Conteúdo informacional dos principais assuntos de auditoria e a previsão dos analistas financeiros^*

Resumo

O objetivo deste artigo foi analisar a relação entre o conteúdo informacional dos principais assuntos de auditoria (PAA) reportados no Relatório de Auditoria Independente (RAI) e a previsão de analistas financeiros das empresas listadas na B3 S.A. - Brasil, Bolsa, Balcão (B3). As pesquisas que investigaram a relevância dos PAA não analisaram as informações incrementais sobre o auditado, na visão do auditor independente, que possam vir a afetar a previsão dos analistas financeiros. Os achados desta pesquisa evidenciam que os PAA reportados apresentam conteúdo informacional relevante sobre o auditado aos analistas financeiros, melhorando a qualidade das suas previsões. Adicionalmente, observou-se na análise quantílica que os PAA contribuem para um ajuste fino nas previsões dos analistas. Ainda, amplia-se o debate da relação auditor-analista, especificamente quanto à utilidade dos PAA para os analistas financeiros, no tocante à consideração de uso dessas informações nas suas projeções das empresas analisadas, reforçando a busca pela sua melhoria por parte do regulador. A análise foi realizada com base em regressão de mínimos quadrados generalizados [generalized least square (GLS)] e quantílica em 137 companhias não financeiras, utilizando dados de previsões (trimestrais e anuais) de analistas disponíveis na Thomson Reuters Eikon^® e informações financeiras na Economatica^®. De modo geral, a quantidade e o conteúdo dos itens reportados como PAA se revelaram significantes em relação à previsão do lucro por ação e ao erro das projeções dos analistas, evidenciando redução da assimetria. Assim, quanto maior o valor informativo dos PAA, melhor é a qualidade dessa informação, contribuindo para formar o consenso de previsão de lucro e minimizar o erro das estimativas dos analistas financeiros. Adicionalmente, observou-se que a divulgação dos PAA não tem reflexo imediato sobre a previsão de lucros no trimestre seguinte à sua divulgação, sendo que seu conteúdo informacional é diluído ao longo do exercício seguinte, refletindo na previsão do lucro anual.

Palavras-chave:
relatório de auditoria; principais assuntos de auditoria; analistas financeiros; assimetria informacional; valor informativo

Abstract

The aim of this article was to analyze the relationship between the informational content of the key audit matters (KAMs) reported in the Independent Audit Report (IAR) and financial analysts’ forecasts for the companies listed on the B3 S.A. - Brasil, Bolsa, Balcão (B3). The research that has investigated the relevance of KAMs has not analyzed the incremental information about the audited firm, from the independent auditor’s viewpoint, that can affect financial analysts’ forecasts. The findings of this research reveal that the KAMs reported present relevant informational content about the audited firm for financial analysts, thus improving the quality of their forecasts. In addition, it was observed in the quantile analysis that the KAMs contribute to the fine tuning of analysts’ forecasts. The debate on the auditor-analyst relationship is also widened, specifically regarding the utility of KAMs for financial analysts, in terms of them considering using this information in their projections for the analyzed companies, thus reinforcing the search for their improvement by the regulator. The analysis was conducted based on generalized least squares (GLS) and quantile regressions covering 137 non-financial companies, using data from (quarterly and annual) analysts’ forecasts available from Thomson Reuters Eikon^® and financial information from Economatica^®. In general, the quantity and content of the items reported as KAMs were revealed to be significant in relation to the analysts’ earnings per share forecasts and to their forecasting error, revealing a reduction in asymmetry. Thus, the higher the informational value of the KAMs, the better the quality of that information is, contributing to forming an earnings forecast consensus and minimizing the error in the financial analysts’ estimates. In addition, it was observed that the disclosure of KAMs has no immediate reflection in the earnings forecast in the quarter following their disclosure, with their informational content being diluted over the following financial period, impacting the annual earnings forecast.

Keywords:
audit report; key audit matters; financial analysts; informational asymmetry; informational value

1. INTRODUÇÃO

A divulgação anual dos principais assuntos de auditoria (PAA) pelo auditor independente visa propiciar aos usuários do Relatório de Auditoria Independente (RAI) informações adicionais sobre a firma auditada e o trabalho do auditor (Chu et al., 2018; Kostova, 2016; Segal, 2017; Sneller et al., 2016). Essas informações buscam comunicar as percepções do auditor sobre questões de auditoria que envolvem os julgamentos mais difíceis, subjetivos ou complexos, e/ou representam a maior dificuldade em obter evidência de auditoria apropriada e suficiente e/ou representam a maior complexidade para o auditor em formar uma opinião sobre as demonstrações financeiras (Christensen et al., 2014). Com isso, a comunicação dos assuntos relevantes no julgamento profissional do auditor torna o relatório de auditoria mais informativo aos seus usuários, propiciando conhecimento das áreas de risco de distorção relevante nas demonstrações financeiras do auditado (Cordoş & Fülöp, 2015; Köhler et al., 2020; Sneller et al., 2016).

Nesse sentido, parece razoável supor que assuntos relevantes descritos nos PAA são de interesse dos analistas financeiros, os quais captam as informações financeiras ou não, obrigatórias e/ou voluntárias (He et al., 2019; Ozlanski, 2019), a fim de projetar os lucros esperados, o preço das ações e o valor de mercado das empresas (Lima & Luca, 2016; Martinez, 2004) com maior acurácia. Assim, se os analistas utilizarem os PAA como inputs na formação de seus outputs (previsão de lucro por ação e desempenho das companhias), a acurácia de suas estimativas tende a ser melhorada e a assimetria atrelada pode ser mitigada.

Os estudos sobre os PAA têm sido abordados sob diversos enfoques, como: (i) valor comunicativo por meio de resultados quantitativos e categorias (Instituto dos Auditores Independentes do Brasil [IBRACON], 2017, 2018); (ii) reações do mercado de capitais (Lennox et al., 2019); (iii) proteção dos auditores contra litígio em conexão com distorções não detectadas (Brasel et al., 2016); (iv) impactos da inclusão no RAI (Segal, 2017; Sneller et al., 2016); (v) fatores determinantes de divulgação (Ferreira & Morais, 2020; Sierra-García et al., 2019); (vi) relevância informacional aos investidores (Alves & Galdi, 2020; Christensen et al., 2014); e (vii) utilidade aos usuários das demonstrações financeiras (Cordoş & Fülöp, 2015), credores (Boolaky & Quick, 2016) e outras partes interessadas (Velte & Issa, 2019).

He et al. (2019) destacam a relevância da qualidade da auditoria na elaboração das previsões dos analistas financeiros, e Ozlanski (2019) reforça que os usuários sofisticados das informações, como analistas financeiros, tendem a ser mais influenciados pelos PAA do que os demais usuários das informações. Contudo, Lennox et al. (2019), ao analisarem o mercado do Reino Unido, evidenciam que os investidores tendem a não reagir às informações dos PAA, uma vez que receberam esse conteúdo informacional por meio de outros canais, como os relatórios dos analistas financeiros.

Considerando que os PAA agregam maior conteúdo informacional aos analistas financeiros devido a maior transparência sobre a auditoria executada, aumento da confiança no processo de checagem e maior confiabilidade sobre as demonstrações financeiras da firma auditada, pode-se descrever a questão de pesquisa: qual a relação entre o conteúdo informacional dos PAA reportados no RAI e a previsão de analistas financeiros? Para tanto, o objetivo desta pesquisa é analisar a relação entre o conteúdo informacional dos PAA reportados no RAI e a previsão de analistas financeiros das empresas listadas na B3 S.A. - Brasil, Bolsa, Balcão (B3) no período de 2016 a 2018.

Nesse contexto, a pesquisa está pautada nos pressupostos da Teoria da Sinalização (Dalmácio et al., 2013; Spence, 1973), pois examina o valor informativo dos PAA para os analistas. Para essa teoria, em um ambiente assimétrico, os sinais se tornam recursos de diferenciação passíveis de confiança e propagação a outros indivíduos, assumindo papel relevante quando há insegurança no mercado de capitais, ao passo que a maioria das companhias busca emitir sinais aos seus usuários que contribuam para as decisões sobre os investimentos.

Nesse aspecto, aplica-se a Teoria da Sinalização neste estudo pelo fato de os PAA serem vistos como sinais que poderão afetar as projeções de desempenho e de lucro por ação dos analistas financeiros e suas recomendações aos investidores de comprar, vender ou manter ações. Os auditores independentes, com a divulgação dos PAA no RAI, reforçam seu papel de certificar as informações e torná-las mais confiáveis ao mercado (Dănescu & Spătăcean, 2018). Já os analistas, agentes intermediários que agregam valor ao mercado de capitais, se conceberem suas previsões com o uso parcial ou total dos PAA e as disseminarem por meio das suas recomendações de investimento, também sinalizam e contribuem para a redução da assimetria informacional (He et al., 2019; Healy & Palepu, 2001; Simpson, 2010).

No entanto, apesar de a auditoria proporcionar maior credibilidade dos relatórios financeiros aos analistas (Association of Chartered Certified Accountants [ACCA], 2011), estudos que analisam a relação entre indicadores e propriedades da qualidade da auditoria e previsões dos analistas ainda são incipientes (Abernathy et al., 2018; Behn et al., 2008; He et al., 2019).

A análise da relação entre os PAA relatados pelos auditores independentes no RAI (informação contábil histórica e explícita) e a previsão dos analistas financeiros ampliam o debate da relação auditor-analista e a importância desses agentes no mercado de capitais (Abernathy et al., 2018; Begley & Feltham, 2002; Behn et al., 2008; He et al., 2019; Healy & Palepu, 2001; Lima & Luca, 2016), bem como expande a compreensão da utilidade dos PAA aos analistas (Boolaky & Quick, 2016; Köhler et al., 2020).

A pesquisa também se faz interessante aos órgãos reguladores, tendo em vista a flexibilidade que as firmas auditoras têm quanto à aplicação da Norma Brasileira de Contabilidade - Normas Técnicas de Auditoria Independente (NBC TA) 701 (Conselho Federal de Contabilidade [CFC], 2016), denotando o potencial de atender às expectativas dos reguladores no que diz respeito a fornecer um modelo mais valioso de relatório. A norma pressupõe que a qualidade da auditoria seja mantida ou melhorada e que o auditor divulgue singularidades das companhias, não somente ratifique o que já foi comunicado em outros informativos (ACCA, 2018). Nesse âmbito, denota-se o impacto da regulamentação e da supervisão da auditoria em mercados em expansão, incluindo alterações no relatório do auditor e o efeito dessa execução para as partes interessadas diretamente aos analistas financeiros e indiretamente aos investidores e gestores.

2. PRESSUPOSTOS TEÓRICOS E DESENVOLVIMENTO DAS HIPÓTESES

O objetivo da inclusão da seção denominada PAA no RAI é ampliar a compreensão dos usuários sobre a auditoria e a situação financeira da firma auditada (Boolaky & Quick, 2016; Lennox et al., 2019), permitindo que os acionistas tenham acesso a mais informações sobre o auditado e não somente os gestores (Sneller et al., 2016). A NBC TA 701 exige que o auditor comunique no RAI do período avaliado as questões julgadas significativas, o porquê de serem consideradas relevantes e como foram tratadas no âmbito da auditoria (CFC, 2016). Dessa maneira, a obrigatoriedade do auditor de relatar os assuntos críticos da auditoria pode ser interpretada como uma oportunidade de opinião com maior conteúdo informativo sobre a firma auditada (Boolaky & Quick, 2016; Lennox et al., 2019).

Essa exigibilidade de divulgação retrata mudanças nas atividades das firmas auditoras e produz expectativa de melhoria na confiança e qualidade do RAI (ACCA, 2018; CFC, 2016; Cordoş & Fülöp, 2015). Além de os PAA indicarem inovação, representam, igualmente, atendimento do interesse público e valorização da auditoria no ecossistema de relatórios financeiros, pois fornecem mais e melhores informações aos investidores (ACCA, 2018; Boolaky & Quick, 2016; Cordoş & Fülöp, 2015; Köhler et al., 2020; Sneller et al., 2016), possibilitando reduzir a assimetria informacional e sinalizar ao mercado dados significativos.

A Comissão de Valores Mobiliários (CVM, 2018), por meio do Ofício-Circular 01/2018, ressalta que os PAA devem apresentar conteúdo informacional significativo aos usuários, e não apenas retratar genericamente e de forma vaga o assunto, pois estaria contrariando o objetivo dos PAA de serem informativos e transparentes.

Segundo Abernathy et al. (2018), os auditores e os analistas financeiros exercem papel fundamental no mercado de capitais, atestando credibilidade, qualidade ou utilidade ao que é divulgado nas demonstrações financeiras. Apreciando os relatórios financeiros, a auditoria independente assume conduta determinante ao que é evidenciado, até mesmo no RAI, como fonte de informação para o mercado financeiro que depende de inputs de alta qualidade para funcionar corretamente (Behn et al., 2008). Já os analistas, por meio de suas estimativas de ganhos, realização ex post, incrementam a última previsão de lucro por ação, fatores contábeis históricos e contemporâneos das empresas (Brown et al., 2010).

As características das companhias e as informações constantes em seus relatórios contábeis são insumos para as previsões dos analistas financeiros (Abernathy et al., 2018; Behn et al., 2008; He et al., 2019; Healy & Palepu, 2001; Lima & Luca, 2016). A opinião binária expressa pelo auditor no RAI sobre a adequação ou não da posição patrimonial e financeira da empresa é informação relevante aos analistas (Gold et al., 2012). A divulgação dos PAA, por quais razões esses foram julgados relevantes e como o assunto foi tratado na auditoria (procedimentos executados) mostram-se elementos mais significativos e de interesse dos analistas financeiros no tocante à formulação de suas previsões (Boolaky & Quick, 2016).

Nessa direção, a expansão do relatório de auditoria (por meio dos PAA) provavelmente produzirá efeitos de credibilidade mais fortes do que o relatório padrão anterior dos auditores (ou seja, nenhum PAA) (Behn et al., 2008; Chu et al., 2018; Ferreira & Morais, 2020; Segal, 2017; Silva et al., 2014; Sneller et al., 2016). Acredita-se que os PAA julgados relevantes pelos auditores possam ser avaliados como significantes pelos analistas financeiros, pois, como agentes intermediários da informação, observam os dados divulgados, financeiros ou não, pelas empresas a fim de utilizá-los nas suas projeções e posteriores recomendações aos investidores (Abernathy et al., 2018; Dalmácio et al., 2013; Martinez, 2004). Com isso, espera-se que os analistas financeiros que captam elementos contábeis (Dalmácio et al., 2013; Martinez, 2004) utilizem os PAA para formular e revisar suas previsões de lucro por ação.

O entendimento central é que o auditor, visando atender à norma dos PAA e se proteger do risco de litígio, divulgará PAA relacionados às áreas de maior risco da empresa (Brasel et al., 2016). Os elementos mais comuns de divulgação versam sobre reconhecimento de receita, avaliação de imobilizado, empréstimo, contas a receber e redução ao valor recuperável de ágio e ativos intangíveis (Sierra-García et al., 2019). Dessa forma, os PAA relatam aspectos que influenciam o resultado do exercício, fornecendo detalhamento sobre áreas complexas do resultado da empresa. Portanto, os PAA se mostram como inputs que podem contribuir para projetar a previsão do lucro por ação dos analistas financeiros.

Köhler et al. (2020) relatam que, baseado em um modelo de confiança, os PAA com conteúdo de tendência (forte) positiva ou negativa correm o risco de ter percepções distintas pelos usuários da informação contábil. Intuitivamente, parece razoável esperar que os analistas financeiros avaliem o teor de cada PAA de forma distinta, contribuindo, de maneira divergente, para formação da estimativa de lucro por ação. Assim, pode-se considerar que os PAA estarão associados à previsão dos analistas financeiros, reduzindo a assimetria informacional sob a ótica da Teoria da Sinalização, conforme a hipótese 1 (H₁).

H₁: o conteúdo informacional dos PAA reportados nos RAIs reflete no consenso da previsão do lucro por ação dos analistas financeiros.

Em relação à qualidade das projeções dos analistas financeiros, esses são analisados por meio das métricas denominadas erro e acurácia (Martinez, 2004). O atingimento ou a superação das projeções é proxy às expectativas do mercado e benchmark aos gerentes (Rikling et al., 2013). Barton e Mercer (2005) e Winchel (2015) evidenciam que, se a qualidade dos relatórios financeiros é considerada ruim, os analistas fazem inferências negativas sobre as perspectivas da empresa e fornecem uma mistura de argumentação, isto é, informações negativas e positivas, resultando em previsões pessimistas do preço das ações. Os auditores independentes executam testes e procedimentos em cada auditoria para reduzir os riscos das demonstrações financeiras a um nível aceitável, de modo que os PAA comunicados, devido às verificações realizadas nesses assuntos e relatadas no RAI pelo auditor, retratam eliminação dos riscos, ou seja, os itens julgados relevantes pelos auditores estão livres de distorções relevantes (Lennox et al., 2019).

O número e tipos de PAA reportados estão associados às contas contábeis que retratam julgamentos da gestão, dentre essas reconhecimento de receita, contas a receber, provisões e avaliação de estoque, bem como comunicados sobre aspectos relacionados à continuidade do negócio, como atributos de controle interno e tecnologia da informação (Sierra-García et al., 2019). Essas evidências, por serem sinalizadas pelos auditores, que têm acesso a dados internos e contato direto com os administradores e terem passado pelo processo de checagem, pressupõem serem subsídios de qualidade e confiabilidade aos analistas que demonstram recepção positiva às comunicações dos auditores (Abernathy et al., 2018).

A ideia central é que os inputs de PAA reportados pelos auditores propiciam mais argumentos confiáveis sobre os aspectos contábeis ou não do auditado, pois a inclusão dos PAA tende a melhorar a qualidade da auditoria, e essa, consequentemente, implica maior confiabilidade dos lucros reportados. Logo, a informatividade dos PAA, sob o âmbito da Teoria da Sinalização, contribui para reduzir o erro de previsão dos analistas, ou seja, a diferença entre estimativa do analista e o lucro por ação efetivo, definindo a hipótese 2 (H₂).

H₂: o valor informativo dos PAA reportados nos RAIs reduz o erro da previsão dos analistas financeiros.

De forma adicional, entende-se que a previsão deve ser avaliada sob a ótica de viés, ou seja, é preciso constatar a precisão da previsão dos analistas (Martinez, 2004, 2007). Lima (2017) esclarece que a atividade do analista é impactada pela informatividade, visto que a função dos analistas no mercado de capitais é captar informações e, com o uso de suas habilidades e competências, relatar suas análises aos acionistas e demais partes interessadas. Dessa maneira, a questão é saber se os PAA estão associados ao aumento da confiabilidade dos analistas financeiros e, consequentemente, se foi subsídio para o analista estimar o lucro por ação com mais precisão.

No sentido da relevância informacional, Lima (2017) reforça que os analistas, no desenvolvimento de suas atividades, deparam-se com dados que promovem melhorias ou deterioram o desempenho de suas estimações. Em contrapartida, os analistas desenvolvem suas atribuições com base no efeito da aprendizagem por repetição, ou seja, com base nos seus erros e da concorrência, revisam e formulam novas previsões lançadas ao mercado (Lima, 2017; Martinez, 2004). Assim, com a divulgação dos PAA, os analistas podem realizar previsão preliminar ao trimestre seguinte de reporte dos PAA e, posteriormente, retificar, para melhorar sua acurácia ao longo dos demais trimestres consecutivos.

Han e Liu (2019) ressaltam a importância de se compreenderem as circunstâncias que contribuem para os analistas fornecerem informações mais acuradas ao mercado, não somente pelo fato da reputação profissional, mas por suas estimativas serem insumos a outros participantes do mercado e proxy de avaliação da eficiência do ambiente de negócios (Sohn, 2012). Nesse âmbito, a hipótese 3 (H₃) testa o efeito dos PAA na promoção da acurácia da previsão dos analistas financeiros, conhecida na literatura como erros absolutos.

H₃: o valor informativo dos PAA reportados nos RAIs aumenta a acurácia da previsão dos analistas financeiros.

Dada a incerteza sobre a compreensão dos PAA para cada um dos usuários da informação (Boolaky & Quick, 2016; Köhler et al., 2020; Lennox et al., 2019), não estão claros a associação e o sinal (positivo ou negativo) dos tipos de PAA nas propriedades das previsões dos analistas, levando a crer que o conteúdo informacional constante dos PAA pode provocar reações positivas ou negativas nos analistas. Portanto, os PAA, ao sinalizarem teor informacional (menor assimetria), promovem alteração nas projeções dos analistas e, por consequência, reduzem o erro e elevam a acurácia da estimação do lucro por ação.

3. PROCEDIMENTOS METODOLÓGICOS

A amostra consiste em todas as companhias não financeiras devido essas terem suas particularidades de regulamentação contábil e estrutura patrimonial peculiar (Sierra-García et al., 2019) listadas na B3 e com dados de previsão de analistas disponíveis no banco de dados da Thomson Reuters Eikon^®, totalizando 137 organizações, conforme a Tabela 1.

Tabela 1
Composição da amostra do estudo

Composição da amostra final	2016	2017	2018
1. Empresas não financeiras com PAA reportados	293	307	304
2. (-) Sem dados de analistas na base da Thomson	(-156)	(-170)	(-134)
3. Amostra final	n = 137		%
Consumo cíclico	43		31,39
Bens industriais	20		14,60
Utilidade pública	22		16,06
Materiais básicos	12		8,76
Consumo não cíclico	15		10,95
Saúde	13		9,49
Petróleo, gás e biocombustíveis	6		4,38
Tecnologia da informação	3		2,19
Comunicações	3		2,19

• PAA = principais assuntos de auditoria.
• Fonte: Elaborada pelos autores.

A Tabela 2 apresenta as proxies de previsão de analistas financeiros (dependentes), dos PAA (independentes de interesse) e as de controle, bem como as métricas e o suporte teórico.

Tabela 2
Constructo da pesquisa

	Descrição	Sigla	Métrica	Suporte teórico	Sinal Previsto
					C	E	A
Dependentes	Previsão de lucro por ação	LPAp	Consenso da média do lucro trimestral esperado por ação conforme dados do I/B/E/S Earnings Consensus Information	Behn et al. (2008), Martinez (2004, 2007)	NA
	Erro de previsão	ELPAp	Diferença entre o resultado real e o previsto pelos analistas do lucro por ação dividido pelo (módulo) resultado real [(LPA - LPAp)/│LPA│]	Dalmácio et al. (2013), Martinez (2004, 2007)	NA
	Acurácia da previsão	ALPAp	Diferença absoluta (módulo) entre o consenso da previsão dos analistas e o lucro por ação real, sendo ponderado pelo preço da ação defasado (t-1). [│ (LPAp - LPA) │/ Preço da ação]	Behn et al. (2008), Martinez (2004, 2007)	NA
Interesse	Número total de PAA reportados	QPAA	Logaritmo da quantidade de PAA reportados anualmente por empresa	Lennox et al. (2019), Sierra-García et al. (2019)	+	-	+
	Assuntos reportados	PAA	Quantidade de assuntos reportados por ano e empresa categorizado em seis itens:	ACCA (2018)	+	-	+
			Assuntos específicos do setor (AsEsp)
			Ativos
			Impairments
			Passivos
			Assuntos complexos (AsComp)
			Controles
Controle	Tamanho da companhia	TAM	Logaritmo natural do ativo total	Behn et al. (2008), Sierra-García et al. (2019)	+	-	+
	Retorno sobre o ativo	ROA	Lucro antes do imposto de renda dividido pelo ativo total	Behn et al. (2008), Martinez (2004)	+	-	+
	Oportunidade de crescimento	MB	Valor de mercado dividido pelo valor patrimonial (price to book)	Behn et al. (2008), Martinez (2004)	+	-	+
	Resultado do período	Prej	Dummy assumindo 1 quando a empresa apresentou prejuízo no período e 0 caso contrário (lucro)	Chu et al. (2018), Sierra-García et al. (2019)	-	+	-
	Lucro por ação no período anterior	LPAa	Valor efetivo do lucro por ação da empresa no período anterior ao de análise	Behn et al. (2008), Martinez (2004)	+	-	+
	Firma auditora	BIG	Dummy assumindo 1 se a companhia foi auditada por firma Big Four e 0 não Big Four	Behn et al. (2008), Sierra-García et al. (2019)	+	-	+
	Idade da previsão	Age	Logaritmo natural da quantidade de dias entre a data da previsão do lucro por ação e a data de anúncio do lucro efetivo por ação	Behn et al. (2008), Martinez (2004)	NA	+	-
	Cobertura dos analistas	QAnalist	Quantidade de analistas que acompanharam a empresa no período	Behn et al. (2008), Martinez (2004)	+	-	+
	Viés da previsão	DoTip	1 para a previsão otimista e 0 para pessimista	Martinez (2004, 2007)	+	-	+
	Setor de atuação	Setor	Setor que a empresa atua, conforme site da B3. Dummy para cada setor, tendo como referência o setor de comunicação	Sierra-García et al. (2019)	+	+	+
	Ano de reporte dos PAA	Ano	Dummies de 2017 e 2018, tendo como base o ano de 2016	Sierra-García et al. (2019)	+	-	+

• A = acurácia da previsão; B3 = B3 S.A. - Brasil, Bolsa, Balcão; C = consenso da previsão; E = erro de previsão; NA = não se aplica; PAA = principais assuntos de auditoria.
• Fonte: Elaborada pelos autores.

Vale ressaltar que o consenso se refere à convergência estatística que compila as previsões formuladas em diferentes momentos e por distintos analistas para uma empresa, resultando em um valor aproximado de qual seria a média (ou mediana) das previsões (Martinez, 2007). Elegeu-se a média, pois essa representa, com mais precisão, a magnitude das estimativas, e não simplesmente o número dessas, de forma que todas as projeções tenham o mesmo peso no cálculo do consenso (Martinez, 2004, 2007).

Quanto ao erro de previsão, Martinez (2004) explica que, se negativo, indica surpresa negativa, ou seja, estimado maior que realizado. Em contrapartida, realizado maior que estimado, há surpresa positiva. Já a acurácia é assim compreendida: quanto menor seu valor, maior a acurácia, e, se as variáveis independentes tiverem relação negativa, sinalizam predições mais acuradas ((Martinez, 2004, 2007).

As informações sobre os PAA e a firma de auditoria foram obtidas no RAI no website da B3 e as informações contábeis no banco de dados da Economatica^®. Realizou-se análise de conteúdo por sentença, a fim de entender a comunicação constante dos PAA, e os subsídios quantitativos foram analisados de forma interpretativo-descritiva. O período do estudo é ex post à implementação da norma de PAA, que passou a ser exigido no RAI a partir das demonstrações financeiras divulgadas do exercício de 2016 (CFC, 2016).

No que se refere à quantidade (QPAA) e ao conteúdo informacional dos PAA, categorizou-se conforme o IBRACON (2017, 2018), o qual contempla listagem com 25 tipos de PAA. Salienta-se que: (i) se o título e/ou a descrição de um PAA reportado no RAI envolveu duas ou mais categorias do IBRACON (2017, 2018), realizou-se o desdobramento e foram computados de forma separada e; (ii) se em determinada empresa, mais de um PAA relatado no RAI do ano de análise abrangeu a mesma categoria do IBRACON (2017, 2018), foi considerado para essa mais de uma vez. Por exemplo, os PAA descritos como “ativos intangíveis e ativos financeiros decorrentes dos contratos de concessão” foi segregado e categorizado como: (i) ativo intangível; e (ii) ativos e passivos de concessão e setoriais.

A partir da classificação do IBRACON, subclassificou-se em seis estratos da ACCA (2018), com intuito de qualificar o conteúdo informacional dos PAA para melhor entendimento do seu efeito nas proxies dos analistas financeiros. Assim, cada assunto preconizado pela ACCA (2018) foi apreciado como variável independente de interesse ao consenso da previsão, erro e acurácia dos analistas. Buscando robustez e sensibilidade aos achados, analisaram-se, adicionalmente, os dois grupos descritos em Lennox et al. (2019) e Sierra-García et al. (2019), verificando se os assuntos de cunho contábil (risco em nível da conta) ou não (risco em nível da entidade) influenciam a previsão dos analistas de forma distinta. A Tabela 3 apresenta as categorias de PAA da pesquisa.

Tabela 3
Categorias de principais assuntos de auditoria (PAA) utilizadas no estudo

IBRACON (2017 , 2018 )	ACCA (2018 )	Lennox et al. (2019 ), Sierra-García et al. (2019 )
Ativos e passivos de concessão e setoriais	Assuntos específicos do setor	Risco em nível da conta (RConta)
Realização do impacto de renda diferido	Ativos
Investimentos
Estoques
Propriedade para investimento
Ativo biológico
Imobilizado
Contas a receber
Ativos intangíveis
Ativos disponíveis à venda/operações descontinuadas
Valor recuperável de ativos não financeiros	Impairments
Redução a valor recuperável de ativos financeiros
Contingências	Passivos
Benefício pós-emprego
Outros passivos
Receita	Assuntos complexos
Instrumentos financeiros
Combinação de negócios	Assuntos complexos	Risco em nível da entidade (REntidade)
Leis e regulamentações
Impostos
Transação com partes relacionadas	Controles
Pressuposto de continuidade operacional
Gestão de liquidez
Controles internos - Tecnologia da informação
Demonstrações fiduciárias

• Fonte: Elaborada pelos autores.

Para averiguar se o conteúdo informacional dos PAA influencia o consenso da previsão (LPAp) dos analistas financeiros, estimou-se o modelo representado pela equação 1, por meio da regressão de mínimos quadrados generalizados [generalized least square (GLS)] e da quantílica em relação às variáveis de interesse (QPAA e conteúdo informacional dos PAA) e as de controle.

O objetivo do uso da regressão quantílica é compreender se as companhias que dispõem consenso, erro e acurácia de previsões extremos (quantis maiores ou menores) têm maior ou menor acompanhamento de analistas, seja por escrutínio público, liquidez, tamanho da companhia, importância econômica ou situação de fragilidade financeira e se também têm maior relevância dos auditores de modo que esses relatem mais ou menos PAA.

$${LPAp}_{it+1}={\beta }_0+{\beta }_1{PAA}_{it}+{\beta }_2{QPAA}_{it}+{\beta }_3{TAM}_{it}+{\beta }_4{ROA}_{it}+{\beta }_5{MB}_{it}+{\beta }_6{Prej}_{it}+{\beta }_7{LPAa}_{it}+{\beta }_8{BIG}_{it}+{\beta }_9{QAnalist}_{it}+{\beta }_{10}{DoTip}_{it}+{\beta }_{11}{Setor}_{it}+{\beta }_{12}{Ano}_{it}+{\epsilon }_{it}$$ (1)

Registra-se que o modelo econométrico utilizado para estimar o erro (ELPAp_t-1 ) e a acurácia (ALPAp_t-1 ) da previsão difere da equação 1 em relação à variável dependente e incluiu a idade da previsão (Age), permanecendo idênticas às demais variáveis de interesse e de controle. Para o LPAp, t é o período trimestral de análise de 01/01/2017 a 31/12/2019, pois se ponderaram as divulgações de 2016, afetando o consenso da previsão de lucro por ação dos trimestres de 2017 e, sucessivamente, em 2018 e 2019. Isso denota se os riscos divulgados pelos auditores no RAI (PAA) no ano t foram precificados na previsão do lucro por ação dos analistas em t + 1, visto que a estimativa de ganhos é uma realização ex post (Brown et al., 2010). Assim, o analista realiza suas estimativas com base em evidências passadas, representadas neste estudo especialmente pelos PAA. Posteriormente, é comum revisarem suas projeções, considerando a estimação inicial e os elementos em que se basearam. Além da análise trimestral, investigou-se o efeito dos PAA nas variáveis dependentes referentes ao período anual (x + 1), pois no encerramento do exercício os resultados esperados podem ser estimados com maior exatidão (Martinez, 2007). Ainda, diante da relevância dos achados anuais nos dados em painel, a regressão quantílica também se pautou no ano.

As variáveis contábeis utilizadas no modelo, tanto de consenso de previsão quanto do erro e da acurácia, foram as do mesmo ano de relato dos PAA, seguindo o entendimento da literatura de que os analistas estimam suas previsões com base nos dados contábeis históricos (Begley & Feltham, 2002; Behn et al., 2008). Adicionalmente, os analistas trabalham pautados no efeito da aprendizagem, ou seja, revisam suas estimativas e, com base nos seus erros e de seus pares, emitem novas previsões ao mercado (Lima, 2017; Martinez, 2004). Por isso, a investigação temporal dos PAA citados de 2016 a 2018 com o erro e a acurácia da previsão do lucro por ação foi examinada com intuito de captar se o conteúdo dos PAA melhorou o desempenho da previsão dos analistas que depende da qualidade dos elementos ex ante em que se baseou (Barton & Mercer, 2005; Winchel, 2015).

Visando à operacionalização do modelo de regressão, utilizou-se a técnica de winsorização em nível de 1% para as variáveis contínuas, exceto as que estão na forma de logaritmo. Foi observado que apenas a variável RConta apresenta distribuição normal, ou seja, a maioria dos dados não apresenta normalidade (teste Shapiro-Wilk) e, nesse caso, a matriz de correlação adequada é a de Spearman. O painel analisado foi desbalanceado, pois a maioria das companhias listadas na B3 não tem acompanhamento de analistas e, por isso, não detém dados na Thomson Reuters Eikon^® (Lima & Almeida, 2015). Realizaram-se testes para identificar o melhor modelo estatístico das variáveis dependentes (Tabela 4).

Tabela 4
Testes de especificação e confiabilidade dos modelos (seis categorias)

Teste		Métrica	LPAp	ELPAp	ALPAp
Pooling vs. RE	Breusch-Pagan	Prob.	0,000	0,000	0,000
		Efeito	RE	RE	RE
FE vs. Pooling	Chow	Prob.	0,000	0,000	0,000
		FE	FE	FE	FE
FE vs. RE	Hausmann	Prob.	-119,060	0,1243	0,000
		Efeito	RE	RE	FE
Estimação mais adequada		Efeito	RE	RE	FE
Autocorrelação	Wooldridge	Prob.	0,000	0,000	0,001
Heteroscedasticidade	Wald	Prob.	0,000	0,000	0,000
Multicolinearidade	VIF		4,950	4,900	4,860

• FE = fixed effects (efeitos fixos); RE = random effects (efeitos aleatórios); VIF = variance inflation factors (fatores de variação de inflação).
• Fonte: Elaborada pelos autores.

Visando captar os efeitos indiscriminados omitidos na modelagem de efeitos fixos, além da comparabilidade dos resultados, utilizou-se a estimação de efeitos aleatórios em todas as análises, a mais adequada na maioria das regressões. Ainda, não foram detectados problemas de multicolinearidade, mas de autocorrelação e heterocedasticidade, corrigidos por meio de clusterização, tornando os erros robustos.

4. ANÁLISE E INTERPRETAÇÃO DOS RESULTADOS

A Tabela 5 contempla a estatística descritiva das variáveis, exceto ano e setor.

Tabela 5
Estatística descritiva

Análise	Variável	Obs.	Média	DP	Mediana	Mín.	Máx.
Consenso
	LPAp	1.368	1,179	0,876	1,010	-0,025	2,815
	QAnalist	1.184	4,236	2,365	4,000	1,000	8,000
	LPAa	1.597	0,685	1,126	0,594	-1,127	2,696
	DoTip	1.368	0,915	-	-	0,000	1,000
Erro e acurácia
	ELPAp	1.329	-0,822	1,179	-0,300	-3,459	0,278
	ALPAp	1.326	0,058	0,074	0,023	0,002	0,231
	Age	885	5,499	0,492	5,635	4,500	7,020
	QAnalist	887	2,945	1,756	3,000	1,000	6,000
	LPAa	1.561	0,442	1,056	0,464	-1,421	2,206
	DoTip	1.355	0,855	-	-	0,000	1,000
Consenso, erro e acurácia
	QPAA	1.608	1,077	0,423	1,099	0,000	2,079
	AsEsp	1.644	0,100	0,338	0,000	0,000	2,000
	Ativos	1.644	0,818	0,856	1,000	0,000	4,000
	Impairments	1.644	0,533	0,518	1,000	0,000	2,000
	Passivos	1.644	0,526	0,637	0,000	0,000	3,000
	AsComp	1.644	0,964	0,796	1,000	0,000	4,000
	Controles	1.644	0,180	0,432	0,000	0,000	2,000
	TAM	1.632	15,769	1,402	15,719	12,285	20,573
	ROA	1.628	3,533	5,041	3,660	-4,745	11,624
	MB	1.576	2,084	1,578	1,452	0,470	5,432
	Prej	1.644	0,253	-	-	0,000	1,000
	BIG	1.624	0,909	-	-	0,000	1,000

• DP = desvio padrão.
• Fonte: Elaborada pelos autores.

Na análise do consenso do lucro por ação, as provisões foram otimistas (DoTip) em sua maior parte (91,5%), indo ao encontro do resultado positivo em 0,685 do lucro médio efetivo por ação (LPAa), além de não denotar ausência de acompanhamento de analistas (QAnalist), ratificando Lima e Almeida (2015) e Martinez (2004). O ELPAp foi negativo em média de 0,822, evidenciando que os analistas projetaram, em média, lucros por ação maiores do que o realizado, corroborando Sohn (2012). Já a acurácia teve valor próximo de zero (ALPAp de 0,058), indicando menores erros computados na previsão, sendo um achado contrário a Dalmácio et al. (2013). Quanto ao Age, nota-se que as previsões foram ao mercado em datas próximas - desvio padrão de 0,492.

A QPAA por categoria variou de 0 a 6, ou seja, em algumas companhias, não houve PAA reportado em certa categoria. As firmas Big Four auditaram aproximadamente 90% da amostra, o que para alguns autores pode ser considerado benéfico, pois propicia maior compreensão do cliente e do ramo, bem como previsões mais verossímeis (Abernathy et al., 2018; Behn et al., 2008). Em contrapartida, 25% da amostra apresentaram prejuízo (Prej).

Da Tabela 6 consta a matriz de correlação relacionada ao consenso da previsão. Observou-se que QPAA denotou relação significativa e negativa a 1% com a previsão, sendo o sinal divergente do esperado. Isso pode ser devido à diversidade de assuntos que os auditores julgaram relevantes por companhia, média de três, e ao conteúdo dos PAA contemplar, em alguns casos, aspectos de incerteza do auditado (Boolaky & Quick, 2016). Por exemplo, na Siderúrgica Nacional, houve reiteração, em 2018, dos PAA sobre investimento na controlada Transnordestina Logística S.A. (TLSA) por ser “uma área de risco devido às incertezas inerentes ao processo de determinação das estimativas e julgamentos envolvidos na elaboração dos fluxos de caixa futuros e de dividendos descontados a valor presente” (TLSA, 2018).

A auditoria procedeu com diversos procedimentos e considerou razoáveis as premissas e metodologias utilizadas pela TSLA para avaliar o valor recuperável desses ativos.

Tabela 6
Matriz de correlação de Spearman (consenso do LPAp)

	(1) LPAp	(2) QPAA	(3) AsEsp	(4) Ativos	(5) Impairments	(6) Passivos	(7) AsComp	(8) Controle	(9) TAM	(10) ROA	(11) MB	(12) Prej	(13) LPAa	(14) BIG	(15) QAnalist	(16) DoTip
(1)	1
(2)	-0,09***	1
(3)	0,20***	0,11***	1
(4)	-0,12***	0,43***	-0,11***	1
(5)	-0,12***	0,21***	-0,07**	-0,21***	1
(6)	0,02	0,35***	-0,02	-0,10***	-0,01	1
(7)	-0,02	0,38***	-0,15***	-0,06*	-0,02	-0,16***	1
(8)	-0,04	0,27***	0,06**	-0,02	-0,11***	0,04	-0,11***	1
(9)	0,16***	0,23***	0,19***	-0,05	-0,02	0,26***	0,06**	0,12***	1
(10)	0,48***	-0,25***	0,05	-0,24***	-0,02	0,01	-0,14***	-0,05	-0,15***	1
(11)	0,14***	-0,07**	-0,04	-0,13***	0,04	-0,08***	0,07**	-0,05*	-0,08***	0,39***	1
(12)	-0,41***	0,18***	-0,05*	0,12***	-0,03	0,05	0,13***	0,08**	0,02	-0,66***	-0,29***	1
(13)	0,75***	-0,12***	0,12***	-0,12***	-0,07**	0,04	-0,09***	-0,03	0,12***	0,68***	0,16***	-0,58***	1
(14)	0,21***	-0,22***	0,05	0,01	-0,14***	-0,08**	-0,16***	-0,15***	-0,16***	0,21***	0,16***	-0,18***	0,16***	1
(15)	0,05*	-0,02	-0,01	-0,04	-0,02	0,12***	0	-0,06*	0,33***	0,06	0,22***	-0,10***	0,09***	-0,03	1
(16)	0,42***	-0,12***	0,09***	-0,14***	0,09***	-0,04	-0,07**	-0,11***	0,06*	0,34***	0,25***	-0,47***	0,38***	0,17***	0,11***	1

• ^*** = p < 0,01; ^** = p < 0,05; ^* = p < 0,10.
• Fonte: Elaborada pelos autores.

Na Tabela 6, quanto às categorias de assuntos reportados, a heterogeneidade (quantidade) de PAA no RAI, bem como a redação desses assuntos pelo auditor, pode ter estimulado a ocorrência de sinais diversos, positivos e negativos. Também foram observados resultados positivamente significantes (1%) de TAM, ROA, MB e LPAa e negativamente significantes (1%) de Prej com o LPAp, o que denota que os analistas valorizam os dados históricos das companhias (Abernathy et al., 2018; Begley & Feltham, 2002; Behn et al., 2008; He et al., 2019; Healy & Palepu, 2001; Lima & Luca, 2016).

4.1 Relação dos PAA com a Previsão do Lucro por Ação

A Tabela 7 elucida a regressão de dados em painel e a regressão quantílica entre a previsão de lucro por ação e os PAA.

Tabela 7
Relação dos principais assuntos de auditoria (PAA) com o consenso de previsão do lucro por ação

LPAp	Regressão de dados em painel GLS					Regressão quantílica
	t + 1	t + 2	t + 3	t + 4	x + 1	0,05	0,1	0,25	0,5	0,75	0,9	0,95
Constante	-0,64	-0,98	0,08	1,79	0,57	-1,46**	-0,83	0,36	0,43	-0,41	-1,41*	-1,25*
QPAA	0,14	0,05	0,18	0,35	0,36**	-0,50**	-	-	-	-	0,42	0,60**
AsEsp	-0,23	-0,02	-0,12	-0,22	-0,28	0,29**	0,06	-0,06	-0,05	0,06	-0,10	-0,26*
Ativos	-0,13	-0,06	-0,04	-0,16*	-0,16***	0,19**	0,01	-0,01	-0,02	-0,06*	-0,20*	-0,28***
Impairments	-0,13	-0,14	-0,08	-0,20*	-0,23***	0,19**	-0,02	-0,02	-0,04	-0,07	-0,20*	-0,29***
Passivos	-0,08	-0,06	-0,07	-0,11	-0,18***	0,12	-0,02	-0,06*	-0,05*	-0,04	-0,19	-0,24**
AsComp	0,00	-0,03	-0,03	-0,03	-0,15**	0,22**	0,06*	0,09***	0,05**	0,13***	0,00	-0,10
Controles	-0,01	-0,06	0,01	-0,07	-0,11	0,12	0,07	0,06	0,02	0,1267*	0,05	-0,05
TAM	0,05	0,07	0,00	-0,06	0,02	0,02	0,04	-0,03	-0,02	0,02	0,10**	0,11***
ROA	-0,02	000	0,00	-0,01	-0,01	0,01	0,00	0,00	-0,01	0,00	0,01	0,01
MB	0,08**	0,03	0,00	0,03	0,04	-0,02	-0,01	0,02	0,01	0,01	0,02	0,04*
Prej	0,28**	0,29**	0,30**	0,05	0,17**	0,10	0,07	0,14**	0,42***	0,61***	0,32**	0,15
LPAa	0,46***	0,39***	0,52***	0,41***	0,28***	0,33***	0,42***	0,62***	0,76***	0,64***	0,44***	0,34***
BIG	0,36***	0,26**	0,32**	0,10	0,19*	0,44***	0,17*	0,13*	0,17**	0,32***	0,42***	0,20
QAnalist	-0,03	0,00	0,02	0,00	-0,01	0,01	0,01	0,0167*	0,01	-0,01	-0,02	-0,03*
DoTip	0,25	0,49***	0,31***	0,19	0,33***	0,14	0,13	0,00	0,14*	0,62***	0,96***	1,12***
Ano_2017	-0,12	-0,02	0,14	-0,18**	-0,12**	0,10	0,04	0,05	0,05	0,00	-0,08	-0,20**
Ano_2018	-0,05	0,00	0,17**	-0,10*	-0,03	0,11*	0,08	0,07	0,05	-0,01	-0,11	-0,16*
Observações	249	278	281	284	1092	1.092	1.099	1.099	1.099	1.099	1.092	1.092
R2/pseudo R2	0,2	0,18	0,35	0,37	0,22	0,32	0,39	0,43	0,46	0,47	0,44	0,36

• Nota: Os setores de atuação foram controlados, mas não foram significativos.
• ^*** = p < 0,01; ^** = p < 0,05; ^* = p < 0,10.
• Fonte: Elaborada pelos autores.

Na Tabela 7, com base na regressão GLS anual (x + 1), a QPAA mostrou-se positiva e significativa ao nível de 5% com o consenso da previsão de lucro por ação (LPAp). No tocante aos trimestres, a relação também é positiva, mas sem significância. Com relação às categorias de PAA, as questões sobre ativos, impairments e passivos foram significativas ao nível de 1% e assuntos complexos a 5%, todas com sinal negativo na análise de x + 1 (anual).

Esses resultados revelam que a QPAA e as categorias de PAA afetam mais fortemente as previsões anuais, sugerindo que os analistas ajustam/revisam suas expectativas até próximo ao encerramento do exercício, momento no qual suas estimativas tendem a ser mais previsíveis, pois ao longo do ano têm-se mais informações disponíveis (Lima, 2017; Martinez, 2004).

Já a regressão quantílica destaca que o coeficiente da variável QPAA é negativo e significativo para os menores valores médios dos consensos de previsão (primeiro quantil), enquanto para os maiores valores (último quantil), a relação se torna significantemente positiva. Em contrapartida, os PAA relacionados a assuntos específicos do setor, ativos, impairments e assuntos complexos afetam significativamente e positivamente (negativamente) os menores (maiores) valores de consensos de previsão do lucro por ação, sugerindo que esses propiciam conteúdo informacional, o que minimiza a assimetria informacional.

Portanto, o conjunto de informação dos PAA afeta a previsão dos analistas (Köhler et al., 2020) ao longo do tempo, mas não existe um efeito imediato à sua divulgação no RAI quando da formulação de expectativas de previsão do lucro por ação. Dessa forma, o efeito informacional dos PAA é incorporado ao longo do tempo, impactando a previsão anual. Adicionalmente, compreende-se que os PAA propiciam redução da assimetria informacional, e isso pode estar relacionado à qualidade do conteúdo do assunto reportado. Assim, à luz da Teoria da Sinalização, infere-se que os auditores transmitem, por meio dos PAA reportados no RAI, elementos relevantes à formação das previsões dos analistas financeiros, de modo que não se pode rejeitar a H₁.

Constatou-se, também, que o LPAp é explicado ao nível de 1% pelos lucros do período anterior (LPAa) em todos os trimestres, corroborando Martinez (2007). Com isso, ratifica-se o entendimento de que os analistas confiam nas informações contábeis (Abernathy et al., 2018). A variável Prej foi significante, o que corrobora os achados sobre a utilidade dos dados históricos reportados para os analistas financeiros (Begley & Feltham, 2002), enquanto o viés da previsão (DoTip) também foi significante, consistente com o pressuposto de que as características dos analistas persistem com o tempo (Simpson, 2010). Ainda, o consenso de previsão do lucro por ação é influenciado positivamente pela firma de auditoria ser Big Four.

Identificou-se que informações não financeiras, por exemplo, controles, demonstraram ter seu conteúdo menos relevante à projeção de lucro por ação. Ocorre que, geralmente, são dados sem divulgações sistêmicas, o que restringe os analistas de avaliarem com completude e compararem historicamente (Simpson, 2010).

A qualidade das previsões dos analistas é dependente da informatividade (Lima, 2017). Portanto, o aumento de informações no RAI, caracterizado neste estudo pelos PAA relatados pelo auditor, eleva a significância do poder de disseminação de informações com credibilidade dos auditores pelos os analistas, reduzindo a assimetria informacional entre esses agentes.

4.2 Relação dos PAA com o Erro e a Acurácia da Previsão do Lucro por Ação

A Tabela 8 ilustra a matriz de correlação do erro (ELPAp) e da acurácia (ALPAp) de previsão do lucro por ação dos analistas financeiros.

Tabela 8
Matriz de correlação de Spearman (erro e acurácia)

	(1) ELPAp	(2) ALPAp	(3) QPAA	(4) AsEsp	(5) Ativos	(6) Impairments	(7) Passivos	(8) AsComp	(9) Controle	(10) TAM	(11) ROA	(12) MB	(13) Prej	(14) LPAa	(15) BIG	(16) Age	(17) QAnalist	(18) DoTip
(1)	1
(2)	-0,47***	1
(3)	-0,09***	0,15***	1
(4)	-0,07*	0,06*	0,08**	1
(5)	-0,08**	0,11***	0,46***	-0,15***	1
(6)	-0,06*	0,05	0,25***	-0,07**	-0,19***	1
(7)	0,04	0,04	0,37***	-0,03	-0,04	-0,01	1
(8)	-0,04	-0,01	0,38***	-0,17***	-0,07**	0,01	-0,14***	1
(9)	0,01	0,1***	0,25***	0,03	0,03	-0,11***	-0,01	-0,11***	1
(10)	-0,03	0,13***	0,23***	0,18***	-0,02	-0,01	0,29***	0,06	0,08**	1
(11)	0,45***	-0,41***	-0,31***	0,07**	-0,29***	-0,03	0,00	-0,18***	-0,06*	-0,17***	1
(12)	0,08**	-0,46***	-0,11***	-0,03	-0,14***	0,04	-0,07**	0,06*	-0,16***	-0,12***	0,41***	1
(13)	-0,28***	0,41***	0,21***	-0,08**	0,15***	0,01	0,04	0,14***	0,1***	0,05	-0,68***	-0,32***	1
(14)	0,53***	-0,38***	-0,14***	0,1***	-0,21***	-0,1***	-0,01	0,03	-0,07**	0,05	0,65***	0,23***	-0,55***	1
(15)	0,02	-0,23***	-0,24***	0,02***	0,00	-0,14***	-0,1***	-0,12***	-0,2***	-0,13***	0,22***	0,21***	-0,24***	0,2***	1
(16)	-0,12***	0,14***	0,00	-0,01	-0,03	0,05	0,01	0,01	-0,01	0,05	-0,03	-0,04	0,04	0,01	0,03	1
(17)	0,02	-0,11***	-0,03	-0,01	-0,02	-0,01	0,1***	-0,01	-0,11***	0,27***	0,05	0,19***	-0,1***	0,02	-0,04	-0,16***	1
(18)	0,04	-0,28*	-0,21*	0,11*	-0,20*	0,04	-0,02	-0,07	-0,24*	0,03	0,49*	0,28*	-0,65*	0,49*	0,17***	-0,12*	0,01	1

• ^*** = p < 0,01. ^** = p < 0,05; ^* = p < 0,10.
• Fonte: Elaborada pelos autores.

Na Tabela 8, a variável de interesse QPAA apontou significância a 1% e sinal negativo e positivo, respectivamente, com o erro e a acurácia de previsão dos analistas. Quanto aos assuntos, as questões sobre controles e ativos demonstraram sinal positivo e significância a 1%, enquanto assuntos específicos teve sinal positivo a 10% com a acurácia.

Para Erro (ELPAp), impairments e assuntos específicos do setor, denotaram sinal negativo a 10% e ativos apontou sinal negativo a 5%. Itens de passivos e assuntos complexos não foram significantes tanto ao Erro quanto á Acurácia (ALPAp), assim como impairments à Acurácia e controles para o Erro.

As proxies de controle Age e Prej em relação ao Erro têm sinal negativo e a Acurácia, sinal positivo, sendo ambas significantes a 1%. Tal resultado vai ao encontro dos pressupostos fundamentados por Behn et al. (2008), os quais destacam que a idade de previsão é negativa quando o espaço de tempo é grande, de forma que as estimativas podem ter sido realizadas com bastante antecedência ao anúncio dos resultados efetivos. Isso posto, parece razoável supor que os analistas podem ter utilizado os PAA imediatamente à publicação dos RAIs, geralmente no primeiro trimestre do exercício seguinte ao de divulgação, para formular estimativas referentes ao final do ano, afetando o erro e acurácia.

O lucro efetivo do período anterior (LPAa) evidenciou significância positiva com o Erro e negativa com a Acurácia, ambos a 1%. Firma de auditoria (BIG), tamanho da companhia (TAM), quantidade de analistas (QAnalist), oportunidade de crescimento (MB) e retorno sobre o ativo (ROA) foram significantes a 1% para a Acurácia. Já o ROA e o MB foram significantes, respectivamente, a 1% e 5% ao Erro de previsão. No entanto, BIG, TAM e QAnalist não foram significantes ao Erro de previsão.

A Tabela 9 ilustra a regressão de dados em painel e a quantílica da variável erro (ELPAp) em relação às seis categorias de PAA do estudo.

Tabela 9
Relação dos principais assuntos de auditoria (PAA) com o erro da previsão

ELPAp	Regressão de dados em painel GLS					Regressão quantílica
	t + 1	t + 2	t + 3	t + 4	x + 1	0,05	0,1	0,25	0,5	0,75	0,9	0,95
Constant	2,79	-3,24	-3,25*	-0,39	-0,40	-0,69	-3,33**	-2,47	-0,09	1,15***	1,55***	1,77***
QPAA	0,22	0,09	0,48	-0,26	0,21	2,25***	-	-	-	-	0,22*	0,31**
AsEsp	-0,09	0,09	-0,56	0,11	-0,12	-1,36***	-0,41*	-0,45	0,19**	0,01	-0,04	-0,07
Ativos	0,05	0,04	-0,04	0,10	0,01	-0,79***	0,11	0,06	0,02	0,01	-0,05	-0,11**
Impairments	0,00	-0,04	-0,22	0,01	-0,06	-0,91***	-0,06	-0,15	-0,08	-0,06	-0,12**	-0,15***
Passivos	-0,10	-0,21	-0,28	-0,07	-0,19	-0,96***	-0,10	-0,10	0,02	-0,01	-0,06	-0,14**
AsComp	0,05	0,06	0,00	-0,09	-0,01	-0,71***	-0,02	0,06	0,00	-0,03	-0,14***	-0,18***
Controles	-0,03	0,22	-0,44	-0,24	-0,12	-0,99***	-0,06	-0,31	-0,12*	-0,05	-0,09	-0,13**
TAM	0,09	0,04	0,14*	0,14	0,11	0,07	0,21***	0,23**	0,06*	0,01	-0,02	-0,02
ROA	0,09***	0,08***	0,11***	0,09***	0,08***	0,22***	0,18***	0,11***	0,05***	0,02***	0,01**	0,01*
MB	0,05	-0,04	-0,02	-0,06	-0,05	-0,08	-0,01	-0,01	-0,02	-0,01	-0,02	-0,02*
Prej	0,54	0,65*	0,94***	-0,70*	0,27	0,70**	0,77***	0,30	-0,13	-0,44***	-0,33***	-0,27***
LPAa	0,61***	0,60***	0,65***	0,16	0,48***	0,58***	0,84***	0,69***	0,32***	0,21***	0,18***	0,14***
BIG	-0,72***	-0,40	-0,17	0,00	-0,44**	-0,24	0,25	-0,17	-0,20**	-0,18***	-0,20***	-0,12*
Age	-0,65	0,33	0,23	-0,04	-0,19***	-0,15	-0,11	-0,15	-0,08	-0,10***	-0,08**	-0,07**
QAnalist	-0,10	0,05	0,02	-0,06	-0,01	0,00	-0,03	-0,10	-0,02	-0,03*	-0,03**	-0,03**
DoTip	-1,59***	-1,27***	-1,69***	-1,74***	-1,53***	-2,71***	-3,11***	-2,28***	-1,09***	-0,79***	-0,56***	-0,53***
Ano_2016	-0,40	0,32	-0,04	-0,17	0,05	-0,23	-0,29	-0,24	0,02	-0,08	0,00	-0,05
Ano_2017	-0,20	0,05	-0,15	0,00	0,00	-0,16	-0,31**	-0,12	0,01	0,01	0,04	0,01
Observações	172	211	220	230	833	833	837	837	837	837	833	833
R2/pseudo R2	0,22	0,31	0,41	0,38	0,23	0,24	0,31	0,24	0,17	0,12	0,10	0,05

• Nota: Os setores de atuação foram controlados, mas de forma geral não foram significativos.
• GLS = generalized least square (mínimos quadrados generalizados).
• ^*** = p < 0,01; ^** = p < 0,05; ^* = p < 0,10.
• Fonte: Elaborada pelos autores.

Nota-se, na Tabela 9, que as variáveis de interesse de PAA não foram significativas ao erro de previsão na regressão GLS. Porém, ao observar os achados da regressão quantílica, tem-se que a QPAA é significante no menor quantil (0,05) e no maior quantil (0,95), no qual se encontram, respectivamente, os menores e os maiores erros de previsão do lucro por ação.

Para os menores erros de previsão (primeiro quantil), a quantidade (positivo), os assuntos reportados (negativo) - assuntos específicos do setor, ativos, impairments, passivos, assuntos complexos e controles - têm significância, implicando que os PAA, em si, dirimem dúvidas sobre o assunto tratado, contribuindo para a qualidade de previsão dos analistas. Pode-se considerar que a divulgação dos PAA gera um ajuste (“sintonia fina”) nessas previsões.

Nos maiores erros de previsão (último quantil), a QPAA também apresenta sinal positivo e significativo ao erro de previsão, implicando que um elevado número de PAA promove erro de previsão de maior tamanho, ou seja, não maximizam as perspectivas de projeções mais assertivas, quando os erros são maiores. Porém, nos maiores erros, as questões sobre ativos, impairments, passivos, assuntos complexos e controles, ao apresentarem sinal negativo e significativo, apontam poder explicativo de utilidade (conteúdo) dos PAA para reduzir assimetria informacional na formação de previsão.

O lucro efetivo do período anterior (LPAa) foi significante a 1% na regressão múltipla e quantílica, ressaltando a importância das informações contábeis disponíveis publicamente e que detenham histórico de divulgação, pois podem ser incorporadas às projeções dos analistas até à previsão referente ao encerramento do exercício (Lima, 2017; Martinez, 2004).

Com relação à H₂, observa-se que os PAA reduzem o erro, mas com maior significância no quantil menor, ou seja, favorecem o ajuste fino dos erros de previsão dos analistas. Quando o erro é mais elevado (quantil 0,95), a quantidade dos PAA também demonstra influência, mas em menor significância. No maior quantil, há maior redução dos maiores erros dos analistas quando o auditor relata PAA sobre controles, passivos, ativos, impairments e assuntos complexos. Já no menor quantil, todas as seis categorias contribuíram para reduzir os erros menores, ou seja, PAA de cunho financeiro ou não.

A Figura 1 reitera o entendimento de que os PAA, tanto a quantidade quanto as categorias de assuntos reportados, auxiliam no ajuste fino dos erros de previsão dos analistas. Observa-se menor dispersão nos quantis extremos (0,05 e 0,95) das estimativas demostradas nos gráficos com QPAA, controles, passivos, ativos, impairments e assuntos complexos.

Figura 1
Gráfico da regressão quantílica - Erro da previsão

O fato de os PAA informação pública terem associação com a precisão da previsão dos analistas indica que seu conteúdo informacional se mostra como dados incrementais e públicos de interesse dos analistas financeiros e, por conseguinte, do mercado de capitais (Han & Liu, 2019). Isso corrobora o entendimento da Teoria da Sinalização, de que os sinais (PAA) somente contribuem para a questão da informação assimétrica se forem verossímeis e acurados (Spence, 1973), aspectos esses esperados dos auditores independentes, devido seu papel e reputação no mercado de capitais.

A Tabela 10 elucida a regressão de dados em painel e a quantílica entre a acurácia da previsão do lucro por ação e os PAA, contemplando as seis categorizações do estudo.

Tabela 10
Relação dos principais assuntos de auditoria (PAA) com a acurácia da previsão

ALPAp	Regressão de dados em painel GLS					Regressão quantílica
	t + 1	t + 2	t + 3	t + 4	x + 1	0,05	0,10	0,25	0,50	0,75	0,90	0,95
Constante	-0,07	0,05	0,11	0,08	0,08	-0,01	-0,01	0,00	0,16***	0,22***	0,24***	0,28*
QPAA	-0,04	0,01	-0,01	0,04*	0,01	0,00	-	-	-	-	0,00	0,03
AsEsp	0,04*	-0,02	0,00	-0,03**	-0,01	0,00	0,00	0,00	0,00	0,00	0,00	-0,01
Ativos	0,01	-0,01	0,00	-0,01	0,00	0,00	0,00	0,00	0,00	0,00	0,01	0,00
Impairments	0,01	0,00	0,01	-0,02	0,01	0,00	0,00	0,00	0,00	0,00	0,01	-0,01
Passivos	0,01	0,00	0,00	-0,02*	0,00	0,00	0,00	0,00	0,00	0,00	0,01	-0,01
AsComp	0,01	0,00	0,01	-0,01	0,00	0,00	0,00	0,00	0,00	0,00	0,01	0,00
Controles	0,02	0,00	0,04**	0,01	0,02	0,00	0,00	0,00	0,01	0,01**	0,02***	-0,01
TAM	-0,01	0,00	-0,01	0,00	0,00	0,00	0,00	0,00	0,00	-0,01**	-0,01**	-0,01
ROA	-0,01*	0,00	0,00	0,01**	0,00	0,00	0,00	0,00	0,00	0,00	0,01***	0,00
MB	0,00	-0,01*	0,00	0,00	0,00	0,00	0,00	0,00	0,00	-0,01***	-0,01***	-0,01**
Prej	0,02	0,03	0,04**	0,07***	0,03*	0,01**	0,01***	0,02***	0,04***	0,08***	0,12***	0,13***
LPAa	-0,03***	-0,01	-0,02***	-0,02***	-0,02***	-0,01***	-0,01**	-0,01***	-0,01***	-0,02***	-0,02***	-0,02*
BIG	-0,02	-0,03	-0,04**	-0,06***	-0,02	0,00	0,00	0,00	-0,08***	-0,07***	-0,07***	-0,08***
Age	0,05*	0,02	0,02	0,01*	0,01***	0,00	0,00	0,00	0,01	0,01	0,01*	0,01
QAnalist	0,00	0,00	0,00	-0,01*	-0,01*	0,00	0,00	0,00	0,00	-0,01*	-0,01**	-0,01
DoTip	-0,02	-0,02	0,00	0,04	0,02**	0,01**	0,01***	0,01**	0,00	-0,01	0,01	0,02
Ano_2016	-0,02	-0,03**	-0,03**	-0,03***	-0,02***	0,00	0,00	-0,01	-0,01*	-0,02***	-0,03***	-0,03
Ano_2017	-0,05**	-0,01	-0,03***	-0,02***	-0,02***	0,00	0,00	0,00	-0,01	-0,01**	-0,02***	-0,01
Observações	172	211	220	230	833	833	837	837	837	837	833	833
R2 / pseudo R2	0,36	0,13	0,1	0,12	0,08	0,01	0,03	0,09	0,24	0,45	0,54	0,46

• Nota: Os setores de atuação foram controlados, mas de forma geral não foram significativos.
• GLS = generalized least square (mínimos quadrados generalizados).
• ^*** = p < 0,01; ^** = p < 0,05; ^* = p < 0,10.
• Fonte: Elaborada pelos autores.

Conforme Tabela 10, QPAA e o assunto passivos são significantes a 10% em t + 4. Assuntos relacionados a controles foram significantes ao nível de 5% em t + 3. Questões sobre assuntos específicos do setor foram significantes a 10% em t + 1 e a 5% em t + 4. Além do mais, ano de divulgação dos PAA (Ano), idade da previsão (Age) e lucro efetivo por ação (LPAa) demonstraram significância ao nível de 1% na análise anual (x + 1).

De forma geral, exceto tamanho (TAM), as demais variáveis de controle manifestaram-se relevantes (Age, QAnalist, MB, LPAa, Prej e Ano) à acurácia em alguns dos trimestres e na análise anual. A proxy DoTip foi significante somente na análise anual, ao passo que BIG demonstrou significância em apenas alguns dos trimestres.

Na regressão quantílica, apenas “controle”, nos maiores quantis, teve significância à acurácia. Quanto às proxies de controle, TAM, ROA, MB, BIG, Age, QAnalist, DoTip e Ano apresentaram significância em alguns quantis. Contudo, aquelas relacionadas ao resultado da companhia (LPAa e Prej) são as de maior significância - todos os quantis. Isso pode ser devido ao acionista formular suas estimativas com base em dados contábeis e históricos (Begley & Feltham, 2002).

Nesse âmbito, os resultados auferidos denotam fracas evidências estatísticas da influência do conteúdo informacional dos PAA na acurácia da previsão dos analistas, mesmo que o valor informativo dos PAA denote sinal positivo ao longo do tempo, de modo que se rejeita a H₃.

Entende-se que os assuntos reportados nos PAA não apresentaram uniformidade de sinal no consenso de previsão (Tabela 7); por conseguinte, no erro e na acurácia, seguiram evidenciando sinais distintos (tabelas 9 e 10). Essa pluralidade de sinais pode ser devido ao julgamento inicial exercido pelo auditor para elencar um PAA e o posterior exame do conteúdo desse item pelo analista, que pode distinguir como significativos ou não os aspectos sobre gestão ou relatórios financeiros do auditado (Sierra-García et al., 2019) ao formular suas estimativas e recomendações ao mercado. Dessa forma, o conteúdo dos PAA pode ser significante para elaborar as expectativas de lucro por ação, mas não essencialmente implicar menor erro absoluto (acurácia) ao se comparar o resultado anunciado pelo auditado e as expectativas dos analistas, caso não detenha qualidade no conteúdo reportado.

4.3 Análise de Sensibilidade - Classificação em Duas Categorias

Para maior robustez, também se analisou o efeito do reporte dos PAA sobre a previsão de lucros dos analistas financeiros, bem como do erro e da acurácia, de acordo com a classificação de Lennox et al. (2019) e Sierra-García et al. (2019), que dividem os PAA em: (i) risco em nível da conta; ou (ii) em risco em nível da entidade.

Ao segregar os assuntos sob a abordagem dos riscos (duas categorias) atribuídos à entidade, de forma global, e em nível da conta contábil propriamente dita, identificou-se que ambos são significativos a 5% e com sinal negativo à previsão do lucro por ação. Desse modo, a sumarização das seis em duas categorias manteve consistentes as evidências de que os PAA apresentam conteúdo informacional relevante aos analistas financeiros de forma a contribuir para o ajuste do consenso que, em média, foi de redução, tendo em vista que, de forma geral, todos os sinais foram negativos. A mesma confirmação ocorre no âmbito do erro de previsão, no qual as duas categorias apresentaram os maiores e menores quantis - associação significativa. No âmbito da acurácia, também se confirma que as variáveis de interesse (PAA), representadas pelas duas categorias, não se mostram significativas.

5. CONSIDERAÇÕES FINAIS

A pesquisa analisou a relação entre o conteúdo informacional dos PAA reportados no RAI e a previsão de analistas financeiros, utilizando a previsão de lucros para uma amostra com as empresas listadas na B3 no período de 2016 a 2018, por meio de regressão GLS e quantílica.

Na análise do consenso da previsão dos analistas e do conteúdo informacional dos PAA (H₁), averiguou-se que a QPAA tem relação positiva, indicando redução da assimetria da informação para com a previsão de lucro por ação dos analistas. Ainda, os PAA sobre os assuntos específicos do setor, ativos, impairments e assuntos complexos sinalizam maior efeito nos menores consensos de previsão. Dessa forma, é possível inferir que há relação entre os analistas financeiros com a quantidade e o conteúdo dos PAA divulgados pelos auditores independentes.

Nesse contexto, verificou-se maior credibilidade dos analistas financeiros nos PAA sobre aspectos das contas contábeis (por exemplo, estimativas contábeis), uma vez que são informações numéricas e têm histórico. Já assuntos da entidade como um todo (por exemplo, incertezas da administração), por serem esporádicos e abordados, muitas vezes, qualitativamente, tiveram menor impacto na previsão dos analistas.

Ao se analisar a relação entre os PAA e erro da previsão de lucros (H₂), observou-se que os PAA reduzem os erros maiores e menores, mas há maior significância nos quantis menores (erros menores), nos quais a QPAA e os assuntos reportados nos PAA sensibilizam mais - ajustes finos - os erros de previsão dos analistas. Já na acurácia (H₃), com base nos achados, denotaram-se fracas evidências estatísticas relacionadas à influência do conteúdo informacional dos PAA na acurácia da previsão dos analistas para rejeitá-la.

A variável lucro efetivo do período anterior foi significante nas três análises (consenso, erro e acurácia), indicando, conforme a literatura, sua relevância informacional, visto que os analistas revisam suas previsões com base em seus erros passados ou por terem disponíveis informações com séries históricas (Lima, 2017; Martinez, 2004). Logo, os analistas, com base nos PAA relatados, podem ter reavaliado suas estimativas e, ao longo dos trimestres, emitido novas previsões ao mercado de capitais, propiciando maior utilidade das informações (PAA), implicando redução de assimetria de informação.

Portanto, a quantidade e o conteúdo dos PAA se mostram relevantes aos analistas, auxiliando na minimização da assimetria informacional entre as partes relacionadas do negócio, especialmente os assuntos de cunho contábil. Isso permite pressupor que o RAI é um sinal de informação útil e confiável, sendo que tal evidência corrobora o preconizado pela Teoria da Sinalização.

Os achados desse estudo propiciam evidências de que os PAA são mecanismos capazes de direcionar a atenção dos usuários ao conteúdo do relatório de auditoria. Tal constatação pode sugerir que alguns assuntos divulgados pelo auditor não se relacionem de forma direta com o processo de construção das estimativas dos analistas financeiros. No entanto, podem ser ponto de partida (sinal) para a busca de mais elementos, bem como influenciar os julgamentos e recomendações de investimento de determinada companhia. Ademais, a quantidade e as questões abordadas no RAI como PAA podem ser relevantes aos analistas financeiros, mas não necessariamente exercer relação positiva em suas previsões, pois dependem da qualidade do conteúdo relatado pelo auditor.

Sendo assim, os resultados levam a crer que quanto maior o valor informativo do conteúdo dos PAA, melhor é a qualidade dessa informação e, por consequência, contribui para reduzir a assimetria informacional e formar o consenso de previsão de lucro por ação, bem como melhorar o desempenho dos analistas, minimizando o erro das suas estimativas. Nessa direção, também se valida a ideia que os PAA proporcionam valor informativo a outros usuários do RAI, visto que se os analistas financeiros, usuários sofisticados da informação contábil, usam, outros entes do mercado de capitais podem atribuir relevância às questões comunicadas pelos auditores anualmente.

De modo empírico, amplia-se o debate entre analistas e auditores independentes sobre elevação da qualidade da auditoria e do RAI, bem como do uso das informações contábeis pelos analistas. No âmbito social, a pesquisa propicia maior entendimento sobre a real utilidade dos PAA aos órgãos reguladores e aos usuários do RAI. Estudos futuros podem avaliar se os PAA encorajam ou mitigam os analistas financeiros a buscarem informações privadas sobre as empresas que seguem.

REFERENCES

• Abernathy, J. L., Kang, T., Krishnan, G. V., & Wang, C. (2018). Is there a relation between residual audit fees and analysts’ forecasts? Journal of Accounting, Auditing & Finance, 33(3), 299-323.
• Alves, E. D. Jr., & Galdi, F. C. (2020). Relevância informacional dos principais assuntos de auditoria. Revista Contabilidade & Finanças, 31(82), 67-83.
• Association of Chartered Certified Accountants. (2011). Audit under fire: A review of the post-financial crisis inquiries. https://www.accaglobal.com/gb/en/technical-activities/technical-resources-search/2011/may/audit-under-fire.html
  » https://www.accaglobal.com/gb/en/technical-activities/technical-resources-search/2011/may/audit-under-fire.html
• Association of Chartered Certified Accountants. (2018). Key audit matters: Unlocking the secrets of the audit. https://www.accaglobal.com/vn/en/professional-insights/global-profession/key-audit-matters.html
  » https://www.accaglobal.com/vn/en/professional-insights/global-profession/key-audit-matters.html
• Barton, J., & Mercer, M. (2005). To blame or not to blame: Analysts’ reactions to external explanations for poor financial performance. Journal of Accounting and Economics, 39(3), 509-533.
• Begley, J., & Feltham, G. A. (2002). The relation between market values, earnings forecasts, and reported earnings. Contemporary Accounting Research, 19(1), 1-48.
• Behn, B., Choi, J., & Kang, T. (2008). Audit quality and properties of analyst earnings forecasts. The Accounting Review, 83(1), 327-349.
• Boolaky, P. K., & Quick, R. (2016). Bank directors’ perceptions of expanded auditor's reports. International Journal of Auditing, 20(2), 158-174.
• Brasel, K., Doxey, M. M., Grenier, J. H., & Reffett, A. (2016). Risk disclosure preceding negative outcomes: The effects of reporting critical audit matters on judgments of auditor liability. The Accounting Review, 91(5), 1345-1362.
• Brown, L. D., Hugon, A., & Lu, H. (2010). Brokerage industry self‐regulation: The case of analysts’ background disclosures. Contemporary Accounting Research, 27(4), 1025-1062.
• Christensen, B. E., Glover, S. M., & Wolfe, C. J. (2014). Do critical audit matter paragraphs in the audit report change nonprofessional investors’ decision to invest? Auditing: a Journal of Practice and Theory, 33(4), 71-93.
• Chu, L., Dai, J., & Zhang, P. (2018). Auditor tenure and quality of financial reporting. Journal of Accounting, Auditing & Finance, 33(4), 528-554.
• Comissão de Valores Mobiliários (Brazilian Capital Market Regulator). (2018). Ofício-Circular CVM/SNC/GNA No 01/18. Esclarecimentos relacionados à atuação do auditor no âmbito do mercado de valores mobiliários. http://www.cvm.gov.br/legislacao/oficios-circulares/snc/oc-snc-gna-01-2018.html
  » http://www.cvm.gov.br/legislacao/oficios-circulares/snc/oc-snc-gna-01-2018.html
• Conselho Federal de Contabilidade (Federal Accounting Council) . (2016). Brazilian Accounting Standard - NBC TA 701, of June 17th of 2016 Norma Brasileira de Contabilidade - NBC TA 701, de 17 de junho de 2016. Aprova a NBC TA 701 que dispõe sobre a comunicação dos principais assuntos de audito-ria no relatório do auditor independente. http://www1.cfc.org.br/sisweb/SRE/docs/NBCTA701.pdf
  » http://www1.cfc.org.br/sisweb/SRE/docs/NBCTA701.pdf
• Cordoş, G. S., & Fülöp, M. T. (2015). Understanding audit reporting changes: Introduction of key audit matters. Accounting and Management Information Systems, 14(1), 128-152.
• Dalmácio, F. Z., Lopes, A. B., Rezende, A. J., & Sarlo Neto, A. (2013). Uma análise da relação entre governança corporativa e acurácia das previsões dos analistas do mercado brasileiro. RAM - Revista Administração Mackenzie, 14(5), 104-139.
• Dănescu, T., & Spătăcean, O. (2018). Audit opinion impact in the investors’ perception - Empirical evidence on Bucharest Stock Exchange. Audit Financiar Journal, 16(149), 111-121.
• Ferreira, C., & Morais, A. I. (2020). Análise da relação entre características das empresas e os key audit matters divulgados. Revista Contabilidade & Finanças, 31(83), 262-274.
• Gold, A., Gronewold, U., & Pott, C. (2012). The ISA 700 auditor's report and the audit expectation gap - Do explanations matter? International Journal of Auditing, 16(1), 286-307.
• Han, J., & Liu, L. (2019). Interlock concentration and analyst forecast accuracy: Value implications of interlock. Australian Accounting Review, 29(88), 64-79.
• He, W., Sidhu, B., & Taylor, S. (2019). Audit quality and properties of analysts’ information environment. Journal of Business Finance & Accounting, 46(1-3), 400-419.
• Healy, P. M., & Palepu, K. G. (2001). Information asymmetry, corporate disclosure, and the capital markets: A review of the disclosure literature. Journal of Accounting and Economics, 31(1-3), 405-440.
• Instituto dos Auditores Independentes do Brasil (Brazilian Institute of Independent Auditors). (2017). A experiência da aplicação do novo relatório do auditor 1º ano: principais assuntos de auditoria. http://www.ibracon.com.br/ibracon/Portugues/detDocumento.php?cod=100
  » http://www.ibracon.com.br/ibracon/Portugues/detDocumento.php?cod=100
• Instituto dos Auditores Independentes do Brasil (Brazilian Institute of Independent Auditors). (2018). Principais assuntos de auditoria. http://www.ibracon.com.br/ibracon/Portugues/detNoticia. php?cod=5573&codregional=6
  » http://www.ibracon.com.br/ibracon/Portugues/detNoticia. php?cod=5573&codregional=6
• Köhler, A., Ratzinger-Sakel, N., & Theis, J. (2020). The effects of key audit matters on the auditor’s report’s communicative value: Experimental evidence from investment professionals and non-professional investors. Accounting in Europe, 17(2), 1-24.
• Kostova, S. (2016). Opportunities for enhancing informative value of audit reports. Audit Financiar Journal, 13(136), 63-73.
• Lennox, C. S., Schmidt, J. J., & Thompson, A. (2019). Is the expanded model of audit reporting informative to investors? Evidence from the UK [ Working Paper]. Social Science Research Network. https://ssrn.com/abstract=2619785
  » https://ssrn.com/abstract=2619785
• Lima, G. A. S. F., & Luca, M. M. M. (2016). A relação entre o monitoramento dos analistas de mercado e as características de valuation das companhias brasileiras. Revista Universo Contábil, 12(4), 129-151.
• Lima, M. P., Jr., & Almeida, V. S. (2015). Os analistas sell-side fazem boas previsões de preços-alvo no Brasil? Revista Brasileira de Finanças, 13(3), 365-393.
• Lima, M. P., Jr., (2017). Aprendizado, complexidade da carteira e assimetria informacional nas previsões de analistas sell-side. BBR - Brazilian Business Review, 14(2), 133-159.
• Martinez, A. L. (2004). Analisando os analistas: estudo empírico das projeções de lucros e das recomendações dos analistas de mercado de capitais para as empresas brasileiras de capital aberto [Doctoral Thesis]. Fundação Getulio Vargas.
• Martinez, A. L. (2007). Otimismo e viés de seleção dos analistas. BBR - Brazilian Business Review, 4(2), 104-118.
• Ozlanski, M. E. (2019). Bright lines vs. blurred lines: When do critical audit matters influence investors' perceptions of management's reporting credibility? Advances in Accounting, 45, 1-11.
• Rikling, M., Rama, D. V., & Raghunandan, K. (2013). Repeatedly meeting-beating analyst forecasts and audit fees. International Journal of Business, 18(2), 119-130.
• Segal, M. (2017). ISA 701: Key audit matters - An exploration of the rationale and possible unintended consequences in a South African. Journal of Economic and Financial Sciences, 10(2), 376-391.
• Sierra-García, L., Gambetta, N., García-Benau, M. A., & Orta-Pérez, M. (2019). Understanding the determinants of the magnitude of entity-level risk and account-level risk key audit matters: The case of the United Kingdom. The British Accounting Review, 51(3), 227-240.
• Silva, E. C., Aires, M. V. B., & Almeida, K. K. N. (2014). Um enfoque sobre o conteúdo informacional dos parágrafos de ênfases e de outros assuntos no relatório dos auditores independentes de companhias abertas. Reunir: Revista de Administração, Ciências Contábeis e Sustentabilidade, 4(3), 20-41.
• Simpson, A. (2010). Analysts’ use of nonfinancial information disclosures. Contemporary Accounting Research, 27(1), 249-288.
• Sneller, L., Bode, R., & Klerkx, A. (2016). Do IT matters matter? IT-related key audit matters in Dutch annual reports. International Journal of Disclosure and Governance, 14(2), 139-151.
• Sohn, B. C. (2012). Analyst forecast, accounting conservatism and the related valuation implications. Accounting and Finance, 52(s1), 311-341.
• Spence, M. (1973). Job market signaling. The Quarterly Journal of Economics, 87(3), 355-374.
• Transnordestina Logística S.A. - TLSA. (2018). Relatório do Auditor Independente. https://www.rad.cvm.gov.br/ENETCONSULTA/frmGerenciaPaginaFRE.aspx?NumeroSequencialDocumento=80783&CodigoTipoInstituicao=2
  » https://www.rad.cvm.gov.br/ENETCONSULTA/frmGerenciaPaginaFRE.aspx?NumeroSequencialDocumento=80783&CodigoTipoInstituicao=2
• Velte, P., & Issa, J. (2019). The impact of key audit matter (KAM) disclosure in audit reports on stakeholders’ reactions: A literature review. Problems and Perspectives in Management, 17(3), 323-341.
• Winchel, J. (2015). Investor reaction to the ambiguity and mix of positive and negative argumentation in favorable analyst reports. Contemporary Accounting Research, 32(3), 973-999

• ^*
  Trabalho apresentado na XX USP International Conference in Accounting, julho de 2020

Editado por

Editor-Chefe:

Fábio Frezatti

Editor Associado:

Eliseu Martins

Datas de Publicação

• Publicação nesta coleção
  01 Abr 2022
• Data do Fascículo
  May-Aug 2022

Histórico

• Recebido
  03 Set 2020
• Revisado
  05 Set 2020
• Aceito
  01 Out 2021