Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/50221
Arquivos associados a este item:
Arquivo TamanhoFormato 
NoelKentinusOlokodana_DISSERT.pdf2,1 MBAdobe PDFVisualizar/Abrir
Título: Fraudes em relatórios financeiros : efeitos nos preços das ações e previsão por meio da máquina de suporte vetorial
Outros títulos: Financial statement frauds : effect on stock price and prevision via support vector machine
Autor(es): Olokodana, Noel Kentinus
Orientador(es): Gonçalves, Rodrigo de Souza
Assunto: Relatórios financeiros
Relatórios financeiros - fraude
Reação do mercado
Estudo de eventos
Data de publicação: 29-Ago-2024
Referência: OLOKODANA, Noel Kentinus. Fraudes em relatórios financeiros: efeitos nos preços das ações e previsão por meio da máquina de suporte vetorial. 2023. 108 f., il. Dissertação (Mestrado em Ciências Contábeis) — Universidade de Brasília, Brasília, 2023.
Resumo: As ocorrências de fraudes aumentaram muito nos últimos anos, em muitos países (PricewaterhouseCoopers, 2020). Isto, provavelmente, tem afetado negativamente a eficiência dos mercados de capitais, tornando-os em um ambiente de desconfiança, causando fugas de investimentos e hesitação na entrada de novos investidores. Segundo Hung et al. (2015), as fraudes corporativas não afetam somente os credores ou os acionistas das firmas fraudadoras, mas afetam também clientes, fornecedores, o mercado financeiro como um todo, o governo, ou seja, toda a economia. De acordo com Dyck et al. (2010), as fraudes financeiras nos relatórios contábeis são, geralmente, detectadas muito tempo depois, após as suspeições dos impactos do crime. Ocorre que a atuação post factum (detecção de fraude) não é eficiente para reduzir ou eliminar as ocorrências; nesse sentido, uma ação preventiva é relevante e necessária. Há vários métodos para prevenção de fraudes em relatórios financeiros, e esta pesquisa tem por objetivo analisar a reação do mercado às fraudes, sem e com o conhecimento deste. Para isso, o estudo comparou o comportamento dos preços das ações ao redor da data em que a fraude foi cometida e ao redor da data em que foi descoberta. Em segundo lugar, o estudo analisou a precisão da máquina de suporte vetorial (SVM) na previsão de fraudes em relatórios financeiros considerando índices financeiros e índices não financeiros. A pesquisa fez uso da metodologia de estudos de eventos para alcançar seu primeiro objetivo e da SVM para alcançar seu segundo objetivo. Retornos anormais positivos foram encontrados um dia depois e do quarto até o décimo dia depois da realização de fraudes em relatórios financeiros. Sem seu conhecimento, o mercado reage positivamente à realização de fraudes em relatórios financeiros, gerando ganhos anormais às entidades fraudadoras. Provavelmente, pelo tempo demorado até a suspeita de fraude ser julgada pela Comissão de Valores Mobiliários (CVM), o mercado ignora a decisão do órgão regulador ao reconhecer oficialmente a prática ou manobra suspeita como fraudulenta, por infringir uma lei. Na pesquisa, variáveis sensíveis para detecção de riscos de fraudes foram identificadas, e o modelo polinomial da SVM utilizado conseguiu prever riscos de fraudes em pelo menos 64% dos relatórios financeiros fraudulentos. Os achados contribuem para a academia no que diz respeito às consequências das fraudes em relatórios financeiros no mercado, incentivando, assim, outras pesquisas na área. O estudo contribui aos trabalhos dos auditores e reguladores, recomendando o uso do modelo polinomial de SVM para prever fraudes em relatórios financeiros. O estudo avança no tratamento de dados financeiros trazendo à atenção dos pesquisadores que os métodos clássicos como a regressão linear podem não ser adequadas, em consonância com as conclusões de Adepoju et al. (2019) e Gonçalves (2019)
Abstract: Fraud occurrences have increased significantly in recent years in many countries (PricewaterhouseCoopers, 2020). Probably, this has negatively affected the efficiency of capital markets, turning them into an environment of distrust, causing investment flight and hesitation in the entry of new investors. According to Hung et al. (2015), corporate fraud does not only affect creditors or shareholders of defrauding firms, but also it affects customers, suppliers, the financial market as a whole, the government; that is, the entire economy. According to Dyck et al. (2010), financial fraud in accounting reports is usually detected much later, after suspicions of the impacts of the crime. It turns out that post factum action (fraud detection) is not efficient in reducing or eliminating occurrences; in this sense, preventive action is relevant and necessary. There are several methods for preventing fraud in financial reporting, and this research aims to analyze the market reaction to fraud without and with its knowledge. For this, the study compared stock price behavior around the date the fraud was committed and around the date it was discovered. Secondly, the study analyzed the accuracy of the support vector machine (SVM) in predicting fraud in financial reports, considering financial indices and nonfinancial indices. The research used event studies methodology to achieve its first objective and SVM to achieve its second objective. Positive abnormal returns were found one day after and from the fourth to the tenth day after financial reporting fraud. Without knowledge of the fraud, the market reacts positively to the performance of fraud in financial reports, generating abnormal gains for the fraudsters. Probably, due to the time it takes for the suspected fraud to be judged by the Securities and Exchange Commission of Brazil (CVM), the market ignores the regulatory agency’s decision when officially recognizing the suspected practice or maneuver as fraudulent, for breaking the law. Sensitive variables to detect fraud risks were identified and the SVM polynomial model was capable to predict fraud risks in at least 64% of fraudulent financial reports. The findings contribute to the academy about the consequences of fraud in financial reports in the market and also encourage other research. The study also contributes to the work of auditors and regulators, recommending the SVM polynomial model to predict fraud in financial reports. The study advances in the treatment of financial data, bringing to the attention of researchers that classic methods such as linear regression may not be adequate, in line with the conclusions of Adepoju et al. (2019) and Gonçalves (2019).
Unidade Acadêmica: Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE)
Departamento de Ciências Contábeis e Atuariais (FACE CCA)
Informações adicionais: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Ciências Contábeis e Atuariais, Programa de Pós-Graduação em Ciências Contábeis, 2023.
Programa de pós-graduação: Programa de Pós-Graduação em Ciências Contábeis
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.