Nível de Governança Corporativa prediz o desempenho financeiro da empresa? Evidências do mercado brasileiro por meio de redes neurais artificiais

Ano: 2019 | Volume: 18 | Número: Não se aplica

Autores: Cláudia Olímpia Neves Mamede Maestri, Vitor Borges Tavares, Antônio Sérgio Torres Penedo, Vinícius Silva Pereira, Rooney Ribeiro Albuquerque Coelho

Palavras-chave: desempenho financeiro, governança corporativa, redes neurais artificiais, financial performance, corporate governance, artificial neural networks

Resumo Português:

Este estudo teve como objetivo desenvolver modelos de redes neurais artificiais para prever o desempenho financeiro das empresas pertencentes e não pertencentes aos níveis de governança da B3 (antiga BM&FBovespa). Os modelos foram desenvolvidos utilizando dados das empresas do mercado de ações brasileiro no período de 2005 a 2017. Estipulou-se como hipótese que os modelos que corresponderiam às empresas pertencentes aos segmentos de governança obteriam maior sucesso na previsão do desempenho financeiro das empresas em comparação aos que representariam as que não estavam nos níveis de governança. Os resultados confirmaram a hipótese. Além disso, eles indicaram que o desempenho financeiro das empresas não pertencentes aos níveis de governança corporativa é mais sensível a oscilações ocorridas no ambiente externo, o que dificulta a previsão desse indicador. Este trabalho foi o primeiro no Brasil a construir modelos por meio de técnicas de inteligência artificial – mais especificamente a rede neural backpropagation – para prever o desempenho financeiro da empresa relacionando-o a aspectos da governança corporativa.

Resumo Inglês:

This study aimed to develop models of artificial neural networks to predict the financial performance of companies in and outside the governance levels of the B3 (before, BM&FBovespa). The models were developed using data from companies in the Brazilian stock market from 2005 to 2017. For these models, it was stipulated as a hypothesis that the models, which corresponded to the companies in the governance segments, would be most successful in predicting the performance of companies than those, which represent the ones that were not in the levels of governance. The results confirmed the hypothesis. In addition, they indicated that the performance of not belonging to corporate governance levels companies is more sensitive to oscillations in the external environment, making it difficult to forecast this indicator. This work was the first in Brazil to construct models through techniques of artificial intelligence – more specifically neural backpropagation network – to predict the performance of the company by relating it to aspects of corporate governance.