Financial distress prediction
: the application of machine learning-based algorithms on portuguese small and medium enterprises

  • Bernardo Pedrosa Afonso Sarrasqueiro (Aluno)

Tese do aluno

Resumo

A previsão de dificuldades financeiras é uma questão de grande importância para várias instituições financeiras e para as partes interessadas das empresas. Detetar os primeiros sinais permite implementar medidas corretivas, reduzindo falências. Este estudo examina o poder preditivo de 6 modelos, estabelecendo uma comparação entre modelos de Machine Learning (ML) e outros como Regressão Logística e a Análise Discriminante Linear. Este estudo procura responder a duas questões centrais. A primeira, testar se no contexto das Pequenas e Médias Empresas portuguesas, a utilização de modelos de ML prevalece sobre outros modelos. A segunda, contribuir para o processo de teste de novas abordagens estatísticas no problema de classificação, comparando diferentes técnicas de conjunto (ensemble techniques). Os resultados mostram que o Stacking Classifier supera os restantes modelos que não se baseiam em ML, mas também outras técnicas de conjunto. Estes resultados provam que os modelos de ML superam técnicas não ML, mas também, que o stacking é a melhor técnica de conjunto das três apresentadas. Para as partes interessadas e instituições financeiras portuguesas, os modelos apresentados neste estudo servem como uma prova de conceito de que é possível prever de forma fiável dificuldades financeiras através da implementação destas técnicas.
Data do prémio28 abr 2021
Idioma originalEnglish
Instituição de premiação
  • Universidade Católica Portuguesa
SupervisorRicardo Ferreira Reis (Supervisor)

Designação

  • Mestrado em Finanças

Citação

'