O setor de saúde suplementar do Brasil, consistindo nas ações e serviços relacionados a operação de planos e seguros provendo acesso à saúde no âmbito privado, constitui uma porta de acesso à serviços de saúde para mais de 1/4 da população brasileira, representando um importante pilar de sustentação do sistema de saúde do país. Apesar da grande importância e relevância, é observado que a cada ano existem cada vez menos operadoras de planos de saúde (OPS) ofertando serviços, evidenciando uma tendência de oligopolização do setor. Adotando como foco de análise as saídas de OPS relacionadas ao conceito de falhas corporativas, frente aos grandes custos aos quais a sociedade precisa arcar causados pelo encerramento de uma OPS, o presente estudo teve como objetivo a elaboração de um exame empírico das características econômico-financeiras e demais outras variáveis específicas das OPS que tiveram suas atividades encerradas compulsoriamente por decreto da agência reguladora. O rol de definições de uma falha corporativa é extenso, abrangendo situações de falência, inadimplência e, dentre a diversas outras, são resumidas neste estudo na incapacidade do agente em honrar suas obrigações com seus stakeholders (conceitos como insolvência, falha financeira e demais outros se mostram, portanto, equivalentes neste trabalho). Utilizando a literatura relacionada à previsão de falhas corporativas, empregou-se a técnica de regressão logística nos dados iniciais de 677 operadoras entre os anos de 2014 e 2020, para obtenção de um modelo preditivo de falhas nas OPS. O modelo apontou como variáveis discriminantes relevantes, 4 variáveis numéricas e 2 variáveis categóricas. As variáveis numéricas do modelo obtido e com maior relevância na discriminação dos grupos foram: margem EBITDA (onde OPS falhas apresentam a prevalência de médias negativas e/ou inferiores à OPS não falhas), o patrimônio líquido sobre ativo total (onde o aumento da participação do capital próprio tem impacto na diminuição das chances de falha), duas variáveis relacionadas à liquidez - capital de giro sobre receita total e ativos financeiros sobre passivo circulante - com resultados alinhados à literatura (quanto maior a proporção desses ativos, menor as chances de falha) e, inicialmente indo contra os resultados esperados, a variável representada pelos ativos financeiros somado aos recebíveis de curto prazo sobre o passivo circulante, apresentando associação positiva entre o aumento do indicador e crescimento das chances de falha. Neste sentido, destaca-se uma característica do setor onde grandes volumes de recebíveis requerem atenção, podendo inclusive indicar um balanço irreal de contas a receber (OPS tem como característica a preponderância de recebimentos em pré-pagamento). Por fim, as duas variáveis categóricas evidenciam a diminuição das chances de falha caso a OPS seja da modalidade autogestão ou cooperativa médica. O modelo apresentou uma capacidade discriminatória global de 92% e, considerando as decisões na seleção do cut-off, uma acurácia de 77,8% na previsão do evento de interesse na amostra teste.

The supplementary health sector in Brazil, consisting of actions and services related to the operation of plans and insurance providing access to health in the private sphere, constitutes a gateway to health services for more than 1/4 of the Brazilian population, representing an important pillar of support for the country's health system. Despite the great importance and relevance, it is observed that each year there are fewer and fewer health plans agents offering services, evidencing a trend of oligopolization of the sector. Adopting as the focus of analysis, the liquidation of health plans agents related to the concept of corporate failures, in view of the great costs that society needs to bear caused by their destitution, the present study aimed to elaborate an empirical examination of the economic and financial characteristics and other specific variables of those agents that had their activities compulsorily terminated by decree of the regulatory agency. Definition of a corporate failure is extensive, covering situations of bankruptcy, default and, among several others, are summarized in this study as the inability of the agent to honor his obligations with his stakeholders (concepts such as insolvency, financial failure and others are, therefore, equivalent in this work). Using the literature related to the prediction of corporate failures, the logistic regression technique was used in the initial data of 677 health plan agents between the years 2014 and 2020, to obtain a predictive model of failures in the field. The model indicated as relevant discriminant variables, 4 numerical variables and 2 categorical variables. The numerical variables of the model obtained and with greater relevance in the discrimination of the groups were: EBITDA margin (where failure agents present the prevalence of negative averages and/or lower than the non-failure agents), equity over total assets (where the increase in equity participation has an impact on the decrease in the chances of failure), two variables related to liquidity - working capital on total revenue and financial assets on current liabilities - with results aligned with the literature (the higher the proportion of these assets, the lower the chances of failure) and, initially going against the expected results, the variable represented by financial assets plus short-term receivables on current liabilities (presenting a positive association between the increase in the indicator and growth of the chances of failure). In this sense, we highlight a characteristic of the sector where large volumes of receivables require attention and may even indicate an unrealistic balance of accounts receivable (health plans agents has as characteristic the preponderance of prepayment receipts). Finally, the two categorical variables show a decrease in the chances of failure if the agent belongs to the self-management modality or medical cooperative. The model presented a global discriminatory capacity of 92% and, considering the decisions in the cut-off selection, an accuracy of 77.8% in the prediction of the event of interest in the test sample.