Logo PPADC

PROGRAMA DE PÓS-GRADUAÇÃO EM ANÁLISE DE DADOS CORPORATIVOS — PPADC

Análise de Dados para Contábeis, Engenharia de Produção, Administração e Economia

O ENTRELAÇAMENTO ENTRE O FUNDAMENTO ANTIGO E O USO MODERNO

Do Resíduo à Malha Fina: Identificação de Desvios no PIS/COFINS e Seleção de Empresas Anômalas via Modelos de Painel (Pooled, Fixed e Random Effects)

Formação de Analistas Quantitativos e Avaliação de Desempenho e Projetos

Autor / Pesquisador: Dr. Ramon Gregório Silva

Timóteo - MG
Outubro de 2026

1 Fundamentação Metodológica: O Uso de Resíduos Econométricos em Modelos de Painel como Ferramenta de Auditoria e Mineração de Outliers

A intersecção entre a econometria estrutural e a auditoria quantitativa contemporânea fundamenta-se na premissa de que o comportamento regular de rubricas contábeis e fiscais pode ser modelado preditivamente. Na literatura de dados em painel, a especificação econométrica busca capturar a relação estrutural entre variáveis econômicas fundamentais (como a receita principal, custos operacionais e encargos tributários). Quando uma firma diverge sistematicamente desse padrão, o resíduo estatístico deixa de ser apenas ruído aleatório e passa a sinalizar uma assimetria ou desacoplagem operacional.

A base teórica para a extração rigorosa de desvios em dados corporativos repousa sobre os tratamentos analíticos consolidados por Badi H. Baltagi e Jeffrey M. Wooldridge. Em um modelo de painel padrão, seja na especificação de Efeitos Fixos (Fixed Effects) ou de Efeitos Aleatórios (Random Effects), a equação estrutural que relaciona os tributos (por exemplo, o PIS/COFINS) aos determinantes contábeis é dada por:

\[Y_{it} = \alpha + \mathbf{X}_{it}\boldsymbol{\beta} + \varepsilon_{it}\]

Onde o termo de erro composto $\varepsilon_{it}$ é formalmente decomposto conforme a teoria clássica de painel (Baltagi, 2021):

\[\varepsilon_{it} = \mu_i + \nu_{it}\]

Nessa formulação, $\mu_i$ representa a heterogeneidade não observada invariante no tempo específica de cada empresa (como características gerenciais ou eficiências estruturais ocultas), enquanto $\nu_{it}$ denota o choque idiosincrático ou erro puramente temporal.

Complementarmente, Jeffrey M. Wooldridge (2010) enfatiza que, após o controle exaustivo por efeitos setoriais e temporais, os resíduos estimados do modelo capturam a variação genuinamente não explicada pelo comportamento agregado do mercado. Ao isolar o componente estocástico, os resíduos refletem o desvio líquido da firma em relação à norma comportamentais esperada para o seu cluster de atuação.

1.1 A Abordagem de Detecção de Anomalias e Auditoria Estatística

A transição da modelagem econométrica para a triagem de conformidade fiscal encontra amparo nos fundamentos de estatística aplicada aos negócios estabelecidos por W. Allen Spivey e William J. Wrobleski, que demonstraram a eficácia do uso de desvios de modelos lineares para testes de hipóteses de conformidade e controle de qualidade gerencial.

Na prática da auditoria moderna, essa abordagem alinha-se diretamente às diretrizes do American Institute of Certified Public Accountants (AICPA) acerca da auditoria baseada em risco (Risk-Based Auditing) e de técnicas de auditoria estatística. Em vez de inspeções amostrais puramente arbitrárias, a modelagem preditiva de rubricas como receitas e tributos permite mapear a distribuição dos resíduos e padronizá-los por meio do escore padronizado (Z-Score):

\[Z_i = \frac{e_i - \bar{e}}{s_e}\]

Onde $e_i$ representa o resíduo da estimação para a firma $i$, $\bar{e}$ é a média dos resíduos do setor e $s_e$ é o desvio-padrão amostral.

Conforme os princípios de Statistical Auditing e mineração de dados corporativos, limiares rigorosos (tipicamente $\vert{}Z_i\vert{} \ge 2,0$) operam como um filtro automático de exceções. Firmas que ultrapassam esses limites estatísticos são classificadas como unidades anômalas, direcionando o esforço de auditoria humana e mineração profunda estritamente para as observações que apresentam o maior grau de desvio em relação ao comportamento setorial esperado.

1.2 A base

A construção desta base de dados estruturada em painel longitudinal foi realizada por meio de um pipeline analítico em R, alimentado pelos demonstrativos de resultado trimestral (DFP/ITR). Na primeira etapa, o script mapeia e filtra exclusivamente as contas contábeis fundamentais para a auditoria fiscal — como receita principal, PIS/COFINS, custo total operacional, IR e CSLL — alinhando-as a um vetor temporal restrito aos trimestres-alvo dos anos de 2023 e 2024. A blindagem da integridade dos dados ocorre mediante a conversão padronizada de tipos e a consolidação de eventuais registros duplicados por meio de somas agregadas por CNPJ e período.

Em seguida, a matriz é estruturada no formato ideal (wide) através do pivoteamento das contas contábeis para colunas analíticas dedicadas. Para assegurar a robustez estatística e a comparabilidade dos modelos econométricos subsequentes, o pipeline aplica filtros rigorosos de higienização, descartando observações com valores omissos (NAs), receitas nulas ou negativas, e despesas tributárias atípicas, finalizando com a ordenação cronológica por companhia.

A estruturação da base de dados teve início com a definição de um dicionário de mapeamento direcionado aos códigos contábeis essenciais da Demonstração do Resultado do Exercício (DRE), englobando a receita principal, os custos de PIS/COFINS, o custo operacional total, além dos impostos correntes de IR e CSLL. Com base em um filtro temporal estrito delimitado por um vetor de datas iniciais para os anos de 2023 e 2024, o script padronizou os tipos de dados e selecionou apenas as informações pertinentes, garantindo a agregação de eventuais duplicatas por companhia e período por meio de somas consolidadas.

Em seguida, o conjunto de dados passou por um processo de pivoteamento para o formato analítico de colunas, permitindo a consolidação das variáveis econômico-fiscais. Na etapa final de depuração, o pipeline aplicou filtros rigorosos para eliminar observações omissas (NAs) e registros com inconsistências econômicas — como receitas nulas ou negativas e saldos inadequados de PIS/COFINS —, entregando um painel longitudinal limpo, consistente e ordenado cronologicamente por empresa.

2 Escolhendo os grupos parecidos

A aplicação de métodos estatísticos multivariados estruturados, especificamente o algoritmo PAM (Partitioning Around Medoids), demonstrou ser uma abordagem metodológica altamente robusta para a classificação contábil e fiscal de empresas a partir de dados de demonstrações financeiras trimestrais. A eficácia desse procedimento fundamenta-se, primeiramente, na conversão das variáveis absolutas em razões financeiras padronizadas em relação à Receita Principal. Essa transformação elimina o viés de escala — permitindo que corporações de portes distintos sejam avaliadas em igualdade de condições —, focando exclusivamente na estrutura de eficiência operacional e na propensão tributária de cada organização.

Adicionalmente, a consolidação prévia do painel de dados em perfis estruturais médios por empresa neutralizou ruídos decorrentes de flutuações sazonais de curto prazo, capturando a essência econômica e de governança fiscal de longo prazo de cada companhia. A escolha pelo algoritmo PAM, em detrimento de técnicas tradicionais como o K-Means, revelou-se um diferencial crítico para dados contábeis, que frequentemente contêm assimetrias e valores extremos (outliers). Ao basear a partição em medoides (observações reais representativas do grupo) em vez de centróides teóricos, o modelo garantiu maior estabilidade, interpretabilidade e resistência a distorções estatísticas.

Por fim, a definição de um número ótimo de partições ($k = 4$) equilibrou com precisão a granularidade analítica e a parcimônia econométrica, gerando tipologias empresariais nitidamente segmentadas. Essa classificação multivariada não apenas organiza a base de forma elegante, mas também fornece uma taxonomia empírica sólida e validada, servindo como base fundamental para investigações preditivas subsequentes, como o Propensity Score Matching (PSM) e análises de conformidade fiscal e auditoria automatizada.

library(tidyverse)
library(cluster)
library(knitr) # Necessário para o kable

# 1. Criação das variáveis relativas e ID temporal (a partir do seu 'df')
df_painel_psm <- df %>%
  mutate(
    # 1. Transformando em razões para eliminar o viés de tamanho (scale-free)
    Margem_Custo_Operacional = Custo_Total_Operacional / Receita_Principal,
    Razao_Custos_PisCofins   = Custos_Servicos_PisCofins / Receita_Principal,
    Carga_Tributaria_IR      = IR_Corrente / Receita_Principal,
    Carga_Tributaria_CSLL    = CSLL_Corrente / Receita_Principal,
    
    # 2. Criando uma variável de identificação temporal (Trimestre sequencial de 1 a 6)
    Trimestre_ID = case_when(
      DT_INI_EXERC == "2023-01-01" ~ 1,
      DT_INI_EXERC == "2023-04-01" ~ 2,
      DT_INI_EXERC == "2023-07-01" ~ 3,
      DT_INI_EXERC == "2024-01-01" ~ 4,
      DT_INI_EXERC == "2024-04-01" ~ 5,
      DT_INI_EXERC == "2024-07-01" ~ 6
    )
  ) %>%
  # Remove infinitos ou NAs gerados por divisões por zero
  filter(if_all(where(is.numeric), ~ is.finite(.)))

# 2. Preparar os dados da base inteira para o agrupamento (perfil estrutural constante)
perfil_empresas <- df_painel_psm %>%
  group_by(DENOM_CIA, CNPJ_CIA) %>%
  summarise(
    Media_Margem_Custo = mean(Margem_Custo_Operacional, na.rm = TRUE),
    Media_Razao_Contribuicoes = mean(Razao_Custos_PisCofins, na.rm = TRUE),
    Media_Carga_IR     = mean(Carga_Tributaria_IR, na.rm = TRUE),
    Media_Carga_CSLL   = mean(Carga_Tributaria_CSLL, na.rm = TRUE),
    .groups = "drop"
  ) %>%
  filter(if_all(where(is.numeric), ~ is.finite(.)))

# 3. Padronizar as variáveis (média 0, desvio 1) e construir a matriz de cluster
perfil_scaled <- perfil_empresas %>%
  mutate(across(where(is.numeric), scale))

matriz_cluster <- as.data.frame(perfil_scaled %>% select(where(is.numeric)))
rownames(matriz_cluster) <- perfil_empresas$DENOM_CIA

# 4. Rodar o Algoritmo PAM diretamente com k = 4
k_otimo <- 4 
modelo_pam <- pam(matriz_cluster, k = k_otimo)

# 5. Adicionar a identificação do Grupo de volta à tabela de perfil
perfil_empresas$Grupo_Contabil <- as.factor(modelo_pam$clustering)

# 6. Gerar a Tabela Resumo com Médias e Desvios-Padrão por Grupo
tabela_resumo_grupos <- perfil_empresas %>%
  group_by(Grupo_Contabil) %>%
  summarise(
    Qtd_Empresas       = n(),
    
    Media_Margem_Custo = mean(Media_Margem_Custo, na.rm = TRUE),
   
    Media_Razao_Contribuicoes = mean(Media_Razao_Contribuicoes, na.rm = TRUE),
    
    Media_Carga_IR     = mean(Media_Carga_IR, na.rm = TRUE),
    
    Media_Carga_CSLL   = mean(Media_Carga_CSLL, na.rm = TRUE),
    
    .groups = "drop"
  )

# 7. Exibir a tabela formatada usando apenas knitr::kable
tabela_resumo_grupos %>%
  mutate(across(where(is.numeric), ~ round(., 4))) %>%
  kable(
    col.names = c(
      "Grupo", "Qtd Empresas", 
      "Média Margem Custo", 
      "Média Razão PIS COFINS",  
      "Média Carga IR", 
      "Média Carga CSLL"
    ),
    caption = "Resumo Estatístico dos Clusters Contábeis (k = 4)"
  )

Resumo Estatístico dos Clusters Contábeis (k = 4)
Grupo	Qtd Empresas	Média Margem Custo	Média Razão PIS COFINS	Média Carga IR	Média Carga CSLL
1	42	-0.4117	-0.3278	-0.0665	-0.0107
2	39	-1.0187	-0.8291	-0.0168	0.0008
3	2	-4.1368	-3.9584	-0.0629	0.1275
4	2	-3.9845	-0.5996	-1.0544	-3.4594

# 8. Juntar os grupos de volta à base principal (df_painel_psm)
df_painel_com_grupos <- df_painel_psm %>%
  left_join(perfil_empresas %>% select(DENOM_CIA, CNPJ_CIA, Grupo_Contabil), by = c("DENOM_CIA", "CNPJ_CIA"))

Os resultados gerados pela partição multivariada em quatro grupos ($k = 4$) evidenciam uma segmentação estrutural altamente coerente da base de dados contábeis, capturando tanto o comportamento típico das companhias quanto situações de anomalia fiscal. A análise da distribuição revela que a grande maioria das empresas concentra-se nos Grupos 1 e 2 (com 42 e 39 firmas, respectivamente), os quais refletem perfis operacionais e de incidência tributária mais recorrentes no mercado. O Grupo 1 caracteriza-se por uma proporção moderada de custos e encargos de PIS/COFINS em relação à receita, acompanhada por cargas tributárias de Imposto de Renda e CSLL contidas. Em contrapartida, o Grupo 2 agrupa corporações com uma estrutura de custos operacionais e tributação sobre o faturamento visivelmente mais pesada, denotando operações com maior intensidade de custos diretos e repasses tributários.

Por outro lado, os Grupos 3 e 4 representam pequenos núcleos compostos por apenas duas empresas cada, funcionando efetivamente como agrupamentos de outliers ou eventos contábeis de exceção. O Grupo 3 sobressai-se por coeficientes extremos de custos operacionais e de PIS/COFINS, associados a uma média de CSLL positiva que pode sinalizar reversões de provisões, ajustes patrimoniais atípicos ou compressão severa da base de receitas. Já o Grupo 4 destaca-se de maneira drástica pelas cargas tributárias correntes de IR e CSLL massivamente negativas, evidenciando cenários de compensação vultosa de prejuízos fiscais anteriores, reconhecimento extraordinário de créditos tributários ou restituições expressivas.

Em suma, essa taxonomia empírica demonstra a eficácia do modelo PAM em isolar não apenas os perfis macroeconômicos e operacionais padrão das empresas, mas também em destacar desvios contábeis profundos. Essa separação é de suma importância para as etapas subsequentes da auditoria preditiva e modelagem econométrica, pois permite tratar os comportamentos atípicos de forma isolada, evitando distorções nos modelos de propensão e garantindo maior precisão analítica.

3 Modelos Econométricos de Painel Aplicados à Auditoria: Efeitos Fixos, Aleatórios e Pooled

A análise de dados contábeis e financeiros em formato de painel — que acompanha o comportamento de diversas empresas ao longo de vários trimestres — exige o uso de técnicas econométricas capazes de capturar tanto a evolução temporal quanto as especificidades estruturais de cada organização. No centro dessa modelagem estão três abordagens principais: o modelo Pooled (OLS agrupado), o modelo de Efeitos Fixos e o modelo de Efeitos Aleatórios. O modelo Pooled desconsidera a heterogeneidade individual, agrupa todas as observações como se pertencessem a uma única grande massa de dados e estima os parâmetros ignorando que uma mesma empresa é observada repetidamente ao longo do tempo. Embora simples, essa abordagem costuma gerar vieses severos por omitir características inerentes a cada companhia. Para corrigir essa limitação, o modelo de Efeitos Fixos introduz interceptos específicos para cada empresa, controlando todas as características não observáveis e constantes no tempo (como a cultura de gestão ou o perfil mercadológico), permitindo analisar como as variações internas da empresa afetam a tributação. Por sua vez, o modelo de Efeitos Aleatórios assume que as diferenças individuais entre as empresas são puramente aleatórias e não correlacionadas com as variáveis explicativas, estimando uma estrutura que combina a variação interna (within) e entre as empresas (between), ganhando eficiência estatística quando as características fixas do CNPJ são ortogonais aos regressores.

Dentro dessas estruturas econométricas, o termo de erro ($\varepsilon_{it}$) deixa de ser apenas um resíduo estatístico irrelevante e passa a desempenhar um papel crucial na auditoria: ele representa exatamente aquilo que o modelo não conseguiu prever com base no comportamento médio do setor. A equação econométrica utilizada, de forma simplificada:

\[\text{Receita Principal}_{it} = \beta_0 + \beta_1 \text{Custo PIS/COFINS}_{it} + \beta_2 \text{Imposto de Renda}_{it} + \beta_3 \text{CSLL}_{it} + \beta_4 \text{Custo Operacional}_{it} + \varepsilon_{it}\]

permite testar uma relação estrutural esperada entre a geração de receita e o perfil de custos e tributos da companhia. Quando uma empresa apresenta um desvio acentuado em relação ao comportamento padrão do seu grupo de comparação, esse desvio se reflete diretamente em um erro (${\varepsilon}_{it}$) ou resíduo estatisticamente muito elevado (medido, por exemplo, por escores padronizados como o Z-Score). Esse resíduo elevado indica que a empresa destoa fortemente da média esperada para o seu nível de custos e tributos. Ao comparar a empresa com o seu grupo setorial de referência — e, subsidiariamente, com pares de condições econômicas semelhantes —, a análise de resíduos permite que gargalos operacionais e potenciais anomalias venham à tona, evidenciando pontos onde a dinâmica fiscal e contábil diverge abruptamente do padrão macro e microeconômico observado.

É fundamental ressaltar que este trabalho analítico não tem a função de julgar, tipificar ou definir irregularidades, mas sim de funcionar como um radar de triagem técnica. O ambiente corporativo é regido por contextos operacionais altamente diferenciados e reestruturações complexas cujos efeitos práticos demoram a se refletir de fato nas proporções de receita e tributação da empresa. Uma distorção estatística pode ser fruto de sazonalidades atípicas, diferimentos fiscais legítimos, investimentos de longo prazo em maturação ou eventos societários extraordinários.

O modelo econométrico é extremamente potente para mapear comportamentos fora dos parâmetros esperados, no entanto, a teoria e a prática da auditoria são quem dão o desfecho do que os números realmente estão a dizer. A auditoria fiscal e contábil é, por essência, um trabalho interdisciplinar que exige o cruzamento de normas legais, contábeis e operacionais.Ainda que de forma simplória no campo da contabilidade avançada, a especificação de uma equação de regressão voltada para a receita principal em função de insumos tributários e operacionais oferece subsídios valiosos e imediatos para a atividade de auditoria.

Ela atua como uma ferramenta analítica de triagem (analytical procedures) que já permite trazer insights profundos sobre o processo contábil da entidade antes mesmo da inspeção documental detalhada. Ao apontar quais empresas e trimestres apresentam aderência frágil frente aos parâmetros de mercado, o modelo orienta o auditor a direcionar seus testes substantivos com precisão cirúrgica, otimizando recursos e focando nos pontos de maior risco. No entanto, para fins metodológicos e estruturais deste estudo, aqui vamos dedicar a parte econométrica apenas, isolando-a temporariamente e sem esgotar os demais elementos qualitativos e normativos que obrigatoriamente compõem o julgamento profissional final de uma auditoria completa.

3.1 A escolha do modelo

O script apresentado implementa um pipeline econométrico automatizado e robusto para a seleção, diagnóstico e relatório de modelos de dados em painel. A função selecionar_melhor_modelo_painel_md inicia estimando simultaneamente as três abordagens clássicas da econometria longitudinal — o modelo Pooled (OLS agrupado), o modelo de Efeitos Fixos (Within) e o modelo de Efeitos Aleatórios (Random Effects) —, fornecendo uma base comparativa abrangente para a estrutura contábil especificada.

Em seguida, o algoritmo executa uma bateria rigorosa de testes de hipóteses estatísticas essenciais para a modelagem: o teste de Chow (para avaliar a presença de heterogeneidade não observada), o teste de Breusch-Pagan (para verificar a variância dos efeitos individuais), o teste de Hausman (para testar a ortogonalidade entre os efeitos individuais e os regressores) e o teste de Wooldridge (para detectar autocorrelação serial nos resíduos). Os resultados desses testes são processados e organizados de forma didática em uma tabela de diagnóstico, detalhando as hipóteses nulas e alternativas, os valores de $p$ (p-values) e a respectiva interpretação econométrica para cada critério.

Com base nas evidências estatísticas obtidas, uma árvore de decisão condicional automatizada (case_when) avalia a hierarquia dos testes para selecionar de forma isenta e fundamentada o modelo estatisticamente mais adequado (seja Efeitos Fixos, Efeitos Aleatórios ou Pooled OLS). Por fim, a função extrai os coeficientes, erros-padrão, estatísticas de teste e intervalos de confiança completos do modelo vencedor, compilando todas as informações em tabelas interativas formatadas com um design acadêmico monocromático (preto e branco em Times New Roman) por meio dos pacotes DT e htmltools, prontas para integração direta em relatórios analíticos e de auditoria.

library(tidyverse)
library(plm)
library(DT)
library(htmltools)

selecionar_melhor_modelo_painel_md <- function(pdata, formula_modelo, alpha = 0.05) {
  
  # 1. Estimar os Três Modelos Clássicos
  pooled_model <- plm(formula_modelo, data = pdata, model = "pooling")
  fe_model     <- plm(formula_modelo, data = pdata, model = "within")
  re_model     <- plm(formula_modelo, data = pdata, model = "random")
  
  # 2. Executar os Testes Estatísticos e capturar p-valores
  p_val_chow  <- pFtest(fe_model, pooled_model)$p.value
  p_val_bp    <- plmtest(pooled_model, type = "bp")$p.value
  p_val_haus  <- phtest(fe_model, re_model)$p.value
  p_val_woold <- pwartest(fe_model)$p.value
  
  # 3. Construção da Tabela Didática de Testes de Hipóteses
  tabela_testes <- tibble::tribble(
    ~Teste, ~`Hipótese Nula (H0)`, ~`Hipótese Alternativa (H1)`, ~`Valor p`, ~`Decisão (α = 0.05)`, ~`Interpretação Econométrica`,
    "Chow (F-Test)", 
      "Efeitos individuais são nulos (Pooled OLS adequado)", 
      "Existem efeitos fixos individuais", 
      round(p_val_chow, 4), 
      ifelse(p_val_chow < alpha, "Rejeita H0", "Não Rejeita H0"),
      ifelse(p_val_chow < alpha, "Evidência de heterogeneidade não observada. Prefere-se Efeitos Fixos ao Pooled.", "Modelo Pooled OLS captura satisfatoriamente a estrutura dos dados."),
    
    "Breusch-Pagan (LM)", 
      "Variância do efeito específico é zero (Pooled adequado)", 
      "Variância do efeito específico é maior que zero", 
      round(p_val_bp, 4), 
      ifelse(p_val_bp < alpha, "Rejeita H0", "Não Rejeita H0"),
      ifelse(p_val_bp < alpha, "Há variabilidade individual entre as unidades. Prefere-se Efeitos Aleatórios ao Pooled.", "Sem evidência de variância individual significante."),
    
    "Hausman", 
      "Efeitos individuais não são correlacionados com regressores (RE é consistente e eficiente)", 
      "Efeitos individuais são correlacionados com regressores (Apenas FE é consistente)", 
      round(p_val_haus, 4), 
      ifelse(p_val_haus < alpha, "Rejeita H0", "Não Rejeita H0"),
      ifelse(p_val_haus < alpha, "Violada a premissa do RE de ortogonalidade dos erros. O modelo de Efeitos Fixos é o único consistente.", "Não há correlação significante entre efeitos individuais e regressores. O modelo de Efeitos Aleatórios é preferível."),
    
    "Wooldridge", 
      "Ausência de autocorrelação serial de 1ª ordem nos erros", 
      "Presença de autocorrelação serial nos erros", 
      round(p_val_woold, 4), 
      ifelse(p_val_woold < alpha, "Rejeita H0", "Não Rejeita H0"),
      ifelse(p_val_woold < alpha, "Há presença de autocorrelação temporal. Recomenda-se ajustar erros-padrão robustos.", "Resíduos do modelo não apresentam estrutura de dependência temporal significativa.")
  )
  
  # 4. Decisão do Modelo via case_when()
  tipo_modelo <- case_when(
    p_val_chow < alpha & p_val_haus < alpha  ~ "FE",
    p_val_chow < alpha & p_val_haus >= alpha ~ "RE",
    p_val_bp < alpha                         ~ "RE",
    TRUE                                     ~ "Pooled"
  )
  
  if (tipo_modelo == "FE") {
    melhor_nome  <- "Efeitos Fixos (Within)"
    modelo_final <- fe_model
  } else if (tipo_modelo == "RE") {
    melhor_nome  <- "Efeitos Aleatórios (Random)"
    modelo_final <- re_model
  } else {
    melhor_nome  <- "Pooled OLS"
    modelo_final <- pooled_model
  }
  
  # 5. Extração dos Coeficientes e Intervalos de Confiança
  sum_m <- summary(modelo_final)
  coefs <- as.data.frame(sum_m$coefficients)
  ci    <- as.data.frame(confint(modelo_final))
  
  tabela_parametros <- data.frame(
    Variável           = rownames(coefs),
    Estimativa         = round(coefs[, 1], 4),
    `Erro Padrão`      = round(coefs[, 2], 4),
    `Estatística t/z`  = round(coefs[, 3], 4),
    `Valor p`          = round(coefs[, 4], 4),
    `I.C. 2.5%`        = round(ci[, 1], 4),
    `I.C. 97.5%`       = round(ci[, 2], 4),
    check.names        = FALSE
  )
  rownames(tabela_parametros) <- NULL

  # ESTILO PRETO E BRANCO PROFISSIONAL (ACADÊMICO)
  estilo_pb <- "
    table.dataTable {
      font-family: 'Times New Roman', Times, serif !important;
      border-collapse: collapse !important;
      font-size: 13px !important;
      color: #111111 !important;
    }
    table.dataTable thead th {
      border-top: 2px solid #000000 !important;
      border-bottom: 1px solid #000000 !important;
      background-color: #ffffff !important;
      color: #000000 !important;
      font-weight: bold !important;
      text-transform: uppercase !important;
      font-size: 12px !important;
      padding: 8px !important;
    }
    table.dataTable tbody td {
      border-bottom: 1px solid #e0e0e0 !important;
      padding: 6px 8px !important;
      background-color: #ffffff !important;
    }
    table.dataTable tbody tr:last-child td {
      border-bottom: 2px solid #000000tn !important;
    }
  "

  # 6. Criação dos objetos DT
  dt_testes <- datatable(
    tabela_testes,
    caption = tags$caption(
      style = 'caption-side: top; text-align: left; color: #000000; font-family: "Times New Roman", serif; font-size: 15px; font-weight: bold; margin-bottom: 8px;',
      'Tabela 1: Diagnóstico dos Testes de Hipótese para Seleção do Modelo de Painel'
    ),
    rownames = FALSE,
    options = list(dom = 't', pageLength = 10, ordering = FALSE)
  )

  dt_parametros <- datatable(
    tabela_parametros,
    caption = tags$caption(
      style = 'caption-side: top; text-align: left; color: #000000; font-family: "Times New Roman", serif; font-size: 15px; font-weight: bold; margin-bottom: 8px;',
      paste0('Tabela 2: Parâmetros Estimados do Modelo Selecionado — ', melhor_nome)
    ),
    rownames = FALSE,
    options = list(dom = 't', pageLength = 20, ordering = FALSE)
  )

  # Retorna o bloco HTML integrado que o R Markdown insere nativamente no documento final
  as.tags(
    tagList(
      tags$style(estilo_pb),
      dt_testes,
      tags$br(), tags$hr(style = "border-top: 1px solid #ccc;"), tags$br(),
      dt_parametros
    )
  )
}

formula_teste <- ln_Receita ~ ln_CustoOp + ln_PisCofins + ln_IR + ln_CSLL
selecionar_melhor_modelo_painel_md(pdata, formula_teste)

3.2 Análise dos Testes Diagnósticos (Tabela 1)

A bateria de testes estatísticos aplicada à base de dados conduziu de forma inequívoca à escolha do modelo de Efeitos Fixos. O Teste de Chow apresentou um valor de $p$ igual a $0$ ($p < 0.05$), rejeitando a hipótese nula de que os efeitos individuais são nulos e evidenciando forte heterogeneidade não observada entre as empresas, o que afasta a adequação do modelo Pooled OLS. Complementarmente, o Teste de Breusch-Pagan ($p = 0$) confirmou a presença significativa de variabilidade individual.

O divisor de águas na escolha estrutural deu-se no Teste de Hausman ($p = 0,0003$), cujo resultado levou à rejeição da hipótese nula de que os efeitos individuais não são correlacionados com os regressores. Essa evidência estatística demonstra que a premissa de ortogonalidade exigida pelo modelo de Efeitos Aleatórios foi violada, tornando o estimador de Efeitos Fixos o único consistente para capturar a relação estrutural proposta. Por fim, o Teste de Wooldridge apresentou um valor de $p$ de $0,5328$ (Não Rejeita $H_0$), indicando a ausência de autocorrelação serial de primeira ordem relevante nos resíduos do modelo selecionado.

Interpretação dos Parâmetros Estimados (Tabela 2)

O modelo selecionado de Efeitos Fixos estimou a elasticidade da receita principal em função do comportamento interno de custos e tributos das companhias ao longo do tempo. Analisando os coeficientes estatisticamente significantes e seus respectivos intervalos de confiança completos (que excluem o valor zero, garantindo robustez):

Custo Operacional (ln_CustoOp): Apresentou uma estimativa de $-0,6987$ (com erro padrão de $0,1265$ e estatística $t$ de $-5,5223$, $p < 0.0001$; I.C. de $95\%$ entre $-0,9467$ e $-0,4507$). Esse coeficiente aponta para uma relação inversa nas variações within (internas) da empresa, refletindo ajustes estruturais de margem ou eficiências operacionais locais no período analisado.
PIS/COFINS (ln_PisCofins): Apresentou um coeficiente de $-0,2543$ (erro padrão de $0,1263$, estatística $t$ de $-2,0134$ e $p = 0,0458$; I.C. de $95\%$ entre $-0,5019$ e $-0,0068$). O fato de o valor $p$ estar abaixo do limiar de $0.05$ e o intervalo de confiança não conter o zero valida a importância estatística dessa variável no modelo, servindo de base para o mapeamento de desvios nas anomalias fiscais.
IR Corrente (ln_IR) e CSLL (ln_CSLL): Apresentaram coeficientes estatisticamente não significantes ao nível de $5\%$ (com valores $p$ de $0,3927$ e $0,2863$, respectivamente), indicando que, dentro da variação interna temporal das empresas, os tributos sobre o lucro direto não exercem efeito marginal direto significativo sobre as flutuações trimestrais da receita principal controlada pelo painel.

3.3 Z (Score)

Com base no modelo econométrico de efeitos fixos previamente estimado, este procedimento executa a extração dos resíduos estatísticos para cada empresa e trimestre. O resíduo atua como um termômetro analítico crucial, pois encapsula exatamente a parcela da receita que não pôde ser explicada pelo comportamento estrutural dos custos e tributos da companhia, revelando desvios em relação à linha de base setorial.

Em seguida, o script padroniza esses resíduos por meio do cálculo do Z-Score, transformando as divergências em uma métrica padronizada de distância estatística em relação à média geral do painel. Utilizando uma lógica condicional automatizada, o código classifica cada observação em níveis de risco fiscal — como “Alto” e “Crítico” —, permitindo distinguir flutuações cotidianas de anomalias estatisticamente severas.

Por fim, o pipeline aplica um filtro restritivo que descarta o comportamento considerado normal e isola apenas as ocorrências com desvios expressivos ($\vert{}Z\vert{} \ge 2.0$), organizando-as em um ranking decrescente de magnitude. Esse arranjo resulta em uma tabela estruturada e formatada via kable, servindo como um subsídio de triagem altamente eficiente para orientar o direcionamento de testes substantivos de auditoria.

library(tidyverse)
library(knitr)

fe_model<- plm(ln_Receita ~ ln_CustoOp + ln_PisCofins + ln_IR + ln_CSLL, data = pdata, model = "within")
# 1. Extrair os resíduos do modelo (certifique-se de que o modelo final foi o fe_model)
pdata$Residuo_Auditoria <- residuals( fe_model)

# 2. Criar o Ranking de Anomalias Fiscais com Z-Score e Classificação de Risco
ranking_auditoria <- pdata %>%
  as_tibble() %>%
  mutate(
    Abs_Residuo = abs(Residuo_Auditoria),
    Z_Score     = (Residuo_Auditoria - mean(Residuo_Auditoria, na.rm = TRUE)) / sd(Residuo_Auditoria, na.rm = TRUE),
    Nivel_Risco = case_when(
      abs(Z_Score) >= 3.0 ~ "Crítico",
      abs(Z_Score) >= 2.0 ~ "Alto",
      abs(Z_Score) >= 1.5 ~ "Moderado",
      TRUE                ~ "Normal"
    )
  ) %>%
  filter(abs(Z_Score) >= 2.0) %>% # Filtra apenas desvios relevantes (>= 2 desvios-padrão)
  arrange(desc(abs(Z_Score)))

# 3. Exibir a Tabela Final Limpa (Top Anomalias)
ranking_auditoria %>%
  select(DENOM_CIA, Trimestre_ID, ln_Receita, Residuo_Auditoria, Z_Score, Nivel_Risco) %>%
  mutate(across(where(is.numeric), ~ round(., 4))) %>%
  kable(
    col.names = c("Empresa", "Trimestre", "Ln Receita", "Resíduo", "Z-Score", "Nível de Risco"),
    caption = "Ranking de Anomalias Fiscais e Desvios de Auditoria (|Z-Score| >= 2)"
  )

Ranking de Anomalias Fiscais e Desvios de Auditoria (|Z-Score| >= 2)
Empresa	Trimestre	Ln Receita	Resíduo	Z-Score	Nível de Risco
TRAVESSIA SECURITIZADORA S.A.	6	6.9315	1.2396	7.1978	Crítico
TRANSMISSORA JOSÉ MARIA DE MACEDO DE ELETRICIDADE S.A.	2	12.6273	-0.7360	-4.2740	Crítico
TRAVESSIA SECURITIZADORA S.A.	4	8.3537	-0.6534	-3.7943	Crítico
TRAVESSIA SECURITIZADORA S.A.	1	8.2327	-0.5861	-3.4035	Crítico
TRANSMISSORA JOSÉ MARIA DE MACEDO DE ELETRICIDADE S.A.	4	13.9954	0.4437	2.5767	Alto
ARGO VI TRANSMISSÃO DE ENERGIA S.A.	3	10.8276	-0.4409	-2.5603	Alto
TRANSMISSORA ALIANÇA DE ENERGIA ELÉTRICA S.A.	1	14.5463	0.3948	2.2924	Alto
ARGO TRANSMISSÃO DE ENERGIA S/A	1	14.7045	0.3902	2.2659	Alto
TRANSMISSORA JOSÉ MARIA DE MACEDO DE ELETRICIDADE S.A.	5	12.1703	0.3794	2.2030	Alto
TRANSMISSORA JOSÉ MARIA DE MACEDO DE ELETRICIDADE S.A.	6	12.1509	0.3634	2.1099	Alto
TRANSMISSORA ALIANÇA DE ENERGIA ELÉTRICA S.A.	3	12.3955	-0.3543	-2.0576	Alto

Dentro da tipologia dos clusters contábeis ($k=4$), o Grupo 1 reúne um conjunto de 42 empresas que compartilham características estruturais médias específicas — apresentando, em termos de médias padronizadas, uma margem de custo de $-0,4117$, razão PIS/COFINS de $-0,3278$, carga de IR de $-0,0665$ e carga de CSLL de $-0,0107$. Dentro desse grupo homogêneo, o erro do modelo econométrico e a análise de seus resíduos deixam de ser encarados apenas como falhas técnicas para se transformarem em uma ferramenta diagnóstica essencial, funcionando como um radar para visualizar entidades que se distanciam de forma acentuada do comportamento médio esperado.

Ao aprofundar a análise dessa dinâmica interna, observa-se uma clara bifurcação no comportamento das firmas: enquanto para 39 empresas do grupo os custos operacionais e os custos de PIS/COFINS atuaram como preditores consistentes e lineares da receita principal, o mesmo padrão não se repetiu para as 3 exceções restantes. Essas companhias registraram pontuações díspares e desvios severos em pelo menos dois trimestres, evidenciando que, para elas, as variáveis de custo não geraram o mesmo impacto nem a mesma linearidade observada no restante do cluster.

Essa divergência não constitui, por si só, uma denúncia ou um apontamento de irregularidade, visto que as condições contábeis, as especificidades jurídicas, eventuais anormalidades de investimento ou processos de adaptação dessas empresas não foram detalhados neste escopo. A importância analítica do erro do modelo reside justamente em evidenciar essas assimetrias: ele permite mapear, dentro de um mesmo cluster, quais organizações fogem da regra geral, separando a regularidade macro do grupo das trajetórias idiossincráticas dessas exceções.

Valores Brutos das Variáveis Contábeis para as Empresas com Anomalias Fiscais
Empresa	Trimestre	Receita Principal	Custo Operacional	PIS / COFINS	IR Corrente	CSLL Corrente
ARGO TRANSMISSÃO DE ENERGIA S/A	1	1.216.362	-35.632	-35.632	-16.404	-192.490
ARGO VI TRANSMISSÃO DE ENERGIA S.A.	3	25.196	-3.818	-3.818	-480	-2.705
TRANSMISSORA ALIANÇA DE ENERGIA ELÉTRICA S.A.	1	1.038.330	-229.597	-80.074	-7.344	61.353
TRANSMISSORA ALIANÇA DE ENERGIA ELÉTRICA S.A.	3	120.852	-63.242	-13.416	8.735	68.454
TRANSMISSORA JOSÉ MARIA DE MACEDO DE ELETRICIDADE S.A.	2	152.387	-70.072	-70.072	-1.022	-14.096
TRANSMISSORA JOSÉ MARIA DE MACEDO DE ELETRICIDADE S.A.	4	598.567	-84.589	-84.589	-6.478	-82.484
TRANSMISSORA JOSÉ MARIA DE MACEDO DE ELETRICIDADE S.A.	5	96.484	-13.452	-13.452	-1.580	-10.985
TRANSMISSORA JOSÉ MARIA DE MACEDO DE ELETRICIDADE S.A.	6	94.631	-13.417	-13.417	-837	-14.080
TRAVESSIA SECURITIZADORA S.A.	1	1.881	-32	-32	-1.522	0
TRAVESSIA SECURITIZADORA S.A.	4	2.123	-39	-39	-1.448	0
TRAVESSIA SECURITIZADORA S.A.	6	512	-1	-1	-410	0

3.4 A Modelagem Econométrica e a Limitação Preditiva:Quando o Custo Deixa de Explicar a Receita

A utilização de modelos de painel com Efeitos Fixos permite estabelecer uma relação estrutural padrão entre a geração de receita de uma companhia e o seu comportamento interno de custos operacionais e tributos correntes (PIS/COFINS, IR e CSLL). No entanto, o valor preditivo desse modelo não é homogêneo para todo o universo corporativo analisado. Quando aplicamos o filtro de desvios com base no Z-Score ($\vert{}Z\vert{} \ge 2.0$), isolamos as observações em que o modelo econométrico falhou de forma expressiva em prever a receita com base nos insumos contábeis informados. Essas ocorrências pontuais revelam momentos em que a dinâmica contábil da empresa se descolou completamente da média observada para o seu grupo setorial.

No conjunto de dados analisado, o crivo estatístico identificou um subgrupo restrito de observações — como os casos observados nas concessionárias de transmissão de energia (TAESA, ARGO e Transmissora José Maria de Macedo) e na Travessia Securitizadora — cujos resíduos ultrapassaram o limiar de desvio crítico. Nesses registros específicos, os valores brutos evidenciam rupturas evidentes: enquanto a TAESA oscila entre receitas superiores a 1 bilhão e trimestres de baixa atividade com custos e tributos díspares, a securitizadora apresenta uma escala microscópica de custos operacionais e PIS/COFINS frente a uma receita que o modelo simplesmente não consegue mapear a partir dessas variáveis. Em suma, o custo e a tributação corrente não foram bons preditores da receita nestes trimestres particulares, resultando em erros econométricos de alta magnitude.

O Que Isso Significa para a Auditoria? Para a prática de auditoria, esses desvios não representam, em hipótese alguma, a constatação automática de irregularidades ou fraudes fiscais. Pelo contrário, eles cumprem uma função estratégica de triagem de alto desempenho (analytical procedures). O auditor utiliza esses pontos de falha preditiva como um radar para direcionar seus testes substantivos e inspeções detalhadas exatamente para onde o comportamento contábil foge do padrão macro. Saber onde o modelo erra é, sob a ótica da auditoria baseada em riscos, tão valioso quanto saber onde ele acerta, pois economiza tempo operacional e foca o escrutínio nas transações mais atípicas.O Que Está Faltando no Erro? Elementos Omitidos na Explicabilidade O cerne dessa falha preditiva reside no termo de erro ($\varepsilon_{it}$) da equação:

\[\text{Receita Principal}_{it} = \beta_0 + \beta_1 \text{Custo Operacional}_{it} + \beta_2 \text{PIS/COFINS}_{it} + \beta_3 \text{IR}_{it} + \beta_4 \text{CSLL}_{it} + \varepsilon_{it}\]

O erro estatístico acumula tudo o que a especificação contábil simplificada deixou de fora. No caso do setor elétrico, o erro absorve os efeitos das fases de construção de ativos de infraestrutura regulada (reconhecidas como receita de construção sem contrapartida linear nos custos correntes de curto prazo), revisões tarifárias extraordinárias e ativos/passivos regulatórios. No caso da securitização, o erro engloba a volatilidade intrínseca de carteiras de créditos e receitas financeiras não operacionais que não dialogam com os custos de serviços tradicionais. Portanto, o que falta para esgotar a explicabilidade no modelo matemático são variáveis contextuais e regulatórias específicas que a contabilidade padrão de DRE não captura por si só, reforçando que a econometria oferece o sinal de alerta, mas é a teoria da auditoria interdisciplinar que decodifica o verdadeiro significado dos números.

4 Possibilidade de comparação

O uso de Propensity Score Matching (PSM) resolve um dos maiores desafios na ciência de dados aplicada a finanças: como comparar empresas que não são naturalmente idênticas.

Em vez de confrontar uma gigante do setor elétrico com uma pequena distribuidora — o que geraria distorções severas —, a técnica busca “gêmeas estatísticas”, ou seja, empresas com portes e estruturas financeiras semelhantes.

O processo fundamenta-se em etapas lógicas e precisas:

Isolação Setorial: O script utiliza expressões regulares nos nomes corporativos para garantir que o pareamento ocorra estritamente dentro do mesmo setor (como energia elétrica ou securitização), evitando comparações descabidas entre mercados distintos.
O Motor do PSM (matchit): A função calcula a probabilidade (o propensity score) de uma empresa apresentar desvios com base em variáveis como margem de custo, PIS/COFINS e carga de imposto de renda. O algoritmo utiliza o método do vizinho mais próximo (nearest neighbor) para encontrar a contraparte normal mais adequada para cada anomalia.
Controles de Rigor (caliper): O uso de um cáliper restritivo funciona como uma barreira de segurança, descartando pares com distâncias de propensão excessivas para evitar falsas equivalências.

Essa abordagem revela dinâmicas corporativas profundas. Por exemplo, ao analisar a Argo Transmissão de Energia, o modelo permitiu compará-la com outro CNPJ do mesmo grupo ou com congêneres setoriais, evidenciando como estruturas societárias distintas respondem de forma díspar aos direcionadores de receita (com variações marcantes de faturamento e de peso de PIS/COFINS ao longo dos trimestres).

O grande aprendizado: O PSM não serve para apontar fraudes ou culpados, mas sim como um gerador de justiça estatística. Ele neutraliza vieses de porte e estrutura de custos, permitindo ao analista isolar se um desvio é um comportamento de mercado legítimo (como investimentos em infraestrutura) ou uma anomalia real que merece investigação.

library(tidyverse)
library(MatchIt)

## Warning: pacote 'MatchIt' foi compilado no R versão 4.4.3

library(plm)
library(DT)
library(htmltools)

# 1. Garantir o pareamento PSM atualizado e criação da coluna de Setor via nome
df_psm <- pdata[rownames(model.frame(fe_model)), ] %>%
  as.data.frame() %>%
  as_tibble() %>%
  mutate(
    Residuo_Auditoria     = as.numeric(residuals(fe_model)),
    Z_Score               = (Residuo_Auditoria - mean(Residuo_Auditoria, na.rm = TRUE)) / sd(Residuo_Auditoria, na.rm = TRUE),
    Tratamento_Anomalia   = if_else(abs(Z_Score) >= 2.0, 1, 0),
    
    # Criando o setor com base em radicais nos nomes das empresas (DENOM_CIA)
    Setor_Nome = case_when(
      str_detect(str_to_upper(DENOM_CIA), "SECURITIZADORA|SEC") ~ "Securitização",
      str_detect(str_to_upper(DENOM_CIA), "ELET|ENERG|TRANSMIS|LUZ|GERA[ÇC][ÃA]O|DISTRIBUI[ÇC][ÃA]O|TAESA|ARGO") ~ "Energia / Elétrica",
      TRUE ~ "Outros" # Caso haja outros setores, você pode ir adicionando regras aqui
    )
  )

# 2. Executar o MatchIt utilizando o Setor extraído do nome no argumento 'exact'
modelo_psm <- matchit(
  Tratamento_Anomalia ~ Margem_Custo_Operacional + Razao_Custos_PisCofins + Carga_Tributaria_IR,
  data = df_psm,
  method = "nearest",   
  caliper = 0.2,         
  ratio = 1,
  exact = ~ Setor_Nome   # <-- Garante pareamento estrito apenas entre empresas do mesmo segmento nominal
)

## Warning: Fewer control units than treated units in some `exact` strata; not all
## treated units will get a match.

4.1 A História Revelada na Prática: O Confronto com as Gêmeas Estatísticas

Quando cruzamos as empresas anômalas com seus pares formados via PSM, a narrativa dos dados ganha contornos muito claros:

No Setor de Energia / Elétrica (Exemplos de Trimestres e Pares):

No 1º Trimestre, a Transmissora Aliança de Energia Elétrica (Z-Score de 2,29) foi pareada com a CPFL Energias Renováveis S.A. Enquanto a Aliança registrou uma receita de R$ 1.038.330, sua congênere pareada faturou R$ 2.184.505 (totalizando um mercado comparado de R$ 3.222.835), representando uma participação de 32,22% versus 67,78% da CPFL.

No 3º Trimestre, a mesma Aliança (com Z-Score de -2,06) foi pareada com a Cemig Geração e Transmissão S.A., registrando R$ 120.852 frente a R$ 1.054.408 da Cemig (proporções de 10,28% e 89,72%).

No 4º Trimestre, a Transmissora José Maria de Macedo (Z-Score de -4,27) enfrentou a Axia Energia Norte S.A., obtendo uma receita de R$ 152.387 contra R$ 2.804.843 da Axia (apenas 5,15% do total do par).

Nos Trimestres 5 e 6, a trajetória da José Maria de Macedo oscilou fortemente: no 5º trimestre (Z-Score 2,58), faturou R$ 598.567 comparada aos R$ 1.920.272 da Taesa (23,76% do total); já no 6º trimestre (Z-Score 2,20), comparada novamente à CPFL Energias Renováveis, registrou R$ 96.484 frente aos R$ 331.644 do par (22,54%).

Além disso, dinâmicas internas de grupo — como o caso da Argo Transmissão de Energia, comparada com outro CNPJ do mesmo conglomerado no 1º trimestre (onde oscilou de uma receita robusta de R$ 1.216.362 para um CNPJ vinculado de R$ 168.392) — escancaram como estruturas societárias distintas reagem de forma totalmente díspare aos direcionadores de receita.

O Grande Aprendizado para o Cientista de Dados Para o aluno de nosso curso prático, este case demonstra que o erro do modelo e o PSM formam uma dupla de investigação indispensável. Os dados numéricos mostram que empresas de um mesmo cluster econômico podem apresentar receitas e pesos de custos (como a proporção de PIS/COFINS variando de 5% a quase 95% do benchmark) radicalmente diferentes. O PSM neutraliza o viés estrutural, permitindo ao analista discernir se essas discrepâncias extremas refletem ciclos legítimos de investimento em infraestrutura e concessões ou se exigem um escrutínio contábil mais rigoroso.

4.2 Comparando as empresas selecionadas com seu Setor.

Para construir um parâmetro de comparação confiável, o código começa isolando apenas as empresas consideradas normais e aplica o critério estatístico de Amplitude Interquartil (IQR). Essa limpeza remove os extremos do próprio setor, garantindo que a régua de comparação não seja distorcida por outros pontos fora da curva.

Em seguida, a rotina calcula os quantis de referência — como o primeiro quartil ($Q1$), a mediana ($Q0,50$) e o terceiro quartil ($Q3$) — para a receita, o PIS/COFINS e sua proporção percentual, segmentados por setor e trimestre. Isso permite avaliar o comportamento do mercado em diferentes patamares de porte.

Por fim, a função cruza essas referências com as empresas anômalas, gerando métricas de divergência e Z-Scores robustos formatados no padrão brasileiro. Na prática, o cientista de dados obtém uma ferramenta flexível para enxergar exatamente o tamanho do desvio de uma companhia frente à realidade de sua categoria.

library(tidyverse)
library(plm)
library(DT)
library(htmltools)

# Função auxiliar para garantir UTF-8 limpo em todas as colunas de texto
tornar_utf8_limpo <- function(df) {
  df %>% mutate(across(where(is.character), ~ iconv(., to = "UTF-8", sub = "")))
}

# 1. Preparação da base, identificação de anomalias e classificação setorial via nome
df_base <- pdata[rownames(model.frame(fe_model)), ] %>%
  as.data.frame() %>%
  as_tibble() %>%
  tornar_utf8_limpo() %>%
  mutate(
    Residuo_Auditoria     = as.numeric(residuals(fe_model)),
    Z_Score               = (Residuo_Auditoria - mean(Residuo_Auditoria, na.rm = TRUE)) / sd(Residuo_Auditoria, na.rm = TRUE),
    Tratamento_Anomalia   = if_else(abs(Z_Score) >= 2.0, 1, 0),
    
    # Classificação setorial baseada em radicais nos nomes (DENOM_CIA)
    Setor_Nome = case_when(
      str_detect(str_to_upper(DENOM_CIA), "SECURITIZADORA|SECURITIZACAO|SEC\\.?\\s") ~ "Securitização",
      str_detect(str_to_upper(DENOM_CIA), "ELET|ENERG|TRANSMIS|LUZ|GERA[ÇC][ÃA]O|DISTRIBUI[ÇC][ÃA]O|TAESA|ARGO|CEMIG") ~ "Energia / Elétrica",
      str_detect(str_to_upper(DENOM_CIA), "BANCO|FINANCEIR|CREDITO") ~ "Financeiro / Bancos",
      TRUE ~ "Outros"
    ),
    
    Receita_Bruta      = Receita_Principal,
    PisCofins_Modulo   = abs(Custos_Servicos_PisCofins),
    Prop_PisCofins_pct = (PisCofins_Modulo / Receita_Principal) * 100
  )

# 2. Remoção de Outliers por IQR para purificar o Benchmark setorial
df_benchmark_limpo <- df_base %>%
  filter(Tratamento_Anomalia == 0) %>%
  group_by(Setor_Nome, Trimestre_ID) %>%
  mutate(
    N_Total_Grupo = n(),
    Q1_Check = quantile(Receita_Bruta, 0.25, na.rm = TRUE),
    Q3_Check = quantile(Receita_Bruta, 0.75, na.rm = TRUE),
    IQR_Check = Q3_Check - Q1_Check
  ) %>%
  filter(
    N_Total_Grupo < 3 | (
      Receita_Bruta >= (Q1_Check - 1.5 * IQR_Check) &
      Receita_Bruta <= (Q3_Check + 1.5 * IQR_Check)
    )
  ) %>%
  ungroup()

# 3. Calcular os Quantis (0.25, 0.50, 0.75) para Receita, PIS/COFINS e Proporção por Setor/Trimestre
benchmark_quantis <- df_benchmark_limpo %>%
  group_by(Setor_Nome, Trimestre_ID) %>% 
  summarise(
    Q1_Rec      = quantile(Receita_Bruta, 0.25, na.rm = TRUE),
    Med_Rec     = quantile(Receita_Bruta, 0.50, na.rm = TRUE), 
    Q3_Rec      = quantile(Receita_Bruta, 0.75, na.rm = TRUE),
    
    Q1_Pis      = quantile(PisCofins_Modulo, 0.25, na.rm = TRUE),
    Med_Pis     = quantile(PisCofins_Modulo, 0.50, na.rm = TRUE),
    Q3_Pis      = quantile(PisCofins_Modulo, 0.75, na.rm = TRUE),
    
    Q1_Prop     = quantile(Prop_PisCofins_pct, 0.25, na.rm = TRUE),
    Med_Prop    = quantile(Prop_PisCofins_pct, 0.50, na.rm = TRUE),
    Q3_Prop     = quantile(Prop_PisCofins_pct, 0.75, na.rm = TRUE),
    
    IQR_Setor   = IQR(Receita_Bruta, na.rm = TRUE),
    N_Empresas_Setor = n(),
    .groups = "drop"
  )

# 4. Função geradora da tabela cruzada para cada quantil escolhido
gerar_tabela_quantil <- function(q_escolhido) {
  df_base %>%
    filter(Tratamento_Anomalia == 1) %>%
    left_join(benchmark_quantis, by = c("Setor_Nome" = "Setor_Nome", "Trimestre_ID" = "Trimestre_ID")) %>%
    mutate(
      Ref_Rec = case_when(
        q_escolhido == 0.25 ~ Q1_Rec,
        q_escolhido == 0.50 ~ Med_Rec,
        q_escolhido == 0.75 ~ Q3_Rec,
        TRUE ~ Med_Rec
      ),
      Ref_Pis = case_when(
        q_escolhido == 0.25 ~ Q1_Pis,
        q_escolhido == 0.50 ~ Med_Pis,
        q_escolhido == 0.75 ~ Q3_Pis,
        TRUE ~ Med_Pis
      ),
      Ref_Prop = case_when(
        q_escolhido == 0.25 ~ Q1_Prop,
        q_escolhido == 0.50 ~ Med_Prop,
        q_escolhido == 0.75 ~ Q3_Prop,
        TRUE ~ Med_Prop
      ),
      
      Med_Rec   = ifelse(is.na(Med_Rec), Receita_Bruta, Med_Rec),
      IQR_Setor = ifelse(is.na(IQR_Setor), 0, IQR_Setor),
      Ref_Rec   = ifelse(is.na(Ref_Rec), Receita_Bruta, Ref_Rec),
      Ref_Pis   = ifelse(is.na(Ref_Pis), PisCofins_Modulo, Ref_Pis),
      Ref_Prop  = ifelse(is.na(Ref_Prop), Prop_PisCofins_pct, Ref_Prop),
      
      Divergencia_Rec  = Receita_Bruta - Ref_Rec,
      Z_Score_Robusto  = ifelse(IQR_Setor > 0, (Receita_Bruta - Med_Rec) / (0.7413 * IQR_Setor), 0)
    ) %>%
    select(
      Trimestre             = Trimestre_ID,
      Setor                 = Setor_Nome,
      Empresa_Anomala       = DENOM_CIA,
      Z_Score_Anomalo       = Z_Score,
      Receita_Anomala       = Receita_Bruta,
      Benchmark_Receita     = Ref_Rec,
      PisCofins_Anomalo     = PisCofins_Modulo,
      Benchmark_PisCofins   = Ref_Pis,
      Prop_Anomala_pct      = Prop_PisCofins_pct,
      Benchmark_Prop_pct    = Ref_Prop,
      Z_Score_Robusto       = Z_Score_Robusto,
      Divergencia_Receita   = Divergencia_Rec
    ) %>%
    arrange(Setor, Trimestre) %>%
    mutate(
      Z_Score_Anomalo       = round(Z_Score_Anomalo, 2),
      Z_Score_Robusto       = round(Z_Score_Robusto, 2),
      
      Receita_Anomala       = format(round(Receita_Anomala, 2), big.mark = ".", decimal.mark = ",", scientific = FALSE),
      Benchmark_Receita     = format(round(Benchmark_Receita, 2), big.mark = ".", decimal.mark = ",", scientific = FALSE),
      PisCofins_Anomalo     = format(round(PisCofins_Anomalo, 2), big.mark = ".", decimal.mark = ",", scientific = FALSE),
      Benchmark_PisCofins   = format(round(Benchmark_PisCofins, 2), big.mark = ".", decimal.mark = ",", scientific = FALSE),
      
      Prop_Anomala_pct      = paste0(format(round(Prop_Anomala_pct, 2), big.mark = ".", decimal.mark = ","), "%"),
      Benchmark_Prop_pct    = paste0(format(round(Benchmark_Prop_pct, 2), big.mark = ".", decimal.mark = ","), "%"),
      
      Divergencia_Receita   = paste0(ifelse(Divergencia_Receita > 0, "+", ""), format(round(Divergencia_Receita, 2), big.mark = ".", decimal.mark = ","))
    ) %>%
    tornar_utf8_limpo()
}

4.3 1. O Setor de Energia / Elétrica: Gigantes Intermediárias e Oscilações de Concessão

O setor elétrico e de transmissão é marcado por grandes disparidades de escala, e as empresas anômalas flutuam de forma clara entre os diferentes patamares do mercado:

O que aconteceu: A Argo apresentou uma receita de R$ 1.216.362, um valor expressivo que a colocou acima do Q1 (superando o limite inferior de R$ 470,8 mil com um saldo positivo de +R$ 745,5 mil). No entanto, ao subir a régua para a Mediana (R$ 4,20 milhões) e para o Q3 (R$ 7,26 milhões), fica claro que a Argo opera em uma faixa intermediária — abaixo do centro de gravidade das grandes transmissoras da amostra, mas muito acima das menores do grupo.
O que aconteceu: Com uma receita de apenas R$ 25.196, a Argo VI despencou drasticamente. Ela ficou bem abaixo do Q1 setorial (que era de R$ 116,2 mil), gerando uma divergência negativa de -R$ 91 mil. No comparativo com a Mediana (R$ 801,1 mil) e o Q3 (R$ 1,33 milhão), a empresa situou-se na base profunda do mercado naquele trimestre, refletindo um momento atípico de baixa atividade ou fase inicial de estruturação de ativos.
O que aconteceu: A Taesa transita por realidades distintas. No 1º trimestre, sua receita de R$ 1.038.330 seguiu o mesmo padrão da Argo: superou o Q1 (R$ 470,8 mil) com folga (+R$ 567,5 mil), posicionando-se confortavelmente acima da base menor, mas abaixo da mediana setorial (R$ 4,20 milhões). Já no 3º trimestre, sua receita caiu para R$ 120.852, aproximando-se muito do Q1 daquele período (R$ 116,2 mil) e situando-se firmemente entre os menores players do trimestre analisado.
O que aconteceu: Esta empresa apresenta uma trajetória de gangorra impressionante, revelando saltos e quedas de faturamento que explicam seu alerta nos resíduos do modelo:
2º Trimestre: Faturou R$ 152.387, posicionando-se acima do Q1 (R$ 84,7 mil) e abaixo da Mediana (R$ 357,5 mil).
4º Trimestre: Teve um salto expressivo para R$ 598.567, aproximando-se da Mediana setorial (R$ 2,18 milhões), mas ficando ainda distante do Q3 (R$ 7,03 milhões).
5º e 6º Trimestres: Retornou a patamares reduzidos (R$ 96.484 no 5º e R$ 94.631 no 6º), situando-se colada ou ligeiramente abaixo dos limites do Q1 de seus respectivos mercados (R$ 122,9 mil e R$ 98,6 mil), mostrando uma operação de menor escala comparada aos grandes colossos da transmissão.
Travessia Securitizadora S.A. (Trimestres 1, 4 e 6):Devido ao fato de a Travessia Securitizadora ser praticamente a única representante de seu nicho na amostra, o modelo não dispõe de massa crítica setorial — ou seja, faltam outras empresas do mesmo ramo para formar um grupo comparável —, tornando inviável calcular um benchmark de mercado e impossibilitando, portanto, a comparação estatística dessa securitizadora com congêneres do setor.

Tabela Comparativa por Quantis (Receita, PIS/COFINS e Proporção): Empresa Anômala vs. Benchmark Setorial

4.4 Como elas decararam PIS COFINS ?

A análise do Custo PIS/COFINS em relação à Receita Principal revela uma segunda característica comum essencial entre as empresas selecionadas pelo erro do modelo de efeitos fixos: a desacoplagem estrutural da carga tributária efetiva em relação ao padrão do setor.

No setor de Energia / Elétrica, enquanto o benchmark setorial mantém uma proporção de PIS/COFINS extremamente elevada e estável — girando em uma faixa estreita entre 37,56% e 45,01% da receita —, as empresas anômalas operam sistematicamente muito abaixo dessa métrica. No 1º trimestre, por exemplo, enquanto o setor recolhe em média 40,61%, a Argo Transmissão de Energia e a Taesa registraram proporções de apenas 2,93% e 7,71%, respectivamente. Mesmo em casos com maior volume absoluto, como o da Transmissora José Maria de Macedo nos trimestres 3 a 6 (onde a proporção oscilou entre 11,10% e 15,15%), a incidência permaneceu em menos da metade do patamar esperado para o cluster. A única exceção de pico ocorreu no 2º trimestre com a própria José Maria de Macedo (45,98%), evidenciando uma volatilidade atípica.

Por outro lado, o comportamento da Travessia Securitizadora expõe a singularidade de seu próprio regime tributário e a impossibilidade de comparação setorial direta. Com proporções de PIS/COFINS irrelevantes sobre a receita — fixadas em 1,70% (1º tri), 1,84% (4º tri) e 0,20% (6º tri) —, a empresa opera em um patamar marginal de tributação direta sobre a receita principal se comparada às concessionárias de energia.

Essa discrepância sistemática explica por que o modelo de efeitos fixos falhou em prever a receita dessas firmas: ao assumir um coeficiente angular rígido ($\beta_1$) para o Custo PIS/COFINS baseado na linearidade das demais 39 empresas, o modelo tentou impor uma inclinação média que não reflete a realidade tributária dessas exceções, transformando essa assimetria na alíquota efetiva na principal fonte do resíduo econométrico.

4.5 Conclusão

Quando isolamos empresas pertencentes ao mesmo setor e cluster — garantindo por meio do Propensity Score Matching (PSM) e da análise de quartis que elas possuem portes, estruturas de custos e modelos de negócios semelhantes —, a conclusão fundamental que extraímos é a seguinte:

O desvio ou anomalia não decorre de fatores setoriais ou de diferenças estruturais de mercado, mas sim de especificidades puramente idiossincráticas (estritamente internas a cada firma).

Em termos práticos e analíticos, isso significa que:

O Modelo Econométrico cumpriu seu papel de filtro: Como o cluster já padronizou o “cenário de fundo”, se uma empresa destoa das demais 39 do grupo (apresentando resíduos extremos e proporções de PIS/COFINS totalmente fora da curva, como vimos), sabemos com segurança que a causa não é o tamanho da empresa nem a conjuntura do setor elétrico ou de securitização em si.

Assimetrias Operacionais e Contratuais: No setor de infraestrutura e transmissão (como nos casos da Argo e da Transmissora José Maria de Macedo), essa quebra na linearidade entre receita e impostos geralmente reflete fases distintas de projetos de concessão (ciclos pesados de investimento/capex com diferimento ou créditos tributários específicos versus fases de operação consolidada) ou reestruturações societárias internas (como divisões de receitas entre múltiplos CNPJs de uma mesma holding).

O Erro como Ferramenta de Diagnóstico: O fato de o modelo de efeitos fixos “falhar” em prever a receita dessas poucas empresas não representa uma deficiência estatística, mas sim o seu maior mérito. Ele funciona como um radar de precisão, sinalizando ao analista exatamente onde se encontram as exceções operacionais, jurídicas ou contábeis que exigem um escrutínio qualitativo individual, separando o comportamento de mercado padrão das trajetórias singulares dessas companhias.

5 Análise COFINS PISPASEP como variável dependente

Quando invertemos a relação econométrica e passamos a estimar os tributos sobre a receita — definindo o Custo PIS/COFINS como a variável dependente explicada pela Receita Principal, Custos Operacionais, CSLL e Imposto de Renda via equação $\text{Custo PIS/COFINS}_{it} = \beta_0 + \beta_1 \text{Receita}_{it} + \beta_2 \text{Custo Operacional}_{it} + \beta_3 \text{CSLL}_{it} + \beta_4 \text{IR}_{it} + \varepsilon_{it}$ —, alteramos profundamente a perspectiva do diagnóstico contábil e fiscal. Nessa nova especificação, o erro de estimativa ($\varepsilon_{it}$), capturado pelo resíduo do modelo de efeitos fixos, deixa de medir a capacidade dos custos de gerarem receita e passa a mensurar a desacoplagem direta entre a arrecadação ou despesa tributária efetiva e a base operacional declarada pela firma.O que o resíduo desta nova estimativa revela?Assimetrias de Regime e Planejamento Tributário (Créditos e Isenções):

Em empresas do mesmo setor e cluster, a Receita Principal e os Custos Operacionais deveriam ditar um montante previsível de PIS e COFINS. Quando o resíduo ($\varepsilon_{it}$) é significativamente negativo (ou seja, o valor real de PIS/COFINS fica muito abaixo do estimado pela fórmula $\text{Custo PIS/COFINS}_{it} = \beta_0 + \beta_1 \text{Receita}_{it} + \beta_2 \text{Custo Operacional}_{it} + \beta_3 \text{CSLL}_{it} + \beta_4 \text{IR}_{it} + \varepsilon_{it}$), isso sinaliza a presença de mecanismos não capturados pelas variáveis explicativas lineares. Na prática, isso aponta para um volume atípico de créditos tributários compensáveis (como na apuração no regime não cumulativo decorrente de investimentos/CAPEX pesados), amortizações fiscais, diferimentos específicos de concessões de infraestrutura ou incentivos regionais/setoriais.Sazonalidade e Ajustes Extemporâneos em Contratos de Longo Prazo:

No setor de transmissão de energia, o reconhecimento da receita nem sempre coincide com o fluxo de caixa de recolhimento tributário das contribuições sociais em virtude de regramentos específicos do setor (como revisões tarifárias periódicas, RAP e contabilização de ativos financeiros de concessão). Um resíduo elevado na estimativa de $\text{Custo PIS/COFINS}_{it} = \beta_0 + \beta_1 \text{Receita}_{it} + \beta_2 \text{Custo Operacional}_{it} + \beta_3 \text{CSLL}_{it} + \beta_4 \text{IR}_{it} + \varepsilon_{it}$ indica que as regras de apuração do PIS/COFINS em determinados trimestres responderam a eventos contábeis e regulatórios extraordinários, que quebraram a relação paramétrica padrão observada nas demais empresas do cluster.Efeito de Estrutura Societária e Múltiplos CNPJs: Para grupos econômicos que distribuem a operação entre diferentes subsidiárias (como observado nos casos da Argo e da José Maria de Macedo), essa estimativa escancara se a incidência tributária do PIS/COFINS está sendo concentrada ou diluída em CNPJs específicos do grupo. Um erro expressivo ao calcular $\text{Custo PIS/COFINS}_{it} = \beta_0 + \beta_1 \text{Receita}_{it} + \beta_2 \text{Custo Operacional}_{it} + \beta_3 \text{CSLL}_{it} + \beta_4 \text{IR}_{it} + \varepsilon_{it}$ sinaliza que a receita reportada em uma entidade pode não estar arcando com a carga proporcional equivalente de PIS/COFINS registrada no consolidado ou na empresa pareada por PSM.Identificação de Anomalias Fiscais e Risco de Auditoria:

Sob a perspectiva estritamente de auditoria e conformidade fiscal, o resíduo $\varepsilon_{it}$ da fórmula funciona como um indicador de desvio de alíquota efetiva. Resíduos positivos altos (PIS/COFINS efetivo muito superior ao predito) podem indicar recolhimentos indevidos, perda de créditos ou autuações e passivos contingentes; já resíduos negativos acentuados atuam como alertas para potencial subapuração ou aproveitamento agressivo de créditos que foge ao comportamento médio do setor.Conclusão AnalíticaAo adotar o PIS/COFINS como variável dependente na relação $\text{Custo PIS/COFINS}_{it} = \beta_0 + \beta_1 \text{Receita}_{it} + \beta_2 \text{Custo Operacional}_{it} + \beta_3 \text{CSLL}_{it} + \beta_4 \text{IR}_{it} + \varepsilon_{it}$, o erro de estimativa deixa de ser uma falha do modelo para se tornar uma métrica quantitativa da variabilidade da carga tributária efetiva. Para o cientista de dados e auditor, isso demonstra que, em um mesmo cluster homogêneo, a Receita e os Custos até podem seguir padrões previsíveis, mas a mecânica de apuração e compensação tributária das exceções responde a lógicas jurídicas e operacionais particulares que exigem análise individualizada.

A presente auditoria econométrica direcionou o escopo analítico para avaliar a relação direta entre a rubrica de PIS/PASEP e COFINS em função da Receita Principal e do Custo Total Operacional, aplicando o modelo de Efeitos Aleatórios (Random Effects) acoplado ao Pareamento por Escore de Propensão (PSM 1:1) para isolar assimetrias e desvios trimestrais. A introdução explícita da receita e do custo na especificação permitiu auditar de forma rigorosa como o encargo tributário se comporta diante da estrutura operacional das companhias, revelando que as anomalias capturadas refletem choques de escala e distorções na elasticidade entre faturamento e tributação.A análise detalhada dos resíduos e dos erros de simulação evidencia desvios agudos em ambas as direções que revelam comportamentos atípicos na apuração da COFINS. Na Subclasse 1, o Banco BMG S/A registrou um erro severo de simulação com um Z-Score de $-4,69$, apresentando um encargo de PIS/PASEP e COFINS de $-386.596$ sobre uma Receita Principal de $1.597.838$, enquanto sua gêmea de controle (Cemig GT) operou com uma receita multibilionária de $5.398.657$ e dedução de $-346.483$.

Esse contraste extremo gerou uma proporção em módulo de $24,19\%$ para o BMG contra apenas $6,42\%$ da Cemig GT (uma divergência de $+17,78\text{ p.p.}$), demonstrando que o modelo superestimou o imposto devido porque a estrutura de intermediação financeira do banco difere radicalmente do modelo de concessão de energia. Em contrapartida, na Subclasse 6, a Transmissora Aliança de Energia Elétrica (TAESA) apresentou um Z-Score positivo de $6,12$ com receita de $436.826$ e dedução de $-20.769$ ($4,75\%$ em módulo) frente a uma unidade de controle da própria TAESA com receita de $120.852$ e dedução de $-13.416$ ($11,10\%$ em módulo), evidenciando que o modelo subestimou a COFINS porque o faturamento da anômala expandiu-se em ritmo muito superior ao encargo tributário proporcional. Comportamentos semelhantes foram observados na Subclasse 3 (Jalles Machado S.A., com receita de $349.856$ e dedução de $-207.111$, atingindo $59,20\%$ em módulo frente a $66,74\%$ do controle, com $Z = -2,02$) e na Subclasse 5 (TAESA com receita de $102.811$ e dedução de $-14.325$, alcançando $13,93\%$ frente a $7,51\%$ da Sanesalto Saneamento, com $Z = -2,55$).

Quando relaxamos a distorção gerada pelo cruzamento entre setores completamente distintos e focamos em uma modelagem controlada — utilizando variáveis contábeis robustas como receita, custos operacionais e impostos correntes em um painel de Efeitos Aleatórios —, a econometria contábil cumpre seu verdadeiro papel preditivo. Ao alimentar o modelo com preditores consistentes, criamos uma “linha de base” estatística que define qual deveria ser o comportamento padrão do PIS/PASEP e da COFINS para uma determinada estrutura de negócios, neutralizando ruídos e estabelecendo uma expectativa de conformidade fiscal muito mais precisa.

É exatamente nesse cenário de controle rigoroso — especialmente quando o pareamento por escore de propensão (PSM) é restrito a empresas do mesmo setor ou com modelos operacionais estritamente semelhantes — que a análise de resíduos e Z-Scores se torna uma ferramenta cirúrgica de auditoria.Se duas companhias do mesmo subsetor industrial, com escalas e margens equivalentes, apresentam desvios estatísticos severos em relação ao comportamento esperado pelo modelo (resíduos com $\vert{}Z\vert{} \ge 2,0$ e divergências agudas nas proporções em módulo sobre a receita), a anomalia deixa de ser um mero artefato metodológico e passa a indicar uma assimetria real na apuração tributária daquele trimestre.

Para uma auditoria financeira, esse rigor metodológico transforma os desvios extremos em sinais de alerta altamente confiáveis (red flags). Sob o controle adequado de setor e variáveis, uma discrepância injustificada na COFINS pode revelar desde falhas sistêmicas na apuração de créditos não cumulativos e ineficiências na gestão de insumos até estratégias tributárias agressivas ou distorções contábeis pontuais. Em suma, quando bem calibrada, a ferramenta econométrica deixa de “estranhar” diferenças de mercado e passa a apontar com precisão cirúrgica onde a realidade contábil da empresa foge significativamente do padrão de sua própria indústria.

Tabela Comparativa por Quantis: Empresa Anômala vs. Benchmark Setorial

5.1 A Narrativa do Erro Econométrico: Da Abundância Financeira à Desacoplagem Fiscal

A aplicação do modelo de dados em painel com foco na extração dos resíduos estocásticos e no cálculo do Z-Score opera como um potente vetor de triagem quantitativa. Ao definirmos o recolhimento de PIS/Pasep e Cofins como a variável dependente do modelo e ajustarmos a regressão pelos determinantes estruturais de escala e custos operacionais, o algoritmo isolou quatro corporações emblemáticas: CEMIG Geração e Transmissão S.A., Transmissora Aliança de Energia Elétrica S.A. (TAESA), Banco BMG S.A. e Jalles Machado S.A. Essas empresas expõem com clareza o paradoxo central da auditoria baseada em risco: a aparente higidez financeira de superfície pode ocultar desacoplagens tributárias severas em relação ao comportamento esperado para o cluster.

Quando analisamos o topo da Demonstração do Resultado do Exercício (DRE) sob a ótica do faturamento, as quatro companhias selecionadas não apresentam qualquer traço de fragilidade operacional. Pelo contrário, ao confrontarmos os microdados de receita com a distribuição por quantis do setor, observamos que elas se posicionam sistematicamente entre a Mediana (q = 0,50) e o Terceiro Quantil (q = 0,75), figurando na camada superior da estrutura corporativa nacional.

5.1.1 A Ilusão da Grandeza e a Escala de Faturamento

A distribuição dos dados ao longo dos quantis de receita comprova que a filtragem por erros econométricos não busca empresas em estado de estresse financeiro, mas sim organizações que violam a proporcionalidade matemática entre o volume de negócios e a carga tributária reportada.

No setor elétrico, a CEMIG GT exemplifica essa hipertrofia de escala ao registrar faturamentos da ordem de R$ 6,72 bilhões no primeiro trimestre e R$ 1,22 bilhão no sexto trimestre. Na comparação com o quantil inferior de receita (onde o benchmark setorial situa-se em R$ 470,8 mil) e com a mediana (R$ 1,79 milhão), a companhia ostenta superávits de faturamento superiores a R$ 4,9 bilhões. Mesmo frente ao topo da distribuição do setor, onde o benchmark atinge R$ 7,09 bilhões, a CEMIG GT preserva o status de gigante de infraestrutura, registrando divergências marginais em relação ao teto do mercado.

A TAESA exibe uma trajetória de consistência análoga. Com faturamentos trimestrais na casa de R$ 1,03 bilhão, a empresa supera os patamares do primeiro quantil e orbita muito próxima da mediana do setor de transmissão. Embora registre uma lacuna de escala quando comparada ao quantil mais alto da amostra, ela se consolida de forma estável no estrato superior de faturamento do mercado elétrico.

Em outra ponta da economia, o Banco BMG expõe oscilações drásticas de receita bruta de intermediação financeira, alcançando a marca de R$ 9,00 bilhões no quarto trimestre, em contraste direto com a mediana do setor bancário, que se fixa em R$ 146,8 mil. O banco opera com uma divergência positiva de faturamento superior a R$ 8,85 bilhões, situando-se amplamente acima da média do seu grupo de pares. Já no setor de commodities e agronegócio, a Jalles Machado reporta faturamento de R$ 349,8 mil no terceiro trimestre, superando com facilidade o benchmark do primeiro quantil e mantendo posição intermediária no setor industrial.

5.1.2 A Desacoplagem Fiscal: O Descompasso Entre a DRE e o Benchmark

O ponto de inflexão da análise quantitativa ocorre no momento em que deslocamos o foco da receita bruta para a proporção efetiva dos custos de PIS/Pasep e Cofins em relação ao faturamento principal. Nos dados de origem não expurgados do setor elétrico, o comprometimento médio somado entre custos e tributação sobre a receita varia habitualmente de 32% a 46%, atingindo benchmarks medianos e superiores estabilizados em patamares acima de 37% a 43%.

Entretanto, as empresas selecionadas pelo algoritmo do resíduo apresentam um comportamento fiscal completamente atípico, registrando alíquotas efetivas declaradas que variam em uma faixa reduzida de 4% a 14%.

A CEMIG GT, por exemplo, reporta recolhimentos efetivos de PIS/Cofins que flutuam entre 4,32% e 5,19% ao longo dos trimestres, enquanto o benchmark da mediana e do terceiro quantil para o seu setor exigiria um comprometimento esperado superior a 40%. A TAESA apresenta dinâmica idêntica, registrando alíquotas efetivas na faixa de 4,75% a 13,93%, criando um hiato estrutural de mais de 30 pontos percentuais em relação à média do mercado.

No setor financeiro, o Banco BMG percorre o caminho inverso: enquanto a mediana de PIS/Cofins sobre a receita bruta para instituições de intermediação opera em patamares contidos na faixa de 2,37%, o BMG aponta alíquotas efetivas de 8,80% a 24,19%, superando consideravelmente o padrão do cluster. No setor sucroenergético, a Jalles Machado atinge um comprometimento de 59,20% no terceiro trimestre, superando o benchmark setorial fixado em 49,19%.

5.1.3 Didática do Erro: Regimes Especiais e o Papel do Z-Score na Auditoria

Para a formação analítica em auditoria quantitativa, estes achados fornecem uma lição metodológica fundamental: uma divergência estatística substancial (Z-Score elevado) não traduz automaticamente uma irregularidade ou fraude. Ela atua como um sinalizador objetivo de prioridade que direciona a investigação humana para os pontos que escapam à regra geral.

A disparidade observada entre a alíquota teórica e a alíquota efetiva decorre de dinâmicas contábeis, judiciais e regulatórias plenamente explicáveis no contexto corporativo brasileiro:

Mensuração do Ativo Financeiro e IFRS 15 no Setor Elétrico: Em transmissoras como a TAESA e a CEMIG GT, parcela significativa da receita bruta reportada na DRE provém do ajuste e remuneração do Ativo Financeiro da Concessão (atualizado por índices de inflação) e da receita de construção. Por força da norma contábil do CPC 47, essas rubricas possuem regras próprias de diferimento e não sofrem a incidência direta das alíquotas cheias do PIS/Cofins no momento do registro do faturamento contábil.
Efeitos de Compensação Indébita e a Tese do Século: A consolidação do entendimento do STF sobre a exclusão do ICMS da base de cálculo do PIS e da Cofins, somada ao aproveitamento legítimo de créditos acumulados do regime não cumulativo sobre insumos, manutenção da rede e depreciação de ativos, permite que grandes concessionárias reduzam substancialmente o recolhimento em caixa durante diversos trimestres.
Especificidades Tributárias do Setor Bancário: Instituições como o Banco BMG possuem bases de apuração altamente sensíveis à estrutura de custos de captação e deduções legais de intermediação financeira. Variações na composição da carteira de crédito e no volume de captação alteram drasticamente a proporção de PIS/Cofins recolhida sobre a receita bruta de um trimestre para o outro.
Regimes Monofásicos e Pautas Fiscais no Agronegócio: Na agroindústria, empresas como a Jalles Machado sujeitam-se a alíquotas concentradas e benefícios fiscais específicos para o setor de biocombustíveis e açúcar, o que desloca a alíquota efetiva para patamares muito distintos da média industrial genérica.

O resíduo do modelo de painel cumpre, portanto, o seu papel primordial de primeira camada de inteligência fiscal. Em vez de desperdiçar recursos com amostragens aleatórias, a auditoria quantitativa utiliza o desvio estocástico para filtrar o universo de companhias e apontar com precisão cirúrgica quais organizações operam fora do envelope de normalidade, permitindo que os auditores verifiquem se a desacoplagem decorre do aproveitamento legítimo de regimes especiais ou de inconsistências na apuração contábil.

Auditoria

Aluno

2026-10-28