masterThesis
Rating de risco de projetos de inovação tecnológica: uma proposta através da aplicação das Support Vector Machines
Registro en:
Silva Guimarães Júnior, Djalma; Lamartine Távora Júnior, José. Rating de risco de projetos de inovação tecnológica: uma proposta através da aplicação das Support Vector Machines. 2010. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia de Produção, Universidade Federal de Pernambuco, Recife, 2010.
Autor
Guimarães Júnior, Djalma Silva
Institución
Resumen
Um projeto de inovação tecnológica consiste em uma série de análises e procedimentos
que tem como fim estimar o valor de uma tecnologia, ou seja, gerar uma estimativa dos
rendimentos futuros que tal empreendimento/tecnologia possa proporcionar. A
abordagem tradicional da análise de investimentos para esta categoria de projetos possui
uma limitação no que tange a: 1 estimação do valor da tecnologia que exige a
incorporação de variáveis qualitativas que não são consideradas por essa modelagem; e 2
a elevada variabilidade das estimativas do fluxo de caixa projetado, em virtude das
diferentes categorias de risco inerentes a esse tipo de projeto. A partir desta limitação
apresentada no estado da arte da avaliação deste tipo de projeto, esta pesquisa de cunho
exploratório pretende utilizar a metodologia de rating como uma alternativa a avaliação
de projetos de inovação. Pois um sistema de classificação através de rating possui a
flexibilidade necessária para a incorporação de variáveis qualitativas que podem auxiliar
na mensuração do valor da tecnologia, bem como fornece uma série de procedimentos
que permitem a estimação do risco de tais projetos. Tal aplicação da metodologia de
rating gera o Sistema de Classificação de Risco de Projetos de Inovação (SCRP), que a
partir de uma amostra de 40 projetos de investimento industrial fornecidos pelo Banco do
Nordeste do Brasil, indicadores setoriais, macroeconômicos e tecnológicos, provê uma
classificação de viabilidade e risco para tais projetos. As Support Vector Machines,
técnica de inteligência artificial com resultados exitosos em várias áreas das finanças,
inclusive com ratings é introduzida nesta pesquisa para testar a classificação gerada pelo
SCRP. A aplicação do SVM fez uso do código LIBSVM e do Software Matlab. A
classificação obtida pelo SCRP apresentou um ajuste médio de 83,6% quando comparado
aos 10 melhores projetos classificados pelo critério da TIR e de 87,6% de ajuste médio
para com os 8 piores projetos classificados pelo critério do VPL, a classificação obtida
através do SVM, apresentou uma acuracia de 37,5% frente aos dados de teste Coordenação de Aperfeiçoamento de Pessoal de Nível Superior