PREVISÃO DA INSOLVÊNCIA EMPRESARIAL UTILIZANDO REDES NEURAIS ARTIFICIAIS

Resumo

Nas negociações de crédito, o risco é um custo que está sempre presente e, portanto, precisa ser quantificado. Neste cenário, existem diversas ferramentas que se propõem à análise do crédito, algumas delas de ordem quantitativa. Neste sentido, esse artigo tem por objetivo propor um modelo capaz de prever a insolvência de empresas por meio da aplicação do modelo de redes neurais artificiais. O estudo é uma pesquisa exploratória de caráter quantitativo, aplicado à área financeira, utilizando-se o modelo tradicional e o modelo dinâmico de análise financeira. Com os resultados, obtiveram-se dois modelos: um contendo apenas as variáveis do modelo tradicional e outro com as variáveis do modelo tradicional e do modelo dinâmico de análise financeira. A comparação entre estes dois modelos de análise de crédito possibilitou verificar a contribuição das variáveis do modelo dinâmico para o modelo final. Os índices que mais contribuíram para acurácia do modelo proposto foram: Índice de Rentabilidade (X5) com 100% de exatidão; Índice de Estrutura de Capitais (X2) com 98,9% de acerto; e Índice do Modelo Dinâmico (X8) com 91% de precisão.
Palavras-chave: Análise de balanços. Risco de crédito. Insolvência. Modelos de previsão.

ABSTRACT
In credit negotiations the risk is a cost that is always present and therefore needs to be quantified. In this scenario, there are several tools that propose to credit analysis, some of them of quantitative order. In this sense, this article aims to propose a model capable of predicting the insolvency of companies by applying the artificial neural networks model. The study is exploratory research of quantitative character, applied to the financial area, using the traditional model and the dynamic model of financial analysis. The results obtained two models: one containing only the variables of the traditional model and another with the variables of the traditional model and the dynamic model of financial analysis. The comparison between these two models of credit analysis made it possible to verify the contribution of the variables of the dynamic model to the final model. The indexes that contributed most to the accuracy of the proposed model were: Profitability Index (X5) with 100% accuracy; Capital Structure Index (X2) with 98.9% accuracy and Dynamic Model Index (X8) with 91% accuracy.
Keywords: Analysis of balance sheets. Credit risk. Insolvency. Forecasting models..