Trabalho de Conclusão de Curso | Graduação
URI permanente desta comunidadehttps://repositorio.insper.edu.br/handle/11224/3244
Navegar
2 resultados
Resultados da Pesquisa
Trabalho de Conclusão de Curso Risco de crédito utilizando indicadores financeiros e machine learning para empresas Brasileiras listadas na B3(2024) Jou, Jia Shan SuzinA análise de crédito é um tema crucial no setor financeiro, especialmente considerando os desafios na concessão de crédito a indivíduos e empresas, que frequentemente se deparam com a falta de indicadores confiáveis para avaliar o perfil do tomador de crédito. Este artigo visa analisar o risco de default de empresas listadas na B3, focando principalmente na análise de balanços financeiros em formato tanto de cross section quanto painel. Para enriquecer esta análise, serão empregadas ferramentas de machine learning, regressão logística e um algoritmo de Árvore de decisão. O objetivo é identificar padrões nas demonstrações financeiras que possam conferir um poder preditivo ao modelo, auxiliando significativamente na tomada de decisão dos credores. Além disso, a regressão logística será aplicada para equilibrar os grupos de controle e tratamento, minimizando assim o viés de seleção e garantindo a robustez dos resultados.Trabalho de Conclusão de Curso Modelo de previsão de falência para empresas de capital aberto no Brasil(2023) Helou Neto, NabihGraças a um mundo cada vez mais digitalizado, é ainda mais importante a tomada de decisão eficiente e assertiva. Em um contexto de instabilidade econômica e juros altos, vemos a mídia especializada cada vez mais colocando o risco de crédito das empresas nos holofotes, buscando evidenciar para a população seus impactos na sociedade. O objetivo dessa pesquisa é identificar bons preditores de falência de empresas por meio da construção de um modelo de previsão de falência para empresas de capital aberto no Brasil. O Brasil traz um grande desafio para esse tipo de pesquisa, graças ao risco político elevado e a baixa estabilidade econômica e jurídica. O modelo usado nesse trabalho foi a regressão logística, empregando os indicadores econômico-financeiros das empresas, como variáveis explicativas. Uma amostra controle foi obtida a partir do pareamento das empresas que faliram com outras empresas do mesmo setor e de tamanhos semelhantes. Como resultado, as variáveis significativas para a previsão da probabilidade de falência dizem respeito aos níveis de endividamento, liquidez e eficiência das empresas. Foi possível construir um modelo com potencial de capacidade de previsão excepcional e acerto na previsão acima de 70%, utilizando o valor de corte padrão.