O presente estudo propõe um modelo de projeção de preços de curto-prazo para os polietilenos no mercado petroquímico brasileiro. O modelo foi desenvolvido através de testes com o uso das técnicas de regressão múltipla e de redes neurais artificiais (RNA) como instrumentos de previsão, comparando-se os resultados das mesmas. A seleção das variáveis com capacidade explicativa deu-se através de revisão de literatura, opinião de experts e regressão múltipla. Ficou evidenciada a existência de correlações satisfatórias com as variáveis: preço do petróleo, preço das matérias-primas nafta e eteno no mercado doméstico e preços dos polietilenos no mercado internacional. A base de dados consiste em indicadores mensais relativos ao período de março de 2002 a dezembro de 2005, sendo que a aferição dos resultados foi realizada para o período de janeiro a junho de 2006. Os resultados obtidos pela aplicação da técnica de RNA mostraram um incremento na precisão frente à regressão. O erro relativo médio na aferição com o uso de RNA se situou na faixa de 2,9 a 13,4%, para previsão 6 meses a frente, o que sugere a adoção da mesma na implementação futura do modelo construído. / This study proposes a model for forecasting short-term polyethylene prices in the Brazilian petrochemical market. The model was developed by means of tests using multiple regression techniques and Neural Networks as forecasting instruments, and compared their results. The variables with explanatory capacity were selected by reviewing literature, the opinion of experts, and multiple regression. Satisfactory correlations were found to be existent in the following variables: price of petroleum, price of the raw materials naphtha and ethylene in the domestic market, and polyethylene prices in the international market. The database consists of monthly indicators related to the period of March 2002 to December 2005 and the measuring of the results was carried out from January to June of 2006. The results obtained by applying the Neural Networks technique saw an increase in the precision in comparison with the regression. The average relative error in the measurement when using Neural Networks fell in the range of 2.9 to 13.4% for a forecast of 6 months ahead, which suggests that this should be adopted in the future implementation of the model built.

As teorias que sustentam os modelos de precificação têm obtido resultados pouco satisfatórios ou insatisfatórios, uma vez que em cada estudo busca aproximar-se da realidade por apenas uma face, não observando o problema de todos os ângulos. Nesse sentido, percebeu-se um gap nos estudos de previsão, explorar sob outras lentes a dinâmica das variáveis do mercado que influenciam a formação do preço para o seu prévio monitoramento. Assim, o objetivo desta pesquisa foi construir uma ferramenta de apoio à decisão que pudesse prever, periodicamente, o preço futuro de uma commodity a curto e médio prazo, notadamente para o butadieno, um derivado do petróleo. Para que isto fosse possível, foi realizada a datação dos pontos de mudança do preço dessa commodity, frente aos acontecimentos históricos e, a partir daí, construído o estudo sobre três estruturas: mercado, política e econômica. A partir de então, observou-se quais seriam as variáveis mais consistentes para formar a base da pesquisa. As previsões obtidas revelam um desempenho superior às pesquisas anteriormente realizadas. Assim, a análise da previsão dos pontos de mudança constitui um instrumento informativo para sinalizar o comportamento futuro do preço da commodity do butadieno. A ferramenta utilizada para o modelo de precificação de modo a compreender a natureza das flutuações foram as Redes Bayesianas, que apresentam a capacidade de expressar as probabilidades e de um conjunto de variáveis aleatórias previamente definidas, e fazer predições adequadas. A inferência sobre o preço da commodity do butadieno, a curto e médio prazo, é realizada com o auxílio do software GeNIe 2.0. Conclui-se que investir em pesquisas que utilizem de Inteligência Artificial como métodos preditivos, como a utilização de Redes Bayesianas apresenta a vantagem de compreender a relação causa e efeito através da análise de Cenários. Assim, o objetivo de construir uma ferramenta de apoio à decisão que pudesse prever, periodicamente, o preço do butadieno a curto e médio prazo, foi alcançado. Para determinado período houve 84% de chances de acerto nas previsões. / The theories that support pricing models have obtained little satisfactory or unsatisfactory results, once each study examines only one aspect of reality, without studying the problem as a whole. In this sense its necessary to explore under other aspects the dynamics of market variables that influence the pricing for its prior monitoring. The objective of this research was to build a decision support tool capable of periodically forecast the future price of a commodity in the short and medium term, especially for butadiene, an oil derivative. To make it possible, was done the dating of turning points in the price of this commodity compared to the historical events and based on these data to build this study on three structures: market, political and economic. Then, we identified the most consistent variables to form the basis of the research. The forecasts obtained show a higher performance compared to previous investigations. Thus, the forecast analysis of turning points is an informative tool to signal the future behavior of the price of this commodity. To understand the nature of these fluctuations, the method used in the pricing model were the Bayesian networks, which are capable of expressing the probabilities of a set of random variables defined previously and make appropriate predictions. The inference on the commodity price of butadiene – in the short and medium term, was performed using the Genie 2.0 software. The conclusion was that investing in research using artificial intelligence and predictive methods such as the Bayesian networks, has the advantage of understanding the relationship of cause and effect through scenario analysis. So the objective of building a decision support tool that can predict periodically, the price of butadiene in the short and medium term, has been achieved. For certain period was 84% accurate in forecasts of chances.

A previsão de demanda que combina métodos quantitativos e a opinião de especialistas é uma técnica amplamente utilizada na tentativa de aproximar a previsão da demanda real. A presente dissertação apresenta uma revisão bibliográfica sobre combinação de previsões e propõe um método combinado a partir de métodos quantitativos e opinião de especialistas. A revisão sistemática da literatura foi realizada em trabalhos atuais e de relevância para o tema em estudo, com o auxílio de cinco bases de dados. O referencial teórico, que totaliza 38 publicações, apresenta conceitos teóricos sobre combinação de previsões, bem como exemplifica, através de aplicações práticas, como esta técnica está sendo utilizada pelas empresas. Com base nesta revisão foi possível estruturar um método combinado de previsão de demanda. O método proposto não só combina matematicamente as previsões quantitativas e qualitativas, como também pondera, através da matriz de comparações do método AHP (Analytic Hierarchy Process), a opinião de cada especialista responsável por gerar as previsões qualitativas. Esta dissertação, além de descrever detalhadamente o método proposto, ilustra a aplicação deste através de um estudo de caso realizado em uma empresa metal-mecânica. Tal estudo foi realizado para diferentes modelos de produtos, considerando um horizonte de previsão de doze meses. Ao final, o método AHP mostrou-se uma forma eficiente de ponderação da opinião dos especialistas. O resultado mostra que a previsão combinada proposta apresentou os menores erros entre as previsões analisadas, não só melhorando a acurácia total da previsão em mais de 23%, como também aumentando a acurácia para a maioria dos meses analisados e dos modelos testados. A partir da revisão bibliográfica e do método proposto, oportunidades para estudos futuros foram identificadas. / Demand forecasting that combines quantitative methods and judgmental adjustments is a technique widely used in the attempt to approximate forecast to actual demand. This thesis presents a literature review on combination of forecasts, and proposes a combined method using quantitative methods and expert opinion. A systematic literature review has been carried out analyzing works that were considered relevant to the topic under study, gathered from five databases. The review, which is comprised of 38 references, introduces theoretical concepts about combination of forecast, and exemplifies through practical applications how companies are using this technique. Based on this review it was possible to structure a combination model. The model presented not only combines mathematically the quantitative and qualitative forecast, but also assigns importance weights to experts using the comparison matrices of AHP (Analytic Hierarchy Process). We describe in details the model proposed and illustrate it through a practical application in a manufacturing industry. The case study considers several products in a 12-month forecast horizon. AHP has proven to be efficient for assigning weights to experts. Using the combination model proposed in this thesis we obtained improvements in the overall forecast accuracy of more than 23%; accuracy was also improved for the majority of periods and products analyzed. The literature review and proposed model led to the proposition of several opportunities for future research.

No presente trabalho são aplicadas ferramentas estatísticas quantitativas clássicas no setor de telefonia móvel brasileiro a fim de comparar os seus resultados. Uma metodologia é proposta para a aplicação destas ferramentas de um modo prático em uma de uma operadora de telefonia celular brasileira. Após são aplicados os métodos de previsão às séries históricas de demanda de acessos da telefonia móvel brasileira, estratificadas de acordo com as tecnologias utilizadas (TDMA, CDMA e GSM), no período de agosto de 2002 a julho de 2007. De acordo com o desempenho, são obtidos os modelos de cada método estatístico proposto. Entre estes, se escolheu aquele que melhor descreveu cada série e previsões foram geradas. Os modelos ARIMA apresentaram o melhor desempenho dentre os métodos aplicados nas séries estudadas. / The activity of planning ahead their systems in an appropriate manner is fundamental to telecommunication sector agents in order to manage the resources allocation and to meet the quality requirements in the provision of mobile telephony services. As the networks and production systems deployment takes time, there is the need of a service demand forecast. Therefore, in this study, classical quantitative statistics tools are applied to the Brazilian mobile telephony sector to compare their results. A methodology for the application of such tools in a practical way within a business environment of this sector is proposed. Afterwards, forecasting methods are applied to the time series referred to Brazilian mobile telephony demand, stratified according to the technologies (TDMA, CDMA and GSM) in the period from August 2002 to July 2007. The models of each statistical method proposed, based on the performance results, are obtained and, among these methods, it is chosen a model that best described each time series. The ARIMA model had the best performance among the methods applied in the time series studied and forecasts were made.

A relação entre Variáveis Macroeconômicas e o Retorno de Ações é de alta importância para pesquisas econômicas e financeiras, já que, quando descoberto, um mecanismo de conhecer ou prever o impacto dessas variáveis oportuniza uma melhor performance de investidores no mercado acionário. Nesse sentido, nosso trabalho testa nove variáveis macroeconômicas (Preço de Commodities, Taxa de Desemprego, Inflação, Agregados Monetários, Taxas de juros, Relative Money Market Rate (RMM), Produção Industrial, Hiato do Produto (GAP) e Taxa de juros dos EUA) contra o retorno real do Ibovespa, empregando regressões lineares, como tradicional na literatura, e modelos de mudança de regime markoviana (MSM), para avaliar melhor o impacto e poder de previsão do retorno sob uma economia tão perturbada por planos econômicos e crises financeiras. Além disso, realizamos uma rigorosa avaliação do poder preditivo através de testes dentro e fora da amostra, incluindo avaliações dos coeficientes estimados defasados, critérios de Informação de AIC e BIC, Razões de Erro Quadrático Médio e o Erro Absoluto Médio e testes de encompassing de Diebold e Mariano (1995), de Clark e Mccracken (2001) e de Mccracken (2007), combinados aos novos valores assintóticos de Clark e Mccracken (2001,2004). Os resultados indicam que o Ibovespa possui dois regimes, e que a variável Hiato do Produto se destaca por ser a variável mais significativa e de maior poder de previsão, tanto nos modelos lineares como nos nãolineares. Além dessa, a variável RMM, também se mostrou capacitada para prever o retorno quando estimada no MSM, assim como as variáveis inflação e agregados monetários também apresentaram poder preditivo quando acompanhados da variável GAP. Entretanto, Produção industrial e taxa de juros não tiveram qualquer evidência de capacidade preditiva. Por fim, nos horizontes trimestrais e semestrais, os MSM tiveram dificuldade de encontrar os diferentes regimes, e por isso, não conseguiram se mostrar sistematicamente superiores aos modelos lineares. / The relationship between Macroeconomic Variables and stock returns is of high importance for economic and financial research because, when discovered, a mechanism to know or predict the impact of these variables allows a better performance of investors in the stock market In this sense, our research tests nine macroeconomic variables (Commodities Prices, Unemployment Rate, Inflation, Money Stock, Interest Rate, Relative Money Market Rate (RMM), Industrial Production, Output Gap (GAP) and United States Interest Rate) versus the Ibovespa Real Stock Return, with linear models, as in traditional literature, and with Markov Switching Models, to gauge the impact and the predictive power of the assumption of an economy so troubled by economic plans and financial crises. In addition, we conducted a rigorous predictive ability evaluation by testing in-sample and out-of-sample, including a lagged coefficient estimated evaluation, information criteria of Akaike and Schwarz, Mean-square Error, Absolute Mean Error and encompassing tests of Diebold e Mariano (1995), Clark e Mccracken (2001) and Mccracken (2007) combined with the new asymptotic values of Clark e Mccracken (2001,2004). The results indicated that the Ibovespa has two states and the Output Gap variable stands out for being the most significant variable and with the greatest predictive ability for both linear and nonlinear models. Besides, the RMM variable has also shown to be able to predict the stock return when estimated in the MSM. Furthermore, the inflation and money stock variable also presents predict ability when estimated models is addicted with GAP variable. Industrial production and interest rates had no evidence of predictive ability. Finally, in the quarterly and semiannual horizons, the MSM had difficulty in finding the different regimes, and therefore failed to show themselves consistently higher than the linear models.

A obtenção de previsões com maior acuracidade é uma necessidade constantemente requerida, em tempos onde há imensa disponibilidade de dados e recursos computacionais cada dia mais eficientes. Tais critérios possibilitaram o desenvolvimento de muitas técnicas de previsão individual ou de métodos de combinação que são considerados eficientes no intuito de reduzir erros. O desenvolvimento de novas técnicas, por sua vez, promove questionamentos quanto à identificação de quantas ou quais técnicas de previsão individual combinar. A literatura não é unânime ao tentar responder a estes questionamentos e indica a importância da correlação entre os erros de previsão na precisão da combinação. Posto isso, esta tese apresenta uma alternativa aos métodos atuais de combinar previsões, contemplando a correlação entre os erros de previsão, além de propor uma forma de identificar técnicas de previsão que sejam distintas quanto à modelagem de características da série de dados. Para identificar grupos de técnicas de previsão individual que sejam similares, utilizou-se a Análise de Agrupamentos em erros gerados por 15 técnicas de previsão que modelaram uma mesma série de dados real com tendência e sazonalidade. O resultado indicou a formação de 3 agrupamentos. Como alternativa aos métodos atuais de combinar previsão e selecionar a quantidade adequada de técnicas, utilizou-se a Análise de Componentes Principais. O método proposto mostrou-se viável quando comparado com outros métodos de combinação e quando submetido à modelagem de séries com maior variabilidade. / The obtaining of more accurate forecasts is a necessity often required in times where there is a huge availability of data and computing resources becoming more efficient every day. These criteria allowed the development of many individual forecasting techniques or combination methods that are considered efficient in order to reduce errors. The development of new techniques, in turn, promotes questioning as the identification of how many or which techniques to combine individual forecasts. The literature is not unanimous when trying to answer these questions and indicates the importance of the correlation between forecast errors on the accuracy of the combination. That said, this presents an alternative to current methods of combining forecasts, considering the correlation between forecast errors, and propose a way to identify predictive techniques that are different about the modeling features of the data series. To identify groups of individual forecasting techniques that are similar, it was used the cluster analysis on errors generated by 15 forecasting techniques that shaped the same series of real data with trend and seasonality. The result indicated the formation of 3 clusters. As an alternative to current methods of combining forecasting and selecting the appropriate amount of techniques, it was used the Principal Component Analysis. The proposed method has proved feasible when compared to other methods of combining and when subjected to modeling of series with greater variability.

Submitted by (ana.araujo@ufrpe.br) on 2016-08-04T15:54:10Z No. of bitstreams: 1 Marcela Veronica Alves de Souza.pdf: 493032 bytes, checksum: 61ed79a4b91e6c9460233f6b3ab961d2 (MD5) / Made available in DSpace on 2016-08-04T15:54:10Z (GMT). No. of bitstreams: 1 Marcela Veronica Alves de Souza.pdf: 493032 bytes, checksum: 61ed79a4b91e6c9460233f6b3ab961d2 (MD5) Previous issue date: 2005-02-28 / The main aim of the present dissertation is to present a modeling methodology and forecast of the volatility of the Arabic coffee, with the intent not only to predict and explain its conditional heteroskedasticity, but also to obtain the market risk for its investments. For modeling and prevision of volatility in this dissertation, the temporal series of Arabic coffee returns from September 1996 to December 2004, was used. The ARIMA models were analyzed, together with non-linear ARCH models, and their generalization GARCH. The results predict high volatility and investment loss for up to nine steps ahead. The results also indicate that the GARCH model, adjusted to the residuals of the AR model, presents the largest forecast power one step ahead / O principal objetivo da presente dissertação é apresentar uma metodologia de modelagem e previsão da volatilidade do café Arábica, com o intuito não só de explicar e prever sua heteroscedasticidade condicional, como de obter o risco de mercado para seus investimentos. Ao longo desta dissertação trabalhamos com a série temporal dos retornos diários do café Arábica de setembro de 1996 a dezembro de 2004 para modelagem e previsão da volatilidade. Analisamos os modelos ARIMA, assim como utilizamos os modelos não -lineares ARCH e sua generalização, GARCH. Contudo, os resultados preveem alta volatilidade e perda nos investimentos para até nove passos à frente. Estes resultados também revelam o modelo GARCH ajustado aos resíduos de um modelo AR, dentre os modelos considerados, como o modelo de maior poder preditivo, um passo à frente.

The forecasting of gas consumption has a fundamental importance for the natural gas distribution company, since it is common for supply companies include clauses in their contracts that force the distributor companies to perform the volume programming of the natural gas to be withdrawn, these same companies are subjected to the application of penalties if the volume exceeds programmed limits previously established. Thus, in the present work has been studied the potentialities to use of predictive models based on regression, time series and artificial neural networks in forecasting gas consumption, with the intend to improved the methodologies currently used by gas distributor in the daily schedule to send to the supplier, in a scenario characterized by the predominance of industrial consumers with dissimilar characteristics. In this context, considering the potential of forecasting techniques, has been studied the gas consumption forecasting in the medium term of both the industrial consumers and the automotive segments. From these studies it was possible to identify particular types of behaviors, and the forecasting strategy most suitable approach using artificial neural networks, time series or a combination of both. To perform these studies was developed a computational tool to analyzing, parameterize and validate methods of forecasting based on historical data consumption. The results are promising because it presents boundary conditions close to actual values. / A previsão de consumo de gás tem fundamental importância para a companhia distribuidora de gás natural, uma vez que é comum que as empresas supridoras incluam em seus contratos cláusulas que obrigam a concessionária distribuidora realizar a programação do volume de gás natural a ser retirado, sendo a mesma submetida à aplicação de penalidades caso o volume programado exceda limites previamente estabelecidos. Sendo assim, no presente trabalho tem sido estudadas as potencialidades de utilização dos modelos de previsão baseados em regressões, séries temporais e redes neurais artificiais na previsão de consumo de gás, com o objetivo de aprimorar as metodologias atualmente utilizadas pela distribuidora de gás na programação diária realizada junto ao supridor, num cenário caracterizado pela predominância de consumidores industriais com características diferentes entre si. Neste contexto, considerando o potencial das técnicas previsão, foram realizados estudos de previsão de consumo em médio prazo de consumidores dos segmentos industrial e automotivo. A partir destes estudos foi possível identificar tipos de comportamentos particulares, bem como a estratégia de previsão mais adequada, seja utilizando as redes neurais artificiais, séries temporais ou uma combinação de ambas. Para realização dos estudos uma ferramenta computacional foi desenvolvida, a qual oferece as facilidades necessárias para analisar, parametrizar e validar os métodos de previsão baseado em dados históricos de consumo. Os resultados obtidos são promissores, pois apresentam condições de contorno próximo dos valores reais.

Orientador: Jansle Vieira Rocha / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-11T14:29:10Z (GMT). No. of bitstreams: 1 Weber_LianedeSouza_D.pdf: 866084 bytes, checksum: 6f14fe14fef394e2bd299f45b7c98915 (MD5) Previous issue date: 2005 / Resumo: O presente trabalho descreve um estudo sobre estimativa de safras cujo principal objetivo foi criar uma metodologia de integração de dados de produção, dados espectrais e indicadores meteorológicos por meio de redes neurais artificiais, estabelecendo correlações entre índices de vegetação e de produtividade, com o propósito de estimar a produtividade de cana-de-açúcar. O estudo foi dividido em duas etapas: a primeira correspondeu à obtenção e organização dos dados em um banco de dados com padrões de entrada/saída; a segunda, à implementação e ajuste das redes neurais, por meio de ensembles. O estudo foi realizado em unidades amostrais de produção de uma usina sucroalcooleira no município de Araras-SP. A primeira etapa consistiu na obtenção dos coeficientes de produtividade (kp), por meio da inversão do modelo agrometeorológico de Doorenbos e Kassam (1979), a partir da determinação do balanço hídrico. O resultado deste procedimento mostrou a sensibilidade do coeficiente à variabilidade da produtividade nos talhões. Os dados espectrais das imagens Landsat 7 ¿ ETM+ foram obtidos de correlações descritas na literatura estabelecidas entre o Índice de Vegetação Greenness (GVI), a banda do infravermelho próximo (B4) e a produtividade da cana-de-açúcar. A estratégia para treinamento dos ensembles foi baseada no aprendizado supervisionado aplicado a uma arquitetura Multilayer Perceptron (MLP), com uma camada escondida, método de aprendizado de 2ª ordem e feedforward. Na etapa de treinamento e validação, as redes neurais tiveram como variáveis de entrada os valores de kp, GVI e B4, e como variável de saída a produtividade, que definiram os padrões de entrada/saída. A fase de teste consistiu em implementar a metodologia em um grupo de padrões de entrada não utilizados nos treinamentos. Os resultados mostraram valores de EQM entre 0,03 e 0,51 ton/ha, enquanto que a estimativa da usina errou em média 9,93 ton/ha, o que garantiu o correto ajuste da rede neural quanto à topologia, ao número de iterações e aos algoritmos de aprendizagem. Esta etapa mostrou a capacidade de generalização da rede neural, já que os treinamentos foram realizados a partir de unidades amostrais. O estudo ratificou a aplicação desta metodologia na determinação da estimativa de produtividade de cana-deaçúcar, empregando-a como técnica complementar aos atuais métodos de estimativa agrícola, sugerindo a ampliação da escala de aplicação para o ambiente de produção da usina / Abstract: The present thesis describes a study on crop forecast. Its main purpose was to create a methodology for integrating production, spectral and meteorological data indicators through artificial neural networks, establishing correlations between vegetation index and yield coefficients, aiming at the estimate of sugarcane yield. The study was divided in two parts: the first corresponded to obtaining and organizing data in a database with input/output default; the second corresponded to the implementation and adjustment of the neural network. The study was carried out in sample production units (fields) of a sugarmill agricultural area located in the municipality of Araras-SP, Brazil. The first part consisted in obtaining yield coefficients (kp) through the inversion of the Doorenbos-Kassam (1979) agrometeorological model, based on the determination of the water balance. The result of this procedure showed the coefficient¿s sensitivity to the variability of yield within the sample fields. The spectral data of the Landsat 7 ¿ ETM+ images were obtained from correlations, available in scientific literature, between the Greenness Vegetation Index (GVI), near infrared band, and sugarcane yield. The strategy for training the neural network was based on supervised learning applied to a Multilayer Perceptron (MLP) architecture, with a hidden layer, second order learning method and feedforward. For the training and validation stage, the neural network had as input variables kp, GVI and B4 values, and as output variable the yield, both obtained in the input/output database. The test stage consisted of implementing the methodology in a set of input patterns not used for the trainings. The results showed Mean Square Error (MSE) values between 0,03 and 0,51 ton/ha, while the average error of the sugarmill estimates were 9,93 ton/ha, which showed the correct adjustment of the network concerning topology, number of iterations and learning algorithms. This showed the generalization capacity of the neural network once the trainings were carried out based on sample units. The study ratified the application of this methodology for determining sugarcane yield estimate, employing it as a complementary technique to the present methods of agricultural forecast, suggesting the increase of the application scale to a broader area of the sugarmill production environment / Doutorado / Planejamento e Desenvolvimento Rural Sustentável / Doutor em Engenharia Agrícola

O trabalho aqui apresentado é uma análise retrospectiva de modelos desenvolvidos, no Brasil, sobre o estudo da previsão de insolvência das empresas, objetivando-se avaliar a aplicação de métodos quantitativos para fins de análise de demonstrações contábeis. Considera-se que é relevante a avaliação da continuidade da empresa, e que, se for possível identificar fato em contrário, o uso de modelos de previsão é de importância no que tange à decisão de concessão de crédito, tanto no âmbito da intermediação financeira, realizada pelos bancos, quanto no âmbito de transações comerciais entre fornecedores e clientes. Desta última, pode-se inferir sobre a avaliação da concessão ou não da Concordata para uma empresa, servindo aqueles modelos como ferramental de análise da capacidade da empresa em cumprir o acordo da concordata, ponto esse explorado nesta pesquisa. Através da aplicação dos modelos sobre uma amostra de empresas que haviam solicitado a concordata, pôde-se avaliar se mantinham uma capacidade de discriminar as empresas que lograriam êxito na concordata. Como ferramental estatístico, é utilizada a Análise Discriminante, técnica de análise multivariada, que busca classificar os dados em dois grupos específicos. Neste trabalho, foram definidos como grupo de empresas solventes e grupo de empresas insolventes. Verificou-se que as premissas para utilização da técnica estatística de Análise Discriminante podem limitar, não invalidar, esses modelos. Há necessidade de se avaliarem os dados das amostras para se verificar se é possível ou não o uso da técnica de Análise Discriminante, além do que necessitam recorrentemente, de ser recalculados. Essa limitação reduziu-se quando se utilizaram os modelos em conjunto ou integrados, como verificado nos testes realizados. Outra técnica utilizada nesse estudo foi a de se gerar um modelo que congregue os melhores indicadores dos modelos analisados, obtendo-se um modelo de previsão, que pode ser considerado híbrido ou misto. Esse modelo foi testado quanto à sua capacidade de avaliar se as empresas concluiriam suas concordatas e, também, em sua capacidade de discriminar as empresas nos dois grupos anteriormente descritos (Solventes e Insolventes), ambos formados por empresas situadas em Belo Horizonte, Betim e Contagem. Como ressaltado, existem limitações ao uso desses modelos, que se iniciam pela própria ferramenta da Análise Discriminante. Porém, a sua utilização pode tornar mais objetiva a decisão de se conceder ou não a Concordata a uma empresa, ou, até mesmo, uma linha de crédito especial para cliente de um fornecedor ou de uma instituição bancária que se encontre nessa situação. Portanto, verificou-se ser possível, através das demonstrações contábeis das empresas objeto do estudo, a previsão da tendência de solvência ou insolvência daquelas, avaliando-se se lograriam êxito com a concordata. / This study is a retrospective analysis of models developed in Brazil with respect to the study of forecasting company insolvency, aimed at evaluating the application of quantitative methods to the financial analysis of financial statements. Evaluating the going-concern of companies is considered relevant. If facts can be identified indicating the opposite, the use of forecasting models is important what the decision on the extension of credit is concerned, not only in the field of financial intermediation, realized by banks, but also in the field of commercial transactions between suppliers and clients. From this decision, inferences can be made about the evaluation of whether a composition of debt will be conceded to a company, in which the models mentioned above will serve as tools for analyzing the company’s capacity to fulfill the composition agreement, an issue that is dealt with in this research. By means of the application of those models to a sample of companies that had applied for composition of debt, it could be evaluated whether the models maintained their capacity to distinguish the companies that were successful in the composition of debt. As a statistical tool, the Discriminant Analysis is used. This is a multivariate analysis technique that seeks to classify the data in two specific groups. In this study, they were defined as solvent companies group and insolvent companies group. It was verified that the premises for using the statistical technique of Discriminant Analysis can limit, but not invalidate these models. The data of the samples need to be assessed in order to verify whether it is possible or not to use the Discriminant Analysis technique. In addition, they recurrently need to be recalculated. This limitation was reduced when the models were used together or in an integrated way, as verified in the accomplished tests. Another technique used in this study was the creation of a model that unites the best indicators of the models that were analyzed, obtaining a forecasting model, which can be considered a hybrid or mixed. This model was tested for its capacity to evaluate whether the companies would conclude the composition of debt as well as its capacity to discriminate the companies in the two groups previously described (Solvent and Insolvent), both of which consist of companies located in Belo Horizonte, Betim and Contagem. As highlighted, the use of these models is limited, starting with the Discriminant Analysis tool itself. Nevertheless, their utilization can make the decision on the concession of debt composition to a company more objective, or even the decision on extending a special credit line to the customer of a supplier or to the client of a bank who finds himself in this situation. Therefore, it was confirmed that the analysis of the financial statements of the firms included in this study permits to forecast the possibility to determine the solvency or insolvency trend of the firms, as well as to assess their eventual success with the concordat.