1 - Franklin Tomich Fundacao Dom Cabral - Nova Lima
2 - ALEXANDRE VASCONCELOS ARONNE Fundacao Dom Cabral - BH
Reumo
Desde os anos 30, iniciou-se a estudos sobre a possibilidade da previsão de insolvência de uma empresa, onde se buscou diferentes métodos estatísticos e diversificarão nos tipos de indicadores contábeis. Estes os modelos adotam uma abordagem que se baseia em uma amostra contendo indicadores contábeis referentes a 1 ano anterior à ocorrência da insolvência, assim, do ponto de vista dos gestores da empresa, essa abordagem pode apresentar limitações devido ao tempo limitado entre a previsão e a tomada de decisões para reverter a situação. Além disto modelos com IA tem maior capacidade de previsão
O número de insolvências no Brasil em 2021 ultrapassou 2 mil empresas, e houve um aumento significativo em 2022, podendo chegar a quase 3 mil, representando um salto de mais de 30%.Esta pesquisa tem como objetivo investigar se as redes neurais, ao serem treinadas com séries históricas de variáveis contábeis, apresentam uma capacidade preditiva superior aos modelos tradicionais de previsão de insolvência baseados em regressão logística. Com isto validar uma ferramenta valiosa para apoio a tomada de decisões e ações de gestores no intuito de reverter o possível o quadro de falta de liquidez .
A insolvência de uma empresa, é o resultado de uma falta momentânea de liquidez e deve ser compreendida como um estado crítico. Além disso, empresas com altos níveis de endividamento tendem a antecipar problemas de insolvência. Estudos também indicam que modelos estatísticos utilizam um menor número de indicadores e um período de análise mais limitado em comparação às Redes Neurais. No entanto, as Redes Neurais possuem a capacidade de lidar com um grande número de variáveis e identificar padrões complexos e não lineares, que podem ser relevantes na previsão de insolvência.
A pesquisa é de natureza empírica visto que buscou testar as hipóteses argumentadas no desenvolvimento deste trabalho e coletou e analisou dados reais de empresas de capital aberto, além de possuir a essência de investigação, baseando-se na observação pois teve o objetivo principal explorar, descobrir e compreender um fenômeno ou problema específico por meio de investigação sistemática e rigorosa Em relação à abordagem do problema, esta pesquisa se classifica como quantitativa, pois se baseia em dados numéricos e utiliza métodos estatísticos para coletar, analisar e interpretar esses dados.
Este estudo evidenciou o desempenho superior das Redes Neurais em comparação com a Regressão Logística na previsão de insolvência de empresas de capital aberto. Adicionalmente, foi constatado que a utilização de indicadores contábeis financeiros com até 2 anos de antecedência do estado de insolvência também é eficaz na previsão o que torna o modelo uma ferramenta poderosa para os gestores na área de finanças. Além disto a pesquisa apresentou os indicadores contábeis e financeiros que mais têm poder explicativo sobre a situação de liquidez e insolvência da empresa.
Este estudo evidenciou o desempenho superior das Redes Neurais em comparação com a Regressão Logística na previsão de insolvência de empresas de capital aberto. Adicionalmente, constatou-se que a utilização de indicadores contábeis financeiros com até 2 anos de antecedência do estado de insolvência demonstrou eficácia na previsão, o que confere ao modelo um alto potencial como ferramenta para gestores na área de finanças. Além disso, a pesquisa identificou os indicadores contábeis e financeiros que possuem maior poder explicativo em relação à situação de liquidez e insolvência da empresa.
ALAVI, M.; CARLSON, P. A review of MIS research and disciplinary development. Journal of Management Information Systems, v. 8, p. 45-62, 1992.
ALTMAN, E. I., Baidya, T. K. N.; Dias. L. M. R. Previsão de problemas financeiros em empresas. ERA v. 19, n. 1, p. 17-28, 1979.
ASSAF NETO, A. Estrutura e Análise de Balanço. 9. ed. São Paulo: Atlas, 2010.
COX, D. R., & Parzen, E. (1965). The Analysis of Contingency Tables with Overdispersion. Journal of the American Statistical Association, 60(309), 548-565.
KANITZ, Stephen Charles. Como prever falências. São Paulo: McGrall-Hill do Brasil, 1978.