Previsão do Valor Corporativo com uso de Algoritmos de Inteligência Artificial / Forecasting Corporate Value: Application of IA-Based Algorithms

Resumo

O estudo apresentado visou avaliar o desempenho de algoritmos de inteligência artificial para previsão do Market Value Added (MVA®) em empresas de países que fazem parte dos BRICS (sigla em inglês para Brazil, Russia, India, China and South Africa) entre 2019 e 2022. Dados das empresas de capital aberto desses países foram empregados para treinar algoritmos de inteligência artificial – especificamente, random forest e redes neurais artificiais, assim como modelos de regressão linear, para fins de previsão a partir de direcionadores de valor clássicos da literatura baseadas em variáveis contábeis. Os resultados indicaram que tais direcionadores foram significantes e consistentes em explicar o MVA® positivo das empresas estudadas, mesmo em períodos de crise. Verificou-se a aplicabilidade do random forest e das redes neurais artificiais para essa previsão. Estatisticamente, os modelos baseados no algoritmo de random forest tiveram um desempenho similar àqueles de regressão, enquanto os modelos de redes neurais artificiais apresentaram desempenho superior. Os resultados do estudo contribuem de forma relevante ao tema criação de valor corporativo sob diferentes perspectivas, tais como: (a) foco em empresas de países emergentes cada vez mais relevantes no contexto global; (b) avaliação de modelos para previsão de valor em períodos distintos com diferentes crises econômicas globais; e (c) destaque da relevância do emprego de algoritmos de inteligência artificial, assim, como os de estatística tradicionais para análise do fenômeno.

Palavras-chave: Market Value Added (MVA®). Algoritmos de Inteligência Artificial. BRICS.

ABSTRACT

This paper presents a study that aimed at assessing the performance of artificial intelligence (IA) based algorithms for predicting Market Value Added (MVA®) in companies from the BRICS countries (an acronym for Brazil, Russia, India, China, and South Africa) between 2019 and 2022. Data from public companies in these countries were used to train IA-based algorithms (random forest and artificial neural networks), as well as linear regression models, for prediction purposes grounded on classic value drivers from the literature based on accounting variables. The results indicated that these drivers were significant and consistent in explaining the positive MVA® for the studied companies, even during periods of crisis. The applicability of random forest and artificial neural networks for this activity was confirmed. Models based on the random forest algorithm performed similarly to regression models. On the other hand, artificial neural network models outperformed them. The study's findings make a relevant contribution to the topic of corporate value creation from various perspectives, such as: (a) a focus on companies from increasingly relevant emerging economies in the global context; (b) evaluation of models for value prediction in different periods with global economic crises; and (c) highlighting the importance of employing both artificial intelligence algorithms and traditional statistical methods for analyzing the phenomenon.

Keywords: Market Value Added (MVA®); IA-Based Algorithms; BRICS.