Aplicação da Teoria dos Rough Sets na Previsão do Fracasso Empresarial

José Manuel Pereira, Fernando Díaz Gómez, Manuel Rodríguez López

jpereira@ipca.pt, fdiaz@infor.uva.es, marod@udc.es

(recebido em 9 de Maio de 2008; aceite em 3 de Novembro de 2008)

 

 

Resumo: A previsão do fracasso empresarial é um tema actual que interessa cada vez mais aos diversos agentes económicos, em particular aos investidores, credores, entidades financeiras, mas também aos governos. Na literatura da especialidade existem inúmeros trabalhos que aplicam uma ampla variedade de técnicas para analisar este problema. Neste trabalho apresentamos um método relativamente recente de avaliação do risco de fracasso empresarial com base da teoria dos Rough Sets. Esta teoria permite obter um conjunto de atributos de condição que asseguram um nível aceitável de classificação das empresas analisadas, permitindo com isso obter regras para elaborar um sistema de suporte à tomada de decisões. Para a selecção do subconjunto dos atributos relevantes foi utilizado o princípio de comprimento mínimo de descrição aplicado a uma amostra de empresas portuguesas de diversas indústrias. A percentagem global de acertos do modelo estimado para um, dois e três anos antes da ocorrência do fracasso foi de 97,43%, 93,15% e 91,69%, respectivamente.

Palavras-chave: Previsão de Insolvência, Fracasso Empresarial; Rough Sets, Rácios Financeiros

 

 

Abstract. Prediction of corporate bankruptcy is a phenomenon of increasing interest to investors, creditors, borrowing firms, and governments alike. In the literature of the specialty we can found a lot of works that apply a wide variety of techniques to analyze this problem. In this work we present a method relatively recent of evaluation of the risk of business failure with base of Rough Sets theory. This theory allows obtaining a group of condition attributes that assure an acceptable level of classification of the analyzed companies, allowing with that to obtain rules to elaborate a decision making process system. For the selection of the subset of the relevant attributes was used the minimum description length principle. For the empiric application we have used a sample of Portuguese companies of mixed industries. The overall predictive accuracy of the model for one, two, and three years before bankruptcy was 97,43%, 93,15% and 91,69%, respectively.    

Keywords: Bankruptcy Prediction; Financial Distress; Rough Sets; Financial ratios

 

 

Texto completo disponível apenas em PDF.

Full text only available in PDF format.

 

 

Bibliografia

Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589-609.        [ Links ]

Beaver, W. H. (1966). Financial Ratios as Predictors of Failure. Journal of Accounting Research,4, 71-111.

Bose, I. (2006). Deciding the financial health of dot-coms using rough sets. Information & Management, 43(7), October,  835-846.

Díaz Gómez, F. (2001). Aprendizaje y Generación Automática de Conocimiento: Construcción de Redes Bayesianas mediante Rough Sets. Revista Iberoamericana de Inteligencia Artificial, 20, 81-84.

Díaz Gómez, F. (2002). Aprendizaje y Generación Automática de Conocimiento: Construcción de Redes Bayesianas mediante Rough Sets. Tesis Doctoral, Universidad de Vigo, Vigo.

Dimitras, A. I.; Slowinski, R.; Susmaga, R. & Zopounidis, C. (1999). Business Failure Prediction Using Rough Sets. European Journal of Operational Research, 114(2), April, 263-280.

Greco, S.; Matarazzo, B. & Slowinski, R. (1998). A New Rough Set Approach to Evaluation of Bankruptcy Risk. In Zopounidis (Ed.), Operacional Tools in the Management of Financial Risk,(pp. 121-136). Kluwer: Dordrecht.

McKee, T. E. (2000). Developing a Bankruptcy Prediction Model via Rough Sets Theory. Internacional Journal of Intelligent Systems in Accounting, Finance & Management, 9(3) September, 159-173.

McKee, T.E. & LENSBERG, T. (2002). Genetic programming and rough sets: A hybrid approach to bankruptcy classification. European Journal of Operational Research,  138 ( 2), April, 436-451.

Pawlak, Z. (1982). Rough Sets. International Journal of Computer and Information Sciences, 11, 341-356.

Pawlak, Z. (1991). Rough Sets: Theoretical Aspects of Reasoning about Data,. Kluwer Academic Publishers, Dordrecht.

PawlaK, Z.; Grzymala-Busse, J.; Slowinski, R. & Ziarco, W. (1995). Rough Sets. Communications of the ACM, 38 (11),  89-95.

Rodríguez López, M. & Díaz Gómez, F. (2005). La Teoría de los “Rough Sets” y la Predicción del Fracaso Empresarial. Diseño de un Modelo para las PYMES. XIII Congreso AECA, septiembre, Oviedo.

Santos, M. F. & Azevedo, C. (2005). Data Mining – Descoberta de Conhecimento em Base de Dados. FCA: Lisboa.

Slowinski, R. & Zopounidis, C. (1995). Application of the Rough Set Approach to Evaluation of Bankruptcy Risk. Intelligent Systems in Accounting, Finance and Management,  4(1), March, 27-41.

Tay, F. E. H. & Shen, L. (2002). Economic and financial prediction using rough sets model. European Journal of Operational Research, 141(3), September, 641-659.