Metodologia para ordenação de controles internos contábeis com base em critérios estabelecidos pelo SEC Management Guidance e escala baseada em operadores da lógica Fuzzy

Propõe-se com a presente dissertação conduzir estudo exploratório sobre a razoabilidade de um método de apoio à tomada de decisão para ordenar os controles internos contábeis, utilizando critérios estabelecidos pelo regulador do mercado de capitais dos Estados Unidos, quantificados por meio de uma escala baseada em operadores da lógica fuzzy. O método foi elaborado com base em pesquisa bibliográfica sobre o controle interno contábil e sua relação com os controles internos em geral; a exigência de constituição, avaliação e divulgação da avaliação dos controles internos contábeis pela legislação do mercado de capitais americano ao longo das últimas três décadas; o conceito de matriz de risco; os métodos de apoio à decisão; e os fundamentos da lógica fuzzy. A metodologia proposta foi adaptada à realidade da entidade objeto do estudo de caso e aplicada sobre 2,4 mil controles. Uma amostra de aproximadamente 14% desse universo foi analisada e permitiu concluir pela razoabilidade do método proposto, que será utilizado pela entidade estudada como parte de seu processo de avaliação dos controles internos contábeis.

Aplicação de redes neurais na classificação de rentabilidade futura de empresas

Este trabalho tem por motivação evidenciar a eficiência de redes neurais na classificação de rentabilidade futura de empresas, e desta forma, prover suporte para o desenvolvimento de sistemas de apoio a tomada de decisão de investimentos. Para serem comparados com o modelo de redes neurais, foram escolhidos o modelo clássico de regressão linear múltipla, como referência mínima, e o de regressão logística ordenada, como marca comparativa de desempenho (benchmark). Neste texto, extraímos dados financeiros e contábeis das 1000 melhores empresas listadas, anualmente, entre 1996 e 2006, na publicação Melhores e Maiores – Exame (Editora Abril). Os três modelos foram construídos tendo como base as informações das empresas entre 1996 e 2005. Dadas as informações de 2005 para estimar a classificação das empresas em 2006, os resultados dos três modelos foram comparados com as classificações observadas em 2006, e o modelo de redes neurais gerou o melhor resultado.

Alocação de carteiras de ações através da utilização de modelos de lógica Fuzzy

Este trabalho tem por objetivo propor uma carteira composta por posições compradas e vendidas de ações que supere os principais Índices de mercado. O resultado é obtido através de um modelo de Lógica Fuzzy, que é um modelo de inteligência artificial que trata os dados de maneira lógica, ou seja, sem relacionar as variáveis através de modelos matemáticos convencionais. Para esse estudo utilizamos como variáveis de entrada os múltiplos Preço/Lucro Esperado e Preço/Valor Patrimonial da Empresa de cada ação considerada. Foram estudadas as ações do mercado americano pertencentes ao índice S&P 500, do ano de 2000 até 2007. Com o intuito de comparar a eficiência do Modelo de Lógica Fuzzy, utilizamos o modelo de Regressão Linear Multivariada e os índices de mercado S&P 500 e o S&P 500 com uma modificação para se adequar aos dados escolhidos para o estudo. O modelo proposto produziu resultados satisfatórios. Para quase todos os anos estudados o retorno da carteira obtida foi muito superior ao dos Índices de mercado e do modelo linear convencional. Através de testes adequados comprovamos estatisticamente a eficiência do modelo em comparação aos Índices de mercado e ao modelo linear convencional.