Detalhes bibliográficos
Ano de defesa: |
2010 |
Autor(a) principal: |
Guimarães Júnior, Djalma Silva |
Orientador(a): |
Távora Júnior, José Lamartine |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal de Pernambuco
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/5433
|
Resumo: |
Um projeto de inovação tecnológica consiste em uma série de análises e procedimentos que tem como fim estimar o valor de uma tecnologia, ou seja, gerar uma estimativa dos rendimentos futuros que tal empreendimento/tecnologia possa proporcionar. A abordagem tradicional da análise de investimentos para esta categoria de projetos possui uma limitação no que tange a: 1 estimação do valor da tecnologia que exige a incorporação de variáveis qualitativas que não são consideradas por essa modelagem; e 2 a elevada variabilidade das estimativas do fluxo de caixa projetado, em virtude das diferentes categorias de risco inerentes a esse tipo de projeto. A partir desta limitação apresentada no estado da arte da avaliação deste tipo de projeto, esta pesquisa de cunho exploratório pretende utilizar a metodologia de rating como uma alternativa a avaliação de projetos de inovação. Pois um sistema de classificação através de rating possui a flexibilidade necessária para a incorporação de variáveis qualitativas que podem auxiliar na mensuração do valor da tecnologia, bem como fornece uma série de procedimentos que permitem a estimação do risco de tais projetos. Tal aplicação da metodologia de rating gera o Sistema de Classificação de Risco de Projetos de Inovação (SCRP), que a partir de uma amostra de 40 projetos de investimento industrial fornecidos pelo Banco do Nordeste do Brasil, indicadores setoriais, macroeconômicos e tecnológicos, provê uma classificação de viabilidade e risco para tais projetos. As Support Vector Machines, técnica de inteligência artificial com resultados exitosos em várias áreas das finanças, inclusive com ratings é introduzida nesta pesquisa para testar a classificação gerada pelo SCRP. A aplicação do SVM fez uso do código LIBSVM e do Software Matlab. A classificação obtida pelo SCRP apresentou um ajuste médio de 83,6% quando comparado aos 10 melhores projetos classificados pelo critério da TIR e de 87,6% de ajuste médio para com os 8 piores projetos classificados pelo critério do VPL, a classificação obtida através do SVM, apresentou uma acuracia de 37,5% frente aos dados de teste |