Perspectivas de gestão de risco: disclosure de informações sob a lógica fuzzy

• Autor(a) principal: Haveroth, Juçara
• Data de Publicação: 2019
• Outros Autores: Rohenkohl, Leonardo Bernardi, Silva, Marcia Zanievicz da, Rodrigues Junior, Moacir Manoel
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Revista de Contabilidade do Mestrado em Ciências Contábeis da UERJ
• Texto Completo: https://www.e-publicacoes.uerj.br/rcmccuerj/article/view/40023

Esse estudo teve como objetivo principal apresentar uma metodologia baseada na utilização da lógica Fuzzy que modele e quantifique a incerteza e a subjetividade do Disclosure de informações de riscos divulgadas nas demonstrações contábeis. Decorrente do perfil de risco gerado pela metodologia, tem-se como objetivo secundário estabelecer, segundo o método Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS), um ranking de divulgação de risco entre as empresas analisadas. Para tanto, realizou-se uma pesquisa descritiva e documental com uma amostra de 47 empresas brasileiras, com dados referentes ao ano de 2015. Por meio de notas explicativas e formulário de referência foram coletadas informações de risco, resultando em 16 categorias de riscos financeiros. Para realização da análise, utilizou-se a lógica Fuzzy, responsável por quantificar dados qualitativos e linguísticos por meio da escala de Chen e Hwang (1992), realizando assim uma classificação dos dados conforme a sua frequência e possibilidade de acontecimentos. Nos resultados, os riscos mais recorrentemente relatados foram Riscos cambiais, de crédito, de liquidez, de mercado e de taxas de juros. Considerando os números Fuzzy, os riscos que obtiveram as maiores pontuações foram risco cambial, de crédito, de juros e de liquidez. Posteriormente, foi estabelecido um rankingpor meio do método TOPSIS evidenciando assim a possibilidade de propensão ao risco das empresas analisadas. Esses resultados demonstram a possibilidade de utilização de dados qualitativos e linguísticos, que ao serem transformados em dados quantitativos pela lógica Fuzzy, podem contribuir com o processo de tomada de decisão por parte dos interessados das demonstrações.