Técnicas de cluster para analisar restrição financeira e decisão de investimento : uma abordagem Bayesiana

• Ano de defesa: 2010
• Autor(a) principal: Sampaio, Camila Fernanda Bassetto
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Bayesian inference; clustering techniques; decisão de investimento; financiai constraint; inferência Bayesiana; investment decision; restrição financeira; técnicas de agrupamento
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18157/tde-08052024-094149/

O presente trabalho tem por objetivo investigar a presença de restrição financeira nas decisões de investimento de 564 firmas brasileiras no período de 1996 a 2006. A análise das decisões de investimento e restrição financeira é realizada utilizando uma abordagem bayesiana e um banco de dados longitudinais com informações variando por firma e no tempo, possibilitando considerar a heterogeneidade entre as firmas. O agrupamento proposto utiliza técnicas sob uma abordagem bayesiana e a estimação dos parâmetros do modelo de investimento é realizada considerando um modelo econométrico com os parâmetros variando por grupo. A motivação para a utilização de técnicas de agrupamento considerando a teoria bayesiana para agrupar as firmas deve-se ao fato de tal abordagem não ter sido considerada na literatura sobre decisões de investimento e restrição financeira como critério de classificação. Além disso, o critério adotado neste estudo permite identificar grupos de forma endógena, diferentemente dos estudos encontrados na literatura, os quais assumem critérios de agrupamento definidos a priori e classificam as firmas de forma exógena. Por tratar-se de uma abordagem bayesiana, distribuições a priori são assumidas para os parâmetros do modelo, classificando o modelo de investimento como sendo de efeito fixo ou efeito aleatório. O critério das ordenadas das densidades preditivas é utilizado para selecionar o modelo mais adequado aos dados e com maior poder de predição para observações futuras. Foram testados oito modelos e o mais apropriado foi o modelo de efeito fixo com as firmas classificadas em dois grupos. A utilização de técnicas de agrupamento sob um enfoque bayesiano resultou em dois grupos de firmas com características financeiramente distintas. De acordo com os resultados, o método de classificação bayesiano considerado forneceu indícios de que as firmas enfrentam restrição financeira em suas decisões de investimento. Adicionalmente, a variável fluxo de caixa está atuando como uma proxy para restrição financeira e não sinaliza um potencial de rentabilidade futura, dado que o parâmetro do fluxo de caixa foi maior para as firmas com índices mais baixos de rentabilidade