A despeito da relevância, para uma empresa, de mensurar a probabilidade do fluxo de caixa, numa data futura, atingir valores que a impeçam de honrar compromissos ou firmar projetos de investimento ou financiamento, discussões sobre métodos capazes de fornecer tal probabilidade são incipientes. Pretendendo contribuir para tal discussão, este artigo apresenta métodos alternativos para verificação do fluxo de caixa em risco baseados na métrica Cash-Flow-at-Risk (C-FaR). Ilustrativamente, uma aplicação no segmento têxtil é realizada, sendo apresentados dois métodos para estimação dos fatores de risco relevantes do fluxo: setorial (painel) e individual (séries temporais), com simulação de choques inesperados sobre as previsões a partir da série do fator (nível) e da série de erros de previsão do fator (erro), além de um procedimento ingênuo, em que a distribuição do fluxo de caixa é acessada sem que se identifiquem explicitamente seus fatores de risco, pelo bootstrap da série de valores históricos de seus componentes (receitas, custos e despesas). Os resultados encontrados revelam que, na amostra, o melhor método estimou fatores de risco por empresa (enfoque de série de tempo) e simulou choques a partir dos erros de previsão dos fatores de risco.

Despite the relevance for companies in general of measuring the probability that its cash flow on a certain future date might reach values that would make it impossible for the company to honor its commitments, make investments or choose a more reliable capital structure, discussions on methods capable of indicating such probability are in their early days. Considering this scenario, this paper proposes different methods of measuring cash flow-at-risk based on the RiskMetrics Cash-Flow-at-Risk metric. As a practical example, an application to the textile sector is presented and two methods for risk factor identification were analyzed: sector relationships (panel) and individual relationships (time series). Secondly, factor simulations were made by: 1) original factor series (level) and 2) factor forecast error series (error). Plus, as a naive procedure, original cash flow component series are bootstrapped (and no risk factor is identified), in order to verify if a naive procedure would perform better than complex ones. Results show that, for the sample, the best method took risk factors by company (time series approach) and simulated shocks by forecast errors (error approach).