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

Autores

DOI:

https://doi.org/10.16930/2237-766220192796

Palavras-chave:

Desempenho Financeiro, Governança Corporativa, Redes Neurais Artificiais.

Resumo

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.

Biografia do Autor

Cláudia Olímpia Neves Mamede Maestri, Universidade Federal de Uberlândia

Universidade Federal de Uberlândia. Endereço: Av. João Naves de Ávila, 2121 | Saraiva | 38400-902 | Uberlândia/MG | Brasil.

Vitor Borges Tavares, Instituto Federal do Triângulo Mineiro

Instituto Federal do Triângulo Mineiro. Endereço: Rua Blanche Galassi, 150 | Morada da Colina | 38411-104 | Uberlândia/MG | Brasil.

Antônio Sérgio Torres Penedo, Universidade Federal de Uberlândia

Universidade Federal de Uberlândia. Endereço: Av. João Naves de Ávila, 2121 | Saraiva | 38400-902 | Uberlândia/MG | Brasil.

Vinícius Silva Pereira, Universidade Federal de Uberlândia

Universidade Federal de Uberlândia. Endereço: Av. João Naves de Ávila, 2121 | Saraiva | 38400-902 | Uberlândia/MG | Brasil.

Rooney Ribeiro Albuquerque Coelho, Universidade Federal de Uberlândia

Universidade Federal de Uberlândia. Endereço: Av. João Naves de Ávila, 2121 | Saraiva | 38400-902 | Uberlândia/MG | Brasil.

Referências

Alencar, R. C. D. (2007). Nível de disclosure e custo de capital próprio no mercado Brasileiro. Tese de doutorado. Universidade de São Paulo, São Paulo, SP, Brasil.

Almeida, M. A., & Santos, J. D. (2008). Relação entre variáveis endógenas e a qualidade das práticas de governança corporativa das empresas brasileiras de capital aberto não listadas em bolsa. Revista de Informação Contábil, 2(4), 17-37.

Almeida, J. E. F., & Dalmácio, F. Z. (2015). The effects of corporate governance and product market competition on analysts' forecasts: evidence from the Brazilian capital market. The International Journal of Accounting, 50(3), 316-339. DOI: https://doi.org/10.1016/j.intacc.2015.07.007

Ariff, A. M., Ibrahim, M. K., & Othman, R. (2007). Determinants of firm level governance: Malaysian evidence. Corporate Governance: The international journal of business in society, 7(5), 562-573. DOI: https://doi.org/10.1108/14720700710827158

Badele, C. S., & Fundeanu, D. (2014). Policy's Beneficiaries of Corporate Governance and Diversification Strategy. Procedia-Social and Behavioral Sciences, 124, 468-477. DOI: https://doi.org/10.1016/j.sbspro.2014.02.509

Black, B. S., Carvalho, A. G., & Sampaio, J. O. (2014). The evolution of corporate governance in Brazil. Emerging Markets Review, 20, 176-195. DOI: https://doi.org/10.1016/j.ememar.2014.04.004

BM&FBovespa (2019). Sobre segmentos de listagem. Segmentos de listagem. Recuperado em 27 maio, 2019, de http://www.bmfbovespa.com.br/pt_br/listagem/acoes/segmentos-de-listagem/sobre-segmentos-de-listagem/

Bodyanskiy, Y., & Popov, S. (2006). Neural network approach to forecasting of quasiperiodic financial time series. European Journal of Operational Research, 175(3), 1357-1366. DOI: https://doi.org/10.1016/j.ejor.2005.02.012

Burrell, P. R., & Folarin, B. O. (1997). The impact of neural networks in finance. Neural Computing & Applications, 6(4), 193-200. DOI: https://doi.org/10.1007/BF01501506

Catapan, A., & Colauto, R. D. (2014). Governança corporativa: uma análise de sua relação com o desempenho econômico-financeiro de empresas cotadas no Brasil nos anos de 2010–2012. Contaduría y Administración, 59(3), 137-164. DOI: https://doi.org/10.1016/S0186-1042(14)71268-9

Chen, H. J., Huang, S. Y., & Kuo, C. L. (2009). Using the artificial neural network to predict fraud litigation: Some empirical evidence from emerging markets. Expert Systems with Applications, 36(2), 1478-1484. DOI: https://doi.org/10.1016/j.eswa.2007.11.030

Chi, L. C. (2009). Do transparency and disclosure predict firm performance? Evidence from the Taiwan market. Expert Systems with Applications, 36(8), 11198-11203. DOI: https://doi.org/10.1016/j.eswa.2009.02.099

Chung, K. H., & Pruitt, S. W. (1994). A simple approximation of Tobin's q. Financial management, 70-74. DOI: https://doi.org/10.2307/3665623

Costa, A. P. P. D., & Wood Jr, T. (2012). Corporate frauds. Revista de Administração de Empresas, 52(4), 464-472. DOI: https://doi.org/10.1590/S0034-75902012000400008

Duan, W. Q., & Stanley, H. E. (2011). Cross-correlation and the predictability of financial return series. Physica A: Statistical Mechanics and its Applications, 390(2), 290-296. DOI: https://doi.org/10.1016/j.physa.2010.09.013

Egeli B., Ozturan, M., & Badur, B. (2003). “Stock market prediction using artificial neural networks”. Proceeding of the Hawaii International Conference on Business, Honolulu, Hawaii, USA, 3.

Estadão (2015). Contrato da Petrobrás com a Odebrech é investigado por superfaturamento. Recuperado em 29 junho, 2018, de http://economia.estadao.com.br/noticias/negocios,contrato-da-petrobras-com-a-odebrecht-e-investigado-por-superfaturamento,169716e

Ferreira, R. N., Santos, A. C., Lopes, A. L. M., Fonseca, R. A., & Nazareth, L. G. C. (2013). Governança corporativa, eficiência, produtividade e desempenho. Revista de Administração Mackenzie, 14(4). DOI: https://doi.org/10.1590/S1678-69712013000400006

Haydar, A., Agdelen, Z., & Özbeseker, P. (2006). The use of backpropagation algorithm in the estimation of firm performance. Working paper, Istanbul Ticaret Üniversitesi.

Haykin, S. S. (2001). Redes neurais. Bookman.

Hecht-Nielsen, R. (1990). On the algebraic structure of feedforward network weight spaces. Advanced Neural Computers, 129-135. DOI: https://doi.org/10.1016/B978-0-444-88400-8.50019-4

Huang, M. C., Cheng, H. L., & Tseng, C. Y. (2014). Reexamining the direct and interactive effects of governance mechanisms upon buyer–supplier cooperative performance. Industrial Marketing Management, 43(4), 704-716. DOI: https://doi.org/10.1016/j.indmarman.2014.02.001

Instituto Brasileiro de Governança Corporativa – IBGC (2015). Recuperado em 29 junho, 2018, de http://www.ibgc.org.br/inter.php?id=18161/governanca-corporativa

Kolarik, T., & Rudorfer, G. (1994). Time series forecasting using neural networks. ACM Sigapl Apl Quote Quad, 25(1), 86-94. DOI: https://doi.org/10.1145/190468.190290

Laboissiere, L. A., Fernandes, R. A., & Lage, G. G. (2015). Maximum and minimum stock price forecasting of Brazilian power distribution companies based on artificial neural networks. Applied Soft Computing, 35, 66-74. DOI: https://doi.org/10.1016/j.asoc.2015.06.005

La Porta, R., Lopez-de-Silanes, F., Shleifer, A., & Vishny, R. W. (2002). Investor protection and corporate valuation. The Journal of Finance, 57(3), 1147-1170. DOI: https://doi.org/10.1111/1540-6261.00457

Leal, R. P. (2004). Governance practices and corporate value: a recent literature survey. Revista de Administração de Empresas da USP, 39(4), 327-337.

Lei n. 11.638/07. (2007). Altera e revoga dispositivos da Lei no 6.404, de 15 de dezembro de 1976, e da Lei no 6.385, de 7 de dezembro de 1976, e estende às sociedades de grande porte disposições relativas à elaboração e divulgação de demonstrações financeiras. Brasília, 2007. Recuperado em 28 abril, 2019, de http://www.planalto.gov.br/ccivil_03/_ato2007-2010/2007/lei/l11638.htm

Leshno, M., & Spector, Y. (1996). Neural network prediction analysis: The bankruptcy case. Neurocomputing, 10(2), 125-147. DOI: https://doi.org/10.1016/0925-2312(94)00060-3

Malacrida, M. J. C., & Yamamoto, M. M. (2006). Governança corporativa: nível de evidenciação das informações e sua relação com a volatilidade das ações do Ibovespa. Revista contabilidade e finanças, 17, 65-79. DOI: https://doi.org/10.1590/S1519-70772006000400006

Macedo, M. A. D. S., & Corrar, L. J. (2012). Análise comparativa do desempenho contábil-financeiro de empresas com boas práticas de governança corporativa no Brasil. Revista Contabilidade e Controladoria, 4(1). DOI: https://doi.org/10.4013/base.2012.91.02

Maestri, C. O. N. M., Teruel, R. L. H., & Ribeiro, K. C. S. (2017). Governança Corporativa e o Impacto no Custo de Capital Próprio das Empresas Brasileiras de Capital Aberto. Revista de Finanças Aplicadas, 7(4), 1-17.

Nguyen, T., Locke, S., & Reddy, K. (2015). Ownership concentration and corporate performance from a dynamic perspective: Does national governance quality matter? International Review of Financial Analysis, 41, 148-161. DOI: https://doi.org/10.1016/j.irfa.2015.06.005

Okimura, R. T., Silveira, A. D. M. D., & Rocha, K. C. (2007). Estrutura de propriedade e desempenho corporativo no Brasil. RAC eletrônica, 1(1), 119-135.

Oliveira, F. A., Nobre, C. N., & Zárate, L. E. (2013). Applying Artificial Neural Networks to prediction of stock price and improvement of the directional prediction index–Case study of PETR4, Petrobras, Brazil. Expert systems with applications, 40(18), 7596-7606. DOI: https://doi.org/10.1016/j.eswa.2013.06.071

Olson, D., & Mossman, C. (2003). Neural network of Canadian stock returns using accounting ratios. International Journal of Forecasting, 19, 453-465. DOI: https://doi.org/10.1016/S0169-2070(02)00058-4

Pao, H. T. (2008). A comparison of neural network and multiple regression analysis in modeling capital structure. Expert Systems with Applications, 35(3), 720-727. DOI: https://doi.org/10.1016/j.eswa.2007.07.018

Rodrigues, R. L., & Ambrozini, M. A. (2015). Teoria de agência, política de dividendos e governança corporativa: evidências nas empresas brasileiras de capital aberto no período de 2000 a 2013. Anais do SEMEAD, São Paulo, SP, Brasil, 18.

Shleifer, A., & Vishny, R. W. (1997). A survey of corporate governance. The journal of finance, 52(2), 737-783. DOI: https://doi.org/10.1111/j.1540-6261.1997.tb04820.x

Silva, A. L. C. (2004). Governança corporativa, valor, alavancagem e política de dividendos das empresas brasileiras. Revista de Administração da Universidade de São Paulo, 39(4).

Silveira, A. D. M. D., Leal, R. P. C., Carvalhal-da-Silva, A. L., & Barros, L. A. B. D. C. (2010). Endogeneity of Brazilian corporate governance quality determinants. Corporate Governance: International Journal of Business in Society, 10(2), 191-202. DOI: https://doi.org/10.1108/14720701011035701

Song, Z., Liu, D., & Chen, S. (2012). A decision engineering method to identify the competitive effects of working capital: A neural network model. Systems Engineering Procedia, 5, 326-333. DOI: https://doi.org/10.1016/j.sepro.2012.04.051

Srour, G. (2005). Práticas diferenciadas de governança corporativa: um estudo sobre a conduta e a performance das firmas brasileiras. Revista Brasileira de Economia, 59(4), 635-674. DOI: https://doi.org/10.1590/S0034-71402005000400006

Tang, T. C. (2010). Effects of announcements of reorganization outcome. Applied Economics, 42(9), 1113-1124. DOI: https://doi.org/10.1080/00036840701721174

Tavares, V. B., & Penedo, A. S. T. (2018). Níveis de governança corporativa da B3: interesse e desempenho das empresas ? uma análise por meio de redes neurais artificiais. Revista Contabilidade, Gestão e Governança, 21(1), 40-62. DOI: https://doi.org/10.21714/1984-3925_2018v21n1a3

Torres Jr, R. G., Machado, M. A. S., & Souza, R. C. (2005). Previsão de séries temporais de falhas em Manutenção industrial usando redes neurais. Engevista, 7(2), 4-18. DOI: https://doi.org/10.22409/engevista.v7i2.163

Valor Econômico. (2015). Polícia Federal investiga Eike Batista por três crimes contra o mercado. Recuperado em 29 junho, 2018, de http://www.valor.com.br/empresas/3520984/policia-federal-investiga-eike-batista-por-tres-crimes-contra-o-mercad

Zahedi, J., & Rounaghi, M. M. (2015). Application of artificial neural network models and principal component analysis method in predicting stock prices on Tehran Stock Exchange. Physica A: Statistical Mechanics and its Applications, 438, 178-187. DOI: https://doi.org/10.1016/j.physa.2015.06.033

Watts, R. L., & Zimmerman, J. L. (1990). Positive accounting theory: A ten year perspective. The Accounting Review, 65(1), 131–156.

Publicado

08/07/2019

Como Citar

Maestri, C. O. N. M., Tavares, V. B., Penedo, A. S. T., Pereira, V. S., & Coelho, R. R. A. (2019). Nível de Governança Corporativa prediz o desempenho financeiro da empresa? Evidências do mercado brasileiro por meio de redes neurais artificiais. Revista Catarinense Da Ciência Contábil, 18, 1–15. https://doi.org/10.16930/2237-766220192796

Edição

Seção

Artigos