Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados

Abstract

Esta tese consiste em uma investigação sobre o gerenciamento de resultados, centrada na avaliação e aprimoramento de modelos tradicionais de detecção de gerenciamento de resultados por meio de abordagens inovadoras. O primeiro artigo, um ensaio teórico, destaca a Rede Neural Artificial (RNA) como uma ferramenta promissora para resolver problemas econométricos associados aos modelos tradicionais de detecção de gerenciamento de resultados por accruals. A pesquisa aborda questões relacionadas à falta de verificabilidade direta dos accruals discricionários e argumenta que a aplicação da RNA pode melhorar significativamente o poder e a especificidade desses modelos. O segundo artigo, de natureza empírica, concentra-se na reversão de distorções em accruals e sua aplicação em modelos tradicionais de gerenciamento de resultados em empresas brasileiras de capital aberto. Os resultados revelam as limitações dos modelos baseados em accruals, destacando a complexidade dos accruals não discricionários e os desafios associados à mensuração precisa do gerenciamento. O terceiro artigo, também empírico, explora o uso de técnicas de machine learning na detecção de gerenciamento de resultados. O estudo visa explorar metodologias que superem as deficiências dos modelos tradicionais, especialmente no que diz respeito à mensuração precisa do gerenciamento de resultados. Os resultados indicam que algoritmos de machine learning, como o Decision Trees Classifier, oferecem uma solução viável para aumentar significativamente o poder explicativo desses modelos. De forma geral, esta tese pretende contribuir para a compreensão da prática de gerenciamento de resultados e aprimoramento das ferramentas que objetivam detectar a ocorrência de tais práticas, destacando a importância de abordagens inovadoras, como RNA e machine learning, na resolução de desafios persistentes em modelos tradicionais. Essas descobertas promovem uma melhor integração entre a contabilidade e a tecnologia da informação, abrindo caminho para futuras pesquisas que explorem uma variedade de técnicas de inteligência artificial visando melhorias na qualidade da informação contábil.