PREVISÃO DA INSOLVÊNCIA EMPRESARIAL UTILIZANDO REDES NEURAIS ARTIFICIAIS

Nas negociacoes de credito, o risco e um custo que esta sempre presente e, portanto, precisa ser quantificado. Neste cenario, existem diversas ferramentas que se propoem a analise do credito, algumas delas de ordem quantitativa. Neste sentido, esse artigo tem por objetivo propor um modelo capaz de prever a insolvencia de empresas por meio da aplicacao do modelo de redes neurais artificiais. O estudo e uma pesquisa exploratoria de carater quantitativo, aplicado a area financeira, utilizando-se o modelo tradicional e o modelo dinâmico de analise financeira. Com os resultados, obtiveram-se dois modelos: um contendo apenas as variaveis do modelo tradicional e outro com as variaveis do modelo tradicional e do modelo dinâmico de analise financeira. A comparacao entre estes dois modelos de analise de credito possibilitou verificar a contribuicao das variaveis do modelo dinâmico para o modelo final. Os indices que mais contribuiram para acuracia do modelo proposto foram: Indice de Rentabilidade (X5) com 100% de exatidao; Indice de Estrutura de Capitais (X2) com 98,9% de acerto; e Indice do Modelo Dinâmico (X8) com 91% de precisao. Palavras-chave: Analise de balancos. Risco de credito. Insolvencia. Modelos de previsao. ABSTRACT In credit negotiations the risk is a cost that is always present and therefore needs to be quantified. In this scenario, there are several tools that propose to credit analysis, some of them of quantitative order. In this sense, this article aims to propose a model capable of predicting the insolvency of companies by applying the artificial neural networks model. The study is exploratory research of quantitative character, applied to the financial area, using the traditional model and the dynamic model of financial analysis. The results obtained two models: one containing only the variables of the traditional model and another with the variables of the traditional model and the dynamic model of financial analysis. The comparison between these two models of credit analysis made it possible to verify the contribution of the variables of the dynamic model to the final model. The indexes that contributed most to the accuracy of the proposed model were: Profitability Index (X5) with 100% accuracy; Capital Structure Index (X2) with 98.9% accuracy and Dynamic Model Index (X8) with 91% accuracy. Keywords: Analysis of balance sheets. Credit risk. Insolvency. Forecasting models..