Altman (1968)Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589-609.
|
66 empresas comerciais (EUA) |
Análise discriminante múltipla |
Extensão da análise tradicional de indicadores, com análise científica. Z-score = 0,012X1 + 0,014X2 + 0,033X3 + 0,006X4 + 0,999X5, sendo X1 = capital de giro/ativos; X2 = lucros retidos/ativos; X3 = EBIT/ativos; X4 =valor de marcado do patrimônio/valor contábil do passivo; X5 = vendas/ativos. Insolvência: Z < 2,675. |
Altman (1977)Altman, E. I. (1977). Predicting performance in the savings and loan association industry. Journal of Monetary Economics, 3(4), 443-466.
|
212 associações de poupança e empréstimo (EUA) |
Análise discriminante quadrática |
Um dos pioneiros na aplicação para instituições financeiras. Uso de programa de computador para o estudo. Uso dos resultados para as funções de supervisão bancária. |
Martin (1977)Martin, D. (1977). Early warning of bank failure: a logit regression approach. Journal of Banking and Finance, 1(3), 249-276.
|
5.700 bancos comerciais (EUA) |
Análises discriminantes linear e quadrática; logit |
Discussão sobre abordagens conceituais para os modelos de probabilidades de default. Introdução da análise de regressão logística. |
Kanitz (1978Kanitz, S. C. (1978). Como prever falências. São Paulo: McGraw-Hill do Brasil.) |
5.000 demonstrações contábeis de empresas brasileiras (Brasil) |
Análise discriminante múltipla |
Escala numérica com base em índices compostos de liquidez, chamada de Termômetro de Kanitz, para medir a saúde financeira da empresa e sua aproximação à situação falimentar. |
Collins e Green (1982)Collins, R. A., & Green, R. D. (1982). Statistical methods for bankruptcy forecasting. Journal of Economics and Business, 34(4), 349-354.
|
323 cooperativas de crédito (EUA) |
Logit |
Exame de pressupostos e propriedades de modelos de probabilidade linear, análise discriminante e regressão logística, sendo esse último com resultados mais consistentes com a teoria sobre estresse financeiro. |
West (1985)West, R. C. (1985). A factor-analytic approach to bank condition. Journal of Banking and Finance, 9(2), 253-266.
|
1.900 bancos (EUA) |
Análise de fatores e logit |
Contexto de sistemas de alerta antecipados e abordagem CAMELS, com 16 variáveis independentes oriundas de balanços e 3 variáveis extraídas de relatórios de supervisores bancários. |
Frydman, Altman e Kao (1985)Frydman, H., Altman, E. I., & Kao, D. (1985). Introducing recursive partitioning for financial classification: the case of financial distress. The Journal of Finance, 40(1), 269-291.
|
200 empresas (EUA) |
Algoritmo de particionamento recursivo |
Método não paramétrico, utilizando árvore de classificação binária. Mostrou desempenho superior à análise descriminante. |
Lane, Looney e Wansley (1986)Lane, W. R., Looney, S. W., & Wansley, J. W. (1986). An application of the Cox proportional hazards model to bank failure. Journal of Banking and Finance, 10(4), 511-531.
|
130 bancos (EUA) |
Análise de sobrevivência (Cox) |
Introdução do modelo de Cox na literatura financeira. Predição do tempo para falha. Acurácia similar à análise discriminante, com menor taxa de erros tipo I. Contexto de sistemas de alerta antecipado e CAMELS. |
Whalen (1991)Whalen, G. (1991). A proportional hazards model of bank failure: an examination of its usefulness as an early warning tool. Federal Reserve Bank of Cleveland Economic Review, 27(1), 21-31.
|
1.200 bancos (EUA) |
Análise de sobrevivência (Cox) |
Contexto de sistemas de alerta antecipado, com falências ocorridas entre 1988 e 1990 no grupo de tratamento e outros 1.000 bancos no grupo de controle. |
Boyd e Runkle (1993)Boyd, J. H., & Runkle, D. E. (1993). Size and performance of banking firms. Journal of Monetary Economics, 31(1), 47-67.
|
122 bancos (EUA) |
Regressão em painel |
Teste de teorias de assimetria informacional e de risco moral resultante de sistemas seguradores de depósitos. Restringe a amostra a grandes bancos. Uso do indicador Tobin´s q para atribuir performance e define Z-score (homônimo do modelo de Altman) como indicador de risco: Z-score = (ROA + Equity/Asset)/σROA.
|
Altman, Marco e Varetto (1994)Altman, E. I., Marco, G., & Varetto, F. (1994). Corporate distress diagnosis: comparisons using linear discriminant analysis and neural networks (the Italian experience). Journal of Banking and Finance, 18(3), 505-529.
|
1.000 empresas industriais (Itália) |
Redes neurais |
Redes neurais podem gerar escores muito próximos de funções discriminantes paramétricas. Longo tempo de processamento para treinamento da rede e necessidade de grande número de testes para identificação de sua estrutura. Os pesos resultantes não são transparentes e são sensíveis a mudanças estruturais. |
Altman (2000)Altman, E. I. (2000). Predicting financial distress of companies: revisiting the Z-score and ZETA models. Retrieved from http://pages.stern.nyu.edu/~ealtman/Zscores.pdf. http://pages.stern.nyu.edu/~ealtman/Zsco...
|
5 amostras de empresas (EUA) |
Análise discriminante múltipla |
Reavaliação do modelo Z-score (Altman, 1968), com uso de indicadores atuais combinados com avanços na aplicação da análise discriminante, incluindo empresas de capital fechado na amostra, com ajustes para mercados emergentes. Comparação com o modelo zeta-analysis, em horizontes de 1 a 5 anos de predição. |
Shumway (2001)Shumway, T. (2001). Forecasting Bankruptcy more accurately: a simple hazard model. The Journal of Business, 74(1),101-124.
|
300 empresas não financeiras (EUA) |
Hazard model |
Analisa aspectos de viés e de consistência dos estimadores utilizados nos estudos de falências. Modelo similar ao logit, mas com maior quantidade de dados multiperíodos. Provas analíticas comparando estimadores de máxima verossimilhança. |
Minussi, Damacena e Ness Jr. (2002) |
323 clientes bancários, do setor industrial (Brasil) |
Logit |
49 indicadores selecionados. Quocientes de análise dinâmica de capital de giro. |
Bressan, Braga e Bressan (2004) |
107 cooperativas de crédito rural (Brasil) |
Modelo de risco proporcional de Cox |
15 cooperativas insolventes e 92 solventes. Variáveis significativas: crescimento da captação total, liquidez geral, encaixe, despesa com pessoal, crescimento da receita operacional e alavancagem. |
Porath (2004) |
15.456 cooperativas de crédito e 4.537 bancos de depósitos (Alemanha) |
Hazard model |
Análise preliminar univariada. Utiliza análise ROC e IV para análise das variáveis. |
Onusic, Nova e Almeida (2007) |
10 empresas em processo de falência e 50 empresas saudáveis (Brasil) |
DEA |
Variáveis de insumo: endividamento geral e de longo prazo, composição do endividamento. Variáveis de resultado: crescimento de vendas, ROA, giro do ativo. |
Brito e Assaf Neto (2008) |
60 empresas de capital aberto não financeiras (Brasil) |
Logit |
25 indicadores econômico-financeiros testados, com inclusão de 4 no modelo final. Validação com método Jackknife e ROC. |
Minardi (2008) |
25 empresas de capital aberto (Brasil) |
Modelo Black e Scholes/Merton (1974) |
Classificações do modelo convergem, em geral, para os ratings (S&P e Moody´s). |
Campbell, Hilscher e Szilagyi (2008) |
Empresas de capital aberto (EUA) |
Logit (painel dinâmico) |
Dados mensais, contábeis e de mercado. Comparação com o modelo de Merton (1974) (medida de distância para o default). |
Agarwal e Taffler (2008)Agarwal, V., & Taffler, R. (2008). Comparing the performance of market-based and accounting-based bankruptcy prediction models. Journal of Banking and Finance, 32(8), 1541-1551.
|
2.006 empresas não financeiras (Reino Unido) |
Distância para o default e Z-score |
Compara modelo baseado em dados de mercado (teoria de opções) e modelo baseado em dados contábeis (Z-score). 0,67% das empresas no grupo de tratamento, os quais capturam diferentes aspectos do risco de falência. |
Brito, Assaf Neto e Corrar (2009) |
66 empresas de capital aberto não financeiras (Brasil) |
Logit e análise de conglomerados (clusters) |
8 classes de risco (sendo 1 insolvente) refletem o crescimento das taxas de mortalidade nas respectivas classes. Curva ROC para avaliação do modelo. |
Guimarães e Alves (2009) |
600 operadoras de planos de saúde (Brasil) |
Logit |
17 indicadores financeiros nas categorias alavancagem, liquidez, lucratividade, atividade e endividamento e cobertura. |
Peresetsky, Karminsky e Golovan (2011) |
1.569 bancos (Rússia) |
Logit |
Clusterização preliminar e avaliação de modelos separados para cada cluster. Uso de variáveis macroeconômicas. Uso de heurística para utilidade do modelo para investidor. |
Valahzaghard e Bahrami (2013) |
20 bancos (Irã) |
Logit |
Significância para as dimensões de qualidade da gestão, rentabilidade e liquidez (CAMELS). |
Tserng, Chen, Huang, Lei e Tran (2014) |
87 empresas de construção civil (EUA) |
Logit |
Analisa 21 indicadores financeiros divididos em 5 grupos (liquidez, alavancagem, mercado, atividade e lucro), sendo o fator mercado de grande contribuição para o modelo. Uso da curva ROC. Validação pelo processo leave-one-out. |
Betz, Oprica, Peltonen e Sarlin (2014) |
546 bancos (Europa) |
Logit recursivo |
Early warning model. Considera a utilidade do modelo para os tomadores de decisão. O desempenho é melhor para bancos pequenos e para o horizonte de 24 meses. |
Liu (2015) |
772 bancos (OCDE, NAFTA, ASEAN, EU, G20 e G8) |
Logit |
Análise nos períodos pré e pós-crise de 2008. Comparações do poder preditivo entre as regiões abordadas. |
Gartner (2015) |
99 bancos (Brasil) |
Otimização por máxima entropia |
Atribuição de performance e classificação dos bancos em 10 grupos de risco. Aplicação da distribuição beta para análise de risco. |
Chiaramonte, Croci e Poli (2015) |
3.242 bancos (Europa) |
Z-score, probit e log-log complementar |
Habilidade do indicador Z-score é tão boa quanto covariáveis CAMELS para identificação de estresse financeiro e mais eficaz para modelos de negócio sofisticados, como de grandes bancos. |
Cleary e Hebb (2016) |
132 bancos (EUA) |
Análise discriminante |
Principais variáveis: capital e qualidade dos ativos, além de rentabilidade. Validação fora da amostra, com 192 casos no grupo de tratamento e acurácia entre 90-95%. |
Wanke, Azad e Barros (2016) |
43 bancos (Malásia) |
DEA e GLMM |
Simula avaliação de risco CAMELS para análise de eficiência bancária e estresse financeiro. |