 |
Arriba |
|
Finanzas |
|||||
|
Agente Autónomo de Negociação
Manutenção da página: M Fernades / P. Brazdil
O que é Financial Distress? Empresas em dificuldades financeiras Incumprimento das suas obrigações Perda de fornecedores e clientes Dificuldade na obtenção de crédito Efeito bola de neve Indicadores Utilizados É importante distinguir as empresas em financial distress das restantes financial distress reflecte-se nas contas do Balanço e da Demonstração de Resultados das empresas Utilizam-se indicadores financeiros, tais como: Disponibilidades / Passivo Curto Prazo (Disponibilidades + Clientes) / Passivo Curto Prazo (Disponibilidades + Clientes + Mercadorias) / Passivo de Curto Prazo Tempo Médio de Pagamento Tempo Médio de Recebimento Tempo Médio de Duração de Existências Passivo / Capitais Próprios ... É possível calcular um vasto leque de indicadores Torna-se necessário seleccionar um conjunto que seja capaz de identificar as situações de Financial Distress Diferentes metodologias e modelos Metodologias Tradicionais Edward I. Altman, "Financial Ratios, Discriminant Analysis and the Prediction of Corporate Banruptcy", The Journal of Finance, 1968 Modelo de Altman: Z-score Z = aX1 + bX2 + cX3 + dX4 + eX5 X1 = Fundo de Maneio / Activo Total X2 = Resultados Retidos / Activo Total X3 = RAIEF / Activo Total X4 = Valor de Mercado dos C.P. / Passivo Total X5 = Vendas / Activo Total Análise Discriminante Modelo LOGIT Estudos Recentes Na última década foram publicados diversos estudos que tentam aplicar as redes neuronais a este tipo de problema Altman E.I., Pareto Franco, "Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks (the Italian experience)", Journal of Banking & Finance, (1994) Os estudos comparam a performance das redes neurais com as metodologias tradicionais Vantagens: Flexibilidade dos pressupostos Capacidade de extrapolação Dados com ruído Bons resultados ao nível da performance Desvantagens: Black Box (pode ser um problema no meio financeiro) Pouco consistentes Processo lento Conhecimento reduzido acerca da optimização da rede Não contemplam custos para classificação incorrecta Objectivos Desenvolver um classificador capaz de identificar empresas em má situação financeira Aplicação a empresas industriais portuguesas Publicação de um artigo referente ao trabalho desenvolvido Recursos Colaboração com Professor Elísio Brandão Dados da Dun & Bradstreet Publicações da Biblioteca da Faculdade de Economia do Porto (versão papel e versão online) Software NeuroSolutions Situação Actual Dados referentes a 41 empresas industriais nacionais (Balanço + Demonst. Resultados) Período considerado 1997 a 1999 Tratamento dos dados necessário e trabalhoso 10 artigos recentes referentes a estudos similares |
|||||