Skip to content
naulon
Not checkedNot checked for notices yet.

Relevância da informação contábil em empresas dos Brics e EUA

Sonia Raifur Kos, Jorge Eduardo Scarpin, Pedro João Kabucussa

Enfoque · 2017

doi:10.4025/enfoque.v36i3.34470 (opens in a new tab)

We email you when a new notice or a question about this paper appears.

Abstract

A busca por informações contábeis relevantes tem sido intensa pelos órgãos normalizadores nos últimos anos, os quais têm buscado estabelecer normas que tornem a informação contábil relevante e possa ser utilizada de forma segura no processo decisório, principalmente considerando as decisões relacionadas ao mercado de capitais. Nessa linha, James Ohlson propôs modelos de avaliação de empresas baseados em números contábeis. O objetivo deste estudo é verificar as diferenças na Relevância da Informação Contábil no mercado de capitais dos países Brasil, Rússia, Índia, China e África do Sul (BRICS) e Estados Unidos da América (EUA), a partir dos dados disponíveis nas Bolsa de Valores destes países, por meio dos modelos Residual Income Valuation (RIV) e Abnormal Earnings Growth (AEG) propostos por Ohlson (1995; 2005). Por meio da Regressão com Dados em Painel, concluiu-se que as variáveis de cada país apresentam comportamento diferente no tocante a influência das mesmas no mercado de capitais, pois além de apresentarem coeficientes distintos, houve extensa variação do R2, sendo 0,02 no Brasil, para o modelo AEG e 0,79 na China para o modelo RIV. Quanto à verificação de qual modelo (RIV ou AEG) melhor se adapta à realidade de cada país, observou-se que no Brasil e África do Sul o modelo AEG apresentou maior ajuste, já na Rússia e China o modelo RIV foi mais adequado, tanto para variáveis defasadas pelo Preço em t-1, quanto para as não defasadas, pois conta com R2 mais expressivo e valor mais baixo para Critério de Informação de Akaike. Para os EUA e Índia, para variáveis não defasadas, o AEG é o melhor modelo para Índia e RIV para os EUA. Já com variáveis defasadas, o resultado se inverte.

Abstract licence: CC BY

Reads

Read by people on this page

None yet.

Checked or read by AI through naulon

None yet.

A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.

Are you an author?

Is this your paper?

Claim it to add your note and be paid when agents cite it. Free.