Spelling suggestions: "subject:"gatings dde crédito"" "subject:"gatings dee crédito""
1 |
Os efeitos da Governança Corporativa sobre os Ratings de crédito e Spread de Debênturesdos Santos Silva, Edilson 31 January 2010 (has links)
Made available in DSpace on 2014-06-12T15:08:10Z (GMT). No. of bitstreams: 2
arquivo255_1.pdf: 546370 bytes, checksum: 36238f887c1243b1677559bcdbc93462 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2010 / Fundação de Amparo a Pesquisa do Estado de Alagoas / Em um mercado competitivo, algumas empresas procuram se diferenciar como empresas
com boa governança , e assim, tornam-se mais atraentes para aos investidores, aumentando a
quantidade de investidores interessados em alocar recursos em seus projetos. Outro aspecto
relevante para os investidores são os ratings de crédito, que auxiliam no processo de compra
ou venda de títulos destas empresas. O objetivo principal deste estudo é verificar se a
qualidade das práticas de governança corporativa das empresas listadas na Bovespa tem
alguma relação com a qualidade dos ratings e o spread das debêntures emitidas pelas
empresas, entre 2005 e 2007. Os dados foram coletados no site da Comissão de Valores
Mobiliários e do Sistema Nacional de Debêntures e tratados com a utilização do método
Probit Ordenado e Mínimos Quadrados Ordinários. Os resultados mostraram que as práticas
de governança (medido pelo IGC) influenciam negativamente a qualidade de crédito, em
relação à variável concentração de propriedade (CP) quando em substituição ao IGC
apresentou sinal positivo, resultado que corrobora com outros estudos semelhantes. Com
relação ao spread obteve-se resultados não conclusivos, pois o índice de governança não
apresentou sinal constante em conjunto com a variável de desempenho ROA. No entanto, ao
substituir o índice de governança pela variável de concentração de propriedade foi encontrada
uma relação negativa com o spread, sinalizando que os spreads pagos pelas empresas tendem
a ser menores com a alta concentração de propriedade
|
2 |
O uso de derivativos para hedge melhora os ratings de crédito das empresas brasileiras? / Does the use of hedge derivatives improve the credit ratings of brazilian companies?Antônio, Rafael Moreira 01 October 2018 (has links)
O risco é um aspecto importante a ser considerado nas avaliações empresariais e, diante das crises financeiras globais, os ratings divulgados pelas agências de classificação de riscos são fundamentais para o gerenciamento de riscos nas empresas, bem como para a tomada de decisão dos investidores ao escolher em qual empresa investir. Diante do exposto, o presente trabalho se propôs a identificar os fatores que podem explicar as atribuições dos ratings com especial atenção ao impacto do uso de derivativos. A partir disso, a principal novidade apresentada nesta pesquisa foi a de averiguar o reflexo do uso de derivativos juntamente com as posições de proteções assumidas pelas empresas nas classificações de créditos - ajudando a suprir, assim, essa lacuna na literatura da área. Para isso, foram utilizados 2.090 ratings e analisadas as empresas não financeiras da B3 entre os anos de 2010 e 2016 por meio de análise dos dados em painel, conferindo maior robustez às análises e aos achados. Os resultados indicaram que as empresas que utilizam instrumentos financeiros derivativos não recebem os melhores ratings. Esses resultados contestam a teoria de que o uso de derivativos é visto positivamente pelos investidores. No entanto, apesar de nenhum impacto significativamente estatístico ter sido encontrado nos ratings das empresas que utilizam derivativos, observou-se que as empresas que usam derivativos e possuem os maiores valores nocionais foram as que receberam as melhores notas da agência Moody\'s. / Risk assessment is an important aspect concerning business valuation and, considering the global economic crisis, the information disclosed by rating agencies is essential to developing a risk management plan and making investment decisions. The purpose of the present study is therefore to identify the factors that may explain the attribution of risk ratings, focusing on the impact of derivatives. Thereafter, ascertaining the effects of derivatives combined with protective business behaviors regarding credit ratings is innovative and assists in filling knowledge gaps in research and literature. In this study, 2.090 ratings were considered and B3\'s non-financial companies were examined between 2010 and 2016 by using panel data analysis, which lends robustness to the analysis and the findings. Results indicate that companies that use derivative instruments are not attributed the best ratings, thus opposing the theory that the use of derivatives attracts investors. Although ratings showed no significant statistical impact on companies that use derivatives, companies with the highest notional values, which also use derivatives, were attributed the best ratings by Moody\'s.
|
3 |
Modelo híbrido de avaliação de risco de crédito para corporações brasileiras com base em algoritmos de aprendizado de máquinaGregório, Rafael Leite 09 July 2018 (has links)
Submitted by Sara Ribeiro (sara.ribeiro@ucb.br) on 2018-08-08T13:33:03Z
No. of bitstreams: 1
RafaelLeiteGregorioDissertacao2018.pdf: 1382550 bytes, checksum: 9c6e4f1d3c561482546aca581262b92b (MD5) / Approved for entry into archive by Sara Ribeiro (sara.ribeiro@ucb.br) on 2018-08-08T13:33:24Z (GMT) No. of bitstreams: 1
RafaelLeiteGregorioDissertacao2018.pdf: 1382550 bytes, checksum: 9c6e4f1d3c561482546aca581262b92b (MD5) / Made available in DSpace on 2018-08-08T13:33:24Z (GMT). No. of bitstreams: 1
RafaelLeiteGregorioDissertacao2018.pdf: 1382550 bytes, checksum: 9c6e4f1d3c561482546aca581262b92b (MD5)
Previous issue date: 2018-07-09 / The credit risk assessment has a relevant role for financial institutions because it is associated with possible losses and has a large impact on the balance sheets. Although there are several researches on applications of machine learning and finance models, a study is still lacking that integrates available knowledge about credit risk assessment. This paper aims at specifying the machine learning model of the probability of default of publicly traded companies present in the Bovespa Index (corporations) and, based on the estimations of the model, to obtain risk assessment metrics based on risk letters. We converged methodologies verified in the literature and we estimated models that comprise fundamentalist (balance sheet) and governance data, macroeconomic and even variables resulting from the application of the proprietary model of KMV credit risk assessment. We test the XGboost and LinearSVM algorithms, which have very different characteristics among them, but are potentially useful to the problem. Parameter Grids were performed to identify the most representative variables and to specify the best performing model. The model selected was XGboost, and performance was very similar to the results obtained for the North American stock market in analogous research. The estimated credit ratings suggest that they are more sensitive to the economic and financial situation of the companies than that verified by traditional Rating Agencies. / A avaliação do risco de crédito tem papel relevante para as instituições financeiras por estar associada a possíveis perdas que podem gerar grande impacto nos balanços. Embora existam várias pesquisas sobre aplicações de modelos de aprendizado de máquina e finanças, ainda não há estudo que integre o conhecimento disponível sobre avaliação de risco de crédito. Este trabalho visa especificar modelo de aprendizado de máquina da probabilidade de descumprimento de empresas de capital aberto presentes no Índice Bovespa (corporações) e, fruto das estimações do modelo, obter métrica de avaliação de risco baseada em letras (ratings) de risco. Convergiu-se metodologias verificadas na literatura e estimou-se modelos que compreendem componentes fundamentalistas (de balanço) e de governança corporativa, macroeconômicos e ainda variáveis produto da aplicação do modelo proprietário de avaliação de risco de crédito KMV. Testou-se os algoritmos XGboost e LinearSVM, os quais possuem características bastante distintas entre si, mas são potencialmente úteis ao problema exposto. Foram realizados Grids de parâmetros para identificação das variáveis mais representativas e para a especificação do modelo com melhor desempenho. O modelo selecionado foi o XGboost, tendo sido observado desempenho bastante semelhante aos resultados obtidos para o mercado de ações norte-americano em pesquisa análoga. Os ratings de crédito estimados mostram-se mais sensíveis à situação econômico-financeira das empresas ante o verificado por agências de rating tradicionais.
|
Page generated in 0.1493 seconds