Predição de recuperação judicial de empresas do setor sucroalcooleiro no Brasil utilizando análise discriminante e regressão logística
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional do FGV (FGV Repositório Digital) |
Texto Completo: | https://hdl.handle.net/10438/29512 |
Resumo: | O principal objetivo desta pesquisa foi desenvolver e comparar modelos estatísticos utilizando as técnicas de Regressão Logística e Análise Discriminante Linear, para compreender quais delas apresenta os melhores resultados na predição de recuperação judicial das empresas do setor sucroalcooleiro brasileiro. Inicialmente foram separados dois grupos de empresas para a coleta de dados, as empresas solventes e as insolventes, sendo este último grupo determinado pelas empresas que realizaram pedido formal de recuperação judicial. Para esses grupos foram levantadas as demonstrações financeiras para um, dois e três anos antes do evento do pedido de recuperação judicial. De posse das demonstrações financeiras, foram calculadas 20 variáveis independentes que, posteriormente, pela técnica de análise de componentes principais, foram reduzidas a 10, tendo sido eliminados principalmente os efeitos de multicolinearidade. A seleção final das variáveis explicativas significativas, tanto dos modelos de Regressão Logística quanto de Análise Discriminante Linear foi realizada pelo método stepwise. Os resultados obtidos demonstraram que a acurácia na previsão das empresas insolventes foi superior nos modelos de Regressão Logística em relação à Análise Discriminante Linear, portanto os modelos logit podem ser aplicados para a previsão de falência das empresas do setor com até três anos de antecedência com taxas de acerto superiores a 80%. |
id |
FGV_43817331e7bde311fbde0bb017375285 |
---|---|
oai_identifier_str |
oai:repositorio.fgv.br:10438/29512 |
network_acronym_str |
FGV |
network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
repository_id_str |
3974 |
spelling |
Costa, Roberto ZancanerEscolas::EESPRochman, Ricardo RatnerOkimura, Rodrigo TakashiCastro Júnior, Francisco Henrique Figueiredo de2020-07-28T19:22:44Z2020-07-28T19:22:44Z2020-07-03https://hdl.handle.net/10438/29512O principal objetivo desta pesquisa foi desenvolver e comparar modelos estatísticos utilizando as técnicas de Regressão Logística e Análise Discriminante Linear, para compreender quais delas apresenta os melhores resultados na predição de recuperação judicial das empresas do setor sucroalcooleiro brasileiro. Inicialmente foram separados dois grupos de empresas para a coleta de dados, as empresas solventes e as insolventes, sendo este último grupo determinado pelas empresas que realizaram pedido formal de recuperação judicial. Para esses grupos foram levantadas as demonstrações financeiras para um, dois e três anos antes do evento do pedido de recuperação judicial. De posse das demonstrações financeiras, foram calculadas 20 variáveis independentes que, posteriormente, pela técnica de análise de componentes principais, foram reduzidas a 10, tendo sido eliminados principalmente os efeitos de multicolinearidade. A seleção final das variáveis explicativas significativas, tanto dos modelos de Regressão Logística quanto de Análise Discriminante Linear foi realizada pelo método stepwise. Os resultados obtidos demonstraram que a acurácia na previsão das empresas insolventes foi superior nos modelos de Regressão Logística em relação à Análise Discriminante Linear, portanto os modelos logit podem ser aplicados para a previsão de falência das empresas do setor com até três anos de antecedência com taxas de acerto superiores a 80%.The main purpose of this research was to develop and compare statistical models using the Logistic Regression and Linear Discriminant Analysis techniques, to identify which of these techniques is best suited to predicting the insolvency of Brazilian companies of the sugar and alcohol sector. Initially, two groups of companies were segregated for the data collection: solvent and insolvent, provided that the latter was composed by the companies which had filed a formal request for judicial recovery. The data obtained were the financial statements relating to the period of one, two and three years prior to the formal request for judicial recovery. The calculation of 20 independent variables has been made in possession of these financial statements and, subsequently, using the analysis of main components, the variables have been reduced to 10, eliminating the multicollinearity effects. The final selection of the significant explanatory variables, both in the Logistic Regression model and in the Linear Discriminant Analysis, was made using the stepwise method. The obtained results demonstrated that the accuracy in predicting the insolvent companies was higher in the models of Logistic Regression in comparison to the Linear Discriminant Analysis, therefore, the logit models can be used to predict the bankruptcy of companies in the sector up to 3 years in advance with a success rate higher than 80%.porLogistic regressionLinear discriminant analysisBankruptcySugar and alcohol sectorRegressão logísticaAnálise discriminanteRecuperação judicialSucroalcooleiroEconomiaAnálise de regressão logísticaFunção discriminante linearSociedades comerciais - RecuperaçãoEmpresas - FinançasPredição de recuperação judicial de empresas do setor sucroalcooleiro no Brasil utilizando análise discriminante e regressão logísticainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVORIGINALPREDIÇÃO DE RECUPERAÇÃO JUDICIAL DE EMPRESAS DO SETOR SUCROALCOOLEIRO.pdfPREDIÇÃO DE RECUPERAÇÃO JUDICIAL DE EMPRESAS DO SETOR SUCROALCOOLEIRO.pdfPDFapplication/pdf1010851https://repositorio.fgv.br/bitstreams/75909055-5a99-4d75-8142-8138116c10fe/download2c61ccb4b1b4ec08fb81a46051e4019fMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/bd39a31e-426b-44c2-8891-e245ed3e6769/downloaddfb340242cced38a6cca06c627998fa1MD52TEXTPREDIÇÃO DE RECUPERAÇÃO JUDICIAL DE EMPRESAS DO SETOR SUCROALCOOLEIRO.pdf.txtPREDIÇÃO DE RECUPERAÇÃO JUDICIAL DE EMPRESAS DO SETOR SUCROALCOOLEIRO.pdf.txtExtracted texttext/plain103872https://repositorio.fgv.br/bitstreams/bc38f9f7-0cec-4b13-b39a-02ad7f26bdd7/download97f086d635631a4f70c01018e645fc05MD55THUMBNAILPREDIÇÃO DE RECUPERAÇÃO JUDICIAL DE EMPRESAS DO SETOR SUCROALCOOLEIRO.pdf.jpgPREDIÇÃO DE RECUPERAÇÃO JUDICIAL DE EMPRESAS DO SETOR SUCROALCOOLEIRO.pdf.jpgGenerated Thumbnailimage/jpeg2606https://repositorio.fgv.br/bitstreams/53cefaf0-4123-4268-8016-22e0d0df515d/downloada2ab313d7c94c2432c2db7cb2f1da341MD5610438/295122023-11-25 11:26:20.575restrictedoai:repositorio.fgv.br:10438/29512https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-25T11:26:20Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
dc.title.por.fl_str_mv |
Predição de recuperação judicial de empresas do setor sucroalcooleiro no Brasil utilizando análise discriminante e regressão logística |
title |
Predição de recuperação judicial de empresas do setor sucroalcooleiro no Brasil utilizando análise discriminante e regressão logística |
spellingShingle |
Predição de recuperação judicial de empresas do setor sucroalcooleiro no Brasil utilizando análise discriminante e regressão logística Costa, Roberto Zancaner Logistic regression Linear discriminant analysis Bankruptcy Sugar and alcohol sector Regressão logística Análise discriminante Recuperação judicial Sucroalcooleiro Economia Análise de regressão logística Função discriminante linear Sociedades comerciais - Recuperação Empresas - Finanças |
title_short |
Predição de recuperação judicial de empresas do setor sucroalcooleiro no Brasil utilizando análise discriminante e regressão logística |
title_full |
Predição de recuperação judicial de empresas do setor sucroalcooleiro no Brasil utilizando análise discriminante e regressão logística |
title_fullStr |
Predição de recuperação judicial de empresas do setor sucroalcooleiro no Brasil utilizando análise discriminante e regressão logística |
title_full_unstemmed |
Predição de recuperação judicial de empresas do setor sucroalcooleiro no Brasil utilizando análise discriminante e regressão logística |
title_sort |
Predição de recuperação judicial de empresas do setor sucroalcooleiro no Brasil utilizando análise discriminante e regressão logística |
author |
Costa, Roberto Zancaner |
author_facet |
Costa, Roberto Zancaner |
author_role |
author |
dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EESP |
dc.contributor.member.none.fl_str_mv |
Rochman, Ricardo Ratner Okimura, Rodrigo Takashi |
dc.contributor.author.fl_str_mv |
Costa, Roberto Zancaner |
dc.contributor.advisor1.fl_str_mv |
Castro Júnior, Francisco Henrique Figueiredo de |
contributor_str_mv |
Castro Júnior, Francisco Henrique Figueiredo de |
dc.subject.eng.fl_str_mv |
Logistic regression Linear discriminant analysis Bankruptcy Sugar and alcohol sector |
topic |
Logistic regression Linear discriminant analysis Bankruptcy Sugar and alcohol sector Regressão logística Análise discriminante Recuperação judicial Sucroalcooleiro Economia Análise de regressão logística Função discriminante linear Sociedades comerciais - Recuperação Empresas - Finanças |
dc.subject.por.fl_str_mv |
Regressão logística Análise discriminante Recuperação judicial Sucroalcooleiro |
dc.subject.area.por.fl_str_mv |
Economia |
dc.subject.bibliodata.por.fl_str_mv |
Análise de regressão logística Função discriminante linear Sociedades comerciais - Recuperação Empresas - Finanças |
description |
O principal objetivo desta pesquisa foi desenvolver e comparar modelos estatísticos utilizando as técnicas de Regressão Logística e Análise Discriminante Linear, para compreender quais delas apresenta os melhores resultados na predição de recuperação judicial das empresas do setor sucroalcooleiro brasileiro. Inicialmente foram separados dois grupos de empresas para a coleta de dados, as empresas solventes e as insolventes, sendo este último grupo determinado pelas empresas que realizaram pedido formal de recuperação judicial. Para esses grupos foram levantadas as demonstrações financeiras para um, dois e três anos antes do evento do pedido de recuperação judicial. De posse das demonstrações financeiras, foram calculadas 20 variáveis independentes que, posteriormente, pela técnica de análise de componentes principais, foram reduzidas a 10, tendo sido eliminados principalmente os efeitos de multicolinearidade. A seleção final das variáveis explicativas significativas, tanto dos modelos de Regressão Logística quanto de Análise Discriminante Linear foi realizada pelo método stepwise. Os resultados obtidos demonstraram que a acurácia na previsão das empresas insolventes foi superior nos modelos de Regressão Logística em relação à Análise Discriminante Linear, portanto os modelos logit podem ser aplicados para a previsão de falência das empresas do setor com até três anos de antecedência com taxas de acerto superiores a 80%. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-07-28T19:22:44Z |
dc.date.available.fl_str_mv |
2020-07-28T19:22:44Z |
dc.date.issued.fl_str_mv |
2020-07-03 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/10438/29512 |
url |
https://hdl.handle.net/10438/29512 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do FGV (FGV Repositório Digital) instname:Fundação Getulio Vargas (FGV) instacron:FGV |
instname_str |
Fundação Getulio Vargas (FGV) |
instacron_str |
FGV |
institution |
FGV |
reponame_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
collection |
Repositório Institucional do FGV (FGV Repositório Digital) |
bitstream.url.fl_str_mv |
https://repositorio.fgv.br/bitstreams/75909055-5a99-4d75-8142-8138116c10fe/download https://repositorio.fgv.br/bitstreams/bd39a31e-426b-44c2-8891-e245ed3e6769/download https://repositorio.fgv.br/bitstreams/bc38f9f7-0cec-4b13-b39a-02ad7f26bdd7/download https://repositorio.fgv.br/bitstreams/53cefaf0-4123-4268-8016-22e0d0df515d/download |
bitstream.checksum.fl_str_mv |
2c61ccb4b1b4ec08fb81a46051e4019f dfb340242cced38a6cca06c627998fa1 97f086d635631a4f70c01018e645fc05 a2ab313d7c94c2432c2db7cb2f1da341 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV) |
repository.mail.fl_str_mv |
|
_version_ |
1810023788992004096 |