Use este identificador para citar ou linkar para este item:
http://repositorio.ufla.br/jspui/handle/1/39608
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Prado, José Willer do | - |
dc.creator | Carvalho, Francisval de Melo | - |
dc.creator | Benedicto, Gideon Carvalho de | - |
dc.creator | Lima, André Luis Ribeiro | - |
dc.date.accessioned | 2020-03-31T19:44:40Z | - |
dc.date.available | 2020-03-31T19:44:40Z | - |
dc.date.issued | 2019 | - |
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. | pt_BR |
dc.identifier.uri | http://repositorio.ufla.br/jspui/handle/1/39608 | - |
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. | pt_BR |
dc.language | en | pt_BR |
dc.publisher | Universidad Icesi - Facultad de Ciencias Administrativas y Económicas | pt_BR |
dc.rights | acesso aberto | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | * |
dc.source | Estudios Gerenciales | pt_BR |
dc.subject | Credit risk | pt_BR |
dc.subject | Bankruptcy | pt_BR |
dc.subject | Financial indicators | pt_BR |
dc.subject | Riesgo de crédito | pt_BR |
dc.subject | Bancarrota | pt_BR |
dc.subject | Indicadores financieros | pt_BR |
dc.subject | Risco de crédito | pt_BR |
dc.subject | Falência | pt_BR |
dc.subject | Indicadores financeiros | pt_BR |
dc.title | Analysis of credit risk faced by public companies in Brazil: an approach based on discriminant analysis, logistic regression and artificial neural networks | pt_BR |
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 | pt_BR |
dc.title.alternative | 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 | pt_BR |
dc.type | Artigo | pt_BR |
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. | pt_BR |
Aparece nas coleções: | DAE - Artigos publicados em periódicos |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
ARTIGO_Analysis of credit risk faced by public companies in Brazil an approach based on discriminant analysis, logistic regression and artificial neural networks.pdf | 509,64 kB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons