Publication:
Previsão de falência bancária : um modelo de risco proporcional

Loading...
Thumbnail Image

item.page.format.extent

item.page.description.firstpage

item.page.description.lastpage

Publication data

item.page.date.series

item.page.date.event

item.page.organization.date

item.page.date.submitted

item.page.project.date

item.page.description.edition

Language

por

item.page.coverage.spatial

Brasil

item.page.coverage.temporal

item.page.location.country

BR

organization.page.location.country

item.page.type.events

item.page.type

item.page.degree.level

item.page.source.urlsource

ISBN

ISSN

DOI

dARK

item.page.project.ID

item.page.project.productID

Copyright Holder

Instituto de Pesquisa Econômica Aplicada (Ipea)

Access to Information

Acesso Aberto

Terms of Use

É permitida a cópia, reprodução e distribuição de textos, imagens, dados e demais arquivos, no todo ou em parte, em qualquer formato ou meio desde que sejam observadas as seguintes regras: a) O uso do material copiado se destina apenas para fins educacionais, de pesquisa, pessoal, circulação interna ou outros usos não comerciais. Reproduções para fins comerciais são proibidas; b) O material deve ser reproduzido sem sofrer qualquer alteração ou edição de conteúdo em relação ao original; e c) A reprodução deve ser acompanhada da citação da fonte, no seguinte formato: Fonte: PPE (http://ppe.ipea.gov.br)

item.page.title.alternative

item.page.organization.alternative

item.page.name.variant

item.page.contributor.author

Advisor

item.page.contributor.editor

item.page.contributor.thesiscommitee

item.page.contributor.organizer

item.page.contributor.coordinator

item.page.contributor.other

item.page.relation.ispartofseries

Speaker / Moderator / Discussant

Abstract

Este artigo procura construir um modelo de previsão de insolvência bancária que forneça um sistema de early warning capaz de identificar as instituições bancárias com eventuais problemas, usando indicadores financeiros. Esse sistema permitiria uma alocação mais eficiente dos escassos recursos existentes para exame bancário e uma melhor qualidade de supervisão ao possibilitar a identificação de um banco com problemas enquanto ainda fosse possível a implementação de medidas corretivas. Esse modelo é de particular interesse uma vez que, desde a adoção do Plano Real, mais de 50 dos 271 bancos existentes foram oficialmente declarados insolventes, sendo subseqüentemente fechados ou adquiridos por outra instituição, ou ainda receberam assistência para evitar falência. O modelo aqui construído se baseia no modelo de risco proporcional de Cox. A vantagem desse modelo é que, além de fornecer indicações sobre quais indicadores servem como melhores previsores de falência, ele informa com respeito ao período provável de quebra. Os resultados obtidos sugerem claramente que um modelo de risco proporcional pode ser um instrumento efetivo de early warning. A precisão da classificação do modelo estimado é bastante alta e, mais importante ainda, o modelo identifica com antecedência uma proporção substantiva das falências.

item.page.description.abstractalternative

The purpose of this paper is to construct a bank failure prediction model that provides an early warning system capable of identifying future problem institutions using financial data. Such a system would allow a more efficient allocation of the scarce bank examination resources, and improvement of the quality of regulator s performance, given that it may identify a problem bank while it is still possible to implement corrective measures. This is important because since the adoption of the Real Plan more than 50 of the 271 existing banks have been declared officialy insolvent and were subsequently closed, acquired or received assistance to prevent closure. Here the Cox proportional hazards model is applied to the prediction of bank failures in Brazil. Its most significant advantage is the provision of information regarding the expected time to failures. The results strongly suggest that a proportional hazards model could be an effective early warning tool. The classification accuracy of the estimated model is quite high, and the model identifies a considerable proportion of failures in advance.

organization.page.description

person.page.description

Email Address

person.page.identifier.orcid

person.page.identifier.lattes

person.page.identifier.gsid

person.page.identifier.rid

person.page.identifier.scopus-author-id

project.page.project.description

project.page.project.productdescription

item.page.subject.vcipea

item.page.subject.otherlanguages

Citation

item.page.description.version

Description

item.page.description.series

item.page.relation.replaces

Final version of this publication

organization.page.relation.references

Book Chapter

Primary Version

Events

News

REPOSITÓRIO DO CONHECIMENTO DO IPEA
Redes sociais