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


Exigível Total

Patrimônio Líquido

Exigível Total

Ativo Total

Ativo Permanente

Exigível de Longo Prazo + Patrimônio Líquido


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)


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


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.


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.


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


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


0%

50%

100%

150%

200%

250%

2008 2009 2010 2011 2012 2013 2014 2015

Liquidez


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



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


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



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.


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.


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


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



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


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



-500%

-400%

-300%

-200%

-100%

0%

100%

200%

2008 2009 2010 2011 2012 2013 2014 2015



38

2.4.4. MARISA


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.


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.


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


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



0%

50%

100%

150%

200%

250%

300%

2008 2009 2010 2011 2012 2013 2014 2015

Liquidez


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



-150%

-100%

-50%

0%

50%

100%

150%

200%

2008 2009 2010 2011 2012 2013 2014 2015



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


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


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








ROA -3,5043 -0,9065 VERDADEIRO Não Rejeita Ho Não-Estacionária 94,70%


GAF -3,4878 -3,1239 VERDADEIRO Não Rejeita Ho Não-Estacionária 11,04%


Restoque T crítico para 5% Estatística T Tcalc>Tcrit Resultado Tipo Probabilidade












Marisa T crítico para 5% Estatística T Tcalc>Tcrit Resultado Tipo Probabilidade












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


Tabela 8 – Estatística Descritiva – Lojas Renner


Tabela 9 – Estatística Descritiva – Marisa


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


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


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


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.


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)


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)


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)


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)


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)


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)


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)


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)


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)


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)


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)


Tabela 24 – Modelo Equações Simultâneas Renner (Anexos 14 e 15)


Tabela 25 – Modelo Equações Simultâneas Restoque (Anexos 14 e 15)


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)


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

85

8. ANEXOS

Anexo 1 – Modelo Hering

Anexo 2 – Modelo Hering (subamostra)

86

Anexo 3 – Modelo Renner

Anexo 4 – Modelo Renner (subamostra)

87

Anexo 5 – Modelo Restoque

Anexo 6 – Modelo Restoque (subamostra)

88

Anexo 7 – Modelo Marisa

Anexo 8 – Modelo alternativo Marisa

89

Anexo 9 – Modelo Marisa (subamostra)

Anexo 10 – Modelo Hering com variáveis de desempenho

90

Anexo 11 - Modelo Renner com variáveis de desempenho

Anexo 12 - Modelo Restoque com variáveis de desempenho

91

Anexo 13 - Modelo Marisa com variáveis de desempenho

92

Anexo 14 – Modelo de Equações Simultâneas

93

Anexo 15 – Continuação do Modelo de Equações Simultâneas

VARIÁVEIS ECONÔMICAS INFLUENCIAM NA GERAÇÃO DE...

Documents

Transcript of VARIÁVEIS ECONÔMICAS INFLUENCIAM NA GERAÇÃO DE...