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

Authors

DOI:

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

Keywords:

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

Abstract

The objective of the research was to identify a model, among the existing models, which, using the time series of the sponsoring companies of the Closed Supplementary Pension Entities, generate, with greater precision, the possible future results of the variation between the present value of the defined benefit obligation with the fair value of the plan's assets. Through a quasi-experimental action in sponsoring companies listed in B3, two models were used, the integrated auto-regressive moving average (ARIMA) and the Vector Auto-regression model (ARV). Based on the predictive results of the models, it was possible to identify that the data run by the ARIMA method did not present a good fit and it was possible to conclude that the model created by ARV was more robust in predicting the future situations of the analyzed companies, and that, decisions based on predictive models, pointed to the need to anticipate decisions on the discount rate, the inflation rate, the rate of salary increase and on the guaranteeing assets.

Author Biographies

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

Published

2023-10-29

How to Cite

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 - Contemporary Perspectives, 18(1), 1–22. https://doi.org/10.54372/pc.2023.v18.3478

Issue

Vol. 18 (2023): Publicação contínua jan./dez.

Section

Complete Article or Original Article

License

Copyright (c) 2023 Vera Lúcia Cruz, Rodrigo José Guerra Leone, Telmo de Menezes e Silva Filho, Fátima Regina Ney Matos

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Autores mantém os direitos autorais e concedem à revista Perspectivas Contemporâneas o direito de primeira publicação, autorizando-a a publicá-lo em meio impresso, digital, ou outro existente, em sistemas/ferramentas de indexação, agregadores ou curadores de conteúdo, sem retribuição financeira para os autores. Em virtude de aparecerem nesta revista de acesso público, os artigos são de uso gratuito, em aplicações educacionais e não-comerciais, com atribuição de autoria obrigatória. A revista Perspectivas Contemporâneas está licenciada com uma Licença Creative Commons - Atribuição-Não Comercial 4.0 Internacional e possui selo Diadorim AZUL.