Made available in DSpace on 2014-06-12T17:39:31Z (GMT). No. of bitstreams: 2 arquivo519_1.pdf: 8081494 bytes, checksum: ba2427869f3a7c683fd296629937e553 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Um projeto de inovação tecnológica consiste em uma série de análises e procedimentos que tem como fim estimar o valor de uma tecnologia, ou seja, gerar uma estimativa dos rendimentos futuros que tal empreendimento/tecnologia possa proporcionar. A abordagem tradicional da análise de investimentos para esta categoria de projetos possui uma limitação no que tange a: 1 estimação do valor da tecnologia que exige a incorporação de variáveis qualitativas que não são consideradas por essa modelagem; e 2 a elevada variabilidade das estimativas do fluxo de caixa projetado, em virtude das diferentes categorias de risco inerentes a esse tipo de projeto. A partir desta limitação apresentada no estado da arte da avaliação deste tipo de projeto, esta pesquisa de cunho exploratório pretende utilizar a metodologia de rating como uma alternativa a avaliação de projetos de inovação. Pois um sistema de classificação através de rating possui a flexibilidade necessária para a incorporação de variáveis qualitativas que podem auxiliar na mensuração do valor da tecnologia, bem como fornece uma série de procedimentos que permitem a estimação do risco de tais projetos. Tal aplicação da metodologia de rating gera o Sistema de Classificação de Risco de Projetos de Inovação (SCRP), que a partir de uma amostra de 40 projetos de investimento industrial fornecidos pelo Banco do Nordeste do Brasil, indicadores setoriais, macroeconômicos e tecnológicos, provê uma classificação de viabilidade e risco para tais projetos. As Support Vector Machines, técnica de inteligência artificial com resultados exitosos em várias áreas das finanças, inclusive com ratings é introduzida nesta pesquisa para testar a classificação gerada pelo SCRP. A aplicação do SVM fez uso do código LIBSVM e do Software Matlab. A classificação obtida pelo SCRP apresentou um ajuste médio de 83,6% quando comparado aos 10 melhores projetos classificados pelo critério da TIR e de 87,6% de ajuste médio para com os 8 piores projetos classificados pelo critério do VPL, a classificação obtida através do SVM, apresentou uma acuracia de 37,5% frente aos dados de teste

Made available in DSpace on 2010-04-20T20:14:45Z (GMT). No. of bitstreams: 0 Previous issue date: 1996-04-08T00:00:00Z / Trata dos fenômenos da inovação e criatividade focalizando as características dos indivíduos que se engajam em projetos de inovação e as condições organizacionais que favorecem ou restringem o desenvolvimento desses projetos. Destaca a importância da motivação individual para o processo criativo e apresenta um modelo de estudo para análise de projetos de inovação em andamento.