ESG E MACHINE LEARNING: O IMPACTO NA PREVISÃO DE INSOLVÊNCIA DE EMPRESAS BRASILEIRAS

Resumo

Diante das últimas crises financeiras globais, a recuperação judicial (RJ) de empresas ganhou destaque devido ao grande número de empresas que recorrem a esse mecanismo visando evitar a falência. Com o objetivo de identificar indicadores que se comportam de maneira semelhante em empresas insolventes, foi feita uma análise com dados de 2010 a 2020 para empresas brasileiras, sendo esse período adotado em razão do início da obrigatoriedade das normas internacionais de contabilidade no Brasil e por conta da alteração da Lei de Recuperação Judicial e Falências, a lei nº 11.101. Foram utilizados o modelo de regressão logística e de análise discriminante para a análise das empresas em RJ e empresas insolventes, sendo construída uma dummy como variável dependente e os demais indicadores financeiros e environmental, social and governance (ESG) como independentes. Os resultados apontam alto grau de ajuste dos modelos, com capacidade preditiva de 82,3% no caso da análise de RJ e 93,8% na previsão de insolvência. Algumas das variáveis que demonstraram maior significância no caso de RJ foram: ambiental, transparência, governança, return on assets (ROA) e capital de terceiros. Nos casos de insolvência, as variáveis de destaque foram: governança, ROA, composição do endividamento e imobilização do patrimônio líquido. Com os resultados da pesquisa, espera-se um aprimoramento de indicadores não somente contábeis, mas institucionais e de assimetria informacional para a gestão de insolvência das organizações.