PREVISÃO DE INSOLVÊNCIA EM MICRO E PEQUENAS EMPRESAS UTILIZANDO INDICADORES CONTÁBEIS

Ano: 2012 | Volume: 1 | Número: 3

Autores: Luiz Fernando Branco Lemos, Rodrigo Oliveira Soares

Palavras-chave: insolvência, micro e pequenas empresas, análise discriminante.

Resumo Português:

O presente estudo tem por objetivo construir um modelo de previsão de insolvência para as micro e pequenas empresas com base em indicadores contábeis. Para atingir o objetivo pretendido, realizou-se uma pesquisa com profissionais de contabilidade do Rio Grande do Sul, obtendo-se informações contábeis de 104 Micro e Pequenas Empresas referentes ao período de 1995 a 2007. Para análise dos dados, inicialmente se fez uma análise fatorial que reduziu o número de indicadores contábeis de 25 para 5 fatores. Foi utilizada a análise discriminante para a construção de uma função discriminante, buscando classificar as empresas com relação à sua possibilidade de insolvência. A validação do modelo foi realizada por crossvalidation, ou seja, a subdivisão da amostra original, sendo uma para a definição do modelo e outra para a sua validação. O grau de predição alcançou 96,15% de acerto. Posteriormente foi criada uma régua de insolvência, ou seja, uma escala ilustrativa, utilizando-se a análise de conglomerados ou clusters analysis para classificar as empresas que compuseram a pesquisa.

Resumo Inglês:

This study aims to develop a insolvency prediction model for micro and small enterprises, based on accounting indicators. To achieve this goal we performed a survey with accounting professionals in Rio Grande do Sul, obtaining financial information of 104 micro and small enterprises for the period between 1995 to 2007. For data analysis, initially we performed a factor analysis to reduce the number of accounting indicators from 25 to 5 factors. Discriminant analysis was used to build a discriminant function, seeking to classify the companies regarding their possibility of insolvency. The model validation was done by crossvalidation, in other words, the subdivision of the original sample, one for the model definition and other for validation. The degree of prediction accuracy reached 96.15% accuracy. After, it was established a rule of insolvency, in other words, an illustrative range or scale, using cluster analysis to classify the companies.