Made available in DSpace on 2014-06-12T17:20:03Z (GMT). No. of bitstreams: 2
arquivo572_1.pdf: 1212560 bytes, checksum: 17195f6a9a419934856bdf5e4472d49e (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2010 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O ano de 2008 foi marcado pelo ápice da crise financeira mundial, iniciada no mercado
imobiliário dos Estados Unidos. Também nesse período, constatou-se o aumento da produção
de estudos teóricos e empíricos sobre os determinantes de crises no sistema financeiro e,
especificamente, no sistema bancário. Embora diversos trabalhos desenvolvidos analisem os
determinantes de falência bancária, buscando identificar quais variáveis econômicas causam
desequilíbrios no sistema financeiro, as conclusões encontradas nem sempre convergem para
modelos eficientes no processo de early warning. O presente trabalho tem por objetivo avaliar
como os modelos de redes neurais artificiais podem ser utilizados enquanto ferramentas para
previsão de insolvência bancária no Brasil. Para tanto, foram utilizados dados a respeito de
liquidação bancária entre os anos de 1996 e 1999 associados a três processos distintos de
amostragem dos bancos solventes. Os resultados mostram que o maior volume de variáveis
explicativas (neurônios de entrada) no modelo de redes neurais torna o modelo melhor
ajustado à série e com menor erro quadrado médio de previsão, ainda que seja possível
verificar uma forte presença de multicolinearidade entre essas variáveis. Finalmente,
verificou-se que os modelos de redes neurais artificiais apresentam bom desempenho na
previsão de falência bancária no Brasil independentemente do processo de amostragem
selecionado
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/4133 |
Date | 31 January 2010 |
Creators | Vieira, Amanda Aires |
Contributors | Lima, Ricardo Chaves |
Publisher | Universidade Federal de Pernambuco |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0014 seconds