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
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/5433 |
| Date | 31 January 2010 |
| Creators | Guimarães Júnior, Djalma Silva |
| Contributors | Távora Júnior, José Lamartine |
| 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 0.0029 seconds