Modelo preditivo para geração de informações gerenciais para empresas patrocinadoras de entidades fechadas de previdência complementar

Autores

DOI:

https://doi.org/10.54372/pc.2023.v18.3478

Palavras-chave:

CPC 33 (R1). EFPC. Modelo preditivo. Auto Regressão Vetorial. ARIMA.

Resumo

O objetivo do estudo foi realizar uma análise comparativa na aplicação de dois modelos o Auto-regressivos Integrados de Média Móvel (ARIMA) e o modelo de Auto-regressão Vetorial (ARV) em empresas patrocinadoras das Entidades Fechadas de Previdência Complementar, listadas no Brasil, Bolsa, Balcão (B3). Através de uma ação quase-experimental, foram utilizados dois modelos, o auto-regressivos integrados de média móvel (ARIMA) e o modelo de Auto-regressão Vetorial (ARV). Com base nos resultados preditivos dos modelos, foi possível identificar que os dados rodados pelo método ARIMA não apresentaram um bom ajuste e foi possível concluir que o modelo criado pelo ARV se apresentou mais robusto na previsão das situações futuras das empresas analisadas, e que, as decisões com base nos modelos preditivos, apontaram a necessidade de antecipação de decisões sobre a taxa de desconto, a taxa de inflação, taxa do aumento salarial e sobre os ativos garantidores.

Biografia do Autor

Vera Lúcia Cruz, Doutoranda pelo Programa de Pós-Graduação em Administração de Empresas da Universidade Potiguar - UnP. Professora da Universidade Federal da Paraíba.

E-mail: veralc22@hotmail.com

Rodrigo José Guerra Leone, Universidade Potiguar

possui graduação em Matemática pela Universidade Federal da Paraíba (1995), mestrado em Matemática pela Universidade Federal da Paraíba (1998), especialização em Administração Financeira pela Fundação Getúlio Vargas - RJ (1999) e doutorado em Engenharia de Sistemas e Computação pela Universidade Federal do Rio de Janeiro (2004). Atualmente é professor do PPGA (Doutorado, Mestrado Acadêmico e Mestrado Profissional) da Universidade Potiguar. Tem experiência nas áreas de Matemática, Estatística e Administração, com ênfase em Administração Financeira, atuando nos seguintes temas: métodos quantitativos, tomada de decisão, finanças empresariais, finanças comportamentais, planejamento financeiro pessoal, programação matemática e gestão de custos.

E-mail: rodrigo.leone@gestorfp.com.br

Telmo de Menezes e Silva Filho, Universidade Federal da Paraíba

Possui graduação em Ciência da Computação pela Universidade Federal de Pernambuco (2010), mestrado em Inteligência Artificial pela Universidade Federal de Pernambuco (2013) e doutorado em Ciências da Computação pela Universidade Federal de Pernambuco (2017), tendo como tema de pesquisa Aprendizagem de Máquina. Realizou doutorado sanduíche na University of Bristol (Reino Unido). Atualmente é Professor Adjunto na Universidade Federal da Paraíba. Tem experiência na área de Ciência da Computação, com ênfase em Aprendizagem de Máquina.

E-mail: tmfilho@gmail.com

Fátima Regina Ney Matos, Instituto Superior Miguel Torga

Graduada em Psicologia pela Universidade Federal do Ceará (1979), com mestrado em Administração pela Universidade Estadual do Ceará (2000) e doutorado em Administração pela Universidade Federal de Pernambuco (2008). Atuou em empresas de médio porte na área de gestão de pessoas e relações de trabalho. Professora visitante do Curso de Mestrado Acadêmico em Administração da Universidade Estadual do Ceará (2009-2010). Coordenadora do curso de especialização em gestão pública, na modalidade EaD, no período de 2010 a 2012, pelo convênio PNAP/UAB/UECE. Avaliadora ad hoc de projetos da Funadesp, de periódicos e eventos nacionais e internacionais. Professora titular do Programa de Pós-Graduação em Administração da Universidade de Fortaleza (2010-2016), coordenadora do Programa no período de 2013 a 2014. Professora adjunta do Programa de Pós-Graduação em Administração da Universidade Potiguar (2015-2019). Professora auxiliar em tempo integral do Instituto Superior Miguel Torga, em Coimbra. Ministrou as disciplinas de Metodologia Científica, Métodos Qualitativos Aplicados à Administração, Filosofia da Ciência, Teorias Organizacionais, Seminário de Dissertação e Seminário de Tese. Concluiu estágio pós-doutoral em Estudos Culturais na Universidade de Aveiro, Portugal.

E-mail: fneymatos@ismt.pt

Downloads

Publicado

2023-10-29

Como Citar

Cruz, V. L., José Guerra Leone, R., de Menezes e Silva Filho, T., & Regina Ney Matos, F. (2023). Modelo preditivo para geração de informações gerenciais para empresas patrocinadoras de entidades fechadas de previdência complementar. Perspectivas Contemporâneas, 18(1), 1–22. https://doi.org/10.54372/pc.2023.v18.3478

Edição

Seção

Artigo Completo ou Artigo Original