O caso do pedido de recuperação judicial pela Americanas S.A e a análise acerca do poder preditivo dos z-scores Brasil
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional do FGV (FGV Repositório Digital) |
Texto Completo: | https://hdl.handle.net/10438/34883 |
Resumo: | O presente estudo tem como objetivo analisar se os Z-scores de Altman adaptados para Brasil (Z1 e Z2 scores, propostos por Altman, Baydia e Dias, em 1979), teriam sido eficazes em antever o pedido de Recuperação Judicial pela Americanas, movimento que aparentemente não era esperado pelo mercado. Também foi analisado um score mais atualizado, o Zk-score. Para tal, analisou-se a validade dos referidos modelos para o mercado brasileiro nos dias atuais, aplicando-os em dados atualizados de empresas brasileiras entre os anos de 2011 e 2021. Em resumo, concluiu-se que aqueles scores não seriam adequados para a análise em questão, por apresentar altos níveis de erros tipo 1 e tipo 2 no back test realizado. Dado esse contexto, buscou-se, então: a) atualizar o modelo dos Z1 e Z2 scores com os dados recentes, utilizando a mesma metodologia adotada anteriormente (Analise discriminante Linear) para o mercado Brasileiro e b) utilizar outras metodologias (Análise Discriminante Quadrática e Regressão Logística) para a referida previsão, buscando aquela mais indicada para a análise em questão. Na análise, foram utilizadas as mesmas variáveis explicativas sugeridas nos estudos originais. A metodologia mais adequada para a amostra em questão foi a Regressão Logística (Logit), dado que os pressupostos para a utilização dos outros dois modelos não foram atendidos pela amostra. Em posse dos resultados da Logit, foram ajustados os seus coeficientes e utilizou-se apenas as variáveis estatisticamente relevantes para a previsão de insolvência financeira. Com isso, o presente estudo desenvolveu uma metodologia mais atualizada de previsão de insolvência financeira, Z-logit, com melhor taxa de acerto para a base de dados atualizada e com erros tipo 1 e 2 em torno de 15%. Em posse dessa nova metodologia proposta pela presente dissertação, foi analisada a previsão para o caso de Americanas S.A. Em resumo, mesmo a nova metodologia não foi capaz de antever o movimento observado na empresa. Tal fenômeno pode ser explicado pelo fato de as demonstrações financeiras disponíveis não representarem a verdadeira situação financeira da empresa ou pela empresa estar na margem de erro dos modelos, opção que a autora entende como menos provável, dado contexto da Americana à época do encerramento desse estudo, que havia relatado ao mercado evidências de que a contabilidade da companhia tenha sido objeto de fraude. Por fim, não foi objeto do presente estudo acrescentar novas variáveis independentes que poderiam aumentar a assertividade do modelo e tampouco analisar a capacidade de predição dos modelos citados para outros casos de potencial fraude contábil. |
id |
FGV_61bfa0c546306a454303dc33c4bc35be |
---|---|
oai_identifier_str |
oai:repositorio.fgv.br:10438/34883 |
network_acronym_str |
FGV |
network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
repository_id_str |
3974 |
spelling |
Gonçalves, Paula MeiraEscolas::EPGEMaia, Marcelo VerdiniJesus Filho, Jaime deGonçalves, Edson Daniel Lopes2024-02-19T19:29:53Z2024-02-19T19:29:53Z2023-07-06https://hdl.handle.net/10438/34883O presente estudo tem como objetivo analisar se os Z-scores de Altman adaptados para Brasil (Z1 e Z2 scores, propostos por Altman, Baydia e Dias, em 1979), teriam sido eficazes em antever o pedido de Recuperação Judicial pela Americanas, movimento que aparentemente não era esperado pelo mercado. Também foi analisado um score mais atualizado, o Zk-score. Para tal, analisou-se a validade dos referidos modelos para o mercado brasileiro nos dias atuais, aplicando-os em dados atualizados de empresas brasileiras entre os anos de 2011 e 2021. Em resumo, concluiu-se que aqueles scores não seriam adequados para a análise em questão, por apresentar altos níveis de erros tipo 1 e tipo 2 no back test realizado. Dado esse contexto, buscou-se, então: a) atualizar o modelo dos Z1 e Z2 scores com os dados recentes, utilizando a mesma metodologia adotada anteriormente (Analise discriminante Linear) para o mercado Brasileiro e b) utilizar outras metodologias (Análise Discriminante Quadrática e Regressão Logística) para a referida previsão, buscando aquela mais indicada para a análise em questão. Na análise, foram utilizadas as mesmas variáveis explicativas sugeridas nos estudos originais. A metodologia mais adequada para a amostra em questão foi a Regressão Logística (Logit), dado que os pressupostos para a utilização dos outros dois modelos não foram atendidos pela amostra. Em posse dos resultados da Logit, foram ajustados os seus coeficientes e utilizou-se apenas as variáveis estatisticamente relevantes para a previsão de insolvência financeira. Com isso, o presente estudo desenvolveu uma metodologia mais atualizada de previsão de insolvência financeira, Z-logit, com melhor taxa de acerto para a base de dados atualizada e com erros tipo 1 e 2 em torno de 15%. Em posse dessa nova metodologia proposta pela presente dissertação, foi analisada a previsão para o caso de Americanas S.A. Em resumo, mesmo a nova metodologia não foi capaz de antever o movimento observado na empresa. Tal fenômeno pode ser explicado pelo fato de as demonstrações financeiras disponíveis não representarem a verdadeira situação financeira da empresa ou pela empresa estar na margem de erro dos modelos, opção que a autora entende como menos provável, dado contexto da Americana à época do encerramento desse estudo, que havia relatado ao mercado evidências de que a contabilidade da companhia tenha sido objeto de fraude. Por fim, não foi objeto do presente estudo acrescentar novas variáveis independentes que poderiam aumentar a assertividade do modelo e tampouco analisar a capacidade de predição dos modelos citados para outros casos de potencial fraude contábil.The present study intend to analyze if the Z-score adjusted for Brazilian market (Z1 and Z2 scores, proposed by Altman, Baydia e Dias, in 1979), would have been assertive to anticipate the Americanas S.A’s financial insolvency, movement that the Market did not anticipate. We also tried to apply a more actual score, the Zk-score. For that, we analyze the validity of these models for the Brazilian Market’s recent data (between 2011 and 2021). Summarizing, we could conclude the Z1, Z2 and Zk scores are not indicated for the present analyze, since the high level of type 1 and type 2 errors observed in the back test. In this context, we, then: a) updated the Z1 and Z2 scores with the recent data for Brazilian Market, using the same methodology previously adopted (Linear Discriminant Analysis – LDA) and b) applied other methodologies (Quadratic Discriminant Analysis – QDA and Logistic Regression - Logit) for the forecast of financial insolvency, looking for the most indicate methodology for the sample. In the analysis, we adopted the same variables off Z1 and Z2 original scores. Applying the statistical methods, we found that the most indicated methodology was Logistic Regression. After that, analyzing the results of this model, we adjust the Logit, using in our final model just the significant variables for insolvency prediction. As a result, the present study developed an updated model for insolvency prediction (Z-logit), with better accuracy using the updated data and with lower type 1 and 2 errors (15%). Since we had a new and more accurate model, we applied that in the case of Americanas S.A: even the new methodology was not capable to anticipate the company’s insolvency. The phenomenon could be explained by two reason: a) the Financial Statements of the company did not reflect its real financial situation, the one we believe is the correct answer or b) the Americanas’ Z-logit result was in the error margin region, option less likable in our opinion, given the recent communications the company gave to the Market, talking about the existence of fraud and accounting inconsistencies. Lastly, it was not objective of the present study to add new variables to the model that could improve its accuracy and it nether had the intention of analyze the predicting power of the cited models for another cases of fraud.porAmericanas S.APrevisão de fraudeInsolvência financeiraScore de créditoZ-scoreZ-logitEmpresas - Brasil - FinançasConcordataFraude - Estudo de casosAnálise de regressão logísticaO caso do pedido de recuperação judicial pela Americanas S.A e a análise acerca do poder preditivo dos z-scores Brasilinfo: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:FGVLICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/2e975045-4bbb-433c-ad2f-1b6e84a9f8bf/downloaddfb340242cced38a6cca06c627998fa1MD52ORIGINALPDFPDFapplication/pdf1814853https://repositorio.fgv.br/bitstreams/9e7773bd-1671-47b7-836b-6ea00860b8e7/download04239a8f8a0355e6fbf88d674153f2e3MD51TEXTPDF.txtPDF.txtExtracted texttext/plain102367https://repositorio.fgv.br/bitstreams/68fde534-6e24-4d91-8072-6bb47e99e16c/downloadddec5e38fc5ce0f3db0601e6ff7ccba0MD53THUMBNAIL10438/348832024-02-20 13:07:12.961restrictedoai:repositorio.fgv.br:10438/34883https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742024-02-20T13:07:12Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
dc.title.por.fl_str_mv |
O caso do pedido de recuperação judicial pela Americanas S.A e a análise acerca do poder preditivo dos z-scores Brasil |
title |
O caso do pedido de recuperação judicial pela Americanas S.A e a análise acerca do poder preditivo dos z-scores Brasil |
spellingShingle |
O caso do pedido de recuperação judicial pela Americanas S.A e a análise acerca do poder preditivo dos z-scores Brasil Gonçalves, Paula Meira Americanas S.A Previsão de fraude Insolvência financeira Score de crédito Z-score Z-logit Empresas - Brasil - Finanças Concordata Fraude - Estudo de casos Análise de regressão logística |
title_short |
O caso do pedido de recuperação judicial pela Americanas S.A e a análise acerca do poder preditivo dos z-scores Brasil |
title_full |
O caso do pedido de recuperação judicial pela Americanas S.A e a análise acerca do poder preditivo dos z-scores Brasil |
title_fullStr |
O caso do pedido de recuperação judicial pela Americanas S.A e a análise acerca do poder preditivo dos z-scores Brasil |
title_full_unstemmed |
O caso do pedido de recuperação judicial pela Americanas S.A e a análise acerca do poder preditivo dos z-scores Brasil |
title_sort |
O caso do pedido de recuperação judicial pela Americanas S.A e a análise acerca do poder preditivo dos z-scores Brasil |
author |
Gonçalves, Paula Meira |
author_facet |
Gonçalves, Paula Meira |
author_role |
author |
dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EPGE |
dc.contributor.member.none.fl_str_mv |
Maia, Marcelo Verdini Jesus Filho, Jaime de |
dc.contributor.author.fl_str_mv |
Gonçalves, Paula Meira |
dc.contributor.advisor1.fl_str_mv |
Gonçalves, Edson Daniel Lopes |
contributor_str_mv |
Gonçalves, Edson Daniel Lopes |
dc.subject.por.fl_str_mv |
Americanas S.A Previsão de fraude Insolvência financeira Score de crédito |
topic |
Americanas S.A Previsão de fraude Insolvência financeira Score de crédito Z-score Z-logit Empresas - Brasil - Finanças Concordata Fraude - Estudo de casos Análise de regressão logística |
dc.subject.eng.fl_str_mv |
Z-score Z-logit |
dc.subject.bibliodata.por.fl_str_mv |
Empresas - Brasil - Finanças Concordata Fraude - Estudo de casos Análise de regressão logística |
description |
O presente estudo tem como objetivo analisar se os Z-scores de Altman adaptados para Brasil (Z1 e Z2 scores, propostos por Altman, Baydia e Dias, em 1979), teriam sido eficazes em antever o pedido de Recuperação Judicial pela Americanas, movimento que aparentemente não era esperado pelo mercado. Também foi analisado um score mais atualizado, o Zk-score. Para tal, analisou-se a validade dos referidos modelos para o mercado brasileiro nos dias atuais, aplicando-os em dados atualizados de empresas brasileiras entre os anos de 2011 e 2021. Em resumo, concluiu-se que aqueles scores não seriam adequados para a análise em questão, por apresentar altos níveis de erros tipo 1 e tipo 2 no back test realizado. Dado esse contexto, buscou-se, então: a) atualizar o modelo dos Z1 e Z2 scores com os dados recentes, utilizando a mesma metodologia adotada anteriormente (Analise discriminante Linear) para o mercado Brasileiro e b) utilizar outras metodologias (Análise Discriminante Quadrática e Regressão Logística) para a referida previsão, buscando aquela mais indicada para a análise em questão. Na análise, foram utilizadas as mesmas variáveis explicativas sugeridas nos estudos originais. A metodologia mais adequada para a amostra em questão foi a Regressão Logística (Logit), dado que os pressupostos para a utilização dos outros dois modelos não foram atendidos pela amostra. Em posse dos resultados da Logit, foram ajustados os seus coeficientes e utilizou-se apenas as variáveis estatisticamente relevantes para a previsão de insolvência financeira. Com isso, o presente estudo desenvolveu uma metodologia mais atualizada de previsão de insolvência financeira, Z-logit, com melhor taxa de acerto para a base de dados atualizada e com erros tipo 1 e 2 em torno de 15%. Em posse dessa nova metodologia proposta pela presente dissertação, foi analisada a previsão para o caso de Americanas S.A. Em resumo, mesmo a nova metodologia não foi capaz de antever o movimento observado na empresa. Tal fenômeno pode ser explicado pelo fato de as demonstrações financeiras disponíveis não representarem a verdadeira situação financeira da empresa ou pela empresa estar na margem de erro dos modelos, opção que a autora entende como menos provável, dado contexto da Americana à época do encerramento desse estudo, que havia relatado ao mercado evidências de que a contabilidade da companhia tenha sido objeto de fraude. Por fim, não foi objeto do presente estudo acrescentar novas variáveis independentes que poderiam aumentar a assertividade do modelo e tampouco analisar a capacidade de predição dos modelos citados para outros casos de potencial fraude contábil. |
publishDate |
2023 |
dc.date.issued.fl_str_mv |
2023-07-06 |
dc.date.accessioned.fl_str_mv |
2024-02-19T19:29:53Z |
dc.date.available.fl_str_mv |
2024-02-19T19:29:53Z |
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/10438/34883 |
url |
https://hdl.handle.net/10438/34883 |
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/2e975045-4bbb-433c-ad2f-1b6e84a9f8bf/download https://repositorio.fgv.br/bitstreams/9e7773bd-1671-47b7-836b-6ea00860b8e7/download https://repositorio.fgv.br/bitstreams/68fde534-6e24-4d91-8072-6bb47e99e16c/download |
bitstream.checksum.fl_str_mv |
dfb340242cced38a6cca06c627998fa1 04239a8f8a0355e6fbf88d674153f2e3 ddec5e38fc5ce0f3db0601e6ff7ccba0 |
bitstream.checksumAlgorithm.fl_str_mv |
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_ |
1799582706730795008 |