Autor(es):
Ano:
Instituição:
[INTRODUÇÃO] O objetivo central deste trabalho é propor um modelo de previsão de rating. Tal modelo procurará implementar variáveis que tornem a previsão mais acurada e, também, para que algumas variáveis que atualmente não são incluídas nos modelos tornem-se parte desses casos se provem estatisticamente significantes. As hipóteses do estudo são que as variáveis financeiras, o Índice de Sustentabilidade Empresarial (ISE) e o Índice de Governança Corporativa (IGC) estão relacionados com o Rating da Empresa. Adicionalmente, espera-se encontrar um modelo que utilize melhor os índices financeiros e outros índices que são, atualmente, desconsiderados nos modelos aplicados pelas agências de rating, ou seja, fazer com que as informações disponíveis no mercado possam ser mais bem aproveitadas. [METODOLOGIA] Para tanto, far-se-á uso dos ratings das empresas que são disponibilizados no terminal Bloomberg, das agências: Standard & Poors, Fitch e Moody’s. As a serem utilizadas no modelo serão coletadas no Economática e no site da BM&FBOVESPA. A metodologia a ser utilizada é a da regressão logística para prever se uma corporação brasileira terá seu rating de emissão de longo prazo classificado em “A+ ou acima” ou “abaixo de A+”. [RESULTADOS] O modelo encontrado teve uma taxa de acerto de aproximadamente 94%. Apesar de as variáveis qualitativas implementadas no modelo (ISE e IGC) não terem entrado no modelo final, ambas se mostraram significantes quando analisadas separadamente, o que também comprovou as hipóteses do estudo aqui proposto. [CONCLUSÃO] As hipóteses do estudo foram confirmadas, o modelo final assegurou a relação entre as variáveis selecionadas e os ratings divulgados pela S&P, Fitch e Moody’s. Vale ressaltar que a inclusão de novas variáveis financeiras no modelo e das duas variáveis qualitativas, o ISE e o IGC, teve um impacto positivo para o resultado final, uma vez que o modelo preliminar tinha taxa de acerto de aproximadamente 68% enquanto o modelo final apresentado no estudo, com a adição das novas variáveis, atingiu uma taxa de acerto de 94,6%.