Acceso usuarios
Rui Américo Mathiasi Horta, Francisco Jose dos Santos Alves, Carlos Cristiano Hasenclever Borges, Adriano Rodrigues
Descontinuidade de empresas é um tema cada vez mais estudado no campo da contabilidade, das finanças, dos negócios e da computação em decorrência do considerável impacto social causado pelo fracasso corporativo de uma entidade. Bancos, investidores, auditores, gerentes, fornecedores, empregados e muitos outros têm grandes interesses na acurácia da previsão de continuidade de uma companhia. Ainda há questões pouco estudadas na modelagem de previsão de insolvência. O desequilíbrio ou desbalanceamento dos dados sobre insolvência é uma dessas questões; em ambientes econômicos típicos o número de empresas classificadas como solventes é bem maior do que o daquelas classificadas como insolventes. O objetivo deste estudo foi comparar as variáveis contábeis selecionadas nas amostras das empresas do setor de material básico antes e após a crise do subprime, aplicando tecnologias de aprendizagem de máquinas em problemas de previsão de insolvência, utilizando técnicas de balanceamento da base de dados com (etapa de) seleção de atributos e, a partir disso, obter informações contábeis que levem a explicações das diferenças ocorridas na descontinuidade das empresas estudadas. Esta pesquisa é de natureza aplicada com abordagem quantitativa; quanto ao objetivo, é descritiva. A base de dados foi originada de demonstrativos contábeis de empresas brasileiras do setor econômico de material básico, listadas na Bovespa e na Serasa entre os anos 1994 e 2006 e 2007 e 2012. Os resultados obtidos evidenciaram a alteração de algumas variáveis selecionadas para a caracterização daquelas empresas que se tornaram descontínuas. Empresas do setor de material básico, no período estudado, 2007 a 2012, que se adequaram às exigências do mercado, privilegiando a liquidez em detrimento ao operacional, lograram sucesso em sua continuidade.Palavras-chave: Descontinuidade de empresas. Seleção de variáveis contábeis. Balanceamento de base de dados. Tecnologias de aprendizagem de máquina. Setor de material básico. Crise subprime Brasil.
