Análise de falência utilizando imagens e redes neurais (2024)
- Authors:
- Autor USP: TAVARES, LUIZ WANDERLEY - FEA
- Unidade: FEA
- Sigla do Departamento: EAD
- DOI: 10.11606/T.12.2024.tde-01082024-105047
- Subjects: FALÊNCIA; MARKETING; FINANÇAS; REDES NEURAIS; TECNOLOGIA
- Keywords: Fintech; Bankruptcy; Financial marketing; Marketing financeiro; Neural networks
- Language: Português
- Abstract: 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) têmcapacidade 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
- Imprenta:
- Data da defesa: 19.04.2024
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
TAVARES, Luiz Wanderley. Análise de falência utilizando imagens e redes neurais. 2024. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://teses.usp.br/teses/disponiveis/12/12139/tde-01082024-105047/. Acesso em: 07 abr. 2026. -
APA
Tavares, L. W. (2024). Análise de falência utilizando imagens e redes neurais (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/12/12139/tde-01082024-105047/ -
NLM
Tavares LW. Análise de falência utilizando imagens e redes neurais [Internet]. 2024 ;[citado 2026 abr. 07 ] Available from: https://teses.usp.br/teses/disponiveis/12/12139/tde-01082024-105047/ -
Vancouver
Tavares LW. Análise de falência utilizando imagens e redes neurais [Internet]. 2024 ;[citado 2026 abr. 07 ] Available from: https://teses.usp.br/teses/disponiveis/12/12139/tde-01082024-105047/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
