Reordenação de Classificação em Previsão de Insolvência: Um Estudo Comparativo entre Indicadores Tradicionais e Indicadores de Fleuriet

Um dos temas mais estudados na área de finanças e análise de crédito são os modelos que buscam prever a capacidade das empresas em se manterem saudáveis. Em sua maioria, tais modelos baseiam-se na capacidade preditiva de indicadores contábeis. O objetivo desta pesquisa foi buscar uma nova abordagem para os modelos que procuram avaliar a saúde financeira das empresas. A análise da literatura existente permitiu constatar que existem muitos modelos, baseados em indicadores contábeis, que tentam antecipar eventos e munir os usuários com informações capazes de auxiliá-los no processo de tomada de decisão. Objetivamente esta pesquisa buscou avaliar a utilização do Modelo de Fleuriet na previsão de insolvência. Para tanto, partiu-se de modelos já consagrados na literatura, escolhendo os indicadores contábeis mais utilizados, para compará-los, através da Análise Discriminante e da Regressão Logística, com os indicadores oriundos do modelo dinâmico de Fleuriet. Além disso, foi incluída no modelo a classificação de empresas de Fleuriet como variável qualitativa. A pesquisa se utiliza de uma amostra com 48 empresas, sendo 24 delas declaradas insolventes e as outras 24 ditas como saudáveis, tratadas como pares das insolventes e de mesmo setor econômico. De acordo com o que tem sido reportado em outros trabalhos, os resultados obtidos com ambas as ferramentas são muito próximos. A inclusão nos modelos da classificação de empresas baseada no Saldo de Tesouraria (T), na Necessidade de Capital de Giro (NCG) e no Capital de Giro (CDG) melhorou os resultados dos modelos. A análise minuciosa dos erros de classificação ensejou uma proposta de reordenação dos tipos de situação de liquidez originalmente propostos por Fleuriet. Testes estatísticos baseados na correlação de Spearman indicam que a classificação reordenada obtém melhor resultado que a classificação original, quando comparadas com os valores de predição gerados pelo Modelo da Regressão Logística