Seleção de atributos contábeis na previsão de insolvência de empresas brasileiras – Uma comparação de abordagens

Insolvency prediction has been a topic of study that has gained much attention in business analysis because of the importance of accurate and timely information on strategic business decisions. This is because the incorrect decision-making in institutions can generate financial difficulties besides causing huge social costs that affect the owners or shareholders, managers, employees, creditors, suppliers, customers, community, government, etc. As a result, bankruptcy prediction has been one of the most challenging tasks and an important research topic in accounting, finance and computer science and data mining techniques have been applied to solve problems in bankruptcy prediction. The selection of attributes is important to select the most representative data from a set of accounting ratios derived from financial statements of Brazilian companies; this step aims to improve the performance of the final prediction step. The main objective of this paper is to compare three approaches to feature selection, viz. Filter, wrapper and principal component analysis, in data selected for the development of insolvency prediction models. This research is of an empirical, descriptive and quantitative nature, comprising companies classified at SERASA and BOVESPA as insolvent in the period of 2005-2007. This work demonstrated, for the sample used, that the wrapper approach is the most effective one; it obtained the best classification results in the techniques of logistic regression (89,88%), decision tree (93,45%) and support vector machine (97,02%).Keywords: selection of attributes, insolvency prediction, accounting ratios, data mining.Previsão de insolvência tem sido um tema de estudo que tem ganho muita atenção em análise de negócios devido à importância de informações precisas e oportunas nas decisões estratégicas de negócios. Isto porque a incorreta tomada de decisão nas instituições pode gerar dificuldades financeiras, além de causar grandes custos sociais que afetam os proprietários ou acionistas, gestores, trabalhadores, credores, fornecedores, clientes, comunidade, governo, etc. Como resultado, a previsão de falência tem sido uma das tarefas mais desafiadoras e um tópico de pesquisa importante na contabilidade, finanças, computação, e as técnicas de mineração de dados têm sido aplicadas para resolver problemas de previsão de falências. Seleção de atributos é uma etapa importante para selecionar dados mais representativos de um conjunto de índices contábeis obtidos a partir de demonstrativos financeiros de empresas brasileiras; esta etapa visa melhorar o desempenho da previsão final. O objetivo principal deste artigo é comparar três abordagens de seleção de atributos, filtro, wrapper e análise de componentes principais, em dados selecionados para elaboração de modelos de previsão de insolvência. Esta pesquisa é de natureza empírica, descritiva e quantitativa, compreendendo as empresas classificadas no SERASA e na BOVESPA como insolventes no período de 2005 a 2007. Neste trabalho, demonstrou-se, para a amostra utilizada, que a abordagem wrapper é a mais eficiente; ela obteve os melhores resultados de classificação nas técnicas de regressão logística (89,88%), árvore de decisão (93,45%) e máquina de vetor suporte (97,02%).Palavras-chave: seleção de atributos, previsão de insolvência, índices contábeis, mineração de dados