Acceso usuarios
Carolina Trinca Paulino, Fabiano Guasti Lima, Rafael Confetti Gatsios, Luiz Paulo Favero
El objetivo de este estudio es identificar modelos de predicción que relacionen los principales indicadores financieros, de valor y de medio ambiente, sociales y de gobernanza (ESG) con los períodos en los que las empresas brasileñas estuvieron en proceso de recuperación judicial o quebraron entre 2010 y 2020. Se construyó una base de datos compuesta por 73 empresas de capital abierto, de las cuales 34 pasaron por recuperación judicial (RJ) o quiebra durante el período analizado, y 39 fueron seleccionadas para la base de control. Se obtuvieron un total de 2.954 observaciones. Se utilizó la regresión logística, la metodología más empleada en los estudios revisados, para evaluar la significancia de cada grupo de variables en el modelo. Se calcularon un total de 73 variables, incluyendo estructura de capital, rentabilidad, liquidez, inversión, valor e indicadores ESG. El análisis reveló que, en los casos de empresas en RJ, las variables significativas fueron deuda bancaria, capital de trabajo y spread. Para las empresas que quebraron, las variables más significativas fueron deuda bancaria y capital de trabajo. Se espera que el modelo propuesto contribuya de manera relevante a la academia y al mercado, al incorporar diversas variables e indicadores que no habían sido analizados en conjunto anteriormente. Su objetivo es mejorar la comprensión de la insolvencia corporativa. En conclusión, estos hallazgos pueden orientar la toma de decisiones estratégicas y las prácticas de gestión de riesgos dentro del sector corporativo
The aim of this study is to identify forecasting models that relate the main financial, value, an environmental, social, and governance (ESG) indicators to the periods during which Brazilian companies were in judicial reorganization or went bankrupt between 2010 and 2020. A database comprising 73 open capital companies was constructed, with 34 undergoing judicial recovery (JR) or bankruptcy during the analyzed period, and 39 selected for the control base. A total of 2,954 observations were obtained. Logistic regression, the most utilized methodology in surveyed studies, was employed to assess the significance of each variable group in the model. A total of 73 variables were calculated, including capital structure, profitability, liquidity, investment, value, and ESG indicators. Analysis revealed that, in cases of companies in JR, significant variables were bank debt, working capital, and spread. For companies that went bankrupt, the most significant variables were bank debt andworking capital. This proposed model is anticipated to contribute notably to academia and the market by incorporating various variables and indicators not previously analyzed together. It aims to enhance the understanding of corporate insolvency. In conclusion, these findings may inform strategic decision-making and risk management practices within the corporate sector
