Análise multivariada na previsão da rendibilidade dos capitais próprios

Detalhes bibliográficos
Autor(a) principal: Mariano, Paulo Manuel Pinto Simões
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.5/26611
Resumo: Mestrado Bolonha em Métodos Quantitativos para a Decisão Económica e Empresarial
id RCAP_628c2501993b9fc7da3939e831fb16c6
oai_identifier_str oai:www.repository.utl.pt:10400.5/26611
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Análise multivariada na previsão da rendibilidade dos capitais própriosAnálise FundamentalPrevisãoAnálise de Componentes PrincipaisAnálise DiscriminanteRegressão LogísticaFundamental AnalysisForecastingPrincipal Component AnalysisDiscriminant AnalysisLogistic RegressionMestrado Bolonha em Métodos Quantitativos para a Decisão Económica e EmpresarialO objetivo principal por detrás do presente estudo é aplicar a Análise de Componentes Principais, a Análise Discriminante e a Regressão Logística para prever a rendibilidade dos capitais próprios a um ano à frente, enquanto indicador de sucesso ou insucesso das empresas. Para esse efeito, são utilizados dados de painel anuais de empresas que compunham o índice STOXX Europe 600 no período 2013-2021. Como variáveis independentes são utilizados dados extraídos das demonstrações financeiras das empresas, assim como diversos rácios baseados nessas informações e nas informações de mercado. Como variável dependente é criada uma variável binária derivada da rendibilidade dos capitais próprios, constituindo um indicador da medida de sucesso de cada empresa (empresas “bem-sucedidas” ou empresas “malsucedidas”). A população em estudo compreende apenas empresas ativas do tipo corporate listadas publicamente que compunham parte do índice STOXX Europe 600. A amostra é selecionada com base nos dados disponíveis para todas as variáveis de interesse. Na conceção dos modelos preditivos a partir da Análise Discriminante e Regressão Logística são utilizadas como variáveis independentes os componentes principais resultantes da Análise de Componentes Principais, permitindo uma redução da dimensionalidade dos dados e ultrapassar os problemas de multicoliniearidade. Os resultados apontam para uma precisão fora da amostra de 79,82% com a Análise Discriminante e 80,73% com a Regressão Logística. Este estudo evidencia que com as metodologias utilizadas é possível encontrar uma boa taxa de acerto quanto ao nível da rendibilidade de capitais próprios. Além disso, mostra que as mesmas metodologias podem ser usadas por investidores, particulares, assim como, instituições financeiras ou administradores de fundos com vista a melhorar a sua capacidade de prever o sucesso ou insucesso das empresas.The main objective behind the present study is to apply Principal Component Analysis, Discriminant Analysis and Logistic Regression to predict the return on equity one year ahead, as an indicator of success or failure of companies. For this purpose, annual panel data from companies that made up the STOXX Europe 600 index in the period 2013-2021 are used. As independent variables, data extracted from the companies' financial statements are used, as well as several ratios based on this information and on market information. As dependent variable, a binary variable derived from the return on equity is created, constituting an indicator of the measure of success of each company (successful companies or unsuccessful companies). The study population comprises only publicly listed active corporate companies that were part of the STOXX Europe 600 index. The sample is selected based on the data available for all variables of interest. In designing predictive models from Discriminant Analysis and Logistic Regression, the principal components resulting from the Principal Component Analysis are used as independent variables, allowing a reduction in the dimensionality of the data, and overcoming multicollinearity problems. The results point out to an out-of-sample precision of 79.82% with the discriminant analysis and 80.73% with the logistic regression. This study shows that, with the methodologies used, it is possible to find a good rate of success regarding the level of return on equity. Furthermore, it shows that the same methodologies can be used by investors, individuals, as well as financial institutions or fund managers in order to improve their ability to predict the success or failure of companies.Instituto Superior de Economia e GestãoMoura, AlexandraRepositório da Universidade de LisboaMariano, Paulo Manuel Pinto Simões2022-12-29T14:46:08Z2022-122022-12-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/26611porMariano, Paulo Manuel Pinto Simões (2022). “Análise multivariada na previsão da rendibilidade dos capitais próprios”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestãoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-06T14:56:03Zoai:www.repository.utl.pt:10400.5/26611Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:10:13.938857Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Análise multivariada na previsão da rendibilidade dos capitais próprios
title Análise multivariada na previsão da rendibilidade dos capitais próprios
spellingShingle Análise multivariada na previsão da rendibilidade dos capitais próprios
Mariano, Paulo Manuel Pinto Simões
Análise Fundamental
Previsão
Análise de Componentes Principais
Análise Discriminante
Regressão Logística
Fundamental Analysis
Forecasting
Principal Component Analysis
Discriminant Analysis
Logistic Regression
title_short Análise multivariada na previsão da rendibilidade dos capitais próprios
title_full Análise multivariada na previsão da rendibilidade dos capitais próprios
title_fullStr Análise multivariada na previsão da rendibilidade dos capitais próprios
title_full_unstemmed Análise multivariada na previsão da rendibilidade dos capitais próprios
title_sort Análise multivariada na previsão da rendibilidade dos capitais próprios
author Mariano, Paulo Manuel Pinto Simões
author_facet Mariano, Paulo Manuel Pinto Simões
author_role author
dc.contributor.none.fl_str_mv Moura, Alexandra
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Mariano, Paulo Manuel Pinto Simões
dc.subject.por.fl_str_mv Análise Fundamental
Previsão
Análise de Componentes Principais
Análise Discriminante
Regressão Logística
Fundamental Analysis
Forecasting
Principal Component Analysis
Discriminant Analysis
Logistic Regression
topic Análise Fundamental
Previsão
Análise de Componentes Principais
Análise Discriminante
Regressão Logística
Fundamental Analysis
Forecasting
Principal Component Analysis
Discriminant Analysis
Logistic Regression
description Mestrado Bolonha em Métodos Quantitativos para a Decisão Económica e Empresarial
publishDate 2022
dc.date.none.fl_str_mv 2022-12-29T14:46:08Z
2022-12
2022-12-01T00:00:00Z
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 http://hdl.handle.net/10400.5/26611
url http://hdl.handle.net/10400.5/26611
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Mariano, Paulo Manuel Pinto Simões (2022). “Análise multivariada na previsão da rendibilidade dos capitais próprios”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestão
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799131199078137856

Registros relacionados