Análise de falência utilizando imagens e redes neurais

• Ano de defesa: 2024
• Autor(a) principal: Tavares, Luiz Wanderley
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Fintech; Bankruptcy; Falência; Financial marketing; Marketing financeiro; Neural networks; Redes neurais
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/12/12139/tde-01082024-105047/

O marketing das instituições financeiras trabalha em criar produtos e serviços voltados às mais variadas necessidades das empresas e dos consumidores. Os serviços ofertados às empresas vão desde uma simples conta corrente com sistemas de pagamentos e cobranças até uma gama de créditos voltados a suportar e ampliar as operações das empresas de todos os portes. Ao analisar melhor estes produtos, é fácil identificar como as instituições financeiras segmentam o mercado, onde empresas de grande porte acabam recebendo uma maior fatia dos valores disponíveis para concessão de empréstimos. Isto ocorre devido ao menor risco de inadimplência e falência destas empresas, e por estas empresas serem um tipo de sociedade onde as informações são abertas, facilitando as análises de risco. Desde o final da década de 60, estudos vêm sendo realizados para identificar o risco de as empresas ficarem inadimplentes ou falirem. Estes estudos normalmente foram feitos sobre os dados das empresas abertas ou listadas em bolsa de valores, sabendo-se muito pouco sobre as empresas de pequeno e médio porte. Este estudo busca mostrar uma forma de analisar estas empresas de pequeno e médio porte através da utilização de redes neurais convolucionais (CNN). Através de uma base de dados contábeis de mais de 100 mil empresas, foi possível a geração de modelo de machine learning para mensurar a probabilidade de empresas falirem ou ficarem inadimplentes. Os modelos CNN (Convolutional Neural Networking) têm capacidade de tratar séries-temporais analisando-as como imagens; sendo assim, os dados contábeis mensais foram transformados em imagens com a capacidade da CNN reconhecer padrões comportamentais das empresas. Foram criadas mais 10.000 imagens e realizados 11 treinamentos para identificar as situações onde a CNN consegue ser mais assertiva e com menos possibilidade de ocorrência de erros de treinamento comuns neste método. Os resultados obtidos evidenciam uma capacidade elevada em previsão de falência de empresas, em especial de pequeno e médio porte. A contribuição da tese é de fundamentalmente de natureza metodológica e gerencial pela proposição e operacionalização de um método inovador em gestão de risco de falência de empresas.