Modelo de previsão de falência de empresas brasileiras utilizando variáveis financeiras

• Ano de defesa: 2018
• Autor(a) principal: Melo, Laís Lopes de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Previsão de falências. Empresas brasileiras. Dados em painel. Logit. Z-score.
• Link de acesso: https://repositorio.insper.edu.br/handle/11224/2202

O objetivo deste trabalho é avaliar empiricamente, com dados contábeis, a previsão de falência de empresas brasileiras através de modelo regressão logística. Adicionalmente, compara-se a performance dos modelos utilizando uma abordagem de dados cross section (amostra pareada) e longitudinais (dados em painel). Um dos desafios para a realização de estudos dessa natureza no Brasil é a quantidade reduzida de instituições que faliram com dados contábeis disponíveis para consulta. A partir dos dados de balanço e demonstrativos de resultados de 208 empresas brasileiras não financeiras e não públicas, sendo apenas 31 empresas falidas no período de 2007 a 2017, construiu-se a base de dados para análise. Foram utilizados 11 variáveis financeiras que medem liquidez, endividamento, capitalização, eficiência e rentabilidade, além de outras três variáveis de controle, sendo elas tamanho dos Ativos da empresa, setor ao qual a empresa pertence e ano. Através dessas variáveis foram construídos 6 diferentes modelos para cada abordagem de dados (cross section e longitudinal), sendo que um deles foi o conhecido modelo Z-score de Altman (1968). As variáveis que medem liquidez da empresa e rentabilidade se mostraram altamente relevantes para análise de previsão de falência, em especial a variável Fluxo de Caixa sobre Passivo Total, além de Ativo Circulante sobre Passivo Circulante, ROA e ROE. Os resultados obtidos, em 10 de 12 modelos, foram bastante satisfatórios, com percentual de classificação correta das empresas acima de 90%, chegando até 95,74%. Por fim, se o intuito da análise for acertar a falência, ou seja, alto percentual de verdadeiro positivo, o modelo logit com dados cross section parece performar melhor.