Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson

Detalhes bibliográficos
Autor(a) principal: Diniz, Adriano
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional do FGV (FGV Repositório Digital)
Texto Completo: https://hdl.handle.net/10438/32885
Resumo: Altman (1968) e Ohlson (1980) inauguraram, respectivamente, a utilização da análise discriminante multivariada e da regressão logística como técnicas estatísticas aplicadas aos indicadores econômico-financeiros para a previsão de falências. Apesar de relativamente antigos, esses trabalhos continuam sendo uma referência para os pesquisadores que se debruçam sobre o tema. O objetivo do presente estudo foi comparar a utilização da análise discriminante multivariada e da regressão logística, como técnicas estatísticas aplicadas à predição de falências, sobre observações de uma mesma base de dados, referentes a um mesmo período (2000 a 2020), com a utilização das mesmas variáveis dos estudos que inauguraram a sua adoção como técnicas estatísticas aplicadas à previsão de falências. O trabalho utilizou os mesmos indicadores econômico-financeiros preconizados por eles, com pequenas adaptações que se fizeram necessárias para a realidade brasileira, extraídas de um conjunto de observações de 20 anos, colhidas das demonstrações econômico-financeiras de empresas brasileiras de capital aberto. A partir desses indicadores, e com a utilização de análise discriminante multivariada e regressão logística, foram calculados os estimadores dos dois modelos, cujas capacidades de predição foram testadas sobre observações distintas das utilizadas para a sua construção. Ao final, os modelos foram comparados a partir da classificação dos tipos de erros e do cálculo da taxa de acerto global referentes às observações dos três anos que antecederam a data da falência ou recuperação judicial. De maneira geral, os dois modelos foram eficazes. O modelo de Ohlson foi o mais eficiente, no que concerne à taxa de acerto global, enquanto o de Altman mostrou-se menos sujeito ao erro Tipo I.
id FGV_cea20780cc54f128a41bc72226a722e3
oai_identifier_str oai:repositorio.fgv.br:10438/32885
network_acronym_str FGV
network_name_str Repositório Institucional do FGV (FGV Repositório Digital)
repository_id_str 3974
spelling Diniz, AdrianoEscolas::EESPColombo, Jéfferson AugustoSilva, Vinicius Augusto BrunassiSampaio, Joelson Oliveira2022-11-17T13:10:06Z2022-11-17T13:10:06Z2022DINIZ, Adriano. Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson. 2022. Master´s Thesis. Fundação Getúlio Vargas.https://hdl.handle.net/10438/32885Altman (1968) e Ohlson (1980) inauguraram, respectivamente, a utilização da análise discriminante multivariada e da regressão logística como técnicas estatísticas aplicadas aos indicadores econômico-financeiros para a previsão de falências. Apesar de relativamente antigos, esses trabalhos continuam sendo uma referência para os pesquisadores que se debruçam sobre o tema. O objetivo do presente estudo foi comparar a utilização da análise discriminante multivariada e da regressão logística, como técnicas estatísticas aplicadas à predição de falências, sobre observações de uma mesma base de dados, referentes a um mesmo período (2000 a 2020), com a utilização das mesmas variáveis dos estudos que inauguraram a sua adoção como técnicas estatísticas aplicadas à previsão de falências. O trabalho utilizou os mesmos indicadores econômico-financeiros preconizados por eles, com pequenas adaptações que se fizeram necessárias para a realidade brasileira, extraídas de um conjunto de observações de 20 anos, colhidas das demonstrações econômico-financeiras de empresas brasileiras de capital aberto. A partir desses indicadores, e com a utilização de análise discriminante multivariada e regressão logística, foram calculados os estimadores dos dois modelos, cujas capacidades de predição foram testadas sobre observações distintas das utilizadas para a sua construção. Ao final, os modelos foram comparados a partir da classificação dos tipos de erros e do cálculo da taxa de acerto global referentes às observações dos três anos que antecederam a data da falência ou recuperação judicial. De maneira geral, os dois modelos foram eficazes. O modelo de Ohlson foi o mais eficiente, no que concerne à taxa de acerto global, enquanto o de Altman mostrou-se menos sujeito ao erro Tipo I.Altman (1968) and Ohlson (1980) inaugurated, respectively, the use of Multivariate Discriminant Analysis and Logistic Regression as statistical techniques applied to economic-financial indicators to predict bankruptcies. Despite being relatively old, these papers continue to be a reference for researchers who focus on the topic. The objective of the present paper was to compare those statistical techniques applied to bankruptcies’ prediction. One used their methods over observations from a same database and also relatively to the same period of time (2000 to 2020). The database was collected from the economic-financial statements of publicly traded Brazilian companies. The work used the same economic-financial indicators recommended by them, with small adaptations that were necessary for the Brazilian reality. It was used Multivariate Discriminant Analysis and Logistic Regression to estimate the two models. Its prediction capabilities were tested on other observations, different from those used for their calculation. The models were compared based on the classification of the types of errors and calculation of the global success rate, referring to the observations of the three years that preceded the date of bankruptcy or judicial recovery. Both models were effective. The Ohlson’s model was the most efficient in terms of the overall hit rate, while the Altman model was less prone to Type I error.porDiscriminant analysisLogistic regressionForecastBankruptcyAltmanOhlsonAnálise discriminanteRegressão logísticaPrevisãoFalênciaEconomiaEmpresas - FalênciaAnálise de regressão logísticaAnalise multivariadaAnálise discriminantePrevisão econômicaPrevisão de insolvência de empresas utilizando os métodos de Altman e Ohlsoninfo: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/fb8e55cf-0e1f-4e7b-b437-78b4ca564002/downloaddfb340242cced38a6cca06c627998fa1MD54ORIGINALAdrianoDiniz.VersaoFinal.pdfAdrianoDiniz.VersaoFinal.pdfPDFapplication/pdf780984https://repositorio.fgv.br/bitstreams/a714b9b0-5c1b-4b3b-9484-42d5bbc80236/download4fd0bb41b46ce00f7d90dc16f1f54b25MD53TEXTAdrianoDiniz.VersaoFinal.pdf.txtAdrianoDiniz.VersaoFinal.pdf.txtExtracted texttext/plain102731https://repositorio.fgv.br/bitstreams/47f83b48-bfe1-474d-bc33-342a5619a62d/downloade4e2dfbc9e5d3acdf067cc6fda6964faMD57THUMBNAILAdrianoDiniz.VersaoFinal.pdf.jpgAdrianoDiniz.VersaoFinal.pdf.jpgGenerated Thumbnailimage/jpeg2405https://repositorio.fgv.br/bitstreams/94569318-3e8c-46f4-9b6d-495598c7bf7e/download6e7299fe499c3e1ff66e82883a833779MD5810438/328852023-11-25 23:37:59.629open.accessoai:repositorio.fgv.br:10438/32885https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-25T23:37:59Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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
dc.title.por.fl_str_mv Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson
title Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson
spellingShingle Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson
Diniz, Adriano
Discriminant analysis
Logistic regression
Forecast
Bankruptcy
Altman
Ohlson
Análise discriminante
Regressão logística
Previsão
Falência
Economia
Empresas - Falência
Análise de regressão logística
Analise multivariada
Análise discriminante
Previsão econômica
title_short Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson
title_full Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson
title_fullStr Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson
title_full_unstemmed Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson
title_sort Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson
author Diniz, Adriano
author_facet Diniz, Adriano
author_role author
dc.contributor.unidadefgv.por.fl_str_mv Escolas::EESP
dc.contributor.member.none.fl_str_mv Colombo, Jéfferson Augusto
Silva, Vinicius Augusto Brunassi
dc.contributor.author.fl_str_mv Diniz, Adriano
dc.contributor.advisor1.fl_str_mv Sampaio, Joelson Oliveira
contributor_str_mv Sampaio, Joelson Oliveira
dc.subject.eng.fl_str_mv Discriminant analysis
Logistic regression
Forecast
Bankruptcy
topic Discriminant analysis
Logistic regression
Forecast
Bankruptcy
Altman
Ohlson
Análise discriminante
Regressão logística
Previsão
Falência
Economia
Empresas - Falência
Análise de regressão logística
Analise multivariada
Análise discriminante
Previsão econômica
dc.subject.por.fl_str_mv Altman
Ohlson
Análise discriminante
Regressão logística
Previsão
Falência
dc.subject.area.por.fl_str_mv Economia
dc.subject.bibliodata.por.fl_str_mv Empresas - Falência
Análise de regressão logística
Analise multivariada
Análise discriminante
Previsão econômica
description Altman (1968) e Ohlson (1980) inauguraram, respectivamente, a utilização da análise discriminante multivariada e da regressão logística como técnicas estatísticas aplicadas aos indicadores econômico-financeiros para a previsão de falências. Apesar de relativamente antigos, esses trabalhos continuam sendo uma referência para os pesquisadores que se debruçam sobre o tema. O objetivo do presente estudo foi comparar a utilização da análise discriminante multivariada e da regressão logística, como técnicas estatísticas aplicadas à predição de falências, sobre observações de uma mesma base de dados, referentes a um mesmo período (2000 a 2020), com a utilização das mesmas variáveis dos estudos que inauguraram a sua adoção como técnicas estatísticas aplicadas à previsão de falências. O trabalho utilizou os mesmos indicadores econômico-financeiros preconizados por eles, com pequenas adaptações que se fizeram necessárias para a realidade brasileira, extraídas de um conjunto de observações de 20 anos, colhidas das demonstrações econômico-financeiras de empresas brasileiras de capital aberto. A partir desses indicadores, e com a utilização de análise discriminante multivariada e regressão logística, foram calculados os estimadores dos dois modelos, cujas capacidades de predição foram testadas sobre observações distintas das utilizadas para a sua construção. Ao final, os modelos foram comparados a partir da classificação dos tipos de erros e do cálculo da taxa de acerto global referentes às observações dos três anos que antecederam a data da falência ou recuperação judicial. De maneira geral, os dois modelos foram eficazes. O modelo de Ohlson foi o mais eficiente, no que concerne à taxa de acerto global, enquanto o de Altman mostrou-se menos sujeito ao erro Tipo I.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-11-17T13:10:06Z
dc.date.available.fl_str_mv 2022-11-17T13:10:06Z
dc.date.issued.fl_str_mv 2022
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.citation.fl_str_mv DINIZ, Adriano. Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson. 2022. Master´s Thesis. Fundação Getúlio Vargas.
dc.identifier.uri.fl_str_mv https://hdl.handle.net/10438/32885
identifier_str_mv DINIZ, Adriano. Previsão de insolvência de empresas utilizando os métodos de Altman e Ohlson. 2022. Master´s Thesis. Fundação Getúlio Vargas.
url https://hdl.handle.net/10438/32885
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/fb8e55cf-0e1f-4e7b-b437-78b4ca564002/download
https://repositorio.fgv.br/bitstreams/a714b9b0-5c1b-4b3b-9484-42d5bbc80236/download
https://repositorio.fgv.br/bitstreams/47f83b48-bfe1-474d-bc33-342a5619a62d/download
https://repositorio.fgv.br/bitstreams/94569318-3e8c-46f4-9b6d-495598c7bf7e/download
bitstream.checksum.fl_str_mv dfb340242cced38a6cca06c627998fa1
4fd0bb41b46ce00f7d90dc16f1f54b25
e4e2dfbc9e5d3acdf067cc6fda6964fa
6e7299fe499c3e1ff66e82883a833779
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_ 1802749793522417664