Machine Learning para análise preditiva no processo de Fusões e Aquisições de empresas no Brasil

Abstract

Este estudo objetiva à utilização de algoritmos de machine learning para análises preditivas em Fusões e Aquisições. Para isso, foi realizada uma aplicação com base em dados de todas as transações classificadas como F&A registradas no mercado brasileiro entre 2000 e 2016, base essa disponibilizada pela Thomson Reuters SDC (n = 6.697). Foi-se aplicado nesse estudo 4 modelos de machine learning diferentes: regressão logística com e sem penalização, redes neurais, e random forest. Dentre todos os modelos, o melhor avaliado foi aquele que nos testes apresentou área abaixo da curva (AUC) ROC mais próxima de 1. Todos os modelos apresentaram AUC ROC por volta de 0,70. Assim, apesar de cada um dos modelos apresentarem características próprias, os resultados encontrados possuem certa semelhança, mesmo assim, ao final do estudo constou-se que redes neurais é o modelo com melhor capacidade de predição para esse estudo.