Financial distress prediction for portuguese SMEs
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/1822/69982 |
Resumo: | Dissertação de mestrado em Finance |
id |
RCAP_bfa3f0304f2f69583904b77bd7b3f008 |
---|---|
oai_identifier_str |
oai:repositorium.sdum.uminho.pt:1822/69982 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Financial distress prediction for portuguese SMEsInsolvencyFinancial ratiosFinancial distress prediction modelPropensity score matchingLogistic modelsSmall and medium-sized enterprisesInsolvênciaRácios financeirosModelo de previsão de dificuldade financeiraModelos logísticosPequenas e médias empresasCiências Sociais::Economia e GestãoDissertação de mestrado em FinanceIn Portugal, small and medium-sized enterprises (SMEs) represent 99.9% of the total number of companies and are key generators of employment and contributors to the country`s economy. Given their key role and the fact that their main source of funding comes from financial institutions, it is vital that they have easy access to diversified financing instruments as well as the capacity of presenting their activity and results in an efficient way in order to gain access to them. In this context, a way of interpreting the information available about a company in a clear, concise and efficient manner is through the application of an accounting - based financial distress model. The analysis provided by such an instrument is beneficial to both financial institutions, that can use the results in order to understand the general situation of the company, and to the company`s management, who can foresee and prevent eventual financial problems. The objective of this study is to identify the main financial ratios that are relevant in order to discriminate between financially distressed and healthy companies and estimate financial distress prediction models based on them then use the estimated parameters to predict the probability of financial distress in Portuguese SMEs. In order to obtain a more balanced data set of companies the propensity score method, with matching of one-to-one as well as one-to-many, was applied. The model estimation was made with insolvent companies` data from one year prior to insolvency. Validation tests were performed on data samples for one, two and three years before insolvency, as well as for years one to three in a joint data set and also for the entire set of insolvent companies available, up to six years prior to insolvency. The five variables found to be the best predictors of insolvency are Current Assets to Total Assets, Operating Cash Flow to Total Assets, Operating Cash Flow to Debt, Retained Earnings to Total Assets and Equity to Debt. The overall forecasting accuracy of the final model was of over 85%, by which we conclude that the model could be successfully applied to the Portuguese market, in the context of the SMEs.Em Portugal, as Pequenas e Médias Empresas (PMEs) representam 99.9% do número total de empresas e são um fator chave para a geração de emprego, com uma contribuição elevada para a economia geral do país. Considerando o papel estratégico desempenhado e o fato de que a maior fonte de recursos para as PMEs são as instituições financeiras, é fundamental que essas tenham tanto facilidade de acesso à instrumentos financeiros diversificados, quanto a possibilidade de apresentar a sua atividade e resultados obtidos de uma maneira adequada que lhes garante acesso a esses instrumentos. Nesse contexto, a aplicação de um modelo de previsão de insolvência baseado na análise de rácios financeiros é uma maneira de interpretar a informação disponível sobre uma empresa de uma forma clara, concisa e eficiente. A análise facilitada por tal instrumento beneficia tanto as instituições financeiras, que podem interpretar os resultados obtidos para melhor entender a situação geral da empresa, quanto os gestores da empresa, para quais facilita a detecção e prevenção de eventuais problemas financeiros. O objetivo deste estudo é identificar os principais rácios financeiros relevantes para distinguir entre empresas em dificuldades financeiras e empresas saudáveis, estimar com base neles um modelo de previsão de insolvência e utilizar os parámetros estimados para previsão de dificuldades financeiras nas PMEs portuguesas. Para obter uma amostra mais equilibrada de empresas foi aplicado o método Propensity Score Matching, com pareamentos de um-para-um e um-para-muitos. O modelo foi estimado com base nos dados financeiros de empresas insolventes de um ano antes da insolvência. Testes de validação foram feitos em amostras de um, dois e três anos antes da insolvência, amostra de um a três anos antes da falência, bem como no inteiro conjunto de empresas com dados disponíveis, até seis anos antes da insolvência. As cinco variáveis que mostraram melhor capacidade de previsão da insolvência são: Ativo Corrente/ Total do Ativo, Fluxo de Caixa Operacional/ Total do Ativo, Fluxo de Caixa Operacional/ Total do Ativo, Resultados Transitados/ Total do Ativo e Patrimônio Líquido/ Total do Passivo. A capacidade total preditiva do modelo é acima de 85%, o que leva à conclusão de que o modelo pode ser aplicado ao mercado Português, no contexto das PMEs.Universidade do MinhoSera, Roxana20202020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/69982eng202555399info: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:RCAAP2023-07-21T11:59:05Zoai:repositorium.sdum.uminho.pt:1822/69982Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T18:48:49.748384Repositório 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 |
Financial distress prediction for portuguese SMEs |
title |
Financial distress prediction for portuguese SMEs |
spellingShingle |
Financial distress prediction for portuguese SMEs Sera, Roxana Insolvency Financial ratios Financial distress prediction model Propensity score matching Logistic models Small and medium-sized enterprises Insolvência Rácios financeiros Modelo de previsão de dificuldade financeira Modelos logísticos Pequenas e médias empresas Ciências Sociais::Economia e Gestão |
title_short |
Financial distress prediction for portuguese SMEs |
title_full |
Financial distress prediction for portuguese SMEs |
title_fullStr |
Financial distress prediction for portuguese SMEs |
title_full_unstemmed |
Financial distress prediction for portuguese SMEs |
title_sort |
Financial distress prediction for portuguese SMEs |
author |
Sera, Roxana |
author_facet |
Sera, Roxana |
author_role |
author |
dc.contributor.none.fl_str_mv |
Universidade do Minho |
dc.contributor.author.fl_str_mv |
Sera, Roxana |
dc.subject.por.fl_str_mv |
Insolvency Financial ratios Financial distress prediction model Propensity score matching Logistic models Small and medium-sized enterprises Insolvência Rácios financeiros Modelo de previsão de dificuldade financeira Modelos logísticos Pequenas e médias empresas Ciências Sociais::Economia e Gestão |
topic |
Insolvency Financial ratios Financial distress prediction model Propensity score matching Logistic models Small and medium-sized enterprises Insolvência Rácios financeiros Modelo de previsão de dificuldade financeira Modelos logísticos Pequenas e médias empresas Ciências Sociais::Economia e Gestão |
description |
Dissertação de mestrado em Finance |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020 2020-01-01T00:00:00Z |
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/1822/69982 |
url |
http://hdl.handle.net/1822/69982 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
202555399 |
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.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_ |
1799132251102904320 |