Marisa
Feminina e Marisa Lingerie) estão distribuídas de forma equilibrada entre lojas de ruas e
shoppings. A empresa entende que o modelo de negócio por ela pregado está totalmente
em linha com o público-alvo, a classe C. É crença da companhia que o crescimento dessa
39
classe é uma tendência estrutural de longo prazo no Brasil, apesar de oscilações de curto
prazo.
As vantagens competitivas ressaltadas pela empresa são a força da marca, a presença em
todas as regiões do país, a eficiência e flexibilidade do sistema de crédito oferecido aos
clientes, a qualidade na moda a preços acessíveis e margens atrativas, a rede de lojas
moderna e de diferentes formatos e a administração experiente voltada para resultados. A
companhia não divulga a quebra da Receita Líquida por marca ou por canal de distribuição.
2.4.4.3. DESEMPENHO FINANCEIRO
A Receita Líquida Real, figura 33, da Marisa registrou a menor Taxa Composta Anual de
Crescimento (CAGR) entre as companhias analisadas. Ela inicia o período com
manutenção da Receita Real entre 2008 e 2009; de 2010 a 2013, a empresa cresce de
forma mais acelerada. A partir de então, registra dois anos consecutivos de crescimento
próximo a 2% e em 2015, a receita da empresa sofre retração de cerca de 10% pela
primeira vez no período analisado.
Figura 33 - Receita Real Líquida e CAGR Marisa Fonte: Marisa, Economática®, 2016
Conforme a figura 34, o EBITDA exibe uma situação diferente: registrou retração em três
anos: primeiro em 2011, depois em 2013 e novamente em 2015. A Margem Operacional,
que oscilava com média de 12,5% entre 2009 e 2012, iniciou queda em 2013 e atingiu seu
menor valor, de apenas 2,2% em 2015.
2.073 2.102
2.793 3.113
3.432 3.490 3.559
3.165
2008 2009 2010 2011 2012 2013 2014 2015
Receita Líquida Real (R$ 1.000)
CAGR = 6,2%
40
Figura 34 - EBITDA e Margem Operacional Marisa, Fonte: Marisa, Economática®, 2016
A Marisa não apresentou problemas de liquidez (figura 35), capital de giro líquido ou
estoques no período observado. Todos os índices ficaram acima de 1. Não houve
distanciamento da meta suficiente para afirmar se tais resultados poderiam ser
considerados mal uso do caixa ou dos ativos de curto prazo.
Figura 35 - Liquidez Marisa, Fonte: Marisa, Economática®, 2016
A análise da figura 36 permite a conclusão de que a empresa tem folga financeira, já que,
em 2015, apenas 24% dos passivos permanentes estavam imobilizados em ativos não
circulantes. Também é possível perceber que cerca da metade dos recursos ou ativos totais
292
389
524 508
595
418 410
270
8,7%12,7% 13,8% 11,3% 12,4%
6,7% 5,8%2,2%
-50,0%
-40,0%
-30,0%
-20,0%
-10,0%
0,0%
10,0%
20,0%
0
100
200
300
400
500
600
700
800
2008 2009 2010 2011 2012 2013 2014 2015
EBITDA Real e Margem Operacional
EBITDA Real (R$ 1.000) Margem Operacional
0%
50%
100%
150%
200%
250%
300%
2008 2009 2010 2011 2012 2013 2014 2015
Liquidez
Liquidez Geral Liquidez Corrente Liquidez Seca
41
da empresa foram financiados por terceiros ao longo do período. A interpretação mais
alarmante do gráfico está na Relação Capital de Terceiros e Capital Próprio, já que ela tem
valor superior a 1 em todos os anos observados. Os principais fatores que motivam esse
resultado são o alto valor de Financiamento de Curto Prazo, Fornecedores de Curto Prazo
e Debentures de Longo Prazo.
Figura 36 – Endividamento Marisa Fonte: Marisa, Economática®, 2016
Figura 37 - Grau de Alavancagem Financeira Marisa Fonte: Marisa, Economática®, 2016
Desde 2013, os acionistas vêm tendo taxa de retorno inferior a taxa geradora dos ativos
da empresa, ou seja, valeria mais a pena investir no mesmos locais que a empresa investe
0%
50%
100%
150%
200%
2008 2009 2010 2011 2012 2013 2014 2015
Endividamento
Relação Capital de Terceiros (P)/Capital Próprio (PL) Relação Capital de Terceiros (P)/Ativo Total (AT)
Imobilização de Recursos Permanentes (IRP)
-150%
-100%
-50%
0%
50%
100%
150%
200%
2008 2009 2010 2011 2012 2013 2014 2015
Grau de Alavancagem Financeira (GAF)
Grau de Alavancagem Financeira (GAF)
42
do que na própria empresa. Em 2015, o Grau de Alavancagem Financeira da Marisa, figura
37, assume valor negativo, pois a empresa divulgou prejuízo líquido, portanto o ROE foi
negativo.
2.5 ESCOLHA DOS INDICADORES
Para justificar a seleção dos indicadores econômicos que serão abordados neste estudo,
serão feitas duas interpretações diferentes do impacto de cada variável.
2.5.1 VISÃO EMPRESA
Segundo dados da ABIT11, a importação no setor, descontando a fibra de algodão, somou
US$ 5,93 bilhões em 2015. Apenas essa informação já justificaria a escolha da taxa de
câmbio como possível influenciador do resultado da empresa. Além disso, há também, a
importação de insumos, como por exemplo, fertilizantes agrícolas, que ao sofrerem
aumento de preço devido ao câmbio, podem ter esse ônus repassado aos próximos elos
da cadeia. Em 2015, o país também exportou (sem fibra de algodão) US$ 2,38 bilhões na
indústria têxtil, o que é refletido no indicador Termos de Troca.
A inflação impacta a empresa, pois ela é consumidora de uma série de produtos e insumos.
Quando o preço do fio aumenta, a tecelagem repassa esse aumento de custo ao
comprador, assim, o preço do tecido também aumenta e isso será repassado em todos os
elos da cadeia. Outro impacto da inflação para a empresa é no transporte: o aumento de
preço também reflete em aumento de custos de distribuição por conta do preço do
combustível.
Por fim, outro indicador que tem grande importância no lado do negócio é a Taxa de Juros.
Ela age definindo o custo de oportunidade. Por exemplo, se a Taxa de Juros aumenta, o
custo de oportunidade de uma produção aumenta e pode ser que passe a valer mais a pena
investir menos em produção de vestuário e mais em ativos financeiros. Isso não quer dizer
11 Disponível em: <http://www.abit.org.br/cont/perfil-do-setor>, acesso em 11 jan. 2017
43
que a empresa vai deixar de vender roupas e virar um banco; quer dizer apenas que ela
pode repensar sua carteira de investimentos.
2.5.2 VISÃO CONSUMIDOR
Pela visão do consumidor, a condição básica para que ele exerça sua função de consumir
é dispor de alguma renda, daí a necessidade de abranger o Rendimento Médio Real Efetivo
das Pessoas Ocupadas. Como a forma mais comum de se obter renda, é através de um
emprego formal, faz sentido que a modelagem utilize o Total de Pessoas Ocupadas como
possível fator de influência.
Outra forma de aumentar o poder de consumo é através do crédito. O aumento do crédito
ocasiona a sensação de maior renda, o que incentiva os indivíduos a consumir. Entretanto,
esse aumento de renda é oriundo da contração de uma dívida. Uma vez endividado, o
cidadão precisará quitar suas dívidas (ou contrair novas) para poder retornar ao seu
potencial total de consumo, daí a importância de estudar o Crédito e o Endividamento das
Famílias.
A Taxa de Juros também influencia o resultado da empresa no lado do consumidor, pois
assim como a empresa pode repensar sua carteira de investimentos, o mesmo ocorre com
o consumidor. Se taxa de juros atinge certo valor, o consumidor pode preferir investir seu
dinheiro em fundos de renda fixa e postergar o momento de consumir.
A função da razão entre os preços de importação e exportação ou dos Termos de Troca
nesse trabalho é também, de considerar as compras de vestuário importado. Já há alguns
anos os produtos chineses estão no nosso dia-a-dia. Anteriormente, porém, eles eram
adquiridos por lojista e revendidos no varejo. Atualmente, a aquisição dos produtos
importados de menor custo e qualidade foi simplificada através de sites que realizam o e-
commerce direto para o consumidor final. Assim, esse novo movimento pode estar
comprometendo vendas das companhias brasileiras.
Explicar como a inflação influencia a vida do consumidor é uma tarefa até difícil de tão
simples. A perda de poder aquisitivo da moeda exige que o consumidor faça escolhas,
defina prioridades, pois ele permanece com a mesma renda, porém esse mesmo valor não
44
é mais capaz de adquirir os mesmos itens na mesma proporção. A prioridade do
consumidor sempre será de satisfazer suas necessidades básicas primeiro, então, a renda
reservada para consumo de vestuário será, ao menos, reduzida em momentos de alta
inflação. As classes mais baixas são as primeiras a sentir o poder corrosivo da inflação no
consumo, elas são naturalmente as primeiras a fazer cortes. Dessa forma, espera-se que
as marcas de público-alvo de menor renda sintam o efeito negativo da inflação mais
rapidamente.
2.6 ESTUDOS SOBRE A INFLUÊNCIA MACROECONÔMICA EM
EMPRESAS
Guidini, Bone e Ribeiro, 2007 selecionaram 350 empresas por setor para analisar como as
seguintes variáveis impactavam a margem líquida do período entre 2000 a 2004: taxa de
juros, taxa de câmbio, taxa de inflação, desemprego, exportações, importações,
crescimento ou recessão econômica e instabilidade política. Primeiramente, foi aplicado um
questionário visando entender a percepção de gerentes financeiros e administrativos
dessas empresas em relação ao assunto. Posteriormente, foi realizada uma análise de
regressão como efeitos fixos para dados em painel, que também é chamada ANCOVA para
confirmar as impressões capturadas nos questionários.
Os resultados da regressão se aproximaram da opinião dos gestores. As variáveis de Juros,
Inflação, Importação, Exportação e Crescimento Econômico Externo tem efeitos
significativos sobre a margem líquida. O Desemprego, conforme previsto pelos gestores,
não foi significativo para o resultado das empresas. As variáveis que não concordaram com
o resultado do questionário foram o câmbio e a instabilidade política. Enquanto o câmbio
passou a impressão de significativo e, pela análise de regressão, foi considerado não
significativo; a instabilidade política foi revelada significativa, apesar da impressão de
irrelevância dos colaboradores dos setores.
Já o estudo de Campos, 2009 analisou a influência de indicadores econômicos no
faturamento de empresas de varejo brasileiras com capital aberto entre os anos de 1999 e
2008. São elas: Grupo Pão de Açúcar (GPA), Lojas Renner, Guararapes-Riachuelo, Lojas
Americanas e Globex Ponto Frio. No período compreendido no trabalho, a Globex Ponto
Frio ainda era independente do GPA; a aquisição dela pelo GPA ocorreu somente no ano
45
de 2009. As variáveis independentes utilizadas foram o IPCA, a Renda Nominal, a Taxa de
Juros e o Crédito da Pessoa Física. As variáveis dependente e independentes foram
especificadas a partir da transformação em logaritmo natural, assim o resultado do modelo
já apresentou a elasticidade. A Regressão foi feita em nível, exceto para o crédito, em que
foi usada a primeira diferença. Foram acrescentadas variáveis dummies trimestrais para
reduzir o efeito da sazonalidade das variáveis e para tratar a cointegração entre as
variáveis.
Os resultados foram em linha com o esperado para a maioria das companhias: para GPA
e Guararapes-Riachuelo, o IPCA e a Renda foram considerados significativos e de
coeficiente positivo (impactando no mesmo sentido, ou seja, o aumento de renda impacta
positivamente o aumento do faturamento); já a taxa de juros teve coeficiente significativo,
porém negativo. As Lojas Americanas e as Lojas Renner também sofrem impacto negativo
da taxa de juros e impacto positivo da renda, mas o IPCA não foi significativo. A Globex
entretanto, apresentou modelo com piores resultados. Apenas a uma significância de 10%,
somente a taxa de juros teve impacto (negativo) sobre o faturamento. O grau de ajuste dos
modelos foi superior a 88%, porém, conforme o próprio trabalho ressalta, esse alto valor
tem relação com o uso de variáveis dummies.
O estudo de Lazier, 2013 investiga influência da taxa de juros, interagindo dinamicamente
com fatores econômicos, nas vendas do varejo. As vendas são representadas pelo volume
monetário de vendas agregadas no varejo e pelo volume de vendas dos segmentos de
combustíveis e lubrificantes, hipermercados e supermercados, móveis e eletrodomésticos
e tecidos, vestuário e calçados no intervalo de 2000 a 2012.
Primeiramente Lazier, 2013 identifica quais variáveis econômicas são relevantes para as
vendas do varejo através de testes de causalidade e regressão multivariada. O resultado
dessa etapa foi de que as vendas no varejo são causadas pela renda e pela taxa de juros
ao consumidor. Outras variáveis que ocasionam a venda são a produção e o investimento
como indicadores sucedentes. Já na análise da causalidade da taxa de juros na venda, a
conclusão foi de que a intensidade da causalidade da taxa de juros básica é duas vezes a
da taxa de juros ao consumidor. O tempo médio detectado de ambas foi próximo de 4
meses. Entretanto, a renda, o investimento, o mercado de capitais e a produção industrial
resultaram em maiores intensidades e menor tempo médio. Por fim, o estudo mensurou os
46
fatores de causalidade das taxas de juros básica e ao consumidor nas vendas dos 4
segmentos do varejo citados. Os Tecidos, Vestuário e Calçados apresentaram a maior
causalidade da taxa básica de juros e a segunda maior dos juros ao consumidor. O tempo
médio para a taxa básica foi de 2,5 meses e para a taxa de juros ao consumidor, 4,0 meses.
47
3. METODOLOGIA
A Metodologia econométrica utilizada na análise inicial deste trabalho foi a Regressão
Linear Multivariada, que se utiliza do Método dos Mínimos Quadrados (MQO). As variáveis
foram especificadas através da transformação em logaritmo natural. Para testar as
hipóteses do uso de MQO, foi usado o teste Ampliado de Dickey-Fuller (ADF). O método
descrito acima foi usado para identificar quais variáveis macroeconômicas impactam o
resultado das empresas.
Para a construção de um modelo alternativo, em que será investigada a influência do
resultado das outras empresas no EBITDA de cada uma, o método escolhido foi o Sistema
de Equações Simultâneas.
3.1 REGRESSÃO LINEAR MULTIVARIADA
O modelo de regressão linear busca relacionar uma variável X a outra Y. A variação de uma
unidade de X em Y é definida pelo coeficiente angular da reta que relaciona tais variáveis.
O objetivo do modelo é estimar essa declividade com base numa amostra de dados de X e
Y. A equação geral do modelo de regressão linear com um regressor é:
𝑌ᵢ = 𝛽₀ + 𝛽₁ 𝑋ᵢ + 𝑢ᵢ
Y é chamada variável dependente e X, variável independente ou regressor; 𝛽₀ é intercepto
do modelo e 𝛽₁ é o coeficiente da variação de X em Y; esses também são entendidos como
parâmetros da reta de regressão. Se a amostra é composta de n conjunto de dados para X
e Y; i varia de 1 até n e, para cada i, haverá um valor de X e um de Y. 𝑢ᵢ é o termo de erro:
deve somar todos os outros fatores que definem o valor de Y para um dado i, que não são
cobertos pelo regressor.
A partir das amostras, é possível plotar, figura 38, a dispersão dos dados e o modelo de
regressão vai estimar o coeficiente da reta que melhor descreve as amostras. Como, porém,
define-se a melhor reta entre todas as possíveis para descrever os dados?
48
Figura 38 – Exemplo de reta para descrever dados amostrais, Elaboração Própria
Para isso, utiliza-se o Método dos Mínimos Quadrados (MQO). Tal método possibilita a
seleção dos coeficientes de regressão de modo que a reta seja a mais próxima possível
dos dados da amostra. O método leva esse nome, pois visa a minimização da soma dos
quadrados dos erros (para eliminar erros em diferentes sinais) de previsão de Y para cada
X. A seguir, são apresentadas as equações de estimação dos coeficiente por MQO.
�̂�1 =∑ (𝑋𝑖 − �̅�)(𝑌𝑖 − �̅�)
𝑛
𝑖=1
∑ (𝑋𝑖 − �̅�)2𝑛
𝑖=1
�̂�0 = �̅� − �̂�1𝑋
A previsão de MOQ para a variável dependente e os resíduos é:
�̂�𝑖 = �̂�0 + �̂�1𝑋𝑖
�̂�𝑖 = 𝑌ᵢ − �̂�𝑖
Os estimadores �̂�0 e �̂�1 e os resíduos �̂�𝑖 são calculados usando as n observações de 𝑋𝑖 e
𝑌𝑖 . Essas são estimativas dos verdadeiros coeficientes da população, que são
desconhecidos.
As hipóteses para utilização do Método MQO são:
1- A distribuição condicional do termo de erro para um dado 𝑋𝑖 tem média zero.;
2- (𝑋𝑖,𝑌ᵢ),i são independentes e identicamente distribuídas;
3- 𝑋ᵢ, 𝑢ᵢ possuem quatro momentos finitos e diferentes de zero.
49
Já a regressão múltipla se baseia na ideia de que, se existem mais dados de variáveis
omitidas no modelo, essas podem ser inseridas como regressores adicionais. Cada
regressor tem seu efeito estimado mantendo as outras variáveis constantes. A equação
geral do modelo de regressão múltipla é:
𝑌ᵢ = 𝛽₀ + 𝛽₁ 𝑋₁ᵢ + 𝛽₂ 𝑋₂ᵢ + … + 𝛽𝑘𝑋𝑘 ᵢ + 𝑢ᵢ
O Modelo é calculado com k regressores em uma amostra de n observações.
Nesse caso, as hipóteses para utilização do Método MQO na Regressão Multivariada são:
1- A distribuição condicional do termo de erro para dados 𝑋₁ᵢ, 𝑋₂ᵢ, … , 𝑋𝑘ᵢ tem média
zero.;
2- (𝑋1ᵢ, 𝑋2ᵢ, … , 𝑋𝑘 ᵢ, 𝑌ᵢ), i são independentes e identicamente distribuídas;
3- 𝑋₁ᵢ, 𝑋₂ᵢ, … , 𝑋𝑘 ᵢ , 𝑢ᵢ possuem quatro momentos finitos e diferentes de zero;
4- Não ocorre multicolinearidade perfeita.
O modelo de regressão multivariada aqui apresentado limita-se a funções lineares.
Entretanto, há a possibilidade da relação de X e Y ser não-linear. Para especificar uma
função não-linear, uma opção, que foi a adotada neste trabalho, é o uso do logaritmo natural
de Y e X. A função exponencial de x é ⅇ𝑥. Já o logaritmo natural é o inverso disso, portanto,
é a função na qual 𝑥 = ln(ⅇ𝑥). É importante ressaltar que a função logarítmica só existe
para valores positivos de x. Ao transformar as variáveis dependente e independentes em
logaritmo natural, a equação geral especificada é definida como:
ln (𝑌ᵢ) = 𝛽₀ + 𝛽₁ ln (𝑋₁ᵢ) + 𝛽₂ ln (𝑋₂ᵢ) + … + 𝛽𝑘ln (𝑋𝑘ᵢ) + 𝑢ᵢ
No caso acima, 𝛽₁, por exemplo, retrata a elasticidade de Y em relação a 𝑋₁, ou seja, uma
variação de 1% em 𝑋₁ significa uma variação de 𝛽₁% em Y.
Neste trabalho, a regressão multivariada será aplicada a séries temporais. Assim, a
segunda hipótese para uso de MQO exige que as séries temporais sejam estacionárias e
as variáveis aleatórias passem a ser independentemente distribuídas quando o intervalo de
tempo que as separa seja grande. A regressão de séries temporais não-estacionárias pode
dar origem a previsões viesadas, ineficientes ou com inferências estatísticas enganosas. A
50
solução para tal depende da fonte da não-estacionaridade. Os dois tipos comuns de não-
estacionaridade em séries temporais econômicas são as quebras e as tendências.
Para esta análise, foram selecionados apenas indicadores nos quais existem dados para
todos os intervalos contidos na base de dados e que não sofreram mudança de conceito,
cálculo ou metodologia de pesquisa. Portanto, pode-se supor que não há quebras nas
séries temporais usadas neste trabalho.
Para identificar tendências, as séries devem ser testadas. O teste utilizado foi o teste
Ampliado de Dickey-Fuller (ADF). A hipótese nula é de Y tem raiz unitária e portanto, possui
tendência estocástica (δ = 0), enquanto a hipótese alternativa é de Y é estacionário (δ < 0).
𝛥𝑌𝑡 = 𝛽₀ + 𝛿𝑌𝑡−1 + 𝛾₁𝛥𝑌𝑡−1 + 𝛾₂𝛥𝑌𝑡−2 + … + 𝛾𝑝𝛥𝑌𝑡−𝑝 + 𝑢ᵢ
A maneira mais simples de resolver uma tendência é transformar a série de maneira que
ela não tenha mais tendência. Se uma série possui uma raiz unitária (e possui, portanto,
uma tendência estocástica), a primeira diferença dessa não terá tal tendência. Ou seja, se
𝑌𝑡 segue um passeio aleatório (𝑌𝑡 = 𝛽0 + 𝑌𝑡−1 + 𝑢𝑡), então 𝛥𝑌𝑡 = 𝛽₀ + 𝑢𝑡 será estacionário.
Assim, caso seja comprovada a não-estacionaridade das séries, serão utilizadas as
primeiras diferenças das variáveis para a Regressão Multivarida.
3.2 SISTEMA DE EQUAÇÕES SIMULTÂNEAS
A Regressão Linear Multivariada, apresentada em 3.1., tem por objeto modelos de equação
única, ou seja, modelos com pelo menos uma variável explicativa X e somente uma variável
dependente Y. Assim, a previsão do valor médio de Y ocorre dados os valores fixados de
X. O que ocorre é que em certos casos, a relação causa e efeito não é unidirecional. Dessa
forma, há uma relação simultânea, em que, além de Y ser determinado por Xs, alguns dos
Xs são determinados por Y, tornando a definição de variáveis dependentes e
independentes indistinta. Portanto, o modelo fica composto de mais de uma equação, mais
precisamente, o modelo contém uma equação para cada variável mutuamente ou
conjuntamente dependente, também chamada de variável endógena.
51
Para ilustrar o método, será apresentado um exemplo com um sistema de duas equações
genéricas simultâneas:
𝑌1𝑡 = 𝛽₁₀ + 𝛽₁₂𝑌2𝑡 + 𝛾₁₁𝑋1𝑡 + 𝛾₁₂𝑋2𝑡 + 𝑢1𝑡
𝑌2𝑡 = 𝛽₂₀ + 𝛽₂₁𝑌1𝑡 + 𝛾₂₃𝑋3𝑡 + 𝛾₂₄𝑋4𝑡 + 𝑢2𝑡
A primeira etapa é regredir as variáveis dependentes sobre todas as variáveis
predeterminadas do sistema.
𝑌1𝑡 = �̂�10 + �̂�11𝑋1𝑡 + �̂�12𝑋2𝑡 + �̂�13𝑋3𝑡 + �̂�14𝑋4𝑡 + �̂�1𝑡
𝑌2𝑡 = �̂�20 + �̂�21𝑋1𝑡 + �̂�22𝑋2𝑡 + �̂�23𝑋3𝑡 + �̂�24𝑋4𝑡 + �̂�2𝑡
Na próxima etapa, 𝑌1 e 𝑌2 serão substituídos nas equações originais pelos valores
estimados nas regressões feitas na primeira etapa.
𝑌1𝑡 = 𝛽₁₀ + 𝛽₁₂�̂�2𝑡 + 𝛾₁₁𝑋1𝑡 + 𝛾₁₂𝑋2𝑡 + 𝑢1𝑡∗
𝑌2𝑡 = 𝛽₂₀ + 𝛽₂₁�̂�1𝑡 + 𝛾₂₃𝑋3𝑡 + 𝛾₂₄𝑋4𝑡 + 𝑢2𝑡∗
𝑢1𝑡∗ = 𝑢1𝑡 + 𝛽₁₂�̂�2𝑡
𝑢2𝑡∗ = 𝑢2𝑡 + 𝛽₂₁�̂�1𝑡
Desse modo, pode-se considerar as estimativas obtidas como consistentes.
3.3 VARIÁVEIS NO MODELO
A seguir, levantam-se hipóteses de relação entre diferentes variáveis.
3.3.1 HERING
As marcas Hering são reconhecidas pelo seu enfoque no estilo casual. São roupas de dia-
a-dia que os cidadãos das diferentes classes sociais vestem. Dessa forma, pode-se supor
os produtos da Cia Hering são vistos mais como bens necessários e, portanto, não são
adquiridos somente quando há algum cenário favorável. Apesar disso, a pressuposto
básico para o consumo é a disposição de renda. Assim, espera-se que o resultado da
52
Hering sofra algum impacto da situação de renda no país. Na figura 39, está plotada a renda
sob a mesma malha em que exibe o EBITDA/loja da empresa.
Figura 39 – Renda Dessazonalizado X EBITDA/loja Hering Dessazonalizado, Elaboração
própria
Pode-se observar que não há clareza sobre a influência da renda no resultado da Hering.
Apenas no período entre 2010 e 2013, as trajetórias se assemelham. Entretanto, há a
possibilidade dessa semelhança ser fruto de uma coincidência, já que apenas nesse
período, a companhia foi capaz de estabilizar o resultado dos períodos e a curva de renda
apresenta crescimento linear de baixa inclinação.
3.3.2 LOJAS RENNER
As Lojas Renner divulgam que seu público-alvo é composto pela classe B. Essas são
classes que já detém algum poder de consumo, porém são ainda bastante sensíveis a
períodos de recessão na economia. Num período recessivo, essas classes têm dificuldade
de perder o hábito de consumir ou de diminuir a qualidade de seu consumo e muitas vezes,
a saída para tal é a contração de dívidas. Por essa razão, optou-se por plotar, figura 40, a
trajetória do endividamento das famílias com a evolução do EBITDA da Renner no período.
0,00
20,00
40,00
60,00
80,00
100,00
120,00
140,00
160,00
180,00
200,00
0
500
1000
1500
2000
2500
3000
fev/
08
jun
/08
ou
t/0
8
fev/
09
jun
/09
ou
t/0
9
fev/
10
jun
/10
ou
t/1
0
fev/
11
jun
/11
ou
t/1
1
fev/
12
jun
/12
ou
t/1
2
fev/
13
jun
/13
ou
t/1
3
fev/
14
jun
/14
ou
t/1
4
fev/
15
jun
/15
ou
t/1
5
Renda X EBITDA Hering
EBITDA/loja Hering dessazonalizado Renda Dessazonalizada
53
Figura 40 – Endividamento das Família (%) X EBITDA/loja das Lojas Renner
dessazonalizado, Elaboração própria
É interessante notar que há uma relação inversa entre as variáveis. Nos períodos em que
o endividamento cresce mais aceleradamente, o EBITDA assume menores valores. Esse
comportamento faz sentido, uma vez que quando a renda da família está comprometida
mais fortemente com a quitação de dívidas, o saldo de renda para consumo é reduzido e
portanto, o resultado da empresa também.
3.3.3 MARISA
O foco das Lojas Marisa está na classe C. Essa classe tem baixo poder de compra, não é
investidora e é a mais sensível em relação ao quadro econômico. Um quadro econômico
desfavorável impacta primeiramente, as menores classes. Conforme já comentado, o
pressuposto básico para o consumo é a detenção de renda que o possibilite, dado que a
classe D não tem o hábito de investir, o meio de se obter é a renda é pela ocupação. A
trajetória do emprego e do EBITDA/loja da Marisa foram plotados na figura 41.
0
5
10
15
20
25
30
35
40
45
50
0,00
100,00
200,00
300,00
400,00
500,00
600,00
700,00
jan
/08
mai
/08
set/
08
jan
/09
mai
/09
set/
09
jan
/10
mai
/10
set/
10
jan
/11
mai
/11
set/
11
jan
/12
mai
/12
set/
12
jan
/13
mai
/13
set/
13
jan
/14
mai
/14
set/
14
jan
/15
mai
/15
set/
15
Endividamento X EBITDA Renner
EBITDA/lojas Renner dessazonalizado Endividamento das Famílias (%)
54
Figura 41 – Emprego X EBITDA/loja Marisa dessazonalizado, Elaboração própria
O que se observa é que a aceleração do emprego coincide com o crescimento em maior
intensidade do EBITDA. Já quando o emprego estabiliza e inicia oscilação para baixo, o
EBITDA registra menores valores também.
3.3.4 RESTOQUE
As marcas do grupo Restoque ofertam artigos de semi luxo. Por isso, seu público-alvo são
as classes de maior poder aquisitivo. Essas são compostas por investidores com alta
demanda por qualidade, forte hábito de consumir produtos nacionais e internacionais e
viajantes frequentes. Essa classe é a última a sentir no bolso um período recessivo. A razão
da escolha da taxa de juros para comparação com o EBITDA/loja da Restoque é que, dado
que o público-alvo é investidor, seu comportamento é mais sensível a mudanças nas
condições de investimento.
19500
20000
20500
21000
21500
22000
22500
23000
23500
24000
24500
-100,00
-50,00
0,00
50,00
100,00
150,00
200,00
250,00
300,00
jan
/08
mai
/08
set/
08
jan
/09
mai
/09
set/
09
jan
/10
mai
/10
set/
10
jan
/11
mai
/11
set/
11
jan
/12
mai
/12
set/
12
jan
/13
mai
/13
set/
13
jan
/14
mai
/14
set/
14
jan
/15
mai
/15
set/
15
Emprego X EBITDA Marisa
EBITDA/lojas Marisa dessazonalizado
Total Pessoas Ocupadas - Estimativa em 1000 pessoas dessazonalizada
55
Figura 42 – Taxa de Juros Over/Selic (%am) X EBITDA/loja Restoque dessazonalizado,
Elaboração própria
A Figura 42 retrata que entre 2010 e 2014, a trajetória da taxa de juros foi seguida quase
perfeitamente pela evolução do EBITDA, ou seja, o aumento da taxa de juros ocasionou
aumento no EBITDA da Restoque. Entretanto, o aumento da taxa de juros torna os
investimentos mais rentáveis e, portanto, a tendência é que as pessoas invistam mais e
consumam menos. Então, como o resultado da empresa pode ter melhorado?
Uma possível explicação para tal é que quando as classes de maior poder aquisitivo
resolvem investir mais e consumir menos, elas cortam inicialmente os consumos mais
caros. Esses, muitas vezes, são as viagens. Ao cortar esse consumo, esses indivíduos tem
a possibilidade de investir e deixam de consumir produtos internacionais para comprar
produtos nacionais de maior qualidade, como por exemplo, os ofertados pela Restoque.
É interessante ressaltar também, que quando a taxa de juros assume valores realmente
altos, o EBITDA da empresa cai. Isso poderia significar que a rentabilidade dos
investimentos chegou num ponto tão alto que as pessoas resolveram cortar mais itens da
cesta de consumo além das viagens.
0,000
0,200
0,400
0,600
0,800
1,000
1,200
1,400
0,00
50,00
100,00
150,00
200,00
250,00
300,00
jan
/08
mai
/08
set/
08
jan
/09
mai
/09
set/
09
jan
/10
mai
/10
set/
10
jan
/11
mai
/11
set/
11
jan
/12
mai
/12
set/
12
jan
/13
mai
/13
set/
13
jan
/14
mai
/14
set/
14
jan
/15
mai
/15
set/
15
Taxa de Juros X EBITDA Restoque
EBITDA/loja Restoque dessazonalizado Taxa de Juros Over/Selic (%a.m.)
56
4. FRAMEWORK METODOLÓGICO
4.1 TESTE DA RAIZ UNITÁRIA
Foram realizados testes ADF em todas as séries históricas utilizadas, objetivando verificar
a presença de raiz unitária e portanto, a estacionaridade das séries. A hipótese nula
considerada no teste é a presença da raiz unitária.
Tabela 4 – Teste ADF – variáveis econômicas
Elaboração própria
Variável T crítico para 5% Estatística T Tcalc>Tcrit Resultado Tipo Probabilidade
Renda -3,4642 1,5857 VERDADEIRO Não Rejeita Ho Não-Estacionária 100,00%
Emprego -3,4568 0,3075 VERDADEIRO Não Rejeita Ho Não-Estacionária 99,84%
Taxa de Juros -3,4594 -2,762 VERDADEIRO Não Rejeita Ho Não-Estacionária 21,51%
Inflação -3,4532 -4,6559 FALSO Rejeita Ho Estacionária 0,14%
Taxa de Câmbio - venda -3,4532 -2,0076 VERDADEIRO Não Rejeita Ho Não-Estacionária 59,02%
Termos de Troca -3,454 -1,3792 VERDADEIRO Não Rejeita Ho Não-Estacionária 86,14%
Crédito -3,4589 -2,0998 VERDADEIRO Não Rejeita Ho Não-Estacionária 53,89%
Endividamento -3,4578 2,4069 VERDADEIRO Não Rejeita Ho Não-Estacionária 100,00%
Nível
57
Tabela 5 – Teste ADF – variáveis de desempenho financeiro
Elaboração própria
Hering T crítico para 5% Estatística T Tcalc>Tcrit Resultado Tipo Probabilidade
EBITDA/loja -3,4536 -1,2939 VERDADEIRO Não Rejeita Ho Não-Estacionária 88,40%
LG -3,4878 -2,5682 VERDADEIRO Não Rejeita Ho Não-Estacionária 29,56%
LC -3,4878 -2,987 VERDADEIRO Não Rejeita Ho Não-Estacionária 14,45%
LS -3,4878 -2,8666 VERDADEIRO Não Rejeita Ho Não-Estacionária 18,06%
P/PL -3,4878 -3,2111 VERDADEIRO Não Rejeita Ho Não-Estacionária 9,22%
P/AT -3,4878 -2,9541 VERDADEIRO Não Rejeita Ho Não-Estacionária 15,38%
IRP -3,4921 -2,3376 VERDADEIRO Não Rejeita Ho Não-Estacionária 40,73%
ROA -3,5043 0,4666 VERDADEIRO Não Rejeita Ho Não-Estacionária 99,89%
ROE -3,5043 -1,4507 VERDADEIRO Não Rejeita Ho Não-Estacionária 83,29%
GAF -3,497 0,027 VERDADEIRO Não Rejeita Ho Não-Estacionária 99,56%
Ticket Médio -3,497 -1,7109 VERDADEIRO Não Rejeita Ho Não-Estacionária 73,25%
Renner T crítico para 5% Estatística T Tcalc>Tcrit Resultado Tipo Probabilidade
EBITDA/loja -3,4536 -2,5601 VERDADEIRO Não Rejeita Ho Não-Estacionária 29,90%
LG -3,4878 -3,0509 VERDADEIRO Não Rejeita Ho Não-Estacionária 12,77%
LC -3,4878 -2,8948 VERDADEIRO Não Rejeita Ho Não-Estacionária 17,17%
LS -3,4878 -2,7921 VERDADEIRO Não Rejeita Ho Não-Estacionária 20,60%
P/PL -3,4878 -1,8885 VERDADEIRO Não Rejeita Ho Não-Estacionária 64,79%
P/AT -3,4878 -2,0512 VERDADEIRO Não Rejeita Ho Não-Estacionária 56,16%
IRP -3,4878 -2,4557 VERDADEIRO Não Rejeita Ho Não-Estacionária 34,83%
ROA -3,5043 -0,9065 VERDADEIRO Não Rejeita Ho Não-Estacionária 94,70%
ROE -3,5043 -1,2468 VERDADEIRO Não Rejeita Ho Não-Estacionária 88,93%
GAF -3,4878 -3,1239 VERDADEIRO Não Rejeita Ho Não-Estacionária 11,04%
Ticket Médio -3,4921 -2,1418 VERDADEIRO Não Rejeita Ho Não-Estacionária 51,17%
Restoque T crítico para 5% Estatística T Tcalc>Tcrit Resultado Tipo Probabilidade
EBITDA/loja -3,4536 -2,4846 VERDADEIRO Não Rejeita Ho Não-Estacionária 33,51%
LG -3,4921 -3,4619 VERDADEIRO Não Rejeita Ho Não-Estacionária 5,36%
LC -3,4878 -3,0719 VERDADEIRO Não Rejeita Ho Não-Estacionária 12,25%
LS -3,4878 -3,2669 VERDADEIRO Não Rejeita Ho Não-Estacionária 8,19%
P/PL -3,4878 -1,5585 VERDADEIRO Não Rejeita Ho Não-Estacionária 79,73%
P/AT -3,4878 -1,6145 VERDADEIRO Não Rejeita Ho Não-Estacionária 77,54%
IRP -3,4878 -1,7033 VERDADEIRO Não Rejeita Ho Não-Estacionária 73,74%
ROA -3,5023 -3,0705 VERDADEIRO Não Rejeita Ho Não-Estacionária 12,29%
ROE -3,5023 -1,9463 VERDADEIRO Não Rejeita Ho Não-Estacionária 61,78%
GAF -3,4878 -2,3899 VERDADEIRO Não Rejeita Ho Não-Estacionária 38,09%
Ticket Médio -3,4878 -1,9745 VERDADEIRO Não Rejeita Ho Não-Estacionária 60,28%
Marisa T crítico para 5% Estatística T Tcalc>Tcrit Resultado Tipo Probabilidade
EBITDA/loja -3,4536 -3,1471 VERDADEIRO Não Rejeita Ho Não-Estacionária 10,11%
LG -3,4921 -2,4381 VERDADEIRO Não Rejeita Ho Não-Estacionária 35,69%
LC -3,4878 -2,066 VERDADEIRO Não Rejeita Ho Não-Estacionária 55,35%
LS -3,4878 -2,3185 VERDADEIRO Não Rejeita Ho Não-Estacionária 41,76%
P/PL -3,4878 -2,3684 VERDADEIRO Não Rejeita Ho Não-Estacionária 39,18%
P/AT -3,497 -2,1792 VERDADEIRO Não Rejeita Ho Não-Estacionária 49,09%
IRP -3,4878 -3,3646 VERDADEIRO Não Rejeita Ho Não-Estacionária 6,61%
ROA -3,5023 -1,4164 VERDADEIRO Não Rejeita Ho Não-Estacionária 84,40%
ROE -3,5023 -2,6615 VERDADEIRO Não Rejeita Ho Não-Estacionária 25,65%
GAF -3,4878 -2,8411 VERDADEIRO Não Rejeita Ho Não-Estacionária 18,90%
Ticket Médio -3,4878 -2,0091 VERDADEIRO Não Rejeita Ho Não-Estacionária 58,43%
Nível
Nível
Nível
Nível
58
Todas as séries, exceto a inflação, são provadas não-estacionárias e serão, portanto,
modeladas na primeira diferença. A inflação já é uma primeira diferença, pois é a diferença
no índice de preços de um mês para o outro. Assim, a série é estacionária e foi testa em
nível nos modelos.
4.2 ESPECIFICAÇÃO DAS EQUAÇÕES
Optou-se por especificar as variáveis macroeconômicas em logaritmo natural para que o
resultado já seja a elasticidade da variável no resultado da empresa. As variáveis de
desempenho financeiro foram testadas em valores absolutos, uma vez que já são variáveis
relativas, ou seja, porcentagens.
4.3 ESTATÍSTICA DESCRITIVA
Tabela 6 – Estatística Descritiva – variáveis econômicas
Elaboração Própria
RENDA EMPREGOSTAXA DE
JUROSINFLAÇÃO
TAXA DE
CAMBIO
TERMOS DE
TROCOCRÉDITO
ENDIVIDA
MENTO
Mean 2272,43 22913,23 0,8325 0,5206 2,1459 114,8140 961847,20 0,4079
Median 2300,24 23142,94 0,8402 0,5200 2,0287 116,4900 939582,00 0,4218
Maximum 2541,41 23845,48 1,1782 1,3200 3,9065 132,6700 1512225,00 0,4639
Minimum 2027,95 21257,42 0,4933 0,0000 1,5639 96,6700 469437,00 0,3101
Std. Dev. 142,22 833,14 0,1560 0,2712 0,5471 9,6891 328946,80 0,0495
Skewness -0,20 -0,58 0,0499 0,4025 1,6506 -0,1278 0,14 -0,5910
Kurtosis 1,80 1,84 2,5229 3,3386 5,4623 1,9640 1,69 1,8923
Jarque-Bera 6,24 10,48 0,9205 2,9548 65,7216 4,4124 6,99 10,1681
Probability 0,04 0,01 0,6311 0,2282 0,0000 0,1101 0,03 0,0062
Sum 211335,90 2130931,00 77,4209 48,4200 199,5644 10677,7000 89451792,00 37,9370
Sum Sq. Dev. 1860919,00 63860000,00 2,2380 6,7664 27,5415 8636,8010 9950000000000,00 0,2251
Observations 93 93 93 93 93 93 93 93
59
Tabela 7 – Estatística Descritiva – Hering
Elaboração Própria
Tabela 8 – Estatística Descritiva – Lojas Renner
Elaboração Própria
Tabela 9 – Estatística Descritiva – Marisa
Elaboração Própria
EBTIDA LG LC LS P/PL P/AT IRP ROE ROA GAF TICKET
Mean 117,35 2,45 2,7908 1,9894 0,6981 0,3787 0,34 0,1978 0,148102 1,46 98,87
Median 129,28 2,71 2,7738 2,0325 0,5081 0,3369 0,32 0,1958 0,14248 1,26 98,56
Maximum 172,74 3,78 3,6846 2,4699 1,8511 0,6492 0,44 0,4182 0,329521 4,94 119,93
Minimum 59,60 1,09 1,8587 1,4570 0,2543 0,2027 0,27 0,0268 0,023762 0,81 82,22
Std. Dev. 37,50 0,85 0,4997 0,2687 0,4377 0,1298 0,06 0,1102 0,088663 0,71 10,96
Skewness -0,24 -0,32 0,1144 -0,0971 1,1865 0,6407 0,34 0,4248 0,481023 3,88 0,08
Kurtosis 1,61 1,76 2,1786 2,3330 3,1738 2,2698 1,71 2,2160 2,214155 19,17 1,71
Jarque-Bera 8,42 7,60 2,8174 1,8702 21,9394 8,4286 8,22 5,1795 5,979462 1245,67 6,53
Probability 0,01 0,02 0,2445 0,3925 0,0000 0,0148 0,02 0,0750 0,050301 0,00 0,04
Sum 10913,35 227,74 259,5401 185,0104 64,9204 35,2162 31,35 18,3988 13,77351 136,00 9194,84
Sum Sq. Dev. 129356,80 67,04 22,9763 6,6443 17,6230 1,5512 0,28 1,1180 0,723232 46,17 11045,60
Observations 93 93 93 93 93 93 93 93 93 93 93
EBTIDA LG LC LS P/PL P/AT IRP ROE ROA GAF TICKET
Mean 466,87 1,27 1,7559 1,3761 1,4356 0,5791 0,40 0,1465 0,091259 1,57 107,90
Median 457,03 1,22 1,6936 1,3351 1,4718 0,5954 0,40 0,1454 0,093881 1,65 108,65
Maximum 614,06 1,62 2,3184 1,7847 2,0501 0,6721 0,52 0,3016 0,164687 1,89 135,84
Minimum 350,61 1,04 1,3911 1,0962 0,7430 0,4263 0,27 0,0150 0,013248 1,01 82,12
Std. Dev. 66,66 0,20 0,2328 0,1767 0,3741 0,0687 0,06 0,0864 0,049301 0,25 15,85
Skewness 0,62 0,43 0,6105 0,7273 -0,2090 -0,5657 -0,41 0,1639 -0,112515 -0,57 0,08
Kurtosis 2,88 1,57 2,7821 2,7978 1,8316 2,0691 2,51 1,9352 1,769435 2,18 1,91
Jarque-Bera 6,01 10,73 5,9612 8,3581 5,9669 8,3176 3,60 4,8103 6,064098 7,63 4,74
Probability 0,05 0,00 0,0508 0,0153 0,0506 0,0156 0,17 0,0903 0,048217 0,02 0,09
Sum 43418,63 118,29 163,2989 127,9747 133,5119 53,8547 37,43 13,6271 8,487063 146,11 10034,48
Sum Sq. Dev. 408812,70 3,80 4,9873 2,8721 12,8743 0,4344 0,37 0,6865 0,22361 5,83 23124,21
Observations 93 93 93 93 93 93 93 93 93 93 93
EBTIDA LG LC LS P/PL P/AT IRP ROE ROA GAF TICKET
Mean 171,74 1,39 2,3998 1,8485 1,3584 0,5303 0,30 0,0674 0,055275 0,59 77,30
Median 175,31 1,38 2,2818 1,8348 1,3490 0,5402 0,29 0,0442 0,049313 1,04 81,30
Maximum 253,20 1,65 3,4386 2,4949 1,8360 0,6618 0,37 0,2535 0,145621 2,04 87,20
Minimum 45,46 1,26 1,4299 1,1451 0,9107 0,3729 0,23 -0,0465 -0,008128 -8,10 59,71
Std. Dev. 55,92 0,10 0,5085 0,3158 0,2188 0,0669 0,03 0,0783 0,041599 1,93 7,63
Skewness -0,29 0,86 0,2503 -0,1197 -0,0173 -0,3303 0,23 0,7984 0,55107 -3,21 -0,52
Kurtosis 2,24 3,28 2,3564 2,6407 2,4786 2,9144 2,63 2,7233 2,34517 14,16 1,98
Jarque-Bera 3,56 11,80 2,5766 0,7224 1,0582 1,7194 1,37 1,0177 6,368628 642,80 7,40
Probability 0,17 0,00 0,2757 0,6968 0,5891 0,4233 0,50 0,0062 0,041407 0,00 0,02
Sum 15971,97 129,39 223,1845 171,9116 126,3268 49,3176 27,76 6,2695 5,140548 55,08 6493,25
Sum Sq. Dev. 287731,50 0,86 23,7860 9,1726 4,4039 0,4113 0,11 0,5635 0,1592 342,91 4833,39
Observations 93 93 93 93 93 93 93 93 93 93 93
60
Tabela 10 – Estatística Descritiva – Restoque
Elaboração Própria
4.4 EQUAÇÃO GERAL
O modelo inicial testado neste estudo é uma Regressão Multivariada, em que as variáveis
dependentes serão o EBITDA das companhias Hering, Lojas Renner, Restoque e Lojas
Marisa. Adotou-se como variável dependente uma razão do EBITDA com o número de lojas
no período. A justificativa para tal é reduzir efeitos de compra de novas marcas pelas
companhias no crescimento do EBITDA dos períodos em que a incorporação ocorreu.
Como variáveis explicativas serão testados a Renda, o Emprego, a Taxa de Juros, a
Inflação, a Taxa de câmbio, os Termos de Troca, o Crédito e o Endividamento.
Em seguida, serão acrescentadas na análise variáveis explicativas do desempenho
financeiro das empresas. São elas: Liquidez (Geral, Corrente e Seca), Endividamento
(P/PL, P/AT e IRP), Alavancagem Financeira (ROA, ROE e GAF) e Ticket Médio do período
anterior.
A partir daí, monta-se o Sistema de Equações Simultâneas, em que os EBITDAs passam a
ser analisados como variáveis conjuntamente dependentes. A ideia dessa etapa é testar a
relação entre as companhias. Por exemplo, se o EBITDA de uma empresa cresce enquanto
o da outra cai, elas exercerão relação de competidoras ou, caso o crescimento de uma
reflita no crescimento de outro, serão complementares.
EBTIDA LG LC LS P/PL P/AT IRP ROE ROA GAF TICKET
Mean 143,63 1,51 2,3310 1,5179 2,1432 0,5261 0,36 0,0674 0,055275 0,59 465,26
Median 147,92 0,94 2,4531 1,5738 0,8235 0,4516 0,40 0,0442 0,049313 1,04 471,15
Maximum 245,19 4,29 4,7480 3,5942 7,6798 0,8848 0,55 0,2535 0,145621 2,04 534,55
Minimum 12,03 0,61 0,9475 0,5380 0,2240 0,1830 0,17 -0,0465 -0,008128 -8,10 399,03
Std. Dev. 55,52 1,06 0,8729 0,6382 2,2393 0,2431 0,11 0,0783 0,041599 1,93 35,74
Skewness -0,09 1,02 0,5948 0,9876 1,0959 0,1370 -0,53 0,7984 0,55107 -3,21 -0,25
Kurtosis 2,62 2,94 3,5674 4,8900 2,9838 1,4971 2,23 2,7233 2,34517 14,16 2,29
Jarque-Bera 0,68 16,30 6,7305 28,9609 18,6149 9,0433 6,65 10,1769 6,368628 642,80 1,92
Probability 0,71 0,00 0,0346 0,0000 0,0001 0,0109 0,04 0,0062 0,041407 0,00 0,38
Sum 13357,80 140,56 216,7870 141,1659 199,3157 48,9253 33,75 6,2695 5,140548 55,08 27915,53
Sum Sq. Dev. 283554,70 103,85 70,0953 37,4702 461,3414 5,4370 1,02 0,5635 0,1592 342,91 75351,83
Observations 93 93 93 93 93 93 93 93 93 93 93
61
Quanto ao horizonte dos dados, foram adotadas duas amostras: uma amostra e uma
subamostra. Os EBITDAs e os indicadores econômicos estavam disponíveis num horizonte
maior, portanto a amostra compreende o período de abril de 2008 até dezembro de 2015.
Devido a limitações do banco de dados, os indicadores de desempenho limitaram a
subamostra entre janeiro de 2011 e dezembro de 2015.
62
5. ANÁLISE
5.1 RESULTADOS
5.1.1 CENÁRIO MACROECONÔMICO
A seguir serão abordados os modelos obtidos regredindo apenas as variáveis
macroeconômicas no resultado de cada companhia. O detalhamento dos modelos
apresentados consta dos Anexos deste trabalho.
5.1.1.1 HERING
O melhor modelo obtido através da Regressão dos indicadores econômicos no resultado
da Hering na amostra foi:
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴) = 1,75 ∗ 𝐷(𝑙𝑛𝑀𝑎𝑠𝑠𝑎 𝑆𝑎𝑙𝑎𝑟𝑖𝑎𝑙) + 0,97 ∗ 𝐷(𝑙𝑛𝑇ⅇ𝑟𝑚𝑜𝑠 𝑑ⅇ 𝑇𝑟𝑜𝑐𝑎)
Tabela 11 – Modelo Hering (Anexo 1)
Elaboração Própria
Pode-se perceber que tanto a massa salarial como os termos de troca impactam
positivamente no resultado da companhia, ou seja, o crescimento da renda, por exemplo,
reflete no crescimento do EBITDA. A elasticidade da massa salarial no resultado é de 1,75:
se a renda aumenta sua variação em 10%, a taxa de crescimento do EBITDA será acrescida
VariávelD(lnMassa
Salarial)
D(lnTermos de
Troca)
Estatística T 2,82 2,34
P-valor 0,0056 0,0195
R² ajustado 10,3%
AIC 2,12
BIC 2,06
63
em 17,5%. Esse resultado corrobora com a hipótese de que os produtos ofertados pela
Hering são bens normais, ou seja, o aumento no conjunto renda e emprego implica um
aumento no consumo. Isso pode ser considerado um indício de que a Hering tem sucesso
no seu objetivo de atender a todas as classes.
O coeficiente dos Termos de Troca foi próximo de 1, o que quer dizer que um crescimento
ou declínio na variação dos Termos de Troca ocasionará um movimento de mesmo sentido
e magnitude na taxa de crescimento do EBITDA. Conforme explicado no item 2.2.7., o
indicador Termos de Troca é uma razão entre o preço das exportações e o preço das
importações. O resultado dos testes tem duas interpretações nesse conceito.
Primeiramente, a Hering possui lojas em outros países; dessa forma, se o preço das
exportações aumenta, é esperado que seu resultado aumente também. Por outro lado, se
a empresa adquire matéria-prima ou até produtos acabados internacionais, ela está sujeita
ao preço das importações. Se o preço da importação aumenta, o lógico é o resultado cair.
A mesma regressão foi realizada sobre a subamostra para entender se o momento
econômico modificaria o resultado. O resultado na subsmotra, figura 43, foi muito similar ao
obtido na amostra. A diferença foi a intensidade do impacto das variáveis no resultado da
empresa. Ambas as variáveis tiveram coeficientes superiores. Dado que a subamostra
retrata um momento econômico menos otimista, é natural que eventos macroeconômicos
tenham maior impacto no resultado.
Figura 43 – Comparativo da amostra e subamostra, Hering (Anexo 2), Elaboração Própria
1,75
2,21
0,97
1,28
Amostra Subamostra
Massa Salarial Termos de Troca
64
5.1.1.2 LOJAS RENNER
Fixando a significância do modelo em 5%, as Lojas Renner não acusaram nenhum
coeficiente significativo quanto às variáveis econômicas selecionadas. O que se observou
foi que apesar de não ser possível obter um modelo de menor significância, a renda e o
emprego parecem ter maior impacto no resultado da Renner. Se considerarmos 10% de
significância, entretanto, obtem-se:
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴) = −0,76 ∗ 𝐷(𝑙𝑛𝑀𝑎𝑠𝑠𝑎 𝑆𝑎𝑙𝑎𝑟𝑖𝑎𝑙)
Tabela 12 – Modelo Renner (Anexo 3)
Elaboração Própria
O Resultado obtido, entretanto, causa certa estranheza, pois significa que se a renda ou o
emprego ou ambos aumentam, o EBITDA das Lojas Renner sofre impacto negativo: 1% de
crescimento na variação da massa salarial implicaria 0,8% de queda no crescimento do
EBITDA. Se um indivíduo percebe sua renda aumentando e reduz o consumo de um
determinado bem, esse bem é considerado inferior. O resultado desse teste pode acusar
uma questão de posicionamento das Lojas Renner, pois como a empresa entende que seu
público-alvo é composto pela classe B, o aumento de Renda deveria implicar um aumento
de consumo de seus produtos.
A regressão utilizando a subamostra teve um maior peso da massa salarial no modelo.
Além disso, o grau de ajuste também cresceu.
VariávelD(lnMassa
Salarial)
Estatística T 1,65
P-valor 0,1031
R² ajustado 2,9%
AIC 2,69
BIC 2,66
65
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴) = −0,91 ∗ 𝐷(𝑙𝑛𝑀𝑎𝑠𝑠𝑎 𝑆𝑎𝑙𝑎𝑟𝑖𝑎𝑙)
Tabela 13 – Modelo Renner (subamostra) (Anexo 4)
Elaboração Própria
5.1.1.3 MARISA
Inicialmente, o modelo da Marisa deu indícios de que a marca ofertava bens inferiores.
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴) = −9,93 ∗ 𝐷(𝑙𝑛𝐸𝑚𝑝𝑟ⅇ𝑔𝑜) + 3,25 ∗ 𝐷(𝑙𝑛𝑇ⅇ𝑟𝑚𝑜𝑠 𝑑ⅇ 𝑇𝑟𝑜𝑐𝑎)
Tabela 16 – Modelo Marisa (Anexo 7)
Elaboração Própria
VariávelD(lnMassa
Salarial)
Estatística T 1,83
P-valor 0,0728
R² ajustado 5,2%
AIC 2,85
BIC 2,82
Variável D(lnEmprego)D(lnTermos de
Troca)
Estatística T 2,12 3,63
P-valor 0,0366 0,0005
R² ajustado 16,3%
AIC 0,5
BIC 0,48
66
Como a marca atende classe C, não seria tão inadequado supor que ela oferta bens
inferiores, já que um aumento no emprego, que consequentemente aumenta renda das
famílias, poderia fazer o consumidor buscar outras opções. Apesar disso, a magnitude da
elasticidade do emprego causou estranheza. A variação positiva de 1% causaria, segundo
o modelo apresentado acima, uma variação negativa de quase 10% no crescimento do
EBITDA da Marisa. Assim, optou-se por plotar o gráfico do modelo.
Figura 44 – Gráfico do Modelo inicial Marisa, Elaboração Própria
A partir da figura 44, pode-se identificar dois outliers muito expressivos na primeira metade
do ano de 2009. Uma vez que, ao fim desse ano, a Marisa fez um comunicado ao mercado
divulgando a incorporação de ações da Marisa Lojas S/A na Marisa S/A, pode-se supor que
tais outliers sejam consequência de uma preparação contábil para tal mudança. Assim,
optou-se por criar duas variáveis dummies binárias para retirar o efeito dos outliers. O
objetivo único desse novo teste é confirmar ou refutar o modelo previamente obtido.
67
Neste novo modelo, o emprego foi considerado em uma defasagem. A razão para tal é que,
o público da classe C tem menor estabilidade financeira, assim, passa de uma condição de
folga financeira para o endividamento rapidamente. Além disso, é uma classe sem costume
de investir, o que torna o emprego a principal fonte de renda. Assim, apenas após um mês
de trabalho, dispõe-se de renda para consumir.
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴) = 5,02 ∗ 𝐷(𝑙𝑛𝐸𝑚𝑝𝑟ⅇ𝑔𝑜(−1)) − 1,15 ∗ 𝑑𝑢𝑚𝑚𝑦1 + 1,16 ∗ 𝑑𝑢𝑚𝑚𝑦₂
Tabela 17 – Modelo alternativo Marisa (Anexo 8)
Elaboração Própria
Na nova modelagem, o coeficiente do emprego passa a ser positivo. Ou seja, um aumento
de 10% na variação do emprego ocasionaria uma variação positiva de 50% no crescimento
do EBITDA da Marisa. Naturalmente, o ajuste do modelo melhorou. Isso ocorre devido ao
uso das variáveis dummies.
Na regressão com dados da subamostra, a única variável significativa foi o índice de
Termos de Troca.
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴) = 1,66 ∗ 𝐷(𝑙𝑛𝑇ⅇ𝑟𝑚𝑜𝑠 𝑑ⅇ 𝑇𝑟𝑜𝑐𝑎)
VariávelD(lnEmprego
(-1))dummy₁ dummy₂
Estatística T 1,81 -10,51 10,67
P-valor 0,0735 0 0
R² ajustado 71,5%
AIC 1,57
BIC 1,49
68
Tabela 18 – Modelo Marisa (subamostra) (Anexo 9)
Elaboração Própria
O impacto dos Termos de Troca no resultado da Marisa decorre das importações. Dado
que a empresa oferta produtos de melhor custo-benefício e de produção mais simples,
pode-se supor que a companhia adquire parte de sua matéria-prima importando
provavelmente da China ou do Vietnã, cujos tecidos são mais simples e consideravelmente
mais baratos. Assim uma queda no preço das importações implicaria uma redução de custo
da empresa e portanto, maior resultado. Assim um aumento de 10% na taxa de crescimento
do índice Termos de Troca refletiria num crescimento de cerca de 17% na variação do
EBITDA da Marisa. O alto valor do coeficiente ressalta a importância do custo de aquisição
dos materiais importados no custo total da empresa.
Dessa forma, o que os modelos finais obtidos relatam é que não há nenhum indício que
corrobore com a ideia de que a Marisa oferta bens inferiores. Inclusive, o modelo que
compreende o intervalo entre abril de 2008 e dezembro de 2015 apresenta o emprego
variando no mesmo sentido que o resultado da empresa, o que nos leva a crer que a oferta
é de bens normais.
VariávelD(lnTermos
de Troca)
Estatística T 2,28
P-valor 0,0265
R² ajustado 6,5%
AIC 1,61
BIC 1,58
69
5.1.2 CENÁRIO MACROECONÔMICO COMBINADO AO DESEMPENHO DA
COMPANHIA
A regressão utilizando somente o cenário macroeconômico gerou modelos com pouco
ajuste para todas as empresas. Visando aumentar o grau de ajuste, foram acrescentadas
variáveis explicativas do desempenho financeiro da companhia.
5.1.2.1 HERING
O uso de indicadores de variáveis de desempenho da companhia no modelo ressalta outras
características do negócio da Hering.
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴) = 0,92 ∗ 𝐷(𝑙𝑛𝑅ⅇ𝑛𝑑𝑎) − 0,04 ∗ 𝑙𝑛𝐼𝑛𝑓𝑙𝑎çã𝑜 − 0,60 ∗ 𝐷(𝐿𝐺) − 16,57 ∗ 𝐷 (𝑃
𝑃𝐿)
+ 31,24 ∗ 𝐷 (𝑃
𝐴𝑇) − 0,54 ∗ 𝐷(𝑅𝑂𝐴) + 2,84 ∗ 𝐷(𝑙𝑛𝑇𝑖𝑐𝑘ⅇ𝑡(−1))
Tabela 19 – Modelo Hering com variáveis de desempenho (Anexo 10)
Elaboração Própria
Primeiramente, pode-se notar que, em vez da massa salarial, a renda passa a ser
contemplada como variável significativa do modelo. O coeficiente é positivo e de menor
magnitude. Agora, 1% de evolução na variação da renda ainda significa um crescimento
por volta de 0,9%, no crescimento do resultado da empresa. A inflação, entretanto, impacta
negativamente no resultado. Um aumento de 1 unidade na inflação ocasionaria varição
negativa de 4% no crescimento do resultado.
Variável D(lnRenda) lnInflação D(LG) D(P/PL) D(P/AT) D(ROA)D(lnTicket(-
1))
Estatística T 0,7 -2,63 -3 -5,81 4,75 -3,47 6,02
P-valor 0,095 0,0112 0,0042 0 0 0,001 0
R² ajustado 59,9%
AIC 2,9
BIC 2,66
70
Os Termos de Troca, porém, não foram significativos. Uma possível razão para tal é que
colocando as variáveis de desempenho no modelo, o impacto da razão entre os preços de
exportação e de importação fique coberto por outras variáveis explicativas. No item 5.1.1.1.,
foi explicitada a hipótese de que o a influência dos Termos de Troca se dava tanto pelos
preços nas lojas internacionais (exportação no numerador) como pelo preço de matérias-
primas importadas (importação no denominador). No novo modelo, o ticket médio do
período anterior é significativo. Como o ticket compreende todas as vendas, as vendas de
produtos em lojas internacionais também fazem parte dessa média. Importante ressaltar
que um aumento de 1% na variação do ticket médio do período anterior, por exemplo,
impacta em 2,8% no crescimento do EBITDA. Tal relação significa que ou a empresa está
conquistando mais clientes que paguem em média esse ticket ou que ela está conseguindo
ser mais eficiente, gerando resultado em taxa maior do que o aumento de suas vendas.
Além disso, as relações de Capital de Terceiros e Próprios (P/PL) e Capital de Terceiros e
Recursos Totais (P/AT) indicam se a empresa precisou contrair dívidas para quitar seus
custos. Assim, um aumento inesperado no custo devido à volatilidade do câmbio pode ser
comportado pelo aumento no endividamento. O aumento em 1 unidade de P/PL ocasiona
variação negativa de 17% no EBITDA da empresa. Já o cresicmento de 1 unidade na
relação P/AT reflitiria numa variação positiva de 31% na geração de caixa da Hering.
A Liquidez Geral (LG), assim como o Retorno sobre o Ativo (ROA), registrou coeficiente
negativo. Algumas possibilidades do resultado se comportar de maneira inversa a tais
indicadores é se o aumento ocorrer em ativos não monetários. Assim, os indicadores
aumentam e o EBITDA cai. Isso pode ser um indicativo de um problema de
dimensionamento de estoque, por exemplo. Se a Hering produz mais camisas do que o
necessário em um período, a quantidade não vendida é declarada como estoque, portanto
aumenta os ativos, porém isso não é revertido em geração de caixa. Entretanto, o estoque
teve custo para ser produzido e tanto o EBITDA como o Lucro Operacional (numerador do
ROA) tiveram dedução desse custo. Assim, ambos caem.
71
5.1.2.2 LOJAS RENNER
Nessa etapa, o modelo para as Lojas Renner teve a renda, em vez da massa salarial, como
significativa.
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴) = −0,81 ∗ 𝐷(𝑙𝑛𝑅ⅇ𝑛𝑑𝑎) + 3,08 ∗ 𝐷(𝑅𝑂𝐸) − 5,39 ∗ 𝐷(𝑅𝑂𝐴)
Tabela 20 – Modelo Renner com variáveis de desempenho (Anexo 11)
Elaboração Própria
O coeficiente negativo da renda apenas corrobora com a hipótese levantada no item
5.4.1.2, de que a Renner tem uma questão de posicionamento mal definido, pois seus bens
estão assumindo comportamento de bens inferiores. A significância dessa variável ficou
acima de 10%, o que já considerada alta. Entretanto, optou-se por levar a renda em conta
apesar disso, pois a importância da variável já havia sido comprovada no modelo anterior.
Entre os indicadores de desempenho financeiro, apenas a alavancagem financeira foi
significativa. Ela foi representada pelo Retorno sobre o Patrimônio Líquido e Retorno sobre
o Ativo. Um crescimento de 1% no ROE ou 0,01 unidade no ROE ocasiona um aumento de
aproximadamente 3% no EBITDA. Já um aumento de 1% ou 0,01 unidade no ROA significa
uma queda de cerca de 5% no EBITDA.
A diferença entre esses indicadores está no denominador. Enquanto o ROE tem o
Patrimônio Líquido como denominador, o ROA tem o ativo nessa função. Assim, o que o
Variável D(lnRenda) D(ROE) D(ROA)
Estatística T -1,54 2,36 -2,25
P-valor 0,128 0,022 0,0283
R² ajustado 11,6%
AIC 2,91
BIC 2,81
72
modelo está defendendo é que quando o ROE aumenta, ou seja, o Patrimônio Líquido cai
e o EBITDA cresce. Como o Patrimônio Líquido nada mais é do que o ativo menos o
passivo, o aumento do Patrimônio Líquido pode ocorrer devido ao aumento no ativo ou uma
queda no passivo. Em ambos os casos, a geração de caixa naturalmente aumentará.
Quanto ao ROA, o aumento nesse índice, ou seja, uma queda no ativo significaria que o
EBITDA cai. Dado que o EBITDA é a geração de caixa e o caixa compõem o ativo, é
esperado que ambos apresentem comportamento no mesmo sentido.
Uma importante questão é que a Renner permanece com baixíssimo grau de ajuste. Isso
ocorre, pois o modelo até o momento não está considerando outras variáveis que explicam
o comportamento da variável dependente. Para aumentar o ajuste desse modelo, seria
necessário identificar e testar novas variáveis. Como objetivo do trabalho é a obtenção de
modelos indicativos e não preditivos, a análise não prosseguirá no sentido de expandir o
ajuste.
5.1.2.3 RESTOQUE
O modelo da Restoque compreendendo tanto o cenário econômico como o desempenho
corroborou com a hipótese de que a marca oferta produtos com comportamento de bens
inferiores durante um cenário de pessimismo. A queda de 1% na variação da renda
ocasionaria, segundo o modelo, um aumento de 2,5% no crescimento do EBITDA do grupo
Restoque.
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴) = −2,49 ∗ 𝐷(𝑙𝑛𝑅ⅇ𝑛𝑑𝑎) + 0,26 ∗ 𝐷(𝐿𝐶) + 1,11 ∗ 𝐷(𝐼𝑅𝑃) + 2,12 ∗ 𝐷(𝑅𝑂𝐸)
73
Tabela 21 – Modelo Restoque com variáveis de desempenho (Anexo 12)
Elaboração Própria
Já a liquidez apresenta comportamento no mesmo sentido da geração de caixa. Um
aumento de 1 unidade ou 100% na liquidez significaria uma variação positiva de 26% no
crescimento do EBITDA da empresa. O resultado da companhia também tem relação direta
com a Imobilização de Recursos Permanentes da Empresa. O aumento de 1 unidade em
IRP implicaria um crescimento de 111% na variação do resultado. Como ambas as variáveis
são razão de partes do ativo sobre partes do passivo, faz sentido que ambas impactem
positivamente o EBITDA. Quanto ao ROE, na Restoque, o aumento de 0,01 unidade de
significaria uma variação positiva de 2,1% na taxa de crescimento do EBITDA.
5.1.2.4 MARISA
Como o modelo que compreende o desempenho financeiro além do cenário
macroeconômico utiliza apenas os dados na subamostra, os outliers decorrentes da
reorganização da empresa não estão mais presentes. Assim, a renda tem coeficiente
positivo e por isso, pode-se afirmar novamente, que a Marisa não oferta bens inferiores.
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴) = 1,26 ∗ 𝐷(𝑙𝑛𝑅ⅇ𝑛𝑑𝑎) − 0,64 ∗ 𝐷(𝑙𝑛𝑇𝑎𝑥𝑎 𝑑ⅇ 𝐶â𝑚𝑏𝑖𝑜) − 1,82
∗ 𝐷(𝑙𝑛𝑇ⅇ𝑟𝑚𝑜𝑠 𝑑ⅇ 𝑇𝑟𝑜𝑐𝑎) − 0,58 ∗ 𝐷(𝐿𝑆) − 0,72 ∗ 𝐷 (𝑃
𝑃𝐿) − 3,80 ∗ 𝐷(𝐼𝑅𝑃)
+ 1,16 ∗ 𝐷(𝑅𝑂𝐸)
Variável D(lnRenda) D(LC) D(IRP) D(ROE)
Estatística T -2,61 3,92 3,86 4,01
P-valor 0,0116 0,0002 0,0003 0,0002
R² ajustado 41,3%
AIC 1,7
BIC 1,56
74
Tabela 22 – Modelo Marisa com variáveis de desempenho (Anexo 13)
Elaboração Própria
Apesar da significância da renda ter ultrapassado um pouco o limite de 10%, a renda foi
significativa através da massa salarial anteriormente e por isso, não foi excluída do modelo.
No caso, a variação de 1% no aumento renda ocasiona uma variação no mesmo sentido
de 1,3% no crescimento EBITDA.
Outras variáveis econômicas significativas no modelo foram a Taxa de Câmbio e os Termos
de Troca. A variação de +0,6% no crescimento do EBITDA decorrente do aumento de 1%
na variação Taxa de Câmbio pode ser explicada por um possível repasse no aumento de
custos dos produtos. Já a variação negativa de 1,82% na evolução do EBITDA devido ao
crescimento de 1% no crescimento do índice de Termos de Troca também deve decorrer
do uso de matérias-primas importadas.
Quanto ao desempenho, o coeficiente negativo da liquidez seca fornece pistas sobre o tipo
de dívida que a empresa costuma contrair. O fato de um crescimento de 1 unidade na
Liquidez Seca, o que corresponde ao aumento de mais 100% no índice, ocasionar uma
queda de 58% no EBITDA denota a importância dessa componente para o resultado. Como
a liquidez seca consiste no ativo circulante descontado dos estoques sobre o passivo
circulante, o numerador do índice tem relação direta com a geração do caixa, portanto,
apenas o denominador poderia explicar a relação inversa. O passivo circulante compreende
empréstimos e dívidas de curto prazo. A magnitude do impacto da liquidez seca no
resultado da Marisa nos leva a crer que a empresa tem o costume de adquirir dívidas de
curto prazo e, portanto, a maiores taxas.
Variável D(lnRenda)D(lnTaxa
de Câmbio)
D(lnTermos
de Troca)D(LS) D(P/PL) D(P/AT) D(IRP) D(ROE)
Estatística T 1,54 2,28 3,21 -5,5 -5,22 2,49 -3,62 4,01
P-valor 0,1295 0,0271 0,0023 0 0 0,0163 0,0007 0,0002
R² ajustado 47,1%
AIC 2,07
BIC 1,79
75
Entretanto, o impacto das dívidas contraídas pela companhia não consta no modelo apenas
pela liquidez. Os três índices de endividamento da empresa testados foram significativos.
A Imobilização de Recursos Permanentes (IRP) e a relação do Capital de Terceiros sobre
o Ativo Total (P/AT) apresentam coeficientes com sinais trocados, o que faz sentido já que
são relações inversas de componentes do ativo e componentes do passivo. A queda de
0,01 unidade ou 1% no IRP refletiria num aumento de 3,8% na variação do EBITDA. Já a
queda de 1% em P/AT consistira numa redução de 1,2% na variação do EBITDA. Por fim,
uma queda de 1% em P/PL ocasionaria um aumento de 0,7% na variação do EBITDA.
A geração de caixa também é impactada pelo Retorno sobre o Patrimônio Líquido (ROE)
da companhia. A cada aumento de 10% no ROE, o EBITDA varia cerca de 12% a mais.
Uma vez que o ROE é calculado a partir do lucro líquido da empresa, supondo que o
Patrimônio Líquido da empresa se mantém, o aumento no lucro deve impactar
positivamente a geração de caixa.
76
5.1.3 MERCADO
A partir dos resultados da regressão das variáveis econômicas e financeiras no resultado
das empresas, foram acrescentadas à regressão o resultado das concorrentes em uma
defasagem visando testar a importância do resultado de uma na outra e identificar o tipo de
relação que as empresas mantém. Para melhorar a consistência dos estimadores, as
equações obtidas foram montadas no formato de sistema de equações simultâneas. O
resultado está apresentado a seguir.
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝐻𝑒𝑟𝑖𝑛𝑔)
= −0,02 ∗ 𝑙𝑛𝐼𝑛𝑓𝑙𝑎çã𝑜 − 0,17 ∗ 𝐷(𝐿𝐺𝐻𝑒𝑟𝑖𝑛𝑔) − 5,11 ∗ 𝐷 (𝑃
𝑃𝐿𝐻𝑒𝑟𝑖𝑛𝑔) + 9,61
∗ 𝐷 (𝑃
𝐴𝑇𝐻𝑒𝑟𝑖𝑛𝑔) + 1,10 ∗ 𝐷 (𝑙𝑛𝑇𝑖𝑐𝑘ⅇ𝑡𝐻𝑒𝑟𝑖𝑛𝑔(−1)) + 0,41
∗ 𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝑀𝑎𝑟𝑖𝑠𝑎(−1)) − 1,19 ∗ 𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝑅𝑒𝑛𝑛𝑒𝑟(−1)) − 0,13
∗ 𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝑅𝑒𝑠𝑡𝑜𝑞𝑢𝑒)
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝑅𝑒𝑛𝑛𝑒𝑟)
= 0,16 ∗ 𝐷(𝑅𝑂𝐸𝑅𝑒𝑛𝑛𝑒𝑟) − 0,53 ∗ 𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝐻𝑒𝑟𝑖𝑛𝑔(−1)) + 0,34
∗ 𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝑀𝑎𝑟𝑖𝑠𝑎(−1))
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝑅𝑒𝑠𝑡𝑜𝑞𝑢𝑒)
= 0,22 ∗ 𝐷(𝐿𝐶𝑅𝑒𝑠𝑡𝑜𝑞𝑢𝑒) + 1,31 ∗ 𝐷(𝐼𝑅𝑃𝑅𝑒𝑠𝑡𝑜𝑞𝑢𝑒) + 1,51 ∗ 𝐷(𝑅𝑂𝐸𝑅𝑒𝑠𝑡𝑜𝑞𝑢𝑒)
− 0,83 ∗ 𝐷 (𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝐻𝑒𝑟𝑖𝑛𝑔(−1))
𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝑀𝑎𝑟𝑖𝑠𝑎)
= 0,31 ∗ 𝐷(𝑙𝑛𝑇𝑎𝑥𝑎 𝑑ⅇ 𝐶â𝑚𝑏𝑖𝑜) − 0,26 ∗ 𝐷(𝐿𝑆𝑀𝑎𝑟𝑖𝑠𝑎) − 0,45 ∗ 𝐷 (𝑃
𝑃𝐿𝑀𝑎𝑟𝑖𝑠𝑎)
+ 1,57 ∗ 𝐷 (𝑃
𝐴𝑇𝑀𝑎𝑟𝑖𝑠𝑎) − 1,58 ∗ 𝐷(𝐼𝑅𝑃𝑀𝑎𝑟𝑖𝑠𝑎) + 0,36 ∗ 𝐷(𝑅𝑂𝐸𝑀𝑎𝑟𝑖𝑠𝑎) + 1,20
∗ 𝐷 (𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝐻𝑒𝑟𝑖𝑛𝑔(−1)) + 2,20 ∗ 𝐷(𝑙𝑛𝐸𝐵𝐼𝑇𝐷𝐴𝑅𝑒𝑛𝑛𝑒𝑟(−1))
77
Tabela 23 – Modelo Equações Simultâneas Hering (Anexos 14 e 15)
Elaboração Própria
Tabela 24 – Modelo Equações Simultâneas Renner (Anexos 14 e 15)
Elaboração Própria
Tabela 25 – Modelo Equações Simultâneas Restoque (Anexos 14 e 15)
Elaboração Própria
Hering
VariávellnInflação D(LG) D(P/PL) D(P/AT) D(lnTicket(-1))
D(lnEBITDA
Marisa(-1))
D(lnEBITDA
Renner(-1))
D(lnEBITDA
Restoque(-1))
Estatística T -2,60 -1,71 -2,87 2,52 4,18 9,24 -14,16 -3,35
P-valor 0,0099 0,0084 0,0046 0,0125 0,0000 0,0000 0,0000 0,0010
R² ajustado 80,6%
Soma do
quadrado
dos resíduos
0,08
Variável
RennerD(ROE)
D(lnEBITDA
Hering(-1))
D(lnEBITDA
Marisa(-1))
Estatística T 3,38 -12,09 9,88
P-valor 0,0009 0,0000 0,0000
R² ajustado 71,6%
Soma do
quadrado
dos resíduos
0,06
Variável
RestoqueD(LC) D(IRP) D(ROE)
D(lnEBITDA
Hering(-1))
Estatística T 4,18 5,84 3,53 -6,62
P-valor 0,0000 0,0000 0,0005 0,0000
R² ajustado 58,7%
Soma do
quadrado
dos resíduos
0,39
78
Tabela 26 – Modelo Equações Simultâneas Marisa (Anexos 14 e 15)
Elaboração Própria
Os resultados obtidos permitem concluir que a Hering e a Renner se caracterizam
competidoras devido aos coeficientes negativos. A Hering sofre maior impacto da variação
no resultado da Renner do que o oposto. Enquanto um aumento de 1% na variação do
resultado da Renner ocasiona uma queda de 1,2% na variação do resultado da Hering, um
crescimento de 1% na variação do EBITDA da Hering atinge apenas uma redução de 0,5%
no crescimento do EBITDA da Renner.
O grupo Restoque também estabelece relação de competição com a Hering, porém em
menor expressividade. A cada 1% de aumento na variação no EBITDA da Restoque, a
geração de caixa da Hering sofre queda de 0,1% no crescimento. Para a Restoque, essa
relação é mais expressiva: um aumento de 1% na variação do resultado da Hering causaria
uma queda de 0,8% na taxa de crescimento do EBITDA da Restoque.
Já a relação das marcas Hering e Marisa é chamada de complementar, ou seja, ambas
crescem ou caem juntas. Na Marisa, a elasticidade assume maior expressividade: a cada
crescimento de 1% na variação do resultado da Hering reflete em um crescimento de 1,2%
na variação do resultado da Marisa, enquanto aumento de 1% na taxa de crescimento da
Marisa significa variação positiva de somente 0,4% no crescimento do resultado da Hering.
Além da Hering, a Marisa também é complementar a Renner. Se a variação do EBITDA da
Renner cresce 1%, isso se reflete no crescimento de 2,2% na variação do EBITDA da
Variável
D(lnTaxa
de
Câmbio)
D(LS) D(P/PL) D(P/AT) D(IRP) D(ROE)D(lnEBITDA
Hering(-1))
D(lnEBITDA
Renner(-1))
Estatística T 1,65 -3,25 -4,59 4,57 -2,11 1,57 8,74 8,98
P-valor 0,0998 0,0014 0,0000 0,0000 0,0362 0,1176 0,0000 0,0000
R² ajustado 62,3%
Soma do
quadrado
dos resíduos
0,27
79
Marisa. Já o crescimento de 1% na evolução do EBITDA da Marisa ocasiona um aumento
de apenas 0,3% na variação do resultado da Renner.
Por fim, não foi possível estabelecer uma relação de complementar ou competidor entre a
Restoque e a Renner nem a Restoque e a Marisa. O resultado delas não foi significativo
em relação a definição do resultado da outra. A análise dos resultados das equações
simultâneas em conjunto com o posicionamento das companhias possibilita interessantes
interpretações. Primeiramente, a Hering busca atender a todas as classes. Dessa forma,
era esperado que ela sofresse impacto de todas as empresas. O modelo final corrobora,
portanto, com a hipótese da Hering ter consumidores em todos os níveis econômicos. A
Restoque é a única empresa nesse estudo que tem como público-alvo a classe A e,
portanto, não deveria sofrer e como comprovado, não sofre impacto de companhias que
visam atingir outras classes. Então, pode-se inferir que a Restoque tem sucesso na sua
estratégia de posicionamento. Já as Lojas Renner e Marisa, apesar de buscarem atingir
públicos-alvo diferentes, tem uma sinergia de clientes e assim, sofrem impacto mútuo no
resultado. Existem duas hipóteses para tal: o posicionamento de uma ou das duas
empresas pode não estar bem definido ou a disparidade entre as classes B e C pode ser
muito pequena, ocasionando uma movimentação do público entre as classes muito rápida,
talvez mais rápida do que a mudança no perfil de consumo. Assim, para parte dos clientes,
elas passam a se complementar pelo menos por um determinado período.
80
6. CONCLUSÃO
6.1 RETOMADA DA HIPÓTESE
A hipótese que norteou a execução desse trabalho foi a de que as variáveis econômicas
influenciam no resultado de empresas. Outras hipóteses assumidas ao longo do estudo
foram as de que os indicadores de desempenho financeiro da empresa também causavam
significativo impacto na geração de caixa e que as empresas selecionadas estabeleciam
alguma relação de competição ou complementaridade entre si.
6.2 PRINCIPAIS ARGUMENTOS
Entre as variáveis econômicas, os índices mais importantes para o resultado das empresas
foram o emprego e a renda, ou a relação entre eles, também chamada de massa salarial.
Um deles foi significativo em todas os modelos compreendendo somente o cenário
macroeconômico e compreendendo tanto o cenário como o desempenho financeiro da
empresa. Dado que o pressuposto básico para o consumo é a disposição de renda, era
esperado que esses índices apresentassem maior importância para o resultado das
empresas.
A segunda variável econômica que foi significativa em mais modelos foi o índice de Termos
de Troca e em terceiro a Taxa de Câmbio. Tal situação denota a forte dependência do
segmento em relação aos produtos importados, como tecidos, aviamentos e até produtos
acabados. O endividamento foi significativo para a Restoque e somente quando apenas o
cenário macroeconômico compunha a análise. A inflação apresentou impacto significativo
para a Hering tanto quando o cenário foi combinado com o desempenho da empresa e
como quando foram acrescentados os outros players. Tanto a Taxa de Juros como o
Crédito não foram significativos em nenhum modelo testado.
Quanto à análise do desempenho financeiro da empresa, os indicadores mais significativos
foram os de alavancagem financeira: Retorno sobre o Patrimônio Líquido (ROE) e Retorno
sobre o Ativo (ROA). Já a Liquidez (Geral, Corrente ou Seca) e o Endividamento da
empresa (P/PL, P/AT e IRP) não foram significativos apenas para uma empresa, as Lojas
Renner.
81
6.3 RESULTADO GERAL
Para representar graficamente o resultado final obtido, foi elaborado um gráfico em que o
eixo x representa o grau de influência dos outros players no resultado e o eixo y, a influência
do cenário macroeconômico. Assim, quando x assume valor positivo, as empresas
complementares têm maior influência e quando assume valor negativo, são as
competidoras que impactam mais significativamente o resultado. Já quando y tem valor
positivo o cenário é mais importante para o resultado do que as finanças (quando y é
negativo).
O tamanho da circunferência reproduz o indicador beta, que representa o risco relativo de
um ativo, segundo a agência Thomson Reuters12, divulgado na data de 02 de fevereiro de
2017. Esse indicador indica como o ativo reage diante das flutuações do mercado. Um beta
de 1 por exemplo, causará uma resposta de igual magnitude e sentido de uma variação do
mercado no valor da empresa.
Figura 45 – Representação gráfica dos impactos das variáveis estudadas para cada
empresa
12 Disponível em: <http://br.reuters.com/>, acesso em 02 fev. 2017
Influência de
outros Players
Beta
Hering 0,98
Renner 0,86
Restoque 1,11
Marisa 0,99
Influência do Cenário
Macroeconômico
82
É possível notar na figura 45 que a Hering, a Restoque e as Lojas Renner ficaram
localizadas no quadrante das finanças e das competidoras, o que significa que o
desempenho financeiro e de suas competidoras têm o maior impacto sobre o resultado
delas. Já a Marisa se encontra entre os quandrantes de complementares e finanças e
complementares e cenário, denotando que ela sofre forte impacto de todas as variáveis,
exceto competidoras.
O posicionamento ideal de uma empresa nos quadrantes acima depende de algumas
estratégias adotadas pela empresa: público-alvo, momento econômico pelo qual passa,
estratégias de expansão ou diferenciação. Não é possível definir sob uma ótica única um
melhor posicionamento geral. Entretanto, pode-se afirmar que, entre as quatro empresas
analisadas, aquela que mais se aproxima do equilíbrio dos quadrantes é a Hering.
6.4 CONSIDERAÇÃO FINAL
O estudo realizado comprova que as variáveis econômicas têm influência na geração de
caixa das empresas estudadas. Apesar disso, quando incrementamos a análise com o
desempenho financeiro e o resultado de outros players, os indicadores econômicos perdem
força de influência.
83
7. REFERÊNCIA BIBLIOGRÁFICA
BUSCARIOLLI, B., EMERICK, J., Econometria com Eviews, 2011, 1ª Ed. São Paulo, Brasil
CAMPOS, J. C., 2009, Os Impactos da Conjuntura Macroeconômica sobre o Comércio no
Brasil. Uma Análise Empírica das Grandes Varejistas, Tese de M.Sc., FGV, Rio de Janeiro,
RJ, Brasil
COSTA, A. C. R., ROCHA, E. R. P., Panorama da Cadeia Produtiva Têxtil e de Confecções
e a Questão da Inovação, 2009, BNDES
ESTENDER, ANTONIO CARLOS. - O Novo Varejo - São Paulo, 2005 - Instituto Siegen
FUNCEX, 2016, Índice de Termos de Troca
GUIDINI, M. B., BONE, R. B., RIBEIRO, E. P., “O Impacto do Macroambiente sobre o
Resultado Econômico em Empresas Brasileiras”, XXVII Encontro Nacional de Engenharia
de Produção, 09-11 out. 2007, Foz do Iguaçu, Brasil
GUJARATI, D. N., Econometria Básica, 2005, 3ª Ed. São Paulo, Brasil
IBGE, 2008-2009, Pesquisa Orçamentária Familiar
IBGE, 2015, Contas Nacionais Trimestrais
IBGE, 2016, Pesquisa Mensal do Comércio
IBGE, 2016, Pesquisa Mensal do Emprego
BCB, 2016, Taxa de juros: Overnight / Selic
IBGE, 2016, Sistema Nacional de Índices de Preços ao Consumidor (SNIPC)
LAZIER, I., 2013, O Impacto da Conjuntura Econômica sobre o Consumo: um Estudo sobre
as Vendas no Varejo, Tese em D.Sc., USP, São Paulo, SP, Brasil
NETO, A. A., LIMA F. G., Fundamentos da Administração Financeira, 2010, 2ª Ed, São
Paulo, Brasil
REICH, S. R., 2006, Cadeia Produtiva da Moda: um Modelo Conceitual de Análise da
Competitividade no Elo Confecção, Tese em D.Sc., UFSC – Florianópolis, SC, Brasil
STOCK, J. H., WATSON, M. W., Econometria, 2004, 1ª Ed. São Paulo, Brasil
VARIAN, H. R., Microeconomia, 2003, 6ª Ed. São Paulo, Brasil
<http://br.reuters.com/>, acesso em 02 fev. 2017
<http://www.abit.org.br/cont/perfil-do-setor>, acesso em 11 jan. 2017
<https://www.bcb.gov.br/htms/novaPaginaSPB/PapelDoBancoCentral.asp>, acesso em 09
jan. 2017
<http://www.bcb.gov.br/pre/bc_atende/port/taxCam.asp>, acesso em 09 jan. 2017
84
<http://www4.bcb.gov.br/pec/taxas/port/ptaxnpesq.asp?id=txcotacao>, acesso em 09 jan.
2017
<http://www.boavistaservicos.com.br/noticias/indicadores-economicos/falencias-e-
recuperacoes-judiciais/pedidos-de-falencia-encerram-o-ano-com-alta-de-122-segundo-
boa-vista-scpc/>, acesso em 01 fev. 2017
<http://www.comexdobrasil.com/artigo-termos-de-troca-indicam-comercio-exterior-corre-
riscos-desnecessarios/>, acesso em 09 jan. 2017
<http://gotexshow.com.br/mercado/>, acesso em 03 fev. 2017
<http://hering.riweb.com.br/> acesso em 11 jan. 2017
<http://www.infomoney.com.br/noticias/noticia/2001536/entenda-relacao-entre-selic-
fixada-pelo-copom-taxa-over-dos>, acesso em 15 jan. 2017
<http://www.mzweb.com.br/renner/web/default_pt.asp?idioma=0&conta=28>, acesso em
12 jan. 2017
<http://www.restoque.com.br/default_pt.asp?idioma=0&conta=28>, acesso em 11 jan.
2017
<http://ri.marisa.com.br/marisa/web/default_pt.asp?idioma=0&conta=28>, acesso em 13
jan. 2017
90
Anexo 11 - Modelo Renner com variáveis de desempenho
Anexo 12 - Modelo Restoque com variáveis de desempenho