Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-graduação em Contabilidade, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T00:58:27Z (GMT). No. of bitstreams: 1 281895.pdf: 673489 bytes, checksum: 6e859810ad0713a7633fdcac48eb21d3 (MD5) / O uso de técnicas para diagnosticar a capacidade de pagamento de uma entidade, é de fundamental importância para avaliação e liberação de créditos a clientes. Uma das técnicas mais utilizadas é a estatística discriminante. Atualmente, acredita-se que não exista uma convergência na classificação das empresas pelos modelos de previsão de insolvência baseados na estatística discriminante, provavelmente devido aos diferentes pesos e variáveis utilizadas, visto que, é freqüente identificar, em uma mesma análise de dados, diferentes diagnósticos, quando utilizados diversos modelos. Sendo assim, a presente pesquisa tem por objetivo verificar se a classificação dos modelos discriminantes de previsão de insolvência, desenvolvidos no Brasil, apontam adequadamente as empresas com problemas de insolvência. O estudo foi baseado nos modelos de Kanitz; Altman; Elizabetsky; Matias; e Silva. Para alcançar o objetivo foi levantada uma amostra composta por 6 empresas com ocorrência de situação de concordata ou liquidação ocorrida no período de 1998 a 2001, que foram consideradas insolventes, e de 6 empresas do mesmo porte e segmento, que não estavam em concordata ou liquidação judicial, para compor o grupo de empresas solventes. Foram selecionadas, para análise, as demonstrações financeiras dos três períodos que antecederam a ocorrência da concordata ou da liquidação, montando, assim, 36 exercícios sociais analisados. Em seguida, foram extraídos os dados para apuração dos quocientes dos modelos. Verificou-se que, de acordo com a amostra aplicada, os modelos apontam classificações distintas, quando aplicados a uma mesma demonstração contábil. Verificou-se, ainda, que dentre todos os modelos o que obteve melhor performance na previsão das empresas em insolventes e/ou solventes foi a função de Silva, adaptado para empresas industriais para até um exercício social.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-Graduação em Contabilidade, Florianópolis, 2015. / Made available in DSpace on 2015-09-08T04:08:25Z (GMT). No. of bitstreams: 1 333942.pdf: 1127136 bytes, checksum: ebdb6657d14d603f1f96d1cd0488cc8e (MD5) Previous issue date: 2015 / A utilização de técnicas estatísticas para a previsão de insolvência desperta interesse de vários usuários na análise das demonstrações contábeis, principalmente quando se busca obter uma classificação confiável de futuros problemas financeiros. Sendo assim o objetivo deste trabalho é desenvolver um modelo de previsão de insolvência para empresas brasileiras listadas na Bolsa de Valores, Mercadorias e Futuros de São Paulo (BM&FBOVESPA), baseado em indicadores contábeis. A amostra compreende 94 empresas brasileiras listadas na BM&FBOVESPA, divididas em dois grupos: o primeiro abarca empresas consideradas insolventes, por apresentarem insolvência associada a saldos ou então entraram com pedido de recuperação judicial. O segundo grupo conta com as empresas solventes, sendo que para cada empresa insolvente foi selecionada outra do mesmo segmento, com o valor do ativo mais próximo e considerada solvente. Os dados coletados compreenderam o período de 31 de dezembro de 2004 a 31 de dezembro de 2013. O procedimento metodológico aplicado baseia-se nos métodos estatísticos de Análise Discriminante e Regressão Logística. As variáveis explicativas utilizadas nos modelos de previsão foram 29 indicadores econômico-financeiros, separadas em cinco grupos: liquidez, endividamento, estrutura de capital, prazos médios e rentabilidade. A média de acerto na previsão de insolvência nos modelos da Análise Discriminante e da Regressão Logística foi similar, com 76,1% e 76,2%, respectivamente. Os testes realizados a partir das funções discriminantes, nos períodos de 1 e 2 anos antes do processo de insolvência, indicam que a precisão do modelo foi de 80,85% para as empresas insolventes 1 ano antes da insolvência e reduziu para 68,09% para 2 anos antes da insolvência, resultados que corroboram estudos anteriores. Para as empresas solventes os resultados foram 76,60% em um ano antes da insolvência, aumentando para 78,72% em dois anos antes. Os resultados indicam que as variáveis com maior peso para percepção do risco de insolvência foram: Exigível sobre Ativo (X10) e Retorno sobre o Patrimônio Líquido (X27). Com o objetivo de verificar a influência da adoção das normas internacionais de contabilidade na previsão de insolvência, foram aplicados testes estatísticos em amostras separadas em períodos anteriores e posteriores a adoção das International Financial Reporting Standards (IFRS). Foi possível verificar que houve uma melhoria considerável na previsão de insolvência após a adoção das normas internacionais de contabilidade, pois a média de acerto aumentou de 73,5% para 82,1%. Constatou-setambém a relevância da informação contábil, pois os indicadores contábeis apresentaram um bom panorama para a previsão de insolvência empresarial.<br> / Abstract : The use of statistical techniques for the prediction of insolvency arouses interest in various users in the analysis of accounting statements, primarily in the pursuit of a reliable classification for future financial problems. And thus, the objective of this study is to develop a insolvency prediction model for Brazilian companies listed on the São Paulo Stock Exchange, Commodities and Futures (BM&FBOVESPA) based on financial indicators. The sample for the study includes 94 Brazilian companies listed on BM&FBOVESPA, which in the study are subdivided into two groups. Within the first group are companies considered to be bankrupt due to their present state of insolvency, either by association due to balances, or for having filed for judicial recovery. The second group includes solvent companies. Also, within this study for every insolvent company listed, we have provided yet another company of the same segment but of a higher asset value, one considered to be solvent. The data was collected within the period of 31st of December of 2004 to the 31st of December of 2013. The methodology used is based on the statistical methods of Discriminant Analysis and Logistic Regression. The explanatory variables used in prediction models were 29 financial indicators, separated into five groups: liquidity, debt, capital structure, average periods and profitability. The average accuracy for insolvency prediction for the Discriminant Analysis model and that of the Logistic Regression model was similar, they were 76.1% and 76.2%, respectively. The tests conducted derived their data from discriminant functions found in a period of 1 to 2 years prior to the filing for insolvency. This indicated the accuracy of the predictions of the model to be at 80.85% of insolvent companies before the insolvency process. For predictions dating 2 years prior to insolvency there was a noted reduction in the accuracy of the model to 68.09%. These results corroborate with previous studies conducted. For solvent companies the accuracy of prediction 1 prior to insolvency was 76.6%, and the accuracy of prediction 2 years prior to insolvency increased to 78.72%. The results indicate that the variables with the highest weight to perceived risk of insolvency were: Liabilities on Assets (X10) and Return on Equity (X27).With the objective of verifying the influence of adopting international norms of accounting in the forecast of insolvency, we applied statistical tests in separate samples in periods prior to and after the adoption of International Financial Reporting Standards (IFRS). Thereby, it was possible to verify that there was a considerable enhancement in the predictions ofinsolvency post the usage of international accounting norms. The average of correct predictions increased from 73,5% to 82.1%. In this study we also found the relevancy of financial information in the prediction for insolvency since this data presents a good panorama for such predictions.