Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/39608
metadata.artigo.dc.title: Analysis of credit risk faced by public companies in Brazil: an approach based on discriminant analysis, logistic regression and artificial neural networks
metadata.artigo.dc.title.alternative: Análisis del riesgo de crédito que enfrentan las empresas de capital abierto en Brasil: un enfoque utilizando análisis discriminante regresión logística y redes neuronales artificiales
Análise de risco de crédito enfrentada por empresas de capital aberto no Brasil: uma abordagem utilizando análise discriminante de regressão logística e redes neurais artificiais
metadata.artigo.dc.creator: Prado, José Willer do
Carvalho, Francisval de Melo
Benedicto, Gideon Carvalho de
Lima, André Luis Ribeiro
metadata.artigo.dc.subject: Credit risk
Bankruptcy
Financial indicators
Riesgo de crédito
Bancarrota
Indicadores financieros
Risco de crédito
Falência
Indicadores financeiros
metadata.artigo.dc.publisher: Universidad Icesi - Facultad de Ciencias Administrativas y Económicas
metadata.artigo.dc.date.issued: 2019
metadata.artigo.dc.identifier.citation: PRADO, J. W. do et al. Analysis of credit risk faced by public companies in Brazil: an approach based on discriminant analysis, logistic regression and artificial neural networks. Estudios Gerenciales, Cali, v. 35, n. 153, p. 347-360, oct./dic. 2019.
metadata.artigo.dc.description.resumo: O objetivo deste artigo é identificar quais são os indicadores econômico-financeiros que melhor distinguem as empresas de capital aberto brasileiras por meio da concessão de credito e avaliar quais das técnicas utilizadas são as mais precisas para prever a falência das empresas. Os métodos utilizados para antecipar a insolvência foram analise discriminante, regressão logística e redes neurais. A amostra foi composta por 121 empresas de diversos setores, sendo 70 solventes e 51 insolventes. As analises utilizaram 35 indicadores econômico-financeiros. Os indicadores-econômico-financeiros mais relevantes foram: necessidade de capital de giro sobre lucro líquido, termômetro de liquidez, retorno sobre patrimônio líquido, margem de lucro, índice de dívida e patrimônio líquido sobre ativos. O modelo de rede neural apresentou maior precisão e foi corroborado pela curva ROC.
metadata.artigo.dc.description.abstract: The aims of the present article are to identify the economic-financial indicators that best characterize Brazilian public companies through credit-granting analysis and to assess the most accurate techniques used to forecast business bankruptcy. Discriminant analysis, logistic regression and neural networks were the most used methods to predict insolvency. The sample comprised 121 companies from different sectors, 70 of them solvent and 51 insolvent. The conducted analyses were based on 35 economic-financial indicators. Need of working capital for net income, liquidity thermometer, return on equity, net margin, debt breakdown and equity on assets were the most relevant economic-financial indicators. Neural networks recorded the best accuracy and the Receiver Operating Characteristic Curves (ROC curve) corroborated this outcome.
metadata.artigo.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/39608
metadata.artigo.dc.language: en
Appears in Collections:DAE - Artigos publicados em periódicos



This item is licensed under a Creative Commons License Creative Commons