[en] CORPORATE RATINGS GRADE PREDICTION

• Ano de defesa: 2007
• Autor(a) principal: ANDRE SIH
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] REDE NEURAL; [pt] SELECAO DE ATRIBUTOS; [pt] PREDICAO DE RISCO; [pt] RATINGS; [pt] INVESTIMENTO; [pt] ESTATISTICA; [en] NEURAL NETWORKS; [en] FEATURE SELECTION; [en] RISK FORECAST; [en] RATINGS; [en] INVESTMENT; [en] STATISTICS
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9530&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9530&idi=2; http://doi.org/10.17771/PUCRio.acad.9530

[pt] O objetivo desta dissertação é analisar a relevância de um conjunto inicial de 18 atributos tais como Despesas Financeiras, Receitas e Liquidez Corrente, dentre outros, em relação à classificação de risco (grau) de uma empresa: especulação ou investimento, conforme classificação realizada pela agência Standard & Poor s. Avaliou-se comparativamente a eficácia de métodos lineares e não-lineares de seleção de atributos tais como Análise de Componentes Principais (PCA), Informação Mútua (IM) e Informação Mútua para Seleção de Atributos com Distribuição Uniforme (MIFS-U) e métodos lineares e não-lineares de predição tais como Regressão Múltipla Linear, Discriminante Linear de Fisher e Redes Neurais. Identificou-se através destes métodos e de conhecimento a priori, um conjunto de cinco fatores (atributos) capaz de estimar com alto índice de eficácia se o grau de uma empresa é de investimento ou especulação, a saber: Lucro Líquido, EBIT, Receitas, Valor de Mercado e Setor.