Modelo de previsão de default para produtores rurais no Brasil
O objetivo deste trabalho é estimar, com dados coletados em diversas fontes tais como, cadastros e bases Conab, a previsão de falência de produtores rurais no Brasil por meio de modelos de regressão logística. Adicionalmente, compara-se a performance de modelos utilizando uma abordagem de dados empi...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | Brasil |
| Recursos: | Instituição de Ensino Superior e de Pesquisa (INSPER) |
| Repositorio: | Repositório Institucional da INSPER |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.insper.edu.br:11224/2727 |
| Acesso em linha: | https://repositorio.insper.edu.br/handle/11224/2727 |
| Access Level: | acceso abierto |
| Palavra-chave: | Previsão de falências. Produtores rurais. Regressão Logística Delinquency predictability. Farmers. Logistic Regression. |
| Resumo: | O objetivo deste trabalho é estimar, com dados coletados em diversas fontes tais como, cadastros e bases Conab, a previsão de falência de produtores rurais no Brasil por meio de modelos de regressão logística. Adicionalmente, compara-se a performance de modelos utilizando uma abordagem de dados empilhados e dados em painel. Um dos desafios para a realização de estudos dessa natureza no Brasil é a quantidade reduzida de informações, para replicarmos indicadores existentes na literatura para avaliação de produtores rurais, uma série de dados de granularidade diferentes foram combinados. Foram analisadas no total 3.302 observações, das quais 115 eram de produtores que apresentaram default. Utilizou-se 6 variáveis financeiras que medem liquidez, endividamento, eficiência de capital, rentabilidade e solvência, e três variáveis de controle: tamanho do produtor rural, macrorregião e variedade de culturas plantadas no ano safra. As variáveis que mediam liquidez, endividamento e a variável de controle macrorregião foram consideradas significativas, em ambos os modelos – empilhado e painel – na previsão do evento de default. Os resultados obtidos foram satisfatórios em ambos os modelos, com classificação correta dos produtores rurais acima de 75%, entretanto o modelo com dados empilhados mostrou sensitividade significativamente superior – acertando 45% dos casos de default contra apenas 20% do modelo de dados em painel, sendo para a finalidade de prever clientes default, o de melhor performance. |
|---|