Artigo

Jorge Lucas Martins da Silva; Janaina Macedo Calvo

DOI: 10.22167/2675-6528-2026M22

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação

Resumo

O estudo analisou a influência do risco específico sobre o gerenciamento de resultados em empresas brasileiras de capital aberto. Adotou-se uma abordagem quantitativa e descritiva, de caráter econométrico, utilizando dados de 259 empresas não financeiras listadas no mercado brasileiro entre 2019 e 2024. O gerenciamento de resultados foi operacionalizado por meio de accruals discricionários, estimados pelo modelo de Dechow, enquanto o risco específico foi mensurado pela volatilidade dos resíduos do modelo de precificação de ativos financeiros. A regressão de efeitos fixos indicou associação positiva entre o risco específico e o gerenciamento de resultados. A regressão quantílica revelou que a influência é heterogênea e estatisticamente significativa nos quantis 0,25 e 0,90. O tamanho da empresa e o retorno sobre ativos apresentaram associações negativas, ao passo que a alavancagem mostrou associação positiva e crescente ao longo da distribuição. A razão entre valor de mercado e valor contábil não apresentou significância estatística. Os resultados alinharam-se aos pressupostos da teoria da agência e à literatura internacional, sugerindo que o gerenciamento de resultados não ocorre de maneira uniforme, mas é condicionado a fatores específicos das empresas. A pesquisa contribuiu para a literatura ao demonstrar que o risco afeta de forma heterogênea o comportamento dos gestores, oferecendo implicações para investidores, analistas de crédito e reguladores ao indicar a necessidade de maior escrutínio sobre empresas com alto risco específico.

Palavras-chave: Accruals Discricionários; Mercado de Capitais; Regressão Quantílica.

1. Introdução

A compreensão da dinâmica entre risco e retorno é fundamental para a tomada de decisões de investimento e para a gestão corporativa. A teoria do portfólio, desenvolvida por Markowitz (1952), estabeleceu as bases para a construção de carteiras de investimento, enfatizando a diversificação como um mecanismo essencial para otimizar a relação entre risco e retorno. A partir desses fundamentos, o Modelo de Precificação de Ativos Financeiros (CAPM), proposto por Sharpe (1964), Lintner (1965) e Mossin (1966), aprofundou a distinção entre risco sistemático e risco específico.

No âmbito do CAPM, o risco sistemático refere-se à parcela da volatilidade dos retornos de um ativo que é explicada pelas flutuações do mercado como um todo, sendo não diversificável. Por outro lado, o risco específico compreende o componente de volatilidade não explicado pelo mercado, sendo teoricamente diversificável. Tradicionalmente, o CAPM assume que os investidores podem eliminar o risco específico por meio da diversificação de seus portfólios, concentrando-se apenas no risco sistemático como determinante dos retornos esperados. Contudo, essa métrica tem sido crescentemente utilizada como uma proxy para a exposição ao risco individual da empresa, refletindo aspectos cruciais relacionados à qualidade das informações financeiras e à governança corporativa (Mitra, 2016; Datta et al., 2017; Widianingsih et al., 2022).

Em mercados caracterizados por assimetria informacional, o risco específico transcende a mera condição de ruído diversificável, assumindo um papel relevante na transparência corporativa e na credibilidade das informações financeiras divulgadas (Malagon et al., 2015). A assimetria informacional, um conceito central na teoria da agência, postula que os gestores possuem informações privilegiadas sobre a empresa em comparação com os acionistas (Jensen e Meckling, 1976). Essa vantagem informacional pode ser explorada pelos gestores para priorizar interesses próprios, muitas vezes em detrimento dos acionistas. Uma das manifestações dessa exploração é o gerenciamento de resultados (GR), definido como a aplicação da discricionariedade contábil para manipular as informações financeiras, visando atingir objetivos contratuais, regulatórios ou de mercado (Healy e Wahlen, 1999).

O gerenciamento de resultados, ao moldar o desempenho percebido da empresa, pode alterar a volatilidade externa e, consequentemente, influenciar o risco específico. Empresas que enfrentam um risco específico mais elevado podem ser incentivadas a utilizar accruals discricionários para suavizar seus resultados (Datta et al., 2017) ou para criar uma percepção artificial de estabilidade financeira. Essa prática pode distorcer a precificação das ações no mercado e, paradoxalmente, aumentar o risco específico percebido pelos investidores (Widianingsih et al., 2022), criando um ciclo de retroalimentação entre o risco e as práticas contábeis.

Apesar da relevância da relação entre risco específico e gerenciamento de resultados, a literatura internacional tem explorado essa temática de forma mais abrangente do que o contexto nacional. No Brasil, um mercado emergente, diversos fatores institucionais podem influenciar a natureza dessa relação. Ineficiências informacionais, imperfeições estruturais, a heterogeneidade dos mecanismos de governança corporativa e a baixa liquidez de certos ativos são características que podem modificar a forma como o risco específico interage com o gerenciamento de resultados, tornando imperativa uma análise específica para o mercado brasileiro.

Diante desse cenário e da lacuna existente na literatura nacional, este estudo se justifica pela necessidade de compreender as particularidades do mercado de capitais brasileiro e seus impactos no comportamento contábil das empresas. Assim, o objetivo central desta pesquisa é examinar a influência do risco específico sobre os níveis de gerenciamento de resultados em empresas de capital aberto no Brasil, contribuindo para o avanço teórico e prático sobre o tema e fornecendo resultados alinhados às especificidades institucionais do país.

2. Material e Métodos

A pesquisa caracterizou-se como quantitativa e descritiva, com abordagem econométrica. O objetivo central foi examinar a influência do risco específico sobre os níveis de gerenciamento de resultados em empresas de capital aberto no Brasil. A população do estudo abrangeu empresas listadas na Brasil, Bolsa e Balcão (B3) com demonstrações financeiras padronizadas e dados disponíveis na base Refinitiv Eikon®. Instituições financeiras e empresas sem dados completos para mensuração das variáveis foram excluídas. A amostra final constituiu-se de 259 empresas não financeiras. O recorte temporal da pesquisa abrangeu o período de 2019 a 2024.

Os dados financeiros e de mercado foram coletados na base Refinitiv Eikon® e no portal da B3. O gerenciamento de resultados (GR), variável dependente, foi operacionalizado por meio de accruals discricionários (AD), seguindo o método mais comum na literatura. Os accruals totais foram obtidos pela diferença entre o lucro líquido e o fluxo de caixa operacional (Hribar e Collins, 2002). Os accruals não discricionários foram estimados pelo modelo de Dechow et al. (1995), ajustando-se por variações de receitas, contas a receber e ativo imobilizado. Utilizaram-se os valores absolutos dos accruals discricionários para capturar a intensidade do fenômeno. O risco específico, variável independente, foi mensurado pela volatilidade dos resíduos do Modelo de Precificação de Ativos Financeiros (CAPM), conforme a literatura (Ang et al., 2006). Os dados dos preços ajustados das ações e os retornos mensais foram obtidos na base Refinitiv Eikon®. O retorno de mercado foi representado pelo índice Ibovespa e a taxa livre de risco pelo Certificado de Depósito Interbancário (CDI), ambos obtidos no portal da B3. A estimação do risco específico de cada empresa foi realizada por meio da regressão do modelo CAPM. A volatilidade dos resíduos foi mensurada pelo cálculo do desvio padrão mensal, anualizado pela multiplicação da raiz quadrada de 12.

Para isolar os efeitos da variável de teste, incluíram-se variáveis de controle: tamanho da empresa, mensurado pelo logaritmo natural do ativo total (Chang et al., 2015), e alavancagem, medida pela relação entre o passivo e o ativo total (Usman et al., 2022). A razão entre o valor de mercado e valor contábil (Market-to-Book – MTB) foi calculada como o valor de mercado do patrimônio líquido em relação ao seu valor contábil (Usman et al., 2022). A rentabilidade (Return on Assets – ROA) foi mensurada pela relação entre o lucro líquido e o ativo total (Flores e Sampaio, 2018). O modelo de regressão principal foi estimado para analisar a relação entre o gerenciamento de resultados (variável dependente) e o risco específico (variável independente), controlando pelas variáveis de tamanho, rentabilidade, alavancagem e razão entre valor de mercado e valor contábil. A análise dos dados iniciou-se com estatísticas descritivas.

Realizou-se o teste de Fator de Inflação da Variância (VIF) para verificar a ausência de multicolinearidade. Para a definição da modelagem em painel, aplicaram-se os testes de Chow, Hausman e Breusch-Pagan. A presença de heterocedasticidade nos resíduos, indicada pelo teste de Breusch-Pagan, levou à utilização de erros-padrão robustos na regressão em painel de efeitos fixos. Considerando a distribuição assimétrica do gerenciamento de resultados e a rejeição da normalidade pelo teste de Shapiro-Wilk, aplicou-se uma regressão quantílica. Esta técnica foi utilizada para examinar diferentes formas de heterogeneidade na distribuição da amostra (Ramdani e Witteloostuijn, 2010; Usman et al., 2022). A regressão quantílica foi aplicada nos quantis 0,10; 0,25; 0,50; 0,75 e 0,90 (Chang et al., 2015). Para mitigar a influência de outliers, a amostra foi submetida à winsorização nos níveis de 1% e 99%.

3. Resultados e Discussão

A análise dos dados coletados revelou uma série de características importantes sobre o gerenciamento de resultados e o risco específico nas empresas brasileiras de capital aberto. Inicialmente, as estatísticas descritivas indicaram que o gerenciamento de resultados (GR) apresentou uma média de 0,1089, superior à mediana de 0,0665, acompanhada de uma assimetria positiva de 7,605 e uma curtose elevada de 107,157. Esses valores sugerem que a ocorrência de gerenciamento de resultados é concentrada em um grupo menor de empresas, que exibem níveis mais extremos dessa prática, com alta dispersão dos dados. O risco específico, por sua vez, mostrou um comportamento similar, com média de 0,4204 e mediana de 0,3582, além de assimetria positiva de 2,183 e curtose de 6,076, indicando que o alto risco também se concentra em um subconjunto específico de observações dentro da amostra.

Em relação às variáveis de controle, o tamanho da empresa apresentou uma distribuição quase simétrica, com média e mediana próximas e baixa curtose, sugerindo uma distribuição mais homogênea na amostra. O retorno sobre ativos (ROA) exibiu assimetria negativa e elevada curtose, o que pode ser atribuído à presença de empresas com desempenho negativo, ou seja, prejuízo, na cauda esquerda da distribuição. Já a alavancagem e a razão entre valor de mercado e valor contábil (MTB) apresentaram assimetria positiva e curtose alta, indicando, respectivamente, que altos níveis de endividamento e maiores expectativas de crescimento estão concentrados em uma parcela menor das empresas analisadas. Essas características de distribuição são cruciais para a escolha e interpretação dos modelos econométricos, especialmente a regressão quantílica.

A análise das correlações de Pearson forneceu uma visão preliminar das interdependências entre as variáveis. Observou-se uma correlação positiva moderada entre risco específico e alavancagem (0,37), e entre risco específico e gerenciamento de resultados (0,21). Esses achados sugerem que empresas com maior exposição ao risco tendem a apresentar níveis mais elevados de endividamento e, concomitantemente, maior propensão ao gerenciamento de resultados. Em contraste, foram identificadas correlações negativas moderadas entre o tamanho da empresa e o risco específico (-0,35), bem como entre o ROA e o risco específico (-0,28). Isso indica que empresas de maior porte e com maior lucratividade tendem a estar associadas a um menor risco, o que pode refletir maior estabilidade e menor incerteza percebida pelo mercado.

A trajetória temporal do gerenciamento de resultados médio anual na amostra, entre 2019 e 2024, revelou um comportamento heterogêneo. Verificou-se um crescimento do GR a partir de 2019, atingindo um pico em 2020, com uma média de 0,166. Esse aumento pode ser associado às instabilidades econômicas e incertezas decorrentes da pandemia de Covid-19, um resultado que se alinha aos achados de Flores et al. (2023) para o mercado brasileiro no mesmo período. Após o pico de 2020, houve uma queda gradual nos níveis médios de GR até 2023, seguida por uma nova alta em 2024, alcançando 0,113. Essa dinâmica temporal sugere que o gerenciamento de resultados é sensível a choques macroeconômicos e períodos de instabilidade.

Para a validação do modelo econométrico, foram aplicados testes de especificação. O teste de Fator de Inflação da Variância (VIF) indicou a ausência de multicolinearidade, com o maior VIF registrado para a alavancagem (1,45), seguido por ROA (1,35), tamanho (1,15) e MTB (1,06), todos abaixo do limite de 5, o que garante que os coeficientes não estão inflacionados por correlações excessivas entre as variáveis explicativas (Greene, 2018). Em seguida, os testes de adequação de painel foram realizados: o teste de Chow rejeitou a hipótese nula de que o modelo Pooled OLS seria adequado, e o teste de Hausman rejeitou a hipótese de consistência do painel de efeitos aleatórios. Esses resultados indicaram que o modelo de efeitos fixos era o mais apropriado para a análise dos dados. Adicionalmente, o teste de Breusch-Pagan apontou a presença de heterocedasticidade nos resíduos, o que justificou a utilização de erros-padrão robustos para as estimações (Fávero e Belfiore, 2017; Greene, 2018).

Os resultados da regressão em painel de efeitos fixos, com erros-padrão robustos, indicaram uma associação positiva e marginalmente significativa entre o risco específico e o gerenciamento de resultados, com um coeficiente de 0,0422 (p < 0,10). Este achado sugere que, quanto maior o risco específico de uma empresa, maior a sua propensão a engajar-se em práticas de gerenciamento de resultados. Tal resultado está em consonância com a literatura internacional que explora essa relação (Mitra, 2016; Chang et al., 2015; Datta et al., 2017; Widianingsih et al., 2022). A variável tamanho da empresa, por sua vez, apresentou uma associação negativa e estatisticamente significativa (-0,0503, p < 0,01), corroborando a hipótese de que empresas maiores estão sujeitas a um maior escrutínio por parte de auditores, reguladores e outros stakeholders, o que tende a inibir o gerenciamento de resultados (Mitra, 2016). As demais variáveis de controle, alavancagem, ROA e MTB, não apresentaram significância estatística neste modelo de efeitos fixos.

Considerando a distribuição assimétrica e leptocúrtica do gerenciamento de resultados, conforme evidenciado pelas estatísticas descritivas e histogramas, e o baixo poder explicativo do R² Within do modelo de efeitos fixos, que pode ser limitado pela violação dos pressupostos clássicos de distribuição, realizou-se o teste de normalidade Shapiro-Wilk. O resultado desse teste, com um p-value inferior a 0,05, levou à rejeição da hipótese nula de normalidade da distribuição dos resíduos (Fávero e Belfiore, 2017). Essa constatação justificou a aplicação da regressão quantílica, uma abordagem mais adequada para analisar a influência das variáveis explicativas em diferentes pontos da distribuição do gerenciamento de resultados, sem a exigência de premissas de distribuição gaussiana dos erros e permitindo capturar heterogeneidades na amostra (Ramdani e Witteloostuijn, 2010; Usman et al., 2022).

A regressão quantílica foi aplicada nos quantis 0,10, 0,25, 0,50, 0,75 e 0,90, revelando que a influência do risco específico sobre o gerenciamento de resultados não é homogênea ao longo da distribuição. Observou-se uma associação positiva e estatisticamente significativa nos quantis inferiores (τ = 0,25, com coeficiente de 0,0167 e p < 0,05) e nos quantis extremos superiores (τ = 0,90, com coeficiente de 0,1038 e p < 0,01). Nos demais quantis (0,10, 0,50 e 0,75), a relação não se mostrou estatisticamente significativa. A disparidade na magnitude dos coeficientes significativos indica que empresas com níveis mais elevados de gerenciamento de resultados (topo da distribuição) são mais sensíveis ao risco específico, sugerindo que o uso intensivo de accruals discricionários pode ser uma resposta à alta volatilidade do risco específico. Esse padrão é consistente com a classificação de Usman et al. (2022), que aponta que empresas em quartis superiores de GR utilizam essa prática de forma mais acentuada em resposta a pressões econômicas adversas, como o risco.

A qualidade do ajuste do modelo, medida pelo Pseudo R² da regressão quantílica, demonstrou um crescimento progressivo ao longo da distribuição, variando de 0,0196 no quantil inferior (τ = 0,10) para 0,1168 no quantil superior (τ = 0,90). Esse aumento no poder explicativo sugere que as variáveis explicativas possuem maior aderência estatística e capacidade de explicar o gerenciamento de resultados em cenários de GR mais elevado. Tal validação reforça a pertinência da escolha da regressão quantílica para capturar o comportamento heterogêneo e destoante do gerenciamento de resultados, que não seria adequadamente revelado por modelos que assumem uma média constante para toda a distribuição, como o de efeitos fixos.

A heterogeneidade dos efeitos do risco específico sobre o gerenciamento de resultados pode ser interpretada sob duas perspectivas que, embora distintas, são convergentes. A primeira ótica sugere um ciclo de retroalimentação, ou “feedback loop”, onde o aumento do risco específico intensifica o incentivo ao gerenciamento de resultados. Por sua vez, o gerenciamento de resultados pode deteriorar a qualidade da informação, introduzindo ruído nos preços das ações e, paradoxalmente, elevando novamente o risco específico percebido pelos investidores (Mitra, 2016; Datta et al., 2017). Nesse contexto, o gerenciamento de resultados seria utilizado para suavizar a percepção de volatilidade por parte dos investidores, buscando uma estabilidade artificial.

A segunda perspectiva sugere que o risco específico pode ser um reflexo de imperfeições tanto nos investimentos corporativos quanto no “mispricing” das ações pelos investidores (Malagon et al., 2015). Desvios entre o valor de mercado e os fundamentos da empresa podem ocorrer quando as informações divulgadas não representam adequadamente as condições reais da empresa (Widianingsih et al., 2022). Em ambos os cenários, os resultados obtidos corroboram que, em ambientes de maior risco, os gestores tendem a intensificar o gerenciamento de resultados, seja para corrigir distorções internas de investimento ou para mitigar assimetrias informacionais no mercado, buscando influenciar a percepção externa de desempenho e estabilidade.

Em relação às variáveis de controle na regressão quantílica, o tamanho da empresa apresentou coeficientes negativos em todos os quantis, sendo estatisticamente significativo a 5% ou 1% na maioria da distribuição, exceto no quantil inferior (τ = 0,10). Isso reforça a ideia de que empresas maiores tendem a apresentar menor propensão ao gerenciamento de resultados, provavelmente devido à maior fiscalização exercida por stakeholders, o que aumenta a transparência e reduz a discricionariedade gerencial (Mitra, 2016). A alavancagem, por outro lado, exibiu coeficientes positivos e significativos, com valores crescentes ao longo de toda a distribuição dos quantis. Esse resultado indica que níveis mais elevados de endividamento estão associados a um maior gerenciamento de resultados (Mitra, 2016), possivelmente impulsionado pela pressão de covenants de dívida que motivam os gestores a manipular os resultados para evitar violações contratuais.

O retorno sobre ativos (ROA) apresentou coeficientes negativos e significativos nos quantis 0,10, 0,25, 0,50 e 0,75. Esse achado sugere que empresas com maior rentabilidade tendem a apresentar menor propensão ao gerenciamento de resultados (Usman et al., 2022), uma vez que conseguem atingir as expectativas de mercado por meio de um desempenho operacional orgânico. Contudo, no quantil extremo (τ = 0,90), a relação entre ROA e gerenciamento de resultados perdeu a significância estatística, indicando que em níveis muito elevados de GR, o comportamento discricionário dos gestores pode se dissociar da performance operacional real da empresa. A razão entre valor de mercado e valor contábil (MTB) não apresentou significância estatística em nenhum dos quantis, resultado que se alinha à literatura (Mitra, 2016; Usman et al., 2022), sugerindo que essa métrica não é um fator determinante do gerenciamento de resultados no contexto analisado.

Em síntese, os resultados desta pesquisa demonstram que o risco específico exerce uma influência positiva e heterogênea sobre o gerenciamento de resultados em empresas brasileiras de capital aberto. Essa influência é mais pronunciada em empresas que já praticam níveis mais elevados de gerenciamento de resultados, conforme evidenciado pela regressão quantílica. As variáveis de controle, como tamanho e retorno sobre ativos, tendem a reduzir o gerenciamento de resultados, enquanto a alavancagem o aumenta, especialmente em níveis mais altos de endividamento. Esses achados estão alinhados aos pressupostos da teoria da agência, indicando que os gestores ajustam seu comportamento contábil em resposta a incentivos e pressões específicas do ambiente corporativo e de mercado, confirmando que o gerenciamento de resultados não ocorre de maneira uniforme, mas é condicionado por fatores intrínsecos e extrínsecos às empresas.

4. Conclusão

Este estudo examinou a influência do risco específico sobre o gerenciamento de resultados em empresas de capital aberto no Brasil. Verificou-se que o risco específico apresentou uma associação positiva com o gerenciamento de resultados, conforme indicado pela regressão de efeitos fixos. Contudo, a análise por regressão quantílica revelou que essa influência não é homogênea, sendo estatisticamente significativa e mais pronunciada em empresas com níveis moderados e elevados de gerenciamento de resultados. Observou-se que o tamanho da empresa e o retorno sobre ativos estiveram associados a uma menor propensão ao gerenciamento de resultados, enquanto a alavancagem demonstrou uma associação positiva e crescente ao longo da distribuição. A razão entre valor de mercado e valor contábil não apresentou significância estatística. Esses achados alinham-se aos pressupostos da teoria da agência, sugerindo que o comportamento dos gestores é ajustado em resposta a incentivos e pressões do ambiente corporativo e de mercado.

A principal contribuição deste trabalho reside em demonstrar que o risco específico afeta de forma heterogênea o comportamento dos gestores no contexto brasileiro, ampliando a compreensão sobre a dinâmica do gerenciamento de resultados em mercados emergentes. Os resultados oferecem implicações práticas relevantes para investidores, analistas de crédito e reguladores, ao indicar a necessidade de maior escrutínio sobre empresas com alto risco específico, bem como o fortalecimento de práticas de divulgação que possam mitigar assimetrias informacionais e reduzir potenciais erros de precificação. Apesar das contribuições, reconhecem-se algumas limitações inerentes ao estudo, como o conjunto relativamente reduzido de variáveis de controle e as restrições das “proxies” utilizadas para mensurar o gerenciamento de resultados e o risco específico. Adicionalmente, o desenho metodológico não tratou de possíveis problemas de endogeneidade, como a simultaneidade e a causalidade reversa. Para estudos futuros, sugere-se a utilização de métricas alternativas para as variáveis de interesse, a realização de análises segmentadas por setores, a ampliação da base temporal e a inclusão de outras variáveis de controle. Recomenda-se, ainda, a aplicação de modelos econométricos mais avançados capazes de mitigar potenciais vieses de simultaneidade e causalidade reversa, aprofundando a robustez dos resultados.

Referências Bibliográficas

Ang, A.; Hodrick, R.J.; Xing, Y.; Zhang, X. 2006. The cross-section of volatility and expected returns. The Journal of Finance 61(1): 259-299.

Chang, S.; Wang, T.; Chiu, A.A.; Huang, S.Y. 2015. Earnings management and idiosyncratic risk – evidence from the post-Sarbanes-Oxley Act period. Investment Management and Financial Innovations 12(2): 117-126.

Datta, S.; Iskandar-Datta, M.; Singh, V. 2017. The impact of idiosyncratic risk on accrual management. International Journal of Managerial Finance 13(1): 70-90.

Dechow, P.M.; Sloan, R.G.; Sweeney, A. 1995. Detecting earnings management. The Accounting Review 70(2): 193-225.

Flores, E.; Sampaio, J.O. 2018. The extension of the modified Jones model with control variables: empirical findings from the Brazilian capital market. International Journal of Auditing Technology 4(1): 36-48.

Flores, E.S.; Sampaio, J.O.; Beiruth, A.X; Brugni, T.V. 2023. Earnings management during the COVID-19 crisis: evidence from the Brazilian and American capital markets. Journal of Accounting in Emerging Economies 13(4): 760-783.

Fávero, L.P.; Belfiore, P. 2017. Manual de Análise de Dados: Estatística e Modelagem Multivariada com Excel®, SPSS® e Stata®. Gen LTC, Rio de Janeiro, RJ, Brasil.

Greene, W.H. 2018. Econometric Analysis. 8ed. Pearson, New York, NY, USA.

Healy, P.M.; Wahlen, J.M. 1999. A review of the earnings management literature and its implications for standard setting. Accounting Horizons 13(4): 365-383.

Hribar, P.; Collins, D.W. 2002. Errors in estimating accruals: Implications for empirical research. Journal of Accounting Research 40(1): 105-134.

Jensen, M.; Meckling, W. 1976. Theory of the firm: Managerial behavior, agency costs and ownership structure. Journal of Financial Economics 3(4): 305-360.

Lintner, J. 1965. Security prices, risk, and maximal gains from diversification. The Journal of Finance 20(4): 587-615.

Malagon, J.; Moreno, D.; Rodríguez, R. 2015. The idiosyncratic volatility anomaly: Corporate investment or investor mispricing?. Journal of Banking & Finance 60: 224-238.

Markowitz, H. 1952. Portfolio selection. The Journal of Finance 7(1): 77-91.

Mitra, R.K. 2016. The association between earnings quality and firm-specific return volatility: Evidence from Japan. Review of Accounting and Finance 15(3): 294-316.

Mossin, J. 1966. Equilibrium in a capital asset market. Econometrica 34(4): 768-783.

Ramdani, D.; Witteloostuijn, A. 2010. The impact of board independence and CEO duality on firm performance: A quantile regression analysis for Indonesia, Malaysia, South Korea and Thailand. British Journal of Management 21(3): 607-626.

Sharpe, W.F. 1964. Capital asset prices: A theory of market equilibrium under conditions of risk. The Journal of Finance 19(3): 425-442.

Usman, M.; Nwachukwu, J.; Ezeani, E. 2022. The impact of board characteristics on the extent of earnings management: conditional evidence from quantile regressions. International Journal of Accounting & Information Management 30(5): 600-616.

Widianingsih, Y.P.N.; Setiawan, D.; Aryani, Y.A.; Gantyowati, E. 2022. Accrual management and firm-specific risk. International Journal of Financial Studies 10(4): 111.

Artigo oriundo de Trabalho de Conclusão de Curso de Especialização em Finanças e Controladoria do MBA USP/Esalq

_{Saiba mais sobre o curso; clique aqui:}