Banca de DEFESA: ALLISSON SILVA DOS SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ALLISSON SILVA DOS SANTOS
DATA: 09/12/2021
HORA: 14:30
LOCAL: https://us02web.zoom.us/j/82611674058?pwd=WjBQeHg2bDAzWTRIcnZEMFMreTRSdz09
TÍTULO: PREVISÃO DE INSOLVÊNCIA CORPORATIVA: UMA ANÁLISE DE EMPRESAS BRASILEIRAS DE CAPITAL ABERTO POR MEIO DE APRENDIZADO DE MÁQUINA
PALAVRAS-CHAVES: Risco de insolvência corporativa. Aprendizado de máquina. Métricas de desempenho. Empresas brasileiras de capital aberto.
PÁGINAS: 74
GRANDE ÁREA: Ciências Sociais Aplicadas
ÁREA: Administração
RESUMO: Este trabalho teve por objetivo analisar a efetividade de modelos de aprendizado de máquina na identificação do risco de insolvência corporativa, considerando o contexto do mercado acionário brasileiro, com dados do período de 2010 a 2020. Empresas de todos setores foram consideradas neste estudo e, de maneira particular, as instituições financeiras foram analisadas conjuntamente e separadamente, diante de suas especificidades. O risco de insolvência foi mensurado de duas formas: pelo modelo Z’’ Score de Altman, Hartzel e Peck (1998) e pela utilização do modelo de aprendizado de máquina não supervisionado K-means. Os modelos de aprendizado supervisionado de máquina que foram testados são o random forest, naive bayes, logit, K-NN, SVM (linear, polinomial e de base radial), bagging e boosting. Para a análise efetuada com todas as empresas, o random forest apresentou os melhores resultados, com acurácia entre 90,94% e 95,44%. A partir do momento que a análise alcança apenas as instituições financeiras, o melhor modelo preditivo passou a ser o SVM polimonial, o logit ou o boosting, dependendo da métrica de desempenho. Se a métrica decisiva para escolha do melhor modelo for o AUC, o random forest demonstra diferenças marginais comparadas aos melhores modelos, sugerindo que pode ser utilizado em empresas financeiras sem perda de performance. Os resultados deste trabalho apoiam as decisões de investidores, executivos, pesquisadores e demais stakeholders, que utilizarão dos achados de acordo com a necessidade informacional.
MEMBROS DA BANCA:
Externo à Instituição - ADRIANO LEAL BRUNI
Externo ao Programa - 3007591 - ANTONIO VINICIUS BARROS BARBOSA
Presidente - 1848107 - CASSIO DA NOBREGA BESARRIA