Aplicação de redes bayesianas na previsão de crescimento de fluxos de caixa

Abstract

Bayesian Networks may be powerful tools for Financial-Economics modeling. When high degree of uncertainty is present, these tools can be used as strongly helpful advisors in the decision making process. Non-linear relations among variables are normally not captured in traditional linear econometric models. Moreover, specially on situation of crisis or rupture, linear relation do no represent anymore a good proxy to real behavior of financial-economical variables. This contributes for increasing the distance between the theoretical forecasting model and the real data. Throughout this work, we show a methodology for gathering and applying data into Bayesian Networks in order to obtain cash flow growing models for some Brazilian companies and the economical sector they play. Later on, we compare the results of such predictions to the traditional econometric models, and finally to the real data observed in such period. As a conclusion of the study, we make an evaluation of the pros and cons of using Bayesian Network for such application.

Redes Bayesianas podem ser ferramentas poderosas para construção de modelos econômico-financeiros utilizados para auxílio à tomada de decisão em situações que envolvam grau elevado de incerteza. Relações não-lineares entre variáveis não são capturadas em modelos econométricos lineares. Especialmente em momentos de crise ou de ruptura, relações lineares, em geral, não mais representam boa aproximação da realidade, contribuindo para aumentar a distância entre os modelos teóricos de previsão e dados reais. Neste trabalho, é apresentada uma metodologia para levantamento de dados e aplicação de Redes Bayesianas na obtenção de modelos de crescimento de fluxos de caixa de empresas brasileiras. Os resultados são comparados a modelos econométricos de regressão múltipla e finalmente comparados aos dados reais observados no período. O trabalho é concluído avaliando-se as vantagens de desvantagens da utilização das Redes de Bayes para esta aplicação.