A dificuldade financeira está presente em diversos estudos na literatura, porém notam-se maiores discussões em torno de seus determinantes, como o indicador, sem constatar seu efeito para o mercado. Em virtude da importância de poder ser utilizado para verificar a continuidade da organização, o objetivo deste trabalho é identificar as influências da dificuldade financeira sobre o desempenho de mercado em empresas latino-americanas negociadas na bolsa de valores. De acordo com a hipótese do mercado eficiente e da sinalização, a dificuldade financeira anuncia ao mercado uma perspectiva negativa que afeta o desempenho de mercado. Assim, para a análise, utilizou-se de dados referentes às empresas listadas nas bolsas da Argentina, do Brasil, do Chile, do México e do Peru, de forma trimestral entre 2013 e 2017. Os resultados demonstram que, nos contex- tos brasileiro, chileno e mexicano, a dificuldade financeira influencia negativamente o desempenho de mercado das companhias. Este estudo contribui para a literatura com a utilização da dificuldade financeira além de um indicador preditor, pois apresenta uma informação que pode ser trabalhada por stakeholders no momento de negociar ou realizar a manutenção de seu portfólio de ações.
O avanço tecnológico incentiva cada vez mais o investimento em Pesquisa e Desenvolvimento (P&D), prática essa que influência a empresa de diversas maneiras, seja na liquidez, no endividamento e/ou na rentabilidade, tornando-se assim, um ponto de suma importância na gestão. A pesquisa, por abordar investimentos em P&D, focou-se em empresas que, devido a sua área de atuação, são mais propensas a realizar tais investimento, sendo o caso das empresas de alta e média-alta tecnologia, classificadas segundo o IBGE. Ainda, evidencia-se a utilização do método Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) para classificação das companhias com base nos seus indicadores econômico-financeiros, de forma a verificar a diferença no investimento em P&D por parte das empresas com melhores indicadores. Os dados analisados referem-se ao período de 2013 a 2017 de treze companhias. O cálculo do TOPSIS, por meio de pesos, demonstrou que as variáveis de liquidez e rentabilidade possuem maior importância na análise para a colocação no ranking, evidenciando a importância dessas variáveis. Posteriormente, ao analisar o resultado do ranking com o investimento em P&D, a correlação de Spearman indica que posições mais elevadas, ou seja, empresas com melhores indicadores econômico-financeiros, investem mais em P&D. Esse resultado perpassa por similaridades encontradas na literatura que destacam a P&D associada a vantagem competitiva, crescimento econômico a longo prazo e manutenção de alto padrão de lucros. O estudo contribui com a literatura analisando o contexto brasileiro de investimento em P&D, destacando a sua relação com indicadores econômico-financeiros.
The wind energy forecast is an useful tool for wind farm production planning, and operation, facilitating decision making in terms of maintenance, electricity market clearing, and load sharing. This study proposes a cooperative ensemble learning model, using time series preprocessing, multi-objective optimization, and artificial intelligence to forecast wind energy generation in two wind farms in Brazil. Multi-objective optimization is employed to combine variational mode decompositionbased components of a model with bootstrap aggregation (bagging) and extreme learning machine models. Forecasting accuracy is evaluated through the root mean squared error, mean absolute error, mean absolute percentage error, and Diebold-Mariano hypothesis test. The empirical results suggest that proposed ensemble learning model achieved better forecasting performance than bootstrap stacking, machine learning, artificial neural networks, and statistical models, with values of approximately 12.76%, 25.25%, 31.91%, and 34.76%, respectively, in terms of root mean squared errors reduction for out-of-sample forecasting.
Este estudo tem por objetivo verificar o efeito da volatilidade do fluxo de caixa e da volatilidade da disponibilidade de caixa na estrutura de capital de empresas industriais brasileiras. Desenvolveu-se pesquisa descritiva, documental e quantitativa. A amostra abrangeu 77 empresas industriais brasileiras listadas na Brasil, Bolsa, Balcão (B3), com dados de 2014 a 2018 e que geraram, ao todo, 385 observações. As informações econômico-financeiras foram extraídas da base Economática®. Os resultados apontam que empresas com maior Volatilidade do Fluxo de Caixa (VFC) e maior Volatilidade da Disponibilidade de Caixa (VDC) apresentam patamares de endividamento superiores, sendo estas também mais extensivas no curto prazo. Ademais, como diferencial metodológico, observou-se que quando a Volatilidade do Fluxo de Caixa deriva de tendência positiva, conforme crescimento dos fluxos gerados nos últimos períodos, credores tendem a observar isto de forma favorável e ceder mais recursos a empresas nestas condições, inclusive com maior prazo para pagamento
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.