Previsão de Falência Empresarial: a Eficiência dos Modelos nas Empresas Ibéricas da Velha Economia Azul
Apesar da recente crise financeira e do crescente número de encerramentos de empresas, com o distanciamento e passar do tempo vão-se dissipando as preocupações, aligeirando os critérios de análise e tornando menos apertadas as avaliações, algo que alguns autores chamam de disaster myopia e que Cornand e Gimet (2012) caracterizam como um pressuposto teórico onde os investidores desvalorizam a informação relevante relativamente ao crescimento do risco.
A avaliação da precepção desse risco por parte dos stakeholders torna crucial compreender as causas da falência ou quebra de sustentabilidade empresarial, bem com formas eficientes de a prever. Estas, principalmente suportadas em técnicas de análise financeira com o passar do tempo deram origem a uma diversidade de ferramentas com enfoque particular na Análise Discriminante Multivariada.
Continuando o trabalho desenvolvido por Peres e Antão (2019), no presente artigo identifica-se a melhor alternativa na previsão de falência ou quebra de sustentabilidade empresarial no Sector da Velha Economia Azul (Pesca, Aquacultura e demais indústrias afins) em Portugal e Espanha, até 5 anos antes desta ocorrer.
Seleccionamos, entre as empresas portuguesas e espanholas, as da Velha Economia Azul repartindo-as por duas amostras, emparelhadas por volume de negócios e dimensão; uma representativa das empresas falidas e outra das saudáveis, num total de 54 empresas. Foram aplicados 21 dos modelos multissectoriais, com maior presença na literatura, com origem numa diversidade de países e para vários horizontes temporais.
Como conclusões, além da identificação das principais causas da falência, identificam-se os modelos que se constituem nos melhores previsores de falência ou de sustentabilidade, para as indústrias da Velha Economia Azul ibéricas, até 5 anos antes desta ocorrer.
Previsão de Falência Empresarial: a Eficiência dos Modelos nas Empresas Ibéricas da Velha Economia Azul
-
DOI: 10.22533/at.ed.65922121218
-
Palavras-chave: Análise Discriminante Multivariada, Falência Empresarial, Modelos de Previsão
-
Keywords: Multivariate Discriminant Analysis, Business Bankruptcy, Forecast Models
-
Abstract:
In spite of the recent financial crisis and the increasing number of company foreclosures, the distancing and passage of time will dispel the concerns, lightening the analysis’ criteria and making the risk’s evaluation less tight, something that some authors call disaster myopia and that, according to Cornand and Gimet (2012), is a theoretical assumption where investors devalue relevant information regarding the risk’s growth.
The risk’s evaluation by the stakeholders makes it crucial to understand the causes of bankruptcy or breach in corporate sustainability, as well as more efficient ways of predicting it. These techniques, mainly supported by financial analysis, over time, have given rise to a diversity of approaches in particular to the Multivariate Discriminant Analysis.
Continuing the work developed by Peres and Antão (2019), we aim to validate the efficiency of existing models by choosing what constitutes the best alternative for forecasting bankruptcy or, in other words, a breach in corporate sustainability in the Old Blue Economy Sector (Fishing, Aquaculture and other related industries) in Portugal and Spain up to 5 years before this occurs.
We selected, among the Portuguese and Spanish companies, those from the Old Blue Economy Sector dividing them in two samples, matched by and size business’ volume; one representative of the bankrupt companies and another of the healthy ones, in a total of 54 companies. To those samples were applied 21 of the multisectoral models with greater presence in the literature, from a diversity of countries and with several time horizons.
As conclusions in addition to the reflection on the causes of bankruptcy, were identified the models that are the best bankruptcy or sustainability breach’s predictors, to the industries of the Old Iberian Economy up to 5 years in advance.
- Cândido Peres
- Mário A. G. Antão
- João M. A. Geraldes
- Catarina Carvalho T.
