Objetivo – O objetivo da pesquisa apresentada neste artigo foi analisar os efeitos da pandemia de Covid-19 sobre o desempenho econômico-financeiro das companhias abertas brasileiras listadas na Brasil, Bolsa, Balcão (B3) em 2020. Design / metodologia / abordagem – Trata-se de uma pesquisa quantitativa e descritiva. A amostra consistiu em companhias abertas brasileiras, sendo que seus dados trimestrais de 2019 e 2020 foram coletados da Plataforma Economática® e da B3. Para a análise, foram usadas as seguintes técnicas: análise de conteúdo, estatística descritiva, teste de Kolmogorov-Smirnov, coeficiente de correlação de Kendall, teste de Kruskal-Wallis, teste de Wilcoxon e regressão múltipla. Resultados – A análise dos dados indicou os efeitos esperados no desempenho econômico-financeiro das companhias nos dois primeiros trimestres de 2020: (1) redução do valor de mercado e da rentabilidade; e (2) aumento dos ciclos de atividades e do endividamento. Nos trimestres seguintes, verificou-se uma reversão desses efeitos, mas que foram sentidos de diferentes formas pelas empresas dos diversos setores. Originalidade / valor – O estudo contribui para a literatura sobre finanças corporativas em diferentes aspectos: (a) apresenta uma ampla análise dos efeitos da pandemia de Covid-19 sobre as diferentes dimensões econômico-financeiras das companhias; (b) discute não apenas os efeitos da pandemia, mas também as reações das empresas e implicações econômico-financeiras dessas reações; (c) analisa informações externas e internas às empresas para subsidiar as conclusões; e (d) enfocam-se todos os trimenstres do ano de 2020, analisando a evolução da pandemia ao longo do período.
Destaques: Um mercado eficiente é aquele em que os preços sempre refletem plenamente as informações disponíveis (Fama, 1970). Entretanto, vários agentes têm se concentrado em potenciais ineficiências para retornos anormais ao longo do tempo. Algoritmos de inteligência artificial (IA) também têm sido usados para prever os preços dos ativos financeiros. Esta revisão sistemática da literatura apresentou uma série de contribuições ao uso de algoritmos de inteligência artificial para prever os preços dos ativos no mercado financeiro. Objetivo: Desenvolver uma revisão sistemática das aplicações do algoritmo de IA para prever os preços dos ativos no mercado financeiro. Metodologia: A revisão sistemática concentrou-se nas diretrizes dos itens de Relatórios Preferenciais para Revisões Sistemáticas e Meta-Análises (PRISMA). Abordou duas bases de dados principais das revistas: Web of Science e Scopus. Conduzimos uma análise qualitativa dos estudos e baseamos nossas conclusões na análise do conteúdo da pm. A análise empregou categorias com base nos resultados relatados na literatura. Também utilizamos a estatística descritiva e o teste de qui-quadrado na análise. Resultados: Este estudo apresenta algumas contribuições relevantes: (i) a identificação das principais características dos modelos desenvolvidos baseados em inteligência artificial (IA) e os algoritmos utilizados para prever os preços dos ativos no mercado financeiro; (ii) a revisão das características e aplicações dos principais algoritmos utilizados na previsão; e (iii) as lacunas dos estudos anteriores, bem como as tendências e perspectivas para uma análise mais aprofundada. Limitações: Este estudo se concentra apenas em trabalhos disponíveis publicamente em duas grandes bases de dados. Além disso, alguns assuntos podem influenciar o processo de categorização. Implicações práticas: Este artigo apresenta as principais características dos algoritmos de IA usados para prever os preços dos ativos no mercado financeiro. Estes resultados podem apoiar os agentes do mercado na melhoria de seus modelos de investimento. Originalidade/valor: Este artigo tratou de muitas questões teóricas e práticas relevantes. Também reforçou a importância de compreender a hipótese dos mercados eficientes (HME) sob a automação abrangente de processos e o uso de IA. Por último, revisaram-se sistematicamente as diferentes características entre os estudos analisados. Palavras-chave: Inteligência Artificial; Previsão de Preços; Mercado Financeiro; Revisão Sistemática.
This research addresses the growing hotel market phenomenon where two dominant strategic management models coexist: Hotel chains and independent hotels. In this context, this research intends to study the main strategic and operational management differences of these two business models and their differences in terms of business performance. The case study presented focuses on the city of Lisbon (Portugal) with a total sample of 114 hotels surveyed. Taking the Balanced Scorecard methodology as reference for the empirical analysis, the several associated indicators allowed us to compare and understand the differences in performance between the hotels integrated in international chains and the independent ones, or those belonging to small local hotel groups. The SPSS 20.0 version was used to carry out the research analysis. If, on the one hand, the empirical evidence points to the fact that units integrated in hotel chains have more standard operating procedures and a more complex management structure, on the other, with respect to various financial indicators (Gross Operating Profit, Room Profit and Food & Beverage Profit, etc.) there were no significant differences between the two types of hotel management model.
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.