Diante da importância do sistema financeiro para a economia de um país, faz-se necessária sua constante fiscalização. Nesse sentido, a identificação de problemas existentes no cenário bancário apresenta-se fundamental, visto que as crises bancárias ocorridas mundialmente ao longo da história mostraram que a falta de credibilidade bancária e a instabilidade do sistema financeiro geram enormes custos financeiros e sociais. Os modelos de previsão de insolvência bancária são capazes de identificar a condição financeira de um banco devido ao valor correspondente da sua probabilidade de insolvência. Dessa forma, o presente trabalho teve como objetivo identificar os principais indicadores característicos da insolvência de bancos privados no Brasil. Para isso, foi utilizada a técnica de análise de sobrevivência em uma amostra de 70 bancos privados no Brasil, sendo 33 bancos insolventes e 37 bancos solventes. Foi possível identificar os principais indicadores financeiros que apresentaram-se significativos para explicar a insolvência de bancos privados no Brasil e analisar a relação existente entre estes indicador e esta probabilidade. O resultado deste trabalho permitiu a realização de importantes constatações para explicar o fenômeno da insolvência de bancos privados no Brasil, bem como, permitiu constatar alguns aspectos característicos de bancos em momentos anteriores à sua insolvência. / The financial system is very important to the economy of a country, than its supervision is necessary. Accordingly, the identification of problems in the banking scenario is fundamental, since the banking crisis occurring worldwide throughout history have shown that and instability of the financial system generates huge financial and social costs. The banking failure prediction models are able to identify the financial condition of a bank based on the value of its probability of insolvency. Thus, this study aimed to identify the main financial ratios that can explain the insolvency of private banks in Brazil. For this, it was used the survival analysis to analize a sample of 70 private banks in Brazil, with 33 solvent banks and 37 insolvent banks. It was possible to identify the key financial indicators that were significantly to explain the bankruptcy of private banks in Brazil and it was possible to examine the relationship between these financial ratios and the probability of bank failure. The result of this work has enabled the achievement of important findings to explain the phenomenon of the bankruptcy of private banks in Brazil, and has seen some characteristic of banks in times prior to its insolvency.

Estudos com o objetivo de prever insolvência de empresas e que fazem uso de técnicas estatísticas modernas são conduzidos desde a década de 1960. Esta linha de pesquisa, que inicialmente usou técnicas univariadas, e em seguida incorporou as análises multivariadas, hoje emprega largamente técnicas que fazem uso de inteligência artificial e que necessitam uma grande capacidade de processamento computacional. Esta evolução trouxe melhorias contínuas aos resultados alcançados e hoje é possível afirmar que os demonstrativos financeiros de empresas quando analisados adequadamente são uma fonte importante de informação para a previsão de insolvência. Esta pesquisa teve como principal objetivo desenvolver e comparar modelos estatísticos usando as técnicas de Análise Discriminante Linear, Regressão Logística e Redes Neurais Artificiais a fim de investigar qual delas oferece os melhores resultados. A amostra foi composta por 40 empresas, divididas em dois grupos: o primeiro com empresas formalmente insolventes segundo os critérios da legislação brasileira, e o segundo com empresas sem tais problemas. Foram usadas inicialmente 16 variáveis para predição e empregou-se um critério de seleção de variáveis baseado nos melhores subconjuntos possíveis ao invés do stepwise. Foi tomado especial cuidado com os pré-requisitos das técnicas, sobretudo da Análise Discriminante, como normalidade e ausência de multicolinearidade das variáveis independentes. Os resultados das previsões obtidas com os modelos foram coerentes com o esperado, ou seja, a Análise Discriminante teve um desempenho inferior à Regressão Logística que também foi superada pelas Redes Neurais Artificiais. / Researches in bankruptcy prediction of companies that make use of modern statistics techniques are being held since the 1960’s. This branch of study, which initially employed univariate techniques, and then assimilated the multivariate techniques today uses artificial intelligence, a techniques that needs a great computational processing capability. This evolution brought continuing improvements to the results achieved and today is possible to say that financial statements when properly analyzed are a good source of information to the prediction of financial distress. This research aimed mainly the development of prediction models using Discriminant Analysis, Logistic Regression and Artificial Neural Networks so that they could be compared in terms of predictive capabilities. The sample consisted of 40 firms divided in 2 groups (bankrupt and non bankrupt companies) according to the Brazilian bankruptcy law. The 16 initial predictors were selected to enter the model according to the best subsets procedure in order than the stepwise procedure. Special attention was taken to accomplish the pre-requisites of the techniques, above all the Discriminant Analysis, like normality and lack of multicollinearity of the independent variables. The findings of the predictions were reasonable and according to what was expected: the Discriminant Analysis was outperformed by the Logistic Regression that was also outperformed by the Artificial Neural Networks.

Made available in DSpace on 2015-03-05T19:15:17Z (GMT). No. of bitstreams: 0 Previous issue date: 28 / Nenhuma / Este estudo, em suas abrangências teórica e prática, tem por objetivo apresentar um modelo de previsão de insolvência que retrate a realidade das micro e pequenas empresas (MPEs), fundamentado na utilização das análises discriminante e fatorial. Para atingir este objetivo realizou-se uma pesquisa qualitativa com os profissionais atuantes nos escritórios de contabilidade do Rio Grande do Sul, obtendo-se informações contábeis de 104 MPEs do período de 1995 a 2007. Para análise dos dados, foi adotado o software SPSS 10, cuja aplicação da análise fatorial reduziu o número de indica dores contábeis de 25 para 5 fatores. Para a construção da função discriminante Z, a qual permite identificar a que grupo de empresas pertence cada empresa que compõe à amostra, foi utilizada a análise discriminante. A validação do modelo foi realizada por meio do método conhecido como crossvalidation, ou seja, a subdivisão da amostra original, sendo uma para a definição do modelo e outra para a sua validação. O grau de predição do m / This study, in its theoretical and practical scope, aims to present a model for prediction of insolvency that portray the reality of micro and small enterprises (MEPs), based on the use of discriminant analysis and factor. To achieve this goal there was a qualitative research with professionals in the accounting office of Rio Grande do Sul, obtaining information accounting of 104 MEPs in the period 1995 to 2007. For data analysis, SPSS software was adopted 10, whose application of factor analysis reduced the number of pain states accounting for 25 to 5 factors. For the construction of the discriminant function Z, which allows to identify which group of companies that make each company belongs to the sample, we used the discriminant analysis. The model validation was done using the method known as crossvalidation, ie the subdivision of the original sample, one for defining the model and one for its validation. The degree of prediction of the model reached 96.15% of accuracy, representing a good index for predi

Diante da importância do sistema financeiro para a economia de um país, faz-se necessária sua constante fiscalização. Nesse sentido, a identificação de problemas existentes no cenário bancário apresenta-se fundamental, visto que as crises bancárias ocorridas mundialmente ao longo da história mostraram que a falta de credibilidade bancária e a instabilidade do sistema financeiro geram enormes custos financeiros e sociais. Os modelos de previsão de insolvência bancária são capazes de identificar a condição financeira de um banco devido ao valor correspondente da sua probabilidade de insolvência. Dessa forma, o presente trabalho teve como objetivo identificar os principais indicadores característicos da insolvência de bancos privados no Brasil. Para isso, foi utilizada a técnica de análise de sobrevivência em uma amostra de 70 bancos privados no Brasil, sendo 33 bancos insolventes e 37 bancos solventes. Foi possível identificar os principais indicadores financeiros que apresentaram-se significativos para explicar a insolvência de bancos privados no Brasil e analisar a relação existente entre estes indicador e esta probabilidade. O resultado deste trabalho permitiu a realização de importantes constatações para explicar o fenômeno da insolvência de bancos privados no Brasil, bem como, permitiu constatar alguns aspectos característicos de bancos em momentos anteriores à sua insolvência. / The financial system is very important to the economy of a country, than its supervision is necessary. Accordingly, the identification of problems in the banking scenario is fundamental, since the banking crisis occurring worldwide throughout history have shown that and instability of the financial system generates huge financial and social costs. The banking failure prediction models are able to identify the financial condition of a bank based on the value of its probability of insolvency. Thus, this study aimed to identify the main financial ratios that can explain the insolvency of private banks in Brazil. For this, it was used the survival analysis to analize a sample of 70 private banks in Brazil, with 33 solvent banks and 37 insolvent banks. It was possible to identify the key financial indicators that were significantly to explain the bankruptcy of private banks in Brazil and it was possible to examine the relationship between these financial ratios and the probability of bank failure. The result of this work has enabled the achievement of important findings to explain the phenomenon of the bankruptcy of private banks in Brazil, and has seen some characteristic of banks in times prior to its insolvency.

Submitted by Cassio Viana de Jesus (viana.cassio@yahoo.com.br) on 2016-07-19T01:27:37Z No. of bitstreams: 1 Variáveis discriminantes para inferência da insolvência de empresas brasileira- um estudo para o período de 2008 a 2016.pdf: 1408163 bytes, checksum: e35afe6712274d58d116af051d1cc4f4 (MD5) / Rejected by Renata de Souza Nascimento (renata.souza@fgv.br), reason: Cassio, boa tarde Por gentileza, retirar a acentuação do nome Getúlio. Aguardamos um parecer referente ao título, que foi encaminhado por e-mail. Att on 2016-07-22T20:40:22Z (GMT) / Submitted by Cassio Viana de Jesus (viana.cassio@yahoo.com.br) on 2016-07-26T01:02:53Z No. of bitstreams: 1 Variáveis discriminantes para inferência da insolvência de empresas brasileira- um estudo para o período de 2008 a 2016.pdf: 1406883 bytes, checksum: 674d5af0660ac9ed075928cd721cf6be (MD5) / Approved for entry into archive by Renata de Souza Nascimento (renata.souza@fgv.br) on 2016-07-26T19:26:27Z (GMT) No. of bitstreams: 1 Variáveis discriminantes para inferência da insolvência de empresas brasileira- um estudo para o período de 2008 a 2016.pdf: 1406883 bytes, checksum: 674d5af0660ac9ed075928cd721cf6be (MD5) / Made available in DSpace on 2016-07-26T19:56:54Z (GMT). No. of bitstreams: 1 Variáveis discriminantes para inferência da insolvência de empresas brasileira- um estudo para o período de 2008 a 2016.pdf: 1406883 bytes, checksum: 674d5af0660ac9ed075928cd721cf6be (MD5) Previous issue date: 2016-06-28 / This study aimed to determine if accounting and governance indicators are relevant to foresee the stages of financial stress of companies by using a logistic regression. With the formation of two samples was possible to verify if the inclusion of insolvency data defined by cash flow shortage events were relevant to increase model capacity for prediction of insolvency. The remaining insolvency stages were judicial reorganization and bankruptcy. The control sample is formed by healthy companies, from the same sector and size. The period of analysis includes events that occurred between January 2008 and March 2016. The main variables that showed significant results to predict insolvency states, a year before the event happens, were Profitability, Efficiency and Payment Capacity indicators. The Governance indicator was only significant to predict insolvency arising from judicial reorganization and bankruptcy. Among the models studied, the most accurate model presented total correctness capacity of 88,7%, classifying correctly 88% of solvent companies and 89,3% of insolvent companies. The results indicate the usefulness of financial indicators of Payment Capacity, Efficiency and Profitability, as well as the Governance variable, to discriminate the insolvency of companies. / Este estudo teve como objetivo verificar se indicadores contábeis e de governança, apresentam poder discriminante para prever estágios de estresse financeiro em empresas, utilizando-se de um modelo de regressão logística. Foram coletados dados contábeis de 122 empresas brasileiras, listadas na BM&FBovespa. Os dados foram agrupados em duas amostras, onde as empresas foram pareadas entre empresas solventes e insolventes na proporção de 1:1. Com a formação de duas amostras foi possível analisar se a inclusão de dados de insolvência definidos por insuficiência por fluxo, é relevante para aumentar a capacidade de previsão do modelo. Os demais estágios estudados foram recuperação judicial e falência. O grupo controle foi formado por empresas consideradas solventes. O período de análise compreendeu eventos ocorridos entre janeiro de 2008 a março de 2016. As principais variáveis que apresentaram resultados significativos para prever os estágios de insolvência, um ano antes do evento, foram Rentabilidade, Eficiência e Capacidade de Pagamento. O indicador de Governança foi significante apenas para prever insolvência decorrente de Recuperação Judicial e Falência. Dentre os modelos estudados, o modelo de maior acurácia na classificação de empresas insolventes apresentou capacidade de acerto total de 88,7%, tendo classificado corretamente 88% das empresas solventes e 89,3% das empresas insolventes. Os resultados indicam a utilidade dos indicadores contábeis de Capacidade de Pagamento, Eficiência e Rentabilidade, bem como a variável de Governança, para discriminar a insolvência de empresas.

Estudos com o objetivo de prever insolvência de empresas e que fazem uso de técnicas estatísticas modernas são conduzidos desde a década de 1960. Esta linha de pesquisa, que inicialmente usou técnicas univariadas, e em seguida incorporou as análises multivariadas, hoje emprega largamente técnicas que fazem uso de inteligência artificial e que necessitam uma grande capacidade de processamento computacional. Esta evolução trouxe melhorias contínuas aos resultados alcançados e hoje é possível afirmar que os demonstrativos financeiros de empresas quando analisados adequadamente são uma fonte importante de informação para a previsão de insolvência. Esta pesquisa teve como principal objetivo desenvolver e comparar modelos estatísticos usando as técnicas de Análise Discriminante Linear, Regressão Logística e Redes Neurais Artificiais a fim de investigar qual delas oferece os melhores resultados. A amostra foi composta por 40 empresas, divididas em dois grupos: o primeiro com empresas formalmente insolventes segundo os critérios da legislação brasileira, e o segundo com empresas sem tais problemas. Foram usadas inicialmente 16 variáveis para predição e empregou-se um critério de seleção de variáveis baseado nos melhores subconjuntos possíveis ao invés do stepwise. Foi tomado especial cuidado com os pré-requisitos das técnicas, sobretudo da Análise Discriminante, como normalidade e ausência de multicolinearidade das variáveis independentes. Os resultados das previsões obtidas com os modelos foram coerentes com o esperado, ou seja, a Análise Discriminante teve um desempenho inferior à Regressão Logística que também foi superada pelas Redes Neurais Artificiais. / Researches in bankruptcy prediction of companies that make use of modern statistics techniques are being held since the 1960’s. This branch of study, which initially employed univariate techniques, and then assimilated the multivariate techniques today uses artificial intelligence, a techniques that needs a great computational processing capability. This evolution brought continuing improvements to the results achieved and today is possible to say that financial statements when properly analyzed are a good source of information to the prediction of financial distress. This research aimed mainly the development of prediction models using Discriminant Analysis, Logistic Regression and Artificial Neural Networks so that they could be compared in terms of predictive capabilities. The sample consisted of 40 firms divided in 2 groups (bankrupt and non bankrupt companies) according to the Brazilian bankruptcy law. The 16 initial predictors were selected to enter the model according to the best subsets procedure in order than the stepwise procedure. Special attention was taken to accomplish the pre-requisites of the techniques, above all the Discriminant Analysis, like normality and lack of multicollinearity of the independent variables. The findings of the predictions were reasonable and according to what was expected: the Discriminant Analysis was outperformed by the Logistic Regression that was also outperformed by the Artificial Neural Networks.

Made available in DSpace on 2017-07-10T18:33:13Z (GMT). No. of bitstreams: 1 Daliana Carla Vieira.pdf: 497262 bytes, checksum: 8dd08e3923131b5ee349d12cb30f938c (MD5) Previous issue date: 2007-03-09 / The aim of this dissertation was to accomplish an analysis of the financial situation of the Lar Agro-Industrial Cooperative compared to 31 cooperatives from the State of Paraná, through an insolvency prevision model, from the year 2000 to 2004. Thus, some financial indexes of the cooperatives studied were examined in accordance to the standard indexes. The Gimenes and Opazo (2001) insolvency prevision model was used to verify the financial solvency or insolvency situation of the cooperatives. Then the similarity among the group of agricultural cooperatives was analyzed through Cluster Analysis. The results lead to a general conclusion that, in the period analyzed, Lar Agro-Industrial Cooperative presented a highly satisfactory performance, a particular characteristic of this cooperative, due to the fact that high similarities between Lar cooperative and other cooperatives were not verified / O objetivo deste trabalho foi realizar uma análise da situação financeira da Cooperativa Agroindustrial Lar em relação a 31 cooperativas do Estado do Paraná, através de um modelo de previsão de insolvência, no período de 2000 a 2004. Para tanto, examinaram-se alguns indicadores financeiros das cooperativas em estudo a partir da classificação segundo os índices-padrão. Para verificar a situação de solvência ou insolvência financeira das cooperativas foi utilizado o modelo de previsão de insolvência de Gimenes e Opazo (2001). Finalmente, foi analisada a similaridade entre o conjunto das cooperativas agropecuárias por meio da análise multivariada de agrupamento ou Cluster Analysis. Os resultados obtidos permitem concluir, de uma forma geral, que, no período analisado, a Cooperativa Agroindustrial Lar apresentou um desempenho financeiro bastante satisfatório, característica muito particular desta cooperativa, já que não se verificou alta similaridade entre a cooperativa Lar e as demais cooperativas