Fatores que determinam a falência das PME na Península Ibérica

Abstract

Os modelos de previsão de falência mostram-se como ferramentas valiosas para a tomada de decisão, particularmente para as agências de notação de rating, gestores, banca, investidores, entre outros stakeholders. Considerando que as micro, pequenas e médias Empresas (PME) são um dos pontos-chave para a prosperidade de qualquer economia, a presente dissertação tem como objetivo principal desenvolver um modelo de previsão que identifique os fatores determinantes de falência das PME da Península Ibérica. Para tal, foi usado um painel de dados da ORBIS Europe para um período compreendido entre 2012 e 2020, analisados com recurso à Análise Discriminante Múltipla e Análise Logística. As variáveis que revelaram maior capacidade preditiva na deteção de falência são a Dimensão, a Solvabilidade, o Endividamento Total, o Rácio de Cobertura de Juros e o Índice de concentração industrial (HHI). Estas variáveis foram incluídas no modelo final de previsão de falência, que foi sujeito a diversos testes de robustez. O modelo final revelou um nível de precisão na deteção de falência que oscilou entre 81- 83%, até 3 anos antes do evento de falência.

Nowadays, financial distress prediction models are essential tools for decision making, particularly for rating agencies, managers, banks, and investors, among other stakeholders. Considering that Micro, Small and Medium-sized Enterprises (SMEs) are one of the key points for the prosperity of any economy, the main objective of this dissertation is to develop a forecast model that identifies the determinants of SMEs’ bankruptcy in the Iberian Peninsula. For this purpose, as used a panel of data from ORBIS Europe between 2012 and 2020, analyzed using Multiple Discriminant Analysis and Logistics Analysis. The variables that showed the greatest predictive capacity in detecting financial distress are Size, Solvency, Total Leverage, Interest Coverage Ratio, and Industrial Concentration Index. These variables were included in the final prediction model, which was subjected to several robustness tests. The final model revealed an accuracy level in detecting bankruptcy that ranged between 81-83%, up to 3 years before the event.