Risco Operacional: uma Relao Emprica com o Valor de Mercado das Empresas de Telecomunicaes GABRIELA DOTI UNIVERSIDADE DE BRASLIA

CSAR AUGUSTO TIBRCIO SILVA UNIVERSIDADE DE BRASLIA RESUMO Dentre os diversos tipos de riscos que as instituies se encontram expostas, risco operacional sobremaneira uma preocupao recente do mercado empresarial e investidor, decorrente das freqentes ocorrncias de escndalos financeiros em empresas de porte. O estabelecimento da Lei Sarbanes&Oxley est levando empresas implantao de estruturas de gesto de riscos operacionais, com o intuito de mostrar ao mercado investidor a transparncia na gesto organizacional e a garantia de controle na conduo dos negcios. No mercado brasileiro de telecomunicaes, a preocupao inerente a tal segmento com o problema da evaso de receitas, sendo o ponto crtico relativo a eventos de perda com fraude por subscrio, o que mais contribui na perda de receita para as empresas do setor. Este estudo buscou, acima de tudo, introduzir o conceito de modelagem e mensurao de risco operacional na indstria brasileira de telecomunicaes e identificar a relao existente entre o valor de mercado das empresas de telecomunicaes e as variveis de retorno e preo das aes, os ndices IBOVESPA e ITEL, o PIB do Pas e as perdas agregadas de fraude de subscrio, resultantes da modelagem do VaR Operacional. As instituies que participaram da modelagem esto listadas na Bolsa de Valores de So Paulo e, o resultado apurado de R$ 12,6 bilhes comprova a justificada preocupao das empresas desse setor em encontrar mecanismos na gesto de tal tipo de perda de receita, representando 5% da receita bruta total da indstria. O resultado obtido a partir da anlise de regresso demonstrou uma relao pouco significativa entre o valor de mercado do setor de telecomunicaes e a varivel de perdas agregadas por fraude de subscrio. Palavras-chave: risco operacional, VaR Operacional, telecomunicaes, perdas agregadas, gesto de riscos ABSTRACT Operational risk is a recent business market and investor issue, as result of frequently financial scandals involving outsized companies. The Sarbanes&Oxley Act is forcing enterprises to develop operational risk management structures, focusing to show organizational management transparency to the investor market and control guarantee on driving businesses. Telecommunications Brazilian market is worried about revenue loss, as a critical subject to loss events of subscription fraud, that is the mainly fraud factor of revenue loss to the industry. This research brought into being the operational risk modelling and measurement concept on telecommunications Brazilian industry, by the loss estimation of subscription fraud, as well as to verify the relationship among the market value of the telecommunications companies and the stocks return and prices, the IBOVESPA and ITEL indexes, the country Gross Domestic Products and the aggregated losses with subscription fraud, as result of Operational VaR technique. The institutions that was modelling are registered in So Paulo Stock Exchange BOVESPA - and, the obtained result of R$ 12.6 billions confirm the industry worry to find mechanisms on management this kind of revenue loss, corresponding to 5% of gross revenue of entire industry. The obtained results by

the regression analysis have shown an extremely low relation between market value of the telecommunications industry and the aggregated losses with subscription fraud variable. Keywords: operational risk, Operational VaR, telecommunications, aggregated losses, risk management. RESUMEN Entre los diversos tipos de riesgos a que instituciones estn expuestas, riesgo operacional es sobremanera una preocupacin reciente del mercado empresarial e investidor, que resulta de los frecuentes escndalos financieros en empresas de gran porte. La implantacin de la Ley Sarbanes&Oxley est llevando empresas a construir estructuras de gestin de riesgos operacionales, con el propsito de mostrar al mercado investidor transparencia en la gestin organizacional y garanta de control en la conduccin de negocios. En el mercado brasileo de telecomunicaciones, la preocupacin inherente a tal industria es con el problema de la evasin de ingresos, siendo el punto crtico relativo a eventos de prdida con fraude por subscricin, que es lo que ms contribuye en la prdida de ingresos para las empresas del sector. Este estudio busca principalmente introducir el concepto de modelaje y mensuracin de riesgos operacionales en la industria brasilea de telecomunicaciones, a partir de la apuracin de la estimativa de perdida con fraude de subscricin, y tambin en la relacin existente entre el valor de mercado de las empresas de telecomunicaciones y las variables de retorno y precio de las acciones, los ndices IBOVESPA e ITEL, el PIB del Pas y las perdidas agregadas de fraude de subscricin, resultantes del modelaje del VaR Operacional . Las instituciones que participaron del modelaje estn listadas en la Bolsa de Valores de So Paulo y, el resultado apurado de R$ 12,6 billones comprueba la justificada preocupacin de las empresas de ese sector en encontrar mecanismos de gestin para tal tipo de prdida de ingresos, representando 5% del ingreso bruto total de la industria. El resultado obtenido a partir de la anlisis de regresin demostr una relacin poco significativa entre el valor de mercado del sector de telecomunicaciones y la variable de prdidas agregadas por fraude de subscricin. Palabras-clave: riesgo operacional, VaR Operacional, telecomunicaciones, perdidas agregadas, gestin de riesgos

INTRODUO
Administrao de riscos est intrinsecamente relacionada a uma das tantas preocupaes do mundo empresarial em minimizar perdas financeiras (JORION, 2003). Qualquer instituio est exposta a diversos tipos de risco, tais como: riscos de mercado, riscos de crdito, riscos de liquidez e riscos operacionais ou de negcio, dentre outros. A gesto de riscos consiste em um processo de identificao, mensurao e controle dos diversos tipos de riscos das quais organizaes esto sujeitas. Problemas na gesto de riscos podem levar organizaes a perdas de receita significativas. No caso de exposio a riscos operacionais, objeto de estudo deste trabalho, segundo pesquisa da Bolsa de Mercadorias e Futuros, as perdas operacionais acumuladas divulgadas j superam US$200 bilhes no mercado financeiro internacional desde 1980 (JORION, 2003). Segundo estudos do Comit da Basilia (BASEL COMMITTEE, 2003), tais perdas so decorrentes de: a) Prticas de negcio que desconsideram a preocupao com riscos operacionais; b) Ausncia de gesto do histrico de perdas operacionais; c) Falta de mensurao e de monitoramento dos riscos operacionais. O risco operacional pode ser considerado como um termo novo sobre cuja definio ainda no h consenso. Riscos operacionais referem-se s perdas potenciais resultantes de sistemas inadequados, m administrao, fraudes, falhas sistmicas, controles defeituosos ou falha humana, a qual inclui o risco de execuo, correspondente a situaes em que as operaes no so executadas, resultando, s vezes, em atrasos onerosos ou em penalidades (JORION, 2003). Ou, simplesmente, o risco de arcar com perdas ocasionadas por falhas em processos (DONOUGH, 2003). Falncias como as da Enron, Daiwa Securities, WorldCom e de instituies financeiras, por exemplo, tem ocorrido devido, principalmente, exposio a riscos operacionais, como o caso de fraudes. Outro ramo de negcio que enfrenta perdas bilionrias em funo da gesto inadequada de riscos operacionais o de telecomunicaes. As empresas do setor em questo tem buscado implantar estruturas voltadas para a garantia de receita - Revenue Assurance. O objetivo primordial do processo de garantia da receita no ramo de telecomunicaes consiste no constante monitoramento do ciclo de receita (prestao de servios, faturamento, arrecadao, cobrana e contabilizao) das empresas, a fim de minimizar a ocorrncia de vultuosas perdas financeiras, decorrentes de fraudes, por exemplo. As fraudes podem ser consideradas como eventos de baixa freqncia e alto impacto que, no so nicos (LOWENKRON, 2003, p. 1) na indstria financeira. Alm das empresas de telecomunicaes, indstrias como as de aviao, sade e de processos qumicos tambm enfrentam tais situaes. Nesse caso, riscos podem expor as empresas a perdas potenciais. Na aviao e na indstria de processos qumicos, na ltima dcada, o foco tem sido em eventos classificados como Near-Misses, a fim de reduzir uma maior taxa de acidentes. Recentemente, tal conceito vem sendo expandido para outros setores, como tecnologia da informao, por exemplo (MUERMANN, OKTEM, 2003, p. 6-7). Estima-se que o mercado mundial de telecomunicaes enfrenta uma perda anual de 15 bilhes de dlares norte-americanos decorrente de fraudes diversas1. No Brasil, as

Dado obtido atravs de entrevistas com empresas de consultoria que atuam no setor.

empresas do servio mvel pessoal possuem, por sua vez, perda anual aproximada de 5% a 7% de suas receitas brutas, decorrentes de fraudes por subscrio. A fim de minimizar o impacto da exposio a riscos operacionais, responsveis, dentre outros, pela reduo no valor de mercado das empresas, entidades regulamentares tem criado regras ou diretrizes, tais como os recentes Sarbanes-Oxley Act2, Prticas de Governana Corporativa e a nova verso do Acordo da Basilia (BASEL COMMITTEE, 2003c), este ltimo especfico para instituies financeiras, por exemplo. Paralelamente, firmas tm adotado ferramentas de controles internos, bem como vm desenvolvendo metodologias sofisticadas de mensurao de risco e investindo em sistemas de informao especializados em gesto de riscos (GIBSON, 1997). Este trabalho tem como objetivo apurar o Valor em Risco (VaR) operacional pela exposio a riscos operacionais no setor de telecomunicaes brasileiro, a fim de identificar a relao existente com o valor de mercado das respectivas empresas do setor, considerando-se a seguinte hiptese: H0 => No h relao significativa entre as perdas agregadas por exposio ao risco operacional e o valor de mercado das empresas. H1 => H relao entre as perdas agregadas por exposio ao risco operacional e o valor de mercado das empresas e ela significativa. A escolha da indstria de telecomunicaes deve-se : a) Processo recente de privatizao, acarretando em uma significativa mudana na forma de conduo dos negcios; b) Expressiva participao no mercado acionrio brasileiro3; c) Eventos de perda operacional expressivos. Este artigo est dividido em quatro partes, alm desta introduo. A segunda parte, aborda o referencial terico, no sentido de contextualizar o processo de risk management operacional no cenrio mundial e nacional, apontando iniciativas, preocupaes, estudos e tendncias, bem como de apresentar os modelos de gesto de riscos operacionais, as limitaes e as preocupaes dos estudiosos sobre o assunto. Na seqncia so apresentadas a modelagem, a respectiva anlise dos dados e as limitaes deste estudo. A quarta e ltima parte apresentam a concluso do estudo, recomendaes gerais e as devidas contribuies para pesquisas futuras.

1 RISCO OPERACIONAL (RO) 1.1 CONCEITOS E O PROCESSO DE GESTO DE RISCO OPERACIONAL (RO)
As definies para risco de mercado e risco de crdito surgiram de especficos tipos de negcio, como market trading, emprstimo ou investimento, acompanhadas da consistente definio probabilstica de value at risk (VaR). A definio de RO, por sua vez, est baseada na identificao de causas, cujas conseqncias no so sempre passveis de mensurao
2

O Sarbanes & Oxley Act foi aprovado em 25 de julho de 2002 pela legislatura dos Estados Unidos com o intuito de aumentar a responsabilidade da administrao das empresas regulamentadas pelo Security Exchange Comission, no que se refere : transparncia e preciso nos relatrios financeiros e nas informaes aos acionistas; criao de um comit responsvel pelas prticas de auditoria; definir responsabilidade dos comits de auditoria e dos executivos das empresas. 3 Participao em termos de volume de negociao. Compe cerca de 40% do ndice da BOVESPA Bolsa de Valores de So Paulo (GRIBEL e ALMEIDA, p. 74).

(MEDOVA, KYRIACOU, 2001, p. 4). Deve-se a isso a necessidade de identificao de RO em tipos de riscos especficos, bem como em possuir regras especficas para alocao do capital. Devido a isso, imprescindvel e de extrema importncia integrao de todos os tipos de risco: RO, mercado, de crdito, etc. (MEDOVA, KYRIACOU, 2001, p. 4) Riscos de crdito e de mercado utilizam o capital de risco4 como forma de gerar lucros. Por sua vez, risco operacional utiliza o capital de risco para mitigar perdas, gerando lucros indiretamente (COLEMAN, 2002, p. 8). Clientes, rgos reguladores e acionistas importam-se, por exemplo, com a possibilidade de ocorrncias de situaes indesejveis em instituies5 (DUARTE, 2001, p. 41) como a clonagem de cartes; em empresas de telecomunicaes, como a interrupo diria na prestao de servios telefnicos, decorrente de catstrofes ambientais, dentre outros. Independente dos tipos de risco que afetam as firmas o RO o mais custoso e mais difcil de antecipar. Dentro dessa linha, gesto de RO fundamental nos processos de obteno de resultados, gesto do capital e satisfao de clientes (HARMANTZIS, 2003, p. 1). O processo de gesto de RO envolve quatro etapas fundamentais descritas a seguir (HARMANTZIS, 2003, p. 5): a) Identificao e avaliao de riscos: etapa realizada mediante uso de ferramentas, tais como auto avaliao de controles e riscos, em que gestores identificam processos-chave da organizao, bem como riscos e controles associados, alm da identificao de gargalos e definio de respectivos planos de ao para reduo ou eliminao dos mesmos. O processo de avaliao de riscos engloba a anlise de impacto e de probabilidade, a fim de identificar os riscos potenciais; b) Quantificao e mensurao de riscos: consiste na adoo de uma ferramenta quantitativa adequada para a mensurao precisa dos riscos potenciais definidos na etapa anterior. Destaca-se a necessidade de se dispor de dados internos e externos ntegros; c) Anlise de riscos, monitoramento e reporte: consiste no processo de incluso dos riscos da organizao na anlise da performance do negcio. O monitoramento de riscos operacionais, por sua vez, ocorre pela definio de indicadores de risco e respectivos planos de ao para melhoria da performance dos indicadores, a fim de contribuir no crescimento do negcio pela criao de valor atravs da gesto de riscos. O processo de gesto por indicadores e respectivos resultados devem ser reportados a diversos nveis da organizao, principalmente, direo da empresa; d) Alocao de capital de risco: conhecido tambm como Operational capital at risk (CaR), deve ser apurado por rea ou unidade de negcio, de forma a proteger a empresa de perdas inesperadas durante o perodo usual de um ano a 99% de confiana, consistindo no VaR Operacional (perda mxima esperada);

Neste caso, o capital de risco o capital alocado pelas empresas para fazer frente a possveis exposies aos respectivos tipos de risco. 5 A PricewaterhouseCoopers levantou em relatrios financeiros perdas acima de US$7 bilhes em 1998, devido a problemas operacionais, e as maiores instituies financeiras com perdas anuais superiores a US$100 milhes. O grupo Operational Risk, Inc. confirmou que, desde 1980, instituies financeiras vem perdendo mais de US$200 bilhes devido varivel risco operacional (Smithson, 2002, p 1).

e) Gesto e mitigao de riscos: consiste na adoo de alternativas de financiamento ou transferncia de risco pelo uso de ferramentas de hedge. Adicionalmente, consiste no uso de uma comunicao eficaz e transparente do processo de gesto de riscos na Organizao, realizao de treinamentos, compartilhamento e adoo das melhores prticas de mercado, melhorias em processos e controle dos resultados. Empresas de diversos segmentos de mercado tm utilizado a auditoria e o departamento de controles internos como aliado na identificao de riscos operacionais, bem como em sua categorizao. Vale ressaltar que esta, quando reporta os riscos para a direo de acordo com escopo de trabalho pr-definido mensura, na medida do possvel, alguns tipos de risco (JORION, 2003). Por sua vez, como mensurar o risco de uma aprovao indevida de uma determinada transao, por exemplo? Segundo Jorion, o risco a ser considerado deve ser avaliado em termos de probabilidade, de importncia e de tendncia, a fim de ser identificada a sua relevncia para a organizao (JORION, 2003). Essa avaliao, por sua vez, deve estar baseada em: objetividade da anlise, consistncia e relevncia dos dados, transparncia do processo, escopo claramente definido, observncia contnua do comportamento dos resultados obtidos. De acordo com as observaes efetuadas, a gesto de riscos operacionais envolve (CROUHY, CRUZ, GALAI, 2003, p xvi): a necessidade de um processo contnuo, responsabilidade de todos, base de dados fsicos e financeiros, necessidade de um patrocinador interno, gerao de valor para os acionistas, questes relativas a governana corporativa, foco regulatrio e de agncias de rating.

1.2 MENSURAO DE RISCO OPERACIONAL

importante observar que na modelagem 6 matemtica no existe o melhor modelo a ser utilizado ou aquele que seja o mais correto, por sua vez, vale destacar a utilidade dos modelos, no sentido de suportar o processo de anlise dos dados e de tomada de decises (GUIMARES, 2003, p. 11). A mensurao de risco operacional (RO) um assunto de considervel ateno nos ltimos tempos, em decorrncia das vultuosas perdas em bancos de investimento, tais como o Barings e o Daiwa Securities (COLEMAN, 2002; CRUZ, 2002, p. 1). Algumas instituies definem RO como o risco no amparado pelos riscos de mercado e de crdito. Para o Basel Committee on Banking Supervision , RO consiste em perdas potenciais inesperadas resultantes de sistemas inadequados, problemas operacionais, falhas em controles internos, fraudes ou catstrofes imprevistas (COLEMAN, 2000; CRUZ, 2002, p. 1). Consiste tambm em perdas resultantes de aes de comum acordo ou negligentes que afetem os processos de negcio. Isto significa que, quando uma transao precificada, considerando o risco de mercado e o de crdito somente, o RO est sendo desconsiderado do preo de tal transao (COLEMAN, 2003). H trs abordagens para modelagem de risco operacional: (SMITHSON, 2002, 1, 3-5) a) Processos desdobramento de processos operacionais em atividades. Podem ser utilizadas as seguintes tcnicas: rede causal7, Controle estatstico de qualidade e anlise de confiabilidade8 e conectividade9;

Deve ser entendida como um processo de representao abstrata e simplificada de um determinado evento, expresso em termos matemticos. 7 Mapa grfico dos componentes de um processo, com conexes entre os componentes. Dados histricos so utilizados como base para realizar testes estatsticos para analisar o comportamento dos componentes e dos

b) Fatores identificao dos fatores mais significativos que contribuem para a gerao de riscos operacionais, a nvel institucional, de unidade de negcio e de processo, mediante um modelo matemtico: (Risco Operacional)= + (Fator 1) + (Fator 2) + onde, , , , , so os parmetros utilizados na estimativa do nvel de risco operacional nos prximos perodos. Algumas tcnicas aplicveis: indicadores de risco10 (CRUZ, 2002, p. 17), modelos tipo CAPM11 e modelos preditivos12; c) Atuarial identificao da distribuio de perdas associada a riscos operacionais, a nvel institucional, de unidade de negcio e de processo. Algumas tcnicas: distribuio emprica de perdas13, distribuio explcita parametrizada de dados histricos14 e teoria do valor extremo15 (CRUZ, 2002). Para Crouhy, Galai, Mark o processo de mensurao de riscos envolve quatro etapas (CROUHY, GALAI, MARK, 2003): a) identificao da relevncia e da probabilidade de ocorrncia do risco b) elaborao de matriz de riscos por categoria considerando-se a participao do risco no lucro da empresa, bem como capacidade, capacitao e disponibilidade, mudana, complexidade, descaso, causa, efeito; c) reviso e validao da matriz de riscos; d) reporte formal da avaliao final dos riscos operacionais, a fim de: (i) Prover informaes para melhoria na tomada de decises que envolvam riscos operacionais; (ii) Possibilitar uma melhor alocao do capital. Neste caso, riscos com baixas probabilidades de ocorrncia e altos impactos financeiros, porm no catastrficos estariam cobertos por uma previso de capital, ao passo que riscos catastrficos no podem ser medidos por um VAR ou RAROC. As empresas terminam optando por hedge; (iii) Nortear as aes de gesto. Para a mensurao de riscos e para a metodologia adotada ser completa dever contemplar mtodos estatsticos e atuariais, combinando tcnicas economtricas. No primeiro caso, o uso de eventos de perda para estimar individualmente distribuies de impacto e de
processos no passado, a fim de identificar pontos problemticos. Para prever o futuro podem ser utilizados cenrios e simulaes. (GIBSON, 1997) 8 Similar a rede causal, porm aplicada especificamente a processos de fabricao. 9 O objetivo a anlise das conexes entre os processos. Para tanto, cria-se uma matriz de conectividade, a fim de estimar perdas potenciais. 10 Uso de regresso para principais fatores de risco. Alguns fatores: ratings de auditoria, turnover de empregados, treinamentos, tempo dos sistemas e investimentos em novas tecnologias. 11 Mede o retorno das aes para cada fator de risco operacional. Esta definio de CAPM foi adaptada para risco operacional por SMITHSON. 12 Extenso da tcnica de indicadores de risco com o uso de anlise discriminante a fim de identificar fatores principais na gerao de perdas operacionais. Estima-se a probabilidade e a severidade de futuras perdas. Esta definio de modelos preditivos foi adaptada para risco operacional por SMITHSON. 13 Levantamento de dados internos e externos de perdas dispostos em um histograma de freqncia e severidade altas e baixas. 14 Implica em estimar a freqncia e a severidade da tcnica anterior, separadamente, convolundo ambas para obter a distribuio de perdas efetiva. 15 rea da estatstica que modela limites de comportamento de dados extremos, possibilitando a obteno de distribuies suaves para os tipos de perdas operacionais mencionados. Tal teoria defende que para distribuies longas, perdas em excesso seguem a mesma distribuio (Distribuio generalizada de Pareto). (HARMANTZIS, 2003, p 10)

freqncia (CRUZ, 2002). No segundo caso, a adoo de regresses mltiplas e de anlise discriminante (COLEMAN, 2002; CRUZ, 2002). Para garantir a modelagem, uma base de dados de RO deve conter eventos de alto impacto e de baixa freqncia, bem como de alta freqncia e baixo impacto. Por sua vez, pode tambm ser efetuada a seguinte classificao dos dados (COLEMAN, 2002): a) Perdas esperadas devem ser absorvidas pelo lucro lquido da empresa; b) Perdas parcialmente inesperadas devem ser absorvidas por reservas de risco; e c) Perdas totalmente inesperadas requerem capital de risco ou hedge. A distribuio normal de Gauss que consiste na base de muitos processos de inferncia estatstica deve ser substituda por uma distribuio de perdas com uma cauda densa. A distribuio log-normal apresenta tal caracterstica no histrico da teoria economtrica, bem como a de Weibull, por sua vez, na Teoria da Confiabilidade. Considerando-se uma situao com insuficientes observaes de perdas extremas, torna-se impossvel modelar com preciso toda a cauda da distribuio (o excesso), o que seria importante para compreenso das perdas agregadas. Neste caso, podem-se estimar apenas os quantis extremos. Logo, tem-se o Valueat-Risk (VaR)16, que se utiliza de quantis para estabelecer o limite mximo de perdas potenciais (COLEMAN, 2002; CRUZ, 2002). Para modelar tal tipo de cauda, COLEMAN (2002) e CRUZ (2002) utilizaram a distribuio de Valores Extremos (GEV) que, por sua vez, adota as distribuies de Weibull, Frechet e Gumbel, utilizadas para amostras com poucas grandes observaes. Uma recente pesquisa sobre as prticas da indstria bancria17 descobriu o principal objetivo da gesto de RO: a mitigao em detrimento da ateno dada ao capital econmico (COLEMAN, 2000, p. 1). Para MEDOVA e KYRIACOU, a primeira etapa de um processo de gesto de RO deve estar baseada em uma minuciosa anlise dos dados disponveis, a fim de identificar as perdas padro que estatisticamente esto vinculadas a RO, possibilitando a segregao das perdas nas seguintes categorias: a) significativas em valor, mas raras distribuio de eventos extremos de perda; b) baixas em valor, mas de alta freqncia distribuio normal de eventos de perda. (MEDOVA, KYRIACOU, 2001, p. 6) A diferena bsica entre VaR de risco operacional18 e VaR de risco de mercado19 o processo de estimao de eventos com probabilidade de perdas, em termos de freqncia e severidade, que adotado pela indstria seguradora para clculo do prmio de risco. (GUIMARES, 2003, p. 46) Com exceo das instituies financeiras, em funo do Acordo da Basilia, desconhecem-se organizaes que calculem e provisionem as perdas estimadas por exposio a riscos operacionais, a no ser que venham a ser exigidas por fora de lei ou do mercado. RO, independente de ser ou no gerido pelas empresas, um forte indicativo de problemas de
16

Modelos de VaR alocam capital baixo condies normais de Mercado, excluindo eventos extremos ou raros, tais como catstrofes ambientais ou eventos polticos expressivos. (MEDOVA, KYRIACOU, 2001, p. 5) 17 BBA/ISDA/RMA research study, 1999. 18 Busca estimar a perda mxima dentro de um determinado perodo de tempo, dado um intervalo de confiana. (GUIMARES, 2003, p. 46) 19 Busca estimar a volatilidade de preos de ativos dentro de um determinado perodo de tempo, dado um intervalo de confiana. (GUIMARES, 2003, p. 46)

gesto, de falhas na conduo dos negcios, sendo que, se tais exigncias no forem aplicveis, seria um excesso de transparncia divulgar perdas operacionais. (LA ROCQUE, p. 2003a) No prximo item, ser abordado um dos problemas com riscos operacionais no setor de telecomunicaes que, por sua vez, sofre de ausncia de regulamentao sobre o assunto a exemplo da indstria financeira.

1.3 FRAUDE EM TELECOMUNICAES

Empresas de telecomunicaes, bancos e outros provedores de servio contabilizam perdas devido a problemas com fraude. Vrios dos servios de tais tipos de empresas so informatizados, promovendo a ocorrncia de fraudes atravs do uso de habilidades com tecnologia da informao. Para prevenir tais crimes, as empresas tem fraude; isso tem sido insuficiente para minimizar sofisticando cada vez mais. Tal tcnica deve ser deteco de invaso, a fim de proteger servios KVARNSTRM, 2000, p 1-2). se utilizado da tcnica de deteco de as ocorrncias de fraude que vem se adotada em conjunto com tcnicas de informatizados (JONSSON, LUNDIN,

As fraudes em servios de telecomunicaes e de dados causam perdas anuais substanciais para vrias empresas. A fraude pode ser definida como um ato deliberado de obteno de acesso a servios e recursos com falsas pretenses e sem inteno de pagamento. Outra definio: fraude uma decepo ou mal-representao em que um indivduo assume ser falso, sabendo que a decepo pode resultar em benefcio no autorizado para si prprio ou para outras pessoas (JONSSON, LUNDIN, KVARNSTRM, 2000, P 5). No caso da telefonia mvel, a fraude de subscrio20 e da clonagem tem sido os principais casos de preocupao das empresas de tal ramo (JONSSON, LUNDIN, KVARNSTRM, 2000, p 3). Como ferramenta de deteco de fraude podem ser utilizados alguns indicadores na telefonia, tais como: durao das chamadas, alto volume de chamadas e destinos estranhos. Por sua vez, tais indicadores devem ser combinados com outros, a fim de garantir eficcia, como, por exemplo, variaes por cliente, data e hora (JONSSON, LUNDIN, KVARNSTRM, 2000, p 3). Com o advento do carter privado de prestao de servios de telefonia fixa comutada (STFC) no Brasil, a partir de meados do ano de 1998, as holdings que assumiram as cinco regies do Pas (centro-sul, norte-leste, So Paulo, Rio Grande do Sul e mbito nacional), direcionaram suas atenes e investimentos para uma gravssima situao: a evaso das receitas. Este no um problema apenas de ordem nacional. Empresas de Telecomunicaes estrangeiras, como AT&T (nos EUA), British Telecom, Deutsche Telecom, Telecom Italia, Portugal Telecom e Telefnica (na Europa), dentre outras, tambm tem sido vtimas, durante anos, da mesma questo.

20

Um usurio se registra em uma empresa de telefonia com falsa identidade, a fim de utilizar o servio sem pagar (JONSSON, LUNDIN, KVARNSTRM, 2000, P 6-7). Aqui no Brasil, de acordo com a legislao aplicvel para o servio mvel pessoal (SMP), definida pela ANATEL, o usurio tem o direito de permanecer com a linha telefnica em uso pelo prazo de 45 dias. Aps tal prazo, o servio deve ser interceptado pela prestadora de servio. Logo, o cliente permanece pelo prazo de 45 dias, utilizando o servio sem pagar. Quando do cancelamento do servio, a prestadora em questo perde a receita, quando o ex-cliente falso e no pode ser acionado para a devida cobrana.

Com o intuito de reduzir o nvel de exposio da organizao a riscos, tal processo de controle visa o acompanhamento contnuo, dentre outras, das principais etapas: formao da ligao telefnica; faturamento; arrecadao; cobrana. Para tanto, tais organizaes, a fim de minimizar perdas financeiras de receita, necessitam estruturar uma rea que garanta o controle sobre os ingressos oriundos da prestao de servios de telecomunicaes a clientes e concorrentes. Tal estrutura surgiu no ramo com a denominao de Revenue Assurance. Os montantes de perda de receita envolvidos, pela ausncia de controle ou por controle inadequado sobre a gesto do fluxo da ligao telefnica, passando pelo faturamento at o respectivo recebimento de valores de clientes, podem superar o valor de meio bilho de reais, considerando-se o mercado de telecomunicaes brasileiro. Fraudes, sistemas deficitrios, ausncia de tecnologia, equipamentos inadequados e processos mal definidos podem ser, dentre outros, motivos ocasionadores de perdas que, se no tratadas em tempo, podem se tornar irrecuperveis. Verifica-se, portanto, que a necessidade de uma rea de Revenue Assurance, para qualquer empresa de telecomunicaes, estratgica e imprescindvel, em funo no apenas dos aspectos abordados, mas tambm de melhorar a imagem da empresa em relao aos stockholders e investidores. 1.4 RISCO OPERACIONAL E O VALOR DAS EMPRESAS O relatrio do Credit Lyonnais Securities Asia (CLSA) inclui um ranking de Governana Corporativa de 495 empresas em vinte e cinco pases. A amostra do CLSA foi selecionada, de acordo com os critrios de porte da empresa e de interesse do investidor (KLAPPER e LOVE, 2002, p 7-8). Tal classificao baseou-se em uma pesquisa composta de 57 questes qualitativas e fechadas, distribudas nas seguintes categorias: disciplina, transparncia, independncia (teoria da agncia), accountability, responsabilidade, equidade e responsabilidade social. Um dos questionamentos existentes sobre o nvel de relacionamento entre governana corporativa21 (GC) e gesto de riscos. Considerando-se que a primeira busca melhorar a imagem das empresas, no que se refere a investir em transparncia e em garantir segurana ao mercado, bem como transmitir uma imagem de confiabilidade, pode-se verificar a relao direta com o processo de gesto de riscos de uma empresa e, conseqentemente, com o valor da empresa. Por exemplo, comprometimento com stakeholders pode ser uma poltica, tanto de gesto de riscos22, quanto de GC (LA ROCQUE, 2003b). A gesto de riscos deve proteger e alavancar o valor da firma mediante administrao da incerteza. Os benefcios da proteo do valor da firma consistem em (LOWENKRON, 2003, p. 1-2): a) aumento da transparncia; b) melhoria na comunicao entre as unidades de negcio; c) auxlio na deciso de hedge; d) avaliao de impacto de cenrios adversos no desempenho da empresa ;
21

Deve-se entender Governana Corporativa, fundamentalmente, como um problema de agncia, devido a conflito de interesses entre: proprietrio-gestor e acionista controlador-acionista minoritrio. Boas prticas de GC se traduzem em polticas que visem minimizar tais conflitos. 22 O aumento de riscos de uma empresa evolui medida que h crescimento, diversificao do negcio, dentre outros, exigindo um maior monitoramento por parte da alta direo com o estabelecimento de controles internos efetivos. Logo, para permitir o compliance das regras de GC, e, conseqentemente, o comprometimento com os stakeholders, faz-se necessria a implantao de um processo de risk management, o que, comprovadamente aumentar o valor da firma no mercado. (La Rocque, 2003b).

e) implantao de um processo de cultura de gesto do risco; f) impedimento de perdas indesejadas e desastres financeiros. Quanto alavancagem do valor da firma, os benefcios so: a) identificao de projetos menos arriscados (atravs do CashFlow-at-Risk) ; b) melhoria do rating e conseqente reduo da taxa de captao; c) reduo dos gastos com impostos pelo uso do Earning-at-Risk. Os fundamentos que determinam o valor de uma empresa consistem em: capacidade de gerao de fluxos de caixa, em funo de investimentos existentes; crescimento dos fluxos de caixa em questo; incerteza quanto ao crescimento desses fluxos (DAMODARAN, 2002, 440). Risco e incerteza esto inter-relacionados. Quanto menor a incerteza de tais fluxos, maior a capacidade de a empresa avaliada gerar valor. 2 ANLISE EMPRICA

2.1 BASE DE DADOS PESQUISADA

O setor de telecomunicaes brasileiro composto, principalmente, por empresas dos Servios de: Telefonia Fixa Comutada (STFC), Mvel Pessoal (SMP), Mvel Celular (SMC), Comunicao de Dados, Provedoras de Internet e de TV a cabo. Estas empresas se constituem em organizaes de mdio a grande porte que oferecem os servios mencionados de forma exclusiva ou integrada, conforme a permisso e/ou concesso para operao do servio concedida pelo rgo regulador do setor no Brasil: a Agncia Nacional de Telecomunicaes (ANATEL). Do universo de empresas de telecomunicaes mencionadas, boa parte das organizaes de grande e mdio porte se constituem juridicamente em sociedades annimas de capital aberto e, portanto, com demonstraes financeiras publicadas para o mercado acionrio e investidor, considerando-se que se encontram listadas na Bolsa de Valores de So Paulo BOVESPA. Tendo em vista que, para efeitos da anlise emprica foram necessrios dados pblicos, as empresas23 de telecomunicaes listadas na BOVESPA constituram ento a base de dados pesquisada, a fim de atender o objeto de estudo deste artigo.

2.2 A AMOSTRA PARA CLCULO DO VAR OPERACIONAL

A amostra utilizada neste trabalho tem como escopo as vinte e trs empresas de telecomunicaes listadas na BOVESPA em janeiro de 2004. Considerando-se que o perodo de anlise engloba cinco anos, de 30 de setembro de 1998 (primeiro trimestre em que as empresas lanaram aes no mercado, aps concludo o processo de privatizao do sistema TELEBRS em junho de 1998) a 30 de setembro de 2003, das 23 empresas, trs foram excludas da anlise, pois iniciaram ou encerraram as atividades no decorrer do perodo. Considerando-se tambm que, das empresas listadas na BOVESPA nem todos os dados financeiros publicados trimestralmente foram suficientes para permitir a apurao do montante e do respectivo volume de perdas de fraude de subscrio por empresa, do total de
A fim de resguardar as empresas do setor de telecomunicaes quanto s perdas provveis decorrentes de exposio a fraudes por subscrio, a razo social das mesmas no citada neste trabalho, sendo representadas por letras do alfabeto portugus de forma aleatria. Vale ressaltar que, o objetivo do estudo deste artigo est direcionado ao setor de telecomunicaes e se reserva o direito de apontar qual a empresa com maior nvel de perda de risco operacional.
23

10

20 empresas, foram retiradas mais trs. Finalmente, trs do total das 17 empresas restantes, tambm foram retiradas, considerando-se que acarretaria na duplicao dos dados apurados, pois se encontravam listadas na BOVESPA no perodo em questo, tanto as holdings, quanto as respectivas controladas. Portanto, a amostra final de 14 (catorze) empresas. O tipo de evento de perda deste estudo, dentre tantos cujas empresas se encontram expostas, para fins de clculo do Var operacional a fraude por subscrio, devido relevncia financeira que a exposio a tal tipo de risco ocasiona no setor de telecomunicaes brasileiro. Tendo em vista que as empresas do setor de telecomunicaes no possuem regulamentao sobre a exigncia de publicao e de alocao de capital para risco operacional, a exemplo do mercado financeiro, e portanto, no h disponibilidade pblica sobre eventos de perda decorrente de exposio a riscos operacionais, e adicionalmente, nem todas as empresas dispem de dados histricos de perdas operacionais da forma como relatado na reviso da literatura, os dados de perda de fraude por subscrio, considerando-se as variveis de impacto financeiro e freqncia, foram obtidos a partir da receita bruta e do total de assinantes ou de clientes ou de acessos ou ainda de linhas instaladas em servio de cada empresa participante da amostra. Os dados financeiros e os dados fsicos mencionados foram obtidos a partir das seguintes publicaes registradas na Comisso de Valores Mobilirios (CVM): Informaes Trimestrais de Referncia (ITR), Demonstraes Financeiras Padronizadas (DFP) e Relatrios da Administrao. Logo, dentro do perodo de 5 anos mencionado anteriormente, foram extradas informaes com freqncia trimestral, totalizando 21 (vinte e um) perodos. Os dados de perda (Apndice 1) financeira de fraude por subscrio foram estimados a partir de percentuais escalonados do mercado de telecomunicaes brasileiro aplicado sobre a receita bruta de cada empresa por trimestre. Esses percentuais foram obtidos a partir de entrevistas com empresas de consultoria em fraude atuantes no mercado brasileiro, bem como de estudos apresentados em fruns semestrais de Revenue Assurance onde participam as empresas de telecomunicaes do mercado brasileiro. O escalonamento dos percentuais varia de acordo com a existncia de estrutura organizacional para a gesto de tal tipo de risco, bem como de acordo com o nvel de controles internos de cada organizao no decorrer do tempo das empresas. Os dados de freqncia (Apndice 1) das perdas foi obtido, por sua vez, a partir da simples diviso aritmtica dos dados financeiros de perda pelo total de assinantes ou de clientes ou de acessos ou de linhas em servio de cada empresa por trimestre.

2.3 MODELAGEM DOS DADOS 2.3.1 ESTATSTICA DESCRITIVA E ANLISE DE NORMALIDADE

Faz-se necessrio, inicialmente, efetuar uma anlise exploratria dos dados, de modo a obter algumas medidas de posio, de disperso e de forma, a fim de caracterizar a distribuio dos eventos de perda de fraude (BUSSAB, MORETTIN, 2003, 35-41). De acordo com os resultados obtidos dos 4 momentos, pode-se inferir se a distribuio das variveis sob anlise tende ou no a uma distribuio normal ou gaussiana (GUJARATI, 2000, 777) com funo densidade cumulativa. Segundo os resultados obtidos, pode-se inferir que a varivel de perdas com fraude, durante os vinte e um perodos no segue uma distribuio gaussiana. A comprovao estatstica de tal inferncia efetuada atravs dos testes de aderncia de Kolgomorov-Smirnov (KS) e de Anderson-Darling demonstra que a hiptese nula de normalidade rejeitada ao nvel de 95% de confiana em ambos os casos.

11

2.3.2 ANLISE DA SEVERIDADE

Foram testadas hipteses em relao s distribuies Lognormal, Exponencial, Weibull, Gama, Logstica e Log-logstica, obtendo-se os resultados, de acordo com a prova paramtrica Anderson-Darling, Verifica-se que a distribuio com melhor ajuste aos dados de severidade da amostra, varia de acordo com a empresa, conforme o resultado do p-value encontrado. Para cada empresa, verifica-se tambm que no h evidncias para rejeitar as respectivas hipteses nula a um nvel de 95% de confiana, de acordo com o apndice 2 onde so apresentados para cada empresa os resultados da estatstica do teste, os parmetros da distribuio e o p-value.

2.3.3 ANLISE DA FREQNCIA

A fim de permitir o clculo do Var Operacional dos eventos de perda com fraude do mercado de telecomunicaes brasileiro, aps apurao da distribuio da severidade dos dados, deve-se definir a distribuio de freqncia relativa ao volume das perdas financeiras (CRUZ, 2003). As distribuies discretas Negativa Binomial e Geomtrica apresentaram uma adequada aderncia aos dados de freqncia. Verifica-se, portanto, que no h evidncias para rejeitar a hiptese nula de tais distribuies a 95% de nvel de confiana, de acordo com os resultados apresentados o apndice 2, onde so apontados para cada empresa os parmetros apurados pelo mtodo de estimadores mxima verossimilhana, o resultado da estatstica do teste de ajuste para variveis discretas de Kolgomorov-Smirnov e o p-value.

2.3.4 VAR OPERACIONAL

Aps definidas as distribuies dos dados de perda financeira e de freqncia das fraudes de subscrio das empresas do setor de telecomunicaes, pode-se apurar o Var Operacional . Conforme detalhado no captulo 1, o Var Op obtido a partir do processo de convoluo dos eventos de severidade e freqncia. Tal processo resultante da simulao das distribuies com melhor ajuste aos dados de freqncia da amostra (CRUZ, 2003). As perdas agregadas so obtidas a partir da aplicao das distribuies Lognormal, Log-logstica e Weibull, conforme resultados deste estudo sobre os dados da severidade da fraude, resultantes do somatrio das perdas individuais at o limite do nmero da freqncia simulada (CRUZ, 2003). No apndice 2 so apresentados os resultados do processo de simulao para composio do Var Op por empresa do setor de telecomunicaes, bem como os respectivos parmetros das distribuies exponencial (severidade) e Poisson (freqncia) e o resultado das perdas agregadas. Vale ressaltar o montante de perdas com fraude de subscrio do setor de telecomunicaes brasileiro que atingiu o total estimado de R$ 12,6 bilhes para um perodo de 5 anos.

2.3.5 AJUSTE DO MODELO

O mtodo mais popular de backtesting o de Kupiec o qual foi proposto ao mercado financeiro em meados da dcada de 90. Tal teste baseado na teoria binomial e a taxa de falhas decorrente da diferena entre o VaR e o histrico de perdas (DOWD, 1999). Considerando-se que no objeto deste estudo a anlise e comparao de modelos de validao de Var, bem como a definio do mais adequado procedimento de backtesting, foi

12

adotado para fins de teste o modelo de Kupiec, tendo em vista a ausncia de consenso sobre o melhor procedimento de backtesting e a popularidade do mesmo. Os resultados obtidos demonstram que o VaR Op foi corretamente estimado exceo do das empresas F, G, J e K em que foi superestimado, considerando-se que o intervalo admissvel de falhas para mil dias a 95% de nvel de confiana : (37, 65).

2.3.6 ANLISE DE REGRESSO

Aps apuradas as perdas agregadas de fraude de subscrio do setor de telecomunicaes brasileiro, a seguir calculada a relao existente com o respectivo valor de mercado das empresas de telecomunicaes listadas na BOVESPA, o correspondente composto de variveis do mercado acionrio e o impacto financeiro no PIB do Pas. As variveis envolvidas em tal processo so, portanto, as seguintes: a) Valor de mercado (VM) consolidado das empresas de telecomunicaes listadas na BOVESPA, dado em milhes de reais, conforme amostra deste estudo. Tal valor foi apurado a partir da mdia do produto simples entre o total de aes PN e o respectivo preo de fechamento da ao de cada empresa no final de cada trimestre, englobando desde o ltimo trimestre do ano 1998 ao terceiro trimestre do ano 2003, totalizando 20 perodos; b) Retorno (RT) consolidado das aes PN, apurado a partir do somatrio da mdia do logaritmo natural do preo de fechamento da ao PN em reais atual dividido pelo preo de fechamento da respectiva ao no dia anterior de cada trimestre; c) IBOVESPA (IBV), medido em pontos, obtido a partir do somatrio de pontos de todas as aes negociadas na BOVESPA no ltimo dia de cada trimestre da amostra; d) ITEL, medido em pontos, obtido a partir do somatrio de pontos de todas as aes das empresas de telecomunicaes da amostra no ltimo dia de cada trimestre; e) Preo (LOTE) de fechamento, em reais, por lote de mil aes PN obtido a partir da mdia dos preos de fechamento do ltimo dia de cada trimestre; f) Produto interno bruto (PIB) do Pas por trimestre, dado em milhes de reais; g) Consolidado das perdas (PE) estimadas por fraude de subscrio do setor de telecomunicaes, dado em milhes de reais, conforme definido na amostra. Vale ressaltar que, das 14 empresas da amostra uma foi retirada, considerando-se a ausncia de volatilidade no comportamento da ao durante o perodo sob anlise, tendo em vista que tal observao pode tornar o estudo economtrico tendencioso. Este estudo tem como objetivos: a) determinar o modelo linear partimonioso entre a varivel resposta (VM) e as variveis explicativas; b) estimar os coeficientes do(s) modelo(s) e apurar a respectiva significncia; c) apurar se a relao entre as variveis linear; d) calcular a intensidade da relao entre a varivel valor de mercado e as demais variveis; e) analisar os resduos do modelo partimonioso, a fim verificar a adequao das suposies do modelo para previses futuras.

13

A fim de atender os objetivos propostos, num primeiro momento, faz-se necessrio especificar corretamente o modelo da regresso. Este tipo de anlise permite evitar erros quanto omisso de variveis relevantes ou quanto incluso de variveis no significativas no modelo proposto (GREENE, 2000). Para tanto, foi utilizada a tcnica estatstica Backward, a qual a partir do modelo saturado (com todas as variveis) seleciona o subconjunto das variveis mais preditivas e significantes, considerando neste estudo o critrio da estatstica Cp e o nvel de significncia para a excluso das variveis. A partir do modelo demonstrado a seguir, foram obtidos os resultados da tabela 1.
VM(x) = + 1 RT + 2 IBV + 3 PIB + 4 PE + 5 LOTE + 6 ITEL +
AIC= 394242935 VM ~ RT + IBV + PIB + PE + LOTE + ITEL <none> RT IBV PIB PE LOTE ITEL RSS Cp 143361067 394242935 1 174092233 317453300 532494900 1 45256505 188617573 403659173 1 129487732 272848800 487890400 1 7412201 150773268 365814868 1 40674623 184035690 399077291 Tabela 9 Backward do Modelo Etapa 1 13609325 156970392 372011992 Df Sum of Sq

(1)

Tabela 1 Backward do modelo Onde, AIC refere-se ao Akaikes information criterion e baseado na estatstica Cp. O Df (degrees of freedom) refere-se aos graus de liberdade de cada varivel retirada do modelo e RSS (residual squares sum) consiste na soma de quadrados residual do modelo obtido (NELDER; MACCULLAGH, 1989). A estatstica Cp, por sua vez, fornece um critrio para determinar se o modelo melhora pela eliminao de uma varivel em especfico (NELDER; MACCULLAGH, 1989). O critrio de deciso remete eliminao das variveis que possurem os respectivos Cps inferiores ao apurado para o modelo. Considerando-se tal critrio, de acordo com a tabela 2 a primeira varivel eliminada PE, seguida da varivel ITEL, conforme tambm demonstrado na tabela 2.
AIC= 365814868 VM ~ RT + IBV + PIB + LOTE + ITEL Df Sum of Sq <none> RT IBV PIB LOTE ITEL 1 168395354 1 43271260 1 128036352 1 38871754 1 13138601 RSS 150773268 319168622 194044527 278809620 189645022 163911869 Cp 365814868 498369956 373245861 458010953 368846356 343113203

AIC= 343113203 VM ~ RT + IBV + PIB + LOTE Df Sum of Sq <none> RT IBV 10PIB - LOTE RSS 163911869 1 156669749 320581618 1 75003142 238915012 Backward do Modelo 1 119479516 283391385 1 65720025 229631894 Cp 343113203 463942685 382276079 Etapas 2 426752452 372992961

e3

Tabela 2 Backward do modelo II Finalmente, retirado do modelo o intercepto, considerando-se que no significante ao nvel de 5%, obtendo-se os seguintes resultados na tabela 3:

14 VM ~ RT + IBV 1 Residuals: Min 1Q Median 3Q Max -7380 -4474 -876 2560 10504 Coefficients: Value Std. Error RT 67092.775 22603.515 IBV 2.303 0.087 t value 2.968 26.470 Pr(>|t|) 0.008 0.000

Residual standard error: 5090 on 18 degrees of freedom Multiple R-Squared: 0.976 F-statistic: 364 on 2 and 18 degrees of freedom, the p-value is 2.78e-015

Tabela 3 Estatstica de Regresso entre o Valor de Mercado, Retorno e IBOVESPA sem intercepto Segundo resultados da ltima tabela de anlise de regresso verifica-se que: a) o R2 ajustado mostra o quanto da variao da varivel VM pode ser explicada pela variao conjunta das variveis de retorno e IBOVESPA; b) o R2 ajustado superior ao das anlises anteriores; c) o F de significao obtido apresenta a probabilidade de ausncia de evidncias para rejeitar a hiptese nula sobre a linearidade do modelo sendo superior a 99%. Onde,

VM(x) = 67092,775 RT + 2,303IBV +

(2)

Alm das anlises efetuadas, avaliaram-se as seguintes suposies24 do modelo definitivo:

a) normalidade dos resduos a aplicao dos testes Anderson-Darling, Komogorov Smirnov e Rayan-Jonier no demonstraram evidncias para rejeitar a hiptese de normalidade ao nvel de 95% de confiana; b) homocedasticidade - anlise grfica entre os resduos padronizados e os valores preditos do modelo, verificando-se tambm que no h evidncias para rejeitar a hiptese nula de homocedasticidade; c) ajuste do modelo a anlise grfica demonstrou o adequado ajuste do modelo; d) independncias dos erros - pela anlise estatstica de Ljung-Box Q (LBQ), no h evidncias para rejeitar a hiptese nula de independncia dos resduos ao nvel de 99% de confiana.

2.3.7 ANLISE DOS RESULTADOS

Considerando-se a inferncia, objeto de estudo deste artigo, qual seja: H0 => No h relao significativa entre as perdas agregadas por exposio ao risco operacional e o valor de mercado das empresas.
Para maiores detalhes ver GUJARATI, 2000; JOHNSON e WICHERN, 1998; VASCONCELLOS e ALVES, 2000; JOHNSTON e DiNARDO, 2001; NETER, WASSERMAN, KUTNER, NACHSTEIM, 1996.
24

15

H1 => H relao entre as perdas agregadas por exposio ao risco operacional e o valor de mercado das empresas e ela significativa. De acordo com a anlise de regresso do setor de telecomunicaes brasileiro, realizada entre a varivel valor de mercado e:
a) perdas estimadas por fraude de subscrio b) perdas estimadas, retorno das aes PN, preo mdio de fechamento das aes PN, IBOVESPA, ITEL e PIB; c) retorno das aes PN, preo mdio de fechamento das aes PN, IBOVESPA, ITEL e PIB.

Verifica-se que no h evidncias para rejeitar a hiptese nula a 95% de nvel de confiana.

3 CONCLUSES E RECOMENDAES
Dentre os diversos tipos de riscos que as instituies se encontram expostas, risco operacional sobremaneira uma preocupao recente do mercado empresarial e investidor, decorrente das freqentes ocorrncias de escndalos financeiros em empresas de porte relevante para a contribuio do desenvolvimento econmico de pases crticos na ordem econmica mundial. A Lei Sarbanes&Oxley, por exemplo, est levando empresas implantao de estruturas de gesto de riscos operacionais, com o intuito de mostrar ao mercado investidor a transparncia na gesto organizacional e a garantia de controle na conduo dos negcios. Todas as empresas esto e sempre estiveram sujeitas a riscos operacionais, independente do ramo de negcio. A gesto de riscos operacionais no Brasil, por sua vez, est em estgio inicial, considerando-se que muitas empresas no possuem nem estrutura organizacional para coordenar tal atividade, bem como disseminar a cultura de gesto de riscos por toda a organizao. Os nveis e os tipos de risco operacional variam de acordo com a complexidade do negcio, da indstria e do modelo de gesto adotado. No mercado brasileiro de telecomunicaes, a preocupao inerente a tal segmento com o problema da evaso de receitas. Neste caso, o ponto crtico refere-se a eventos de perda com fraude, sendo o de subscrio, o caso que mais contribui na perda de receita para as empresas do setor. Este artigo teve como objetivo verificar a relao economtrica existente entre o valor de mercado consolidado das empresas de telecomunicaes e as variveis de retorno e preo das aes, os ndices IBOVESPA e ITEL, o produto interno bruto do Pas e as perdas agregadas de fraude de subscrio, resultantes da modelagem do Var. O resultado obtido demonstrou que a relao entre o valor de mercado do setor de telecomunicaes e as variveis de retorno e IBOVESPA extremamente significativa, alm de o comportamento ser linear. Ao passo que, a relao entre valor de mercado e perdas agregadas pouco significativa. Tal fato pode ser explicado, pelas limitaes do estudo, quais sejam: o procedimento de backtesting do modelo de Var, a ausncia de histrico de perdas por fraude, o pequeno intervalo utilizado na amostra e a limitao temporal do processo de simulao do Var. Adicionalmente, a adoo de outro modelo de valorao das empresas poderia ter resultado em uma relao diferente entre as variveis analisadas, considerando-se que o referencial terico apresentado, demonstrou claramente a relao significativa existente entre o valor de uma empresa e exposio a riscos operacionais.

16

REFERNCIAS

BASEL COMMITTEE ON BANKING SUPERVISION. Sound Practices for the Management and Supervision of Operational Risk. Bank for international settlements. fev. 2003a, 20 p. ______. The New Basel Capital Accord Issued for comment by 31 July. international settlements . abr. 2003c, 226 p. Bank for

BUSSAB, Wilton de; MORETTIN, Pedro. Estatstica Bsica. So Paulo: Saraiva, 2003. COLEMAN, Rodney. Op risk modelling for extremes. Estados Unidos: Operational Risk. dez. 2002, p. 8. _________, Rodney. Operational Risk in Retail Financial Service. In: THE MAYFAIR CONFERENCE. London, 2000. CROUHY, Michel; CRUZ, Marcelo; GALAI, Mark; et al. Advances in Operational Risk: Firm-wide Issues for Financial Institutions. London: Risk-Books, 2003. CRUZ, Marcelo. In: SEMINRIO DE MODELAGEM, MENSURAO E HEDGING DO RISCO OPERACIONAL. So Paulo, mai. 2003. ______, Marcelo. Modeling, Measuring and Hedging Operational Risk. Reino Unido: John Wiley & Sons, 2002. DAMODARAN, A. A Face Oculta da Avaliao. So Paulo: Makron Books, 2002, p. 440. DONOUGH, William J.Mc. Risk management, supervision and the New Basel Accord. In: LEGAL AND COMPLIANCE CONFERENCE, New York, 2003. DOWD, Kevin. Backtesting Market Risk Models. In: ICBI CONFERENCE, Geneva, 1999. DUARTE JR, A. Marcos; JORDO, M. Rodrigues; GALHARDO, Luiz Carlos. Controles internos e gesto de riscos operacionais em instituies financeiras brasileiras: classificao, definies e exemplos. Resenha BM&F, So Paulo, n. 143, 2001a. GIBSON, Michael. Information Systems for Risk Management. Estados Unidos: Federal Reserve Board. 1997. 18 p. GRIBEL, Flvia; DE ALMEIDA, Leandro. A GOVERNANA CORPORATIVA NO BRASIL: Um Estudo de Caso no Setor de Telecomunicaes. Revista da CVM. p. 74. GUIMARES, Terence Augusto. Implementao do Mtodo de Distribuio de Perdas para Risco Operacional. So Paulo. Dissertao de Mestrado, Universidade de So Paulo, 2003, p. 1-3, 11, 23, 46. GUJARATI, Damodar. Econometria Bsica. So Paulo: Makron Books, 2000. HARMANTZIS, Fotios. Risky Business. Disponvel em: <http://www.lionhrtpub.com >. Acesso em: 01 de outubro 2003. p. 1, 3 , 5, 6, 9, 10. JOHNSON, Richard; WICHERN, Dean W. Applied Multivariate Statistical Analysis. 4. ed. Portugal: McGraw Hill, 2001. JOHNSTON, Jack; DiNARDO, John. Mtodos Economtricos. 4. ed. New Jersey: Prentice Hall, 1998.

17

JONSSON, Erland; LUNDIN, Emilie; KVARNSTRM, Hakan. Combining fraud and intrusion detection. - meeting new requirement. In: NORDIC WORKSHOP ON SECURE IT SYSTEMS, Iceland, out, 2000. JORION, Philippe. Value At Risk: A Nova Fonte de Referncia para o Controle do Risco de Mercado. 5. ed. So Paulo: Bolsa de Mercadorias & Futuros, 2003. KLAPPER Leora F; LOVE, Inessa. Corporate Governance, Investor Protection, and Performance in Emerging Markets. Estados Unidos: World Bank Policy Research, Working Paper 2818. p. 7-8, abril, 2002. LA ROCQUE, Eduarda. In: 5 EDIO DA MESA REDONDA. So Paulo, frum lista de riscos, set 2003. __________, Eduarda C; LAWENKRON, Alexandre; AMADEO, Edward. Cenrios Probabilticos: Conjugando anlise de riscos e Projees Macreconmicas. Brasil: RiskControl, documento tcnico. p. 1-2. set 2003. LOWENKRON, Alexandre. Potencializao do Valor da Firma atravs do Risk Management Corporativo. Brasil, texto n. 1 da srie em parceria com a Comunidade da Lista de Risco e RiskControl. p 1-2 , 2003. MEDOVA, E. A.; KYRIACOU M. N. Extremes in operational risk management. Cambridge: Centre for Financial Research, 2001, p 2, 4-7, 34. MUERMANN, Alexander; OKTEM, Ulku. The Near-Miss Management Of Operational Risk, Disponvel em: <http://irm.wharton.upenn.edu/F02-Muermann&Oktem.pdf>. Acesso em: 13 de setembro 2003. NELDER, J.A.; MCCULLAGH, P. Generalized Linear Models. London: Chapman & Hall, 1989. NETER, John; WASSERMAN, William; KUTNER, Michael H.; NACHSTEIM, Christopher. Applied Linear Statistical Models. Toronto: Irwin Professional, 1996. SMITHSON, Charles. Quantifying operational risk. Operational Risk, Estados Unidos, p. 15, mar 2002. VASCONCELLOS, M.A. Sandoval; ALVES, Denise. Manual de Econometria. So Paulo: Atlas, 2000.

18

Apndice 1 Montantes e Volume Em Fraude De Subscrio

Montante em Fraudes de Subscrio (R$ mil) A 5 90 142 171 213 234 411 576 710 751 918 921 945 1.059 1.089 1.329 2.377 2.634 2.818 5.969 7.989 B 33 574 806 1.261 2.510 2.712 4.911 5.733 9.832 17.379 20.686 20.749 20.793 22.673 28.157 29.672 51.924 53.554 87.255 117.668 194.550 C 166 3.137 4.215 5.800 6.347 9.919 14.297 16.230 16.351 17.758 19.031 20.440 26.693 27.886 29.423 31.644 43.223 43.416 80.689 150.561 170.159 D 21 434 501 727 824 1.034 1.510 1.520 2.089 2.284 2.351 2.570 2.931 3.155 3.250 4.331 6.317 6.641 10.786 17.083 21.556 E 10 173 246 304 364 519 749 831 1.119 1.193 1.231 1.298 1.341 1.547 1.664 2.203 2.937 2.940 3.134 7.605 14.703 F 21 242 501 727 824 1.034 1.143 1.520 2.570 2.931 3.155 3.386 3.915 4.198 5.250 8.097 10.445 11.206 19.291 35.650 49.680 G 22 457 490 766 802 1.242 1.465 1.786 2.119 2.438 2.521 2.731 2.771 2.896 3.294 5.177 6.126 6.492 9.660 17.304 25.421 H 12 177 214 342 353 617 771 1.094 1.107 1.123 1.213 1.604 1.865 1.883 2.062 2.971 3.276 3.426 5.429 9.796 18.354 I 50 815 1.233 1.329 2.259 2.309 3.472 3.731 4.403 4.812 4.884 5.393 5.604 5.628 7.048 9.960 12.616 15.061 18.292 39.415 53.378 J 66 1.095 1.493 2.061 2.533 3.428 4.588 5.492 9.725 10.102 16.003 28.825 32.441 32.903 35.504 46.195 83.356 89.039 150.493 214.921 269.036 K 17 316 385 553 648 954 1.299 1.515 2.143 2.250 2.485 2.499 2.755 2.994 3.718 4.797 6.388 6.661 7.234 9.391 45.422 L 181 3.100 4.520 6.205 6.883 11.195 15.451 18.248 24.390 27.843 28.528 28.648 29.256 32.272 41.479 49.025 73.014 75.687 143.016 234.203 296.486 M 73 1.516 1.843 2.583 2.738 3.989 6.238 6.388 7.388 8.849 9.460 9.538 10.253 10.498 12.236 18.759 23.413 39.839 39.900 49.640 94.430 N 11 234 260 407 465 572 807 817 1.068 1.248 1.288 1.389 1.438 1.570 1.756 2.260 3.231 3.665 3.871 4.026 35.808

19

Apndice 1 Montantes e Volume Em Fraudes De Subscrio

Volume em Fraudes de Subscrio (mil) A B C D E F 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 1 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 1 1 1 1 2 2 1 1 1 1 2 2 1 1 1 1 2 2 1 1 1 1 3 3 2 2 2 1 3 3 2 2 2 1 4 3 2 2 2 1 5 4 4 2 3 2 6 5 8 3 3 2 8 5 8 4 3 3 9 5 9 6 7 5 9 9 9 6 9 6 9 12 10 13 12 14 Nos casos onde consta 0, a fraude identificada inferior a 0,5. G 0 0 0 0 0 0 0 1 1 1 1 1 1 1 2 2 3 3 5 6 14 H 0 1 1 1 1 1 1 2 2 2 2 3 3 4 5 6 7 7 7 10 10 I 0 0 0 1 1 1 1 1 1 1 1 2 2 2 4 4 5 6 6 11 12 J 0 0 0 0 0 0 0 0 0 0 0 1 1 2 2 3 3 4 5 6 15 K 0 0 0 0 0 0 0 0 0 1 1 1 1 2 2 3 3 4 5 6 15 L 0 0 0 1 1 1 1 2 2 2 2 2 3 3 3 5 5 6 6 11 13 M 0 1 1 1 1 1 1 2 2 2 2 2 2 3 3 4 5 7 7 8 8 N 0 0 1 1 1 1 1 1 1 1 1 2 2 2 2 3 3 3 6 7 12

20

Apndice 2 Dados Para A Simulao, Teste de Aderncia, Var Operacional E Perdas Agregadas
SEVERIDADE EMPRESA LOCAO A B C D E F G H I J K L M N 6,64 N/A 9,91 7,78 7,06 7,98 7,81 7,21 8,54 N/A 7,70 10,19 9,11 7,12 PARMETROS FORMA ESCALA N/A 0,64 N/A N/A N/A N/A N/A N/A N/A 0,60 N/A N/A N/A N/A 1,24 24.320,88 0,64 0,68 0,67 1,52 0,67 1,24 0,67 33.313,76 0,74 1,28 0,71 0,67 THRESHOLD (42,03) N/A (865,54) (73,28) (4.084.825,00) (67,24) (82,20) (69,48) (167,99) N/A (44,90) (1.288,78) (226,07) (39,88) DISTRIBUIO LOGNORMAL WEIBULL LOGLOGISTIC LOGLOGISTIC LOGLOGISTIC LOGNORMAL LOGLOGISTIC LOGNORMAL LOGLOGISTIC WEIBULL LOGLOGISTIC LOGNORMAL LOGLOGISTIC LOGLOGISTIC FREQUENCIA PARMETROS PROBAB SUCESSO 0,35 0,34 0,26 0,28 0,26 0,50 0,50 0,38 0,26 0,50 0,48 0,28 0,48 0,31 2 2 1 1 1 N/A N/A 2 1 N/A N/A 1 3 1 DISTRIBUIO NEG BIN NEG BIN NEG BIN NEG BIN NEG BIN GEOMTRICA GEOMTRICA NEG BIN NEG BIN GEOMTRICA GEOMTRICA NEG BIN NEG BIN NEG BIN VarOp R$ mil 23.932,42 434.598,00 692.323,00 94.108,80 80.920,48 45.936,00 44.116,60 58.238,69 223.848,80 178.264,00 49.218,90 826.655,40 196.403,30 118.894,00 TOTAL DE PERDAS R$ mil 112.221,62 2.001.761,30 2.664.943,50 278.207,80 154.314,84 112.754,40 79.082,20 230.841,63 943.277,40 596.432,60 79.926,50 3.884.020,70 1.152.695,70 285.038,07 12.575.518,26 EMPRESA A B C D E F G H I J K L M N DISTRIBUIO AD TEST P-VALUE LOGNORMAL WEIBULL LOGLOGISTICA LOGLOGISTICA LOGLOGISTICA LOGNORMAL LOGLOGISTICA LOGNORMAL LOGLOGISTICA WEIBULL LOGLOGISTICA LOGNORMAL LOGLOGISTICA LOGLOGISTICA 0,238 0,196 0,215 0,157 0,216 0,135 0,184 0,173 0,203 0,214 0,21 0,225 0,228 0,233 0,139 0,25 0,442 0,533 0,511 0,38 0,514 0,188 0,528 0,25 0,644 0,165 0,582 0,512 DISTRIBUIO BINOMIAL NEGATIVA BINOMIAL NEGATIVA BINOMIAL NEGATIVA BINOMIAL NEGATIVA BINOMIAL NEGATIVA GEOMTRICA GEOMTRICA BINOMIAL NEGATIVA BINOMIAL NEGATIVA GEOMTRICA GEOMTRICA BINOMIAL NEGATIVA BINOMIAL NEGATIVA BINOMIAL NEGATIVA KS TEST 0,1859 0,1743 0,3596 0,3795 0,3041 0,5119 0,5 0,2801 0,3031 0,5 0,4773 0,3661 0,23 0,4274 P-VALUE 0,2634 0,1338 0,3217 0,2619 0,1934 0,9996 0,9996 0,8522 0,4552 0,7593 0,9997 0,9138 0,1346 0,4501