Diagnóstico de consumos anómalos de energia: abordagem por classificação

Durante o período de funcionamento de uma instalação eléctrica podem ocorrer várias anomalias. Enquanto muitas delas apenas são identificadas tardiamente, outras acabam por nunca serem identificadas como um potencial problema. A identificação atempada dessas anomalias permite a realização de um diagnóstico que leve à correcção das suas causas evitando assim os desperdícios e prejuízos inerentes. A identificação de um consumo anómalo pode ser realizada, de forma automática ou semi automática através de sistemas de apoio que permitam sinalizar falhas ou comportamentos anormais. O trabalho apresentado nesta dissertação pretende possibilitar esta sinalização apenas através da análise dos dados de consumo medidos em tempo real e comparados com dados históricos através de uma abordagem baseada em classificação, recorrendo a métodos de clustering. Foram testadas diferentes abordagens em três casos distintos, dois relativos a consumidores residenciais para os quais existiam registos de consumo durante um período alargado, e um relativo a uma instalação desportiva, para a qual é possível aceder em tempo real ao sistema de gestão de consumos via web. O sistema implementado proporciona vários tipos de informação ao utilizador, permitindo visualizar graficamente a existência de uma potencial anomalia quando a disparidade entre a classificação do consumo no instante e a classe do consumo de referência for significativa.

A análise digital em Portugal: um estudo empírico

O grande objetivo da Auditoria consiste em obter evidência apropriada e suficiente que forneça uma segurança elevada, embora não absoluta, de que as demonstrações financeiras estão isentas de fraude ou de erros materiais. Este objetivo exige metodologias específicas de trabalho, como a análise digital, onde predominam métodos que privilegiam análises de risco e que permitem direcionar os recursos humanos e materiais do auditor para as áreas mais críticas. A análise digital pode ser definida como um conjunto de procedimentos assentes no uso da tecnologia (softwares) para detetar erros, anomalias ou outras incorreções em amostras de registos numéricos, tais como duplicações, campos em branco ou indevidamente preenchidos, frequências anormais de números e quebras de sequências e tendências, entre outras, ou nos próprios padrões de comportamento dos números. Visa essencialmente, a deteção de fraude através da combinação da estatística com a informática. Tendo em conta estes propósitos, o objetivo deste trabalho centra-se em tentar aferir o nível de conhecimento e utilização da análise digital enquanto técnica de auditoria, em Portugal. Para conseguir atingir o objetivo proposto, serão analisados os resultados de um questionário, onde se procurará saber, entre outras coisas, que técnicas e que softwares de análise digital são utilizados para efeitos de auditoria às contas das empresas pelas entidades competentes, caso dos Revisores Oficiais de Contas. Os resultados mostram que embora os ROC tenham já um razoável nível de conhecimento e utilização das técnicas mais básicas de análise digital, e respetivos softwares, ainda há um significativo desconhecimento em relação a técnicas mais sofisticadas e potencialmente mais eficazes na deteção de erros materiais ou fraude, como a lei de Benford.

Reputation and stock abnormal returns

A relação entre reputação organizacional e desempenho nanceiro das empresas tem sido alvo de estudo ao longo dos últimos anos. Empresas com elevados padrões de reputação apresentam maior probabilidade de manter um elevado e sustentado desempenho ao longo do tempo. Seguindo esta linha de pensamento, acionistas que investem em empresas com elevada reputação exigem menos rendibilidades, uma vez que, à partida, o risco a que estão sujeitos é menor. Com o intuito de estudar se empresas com elevada reputação, medida pela presença no ranking de 2015 World's Most Admired Companies da revista Fortune, rejeitam a hipótese das rendibilidades anormais serem iguais a zero, garantindo, por sua vez, um risco inferior, foram utilizados dados em painel que incluem 24,486 observações, entre 26 de dezembro 2014 e 1 de janeiro 2016, de uma amostra total de 462 empresas norte americanas cotadas nos índices bolsistas NYSE e NASDAQ.