Master's Dissertation
DOI
https://doi.org/10.11606/D.92.2004.tde-05082022-160027
Document
Author
Full name
Bruno Costa de Paula
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2004
Supervisor
Committee
Pereira, Carlos Alberto de Braganca (President)
Belluzzo Junior, Walter
Stern, Julio Michael
Title in Portuguese
Um modelo de previsão de inadimplência & a relevância das informações contábeis na concessão de crédito a empresas
Keywords in Portuguese
Crédito
Empresas
Informações contábeis
Abstract in Portuguese
A demanda por ferramentas quantitativas capazes de avaliar o risco de inadimplência é muito grande. Suas aplicações nas instituições financeiras são cada vez mais freqüentes. Muitas destas ferramentas utilizam informações financeiro-contábeis dos contratantes dos produtos de crédito. O objetivo deste estudo é propor um modelo de previsão de inadimplência de empresas, que estime a probabilidade de ocorrência da inadimplência, evento chamado de default. O modelo estatÃstico adotado, regressão logÃstica, utiliza informações contábeis das empresas na análise para concessão do crédito. Pretende-se analisar a contribuição do uso de Ãndices financeiro contábeis no desenvolvimento de modelos de risco de crédito. Dois segmentos de clientes são focados neste trabalho: . Firmas com faturamento superior a R$ 100 milhões, que chamaremos de "Grandes Empresas" . Firmas com faturamento entre R$ 10 e R$ 100 milhões, que chamaremos de "Empresas". A partir dos dados financeiro-contábeis destas empresas, serão calculados determinados Ãndices financeiros. Os Ãndices financeiros são relações entre contas ou grupos de contas das demonstrações financeiras, que têm como objetivo fornecer-nos informações que não são facilmente observáveis de forma direta nos balanços das empresas. Com base na função de escore gerada pela regressão que relaciona os Ãndices financeiros, apresentamos a aplicação da ferramenta e seu uso na análise pré-posteriori, através do Método Bayesiano, construindo um processo indutivo de ganho de conhecimento para o cálculo da probabilidade, ou risco, de inadimplência. Percebemos que para Médias e Pequenas Empresas há a necessidade de incorporação de outras variáveis além das financeiras. Já para o segmento de Grandes Empresas, o modelo de predição apresenta bom desempenho.
Title in English
A default prediction model & the relevance of accounting information in granting credit to companies
Keywords in English
Accounting information
Companies
Credit
Abstract in English
The demand for quantitative tools capable of assessing the risk of default is very large. Their investments in financial institutions are increasingly frequent. Many of these tools use information financial-accounting of the contracting parties of the credit products. The objective of this study is to propose a model for predicting default of companies, which estimates the probability of default, event called default. The statistical model adopted, logistic regression uses accounting information from companies in the analysis for granting the credit. It is intended to analyze the contribution of the use of financial-accounting ratios in the development of credit risk models. Two customer segments are focused on in this work. Firms with sales of more than R$ 100 million, which we will call from "Large Companies" . Firms with revenues between R$10 and R$100 million, which we'll call it "Companies" Based on the financial-accounting data of these companies,certain financial ratios are calculated. Financial indices are relationships between accounts or groups of accounts in the financial statements, which have the intended to provide us with information that is not readily observable in a directly on company balance sheets. Based on the score function generated by the regression that relates the financial indices, we present the application of the tool and its use in pre-posteriori analysis, through the Bayesian Method, building a process inductive gain of knowledge for calculating the probability, or risk, of default. We realize that for Medium and Small Companies there is a need incorporation of variables other than financial ones. Now for the segment of Large Companies, the prediction model performs well.
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2022-08-05