| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 1.13 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Accurately forecasting financial distress within the football industry holds significant
importance for various stakeholders, including creditors, investors, shareholders and local
communities.
This research employs machine learning algorithms to forecast financial distress within the
football industry over a 5-year period and by analyzing clubs' financial ratios. Two machine
learning models are performed: a logistic regression and a neural network model. The primary
objectives of this study are to test the effectiveness of these models, evaluate the financial
performance of football clubs, provide an overview of the industry as a whole and examine the
influence of the Covid-19 pandemic on financial distress within the sector. Despite the high
levels of debt, unprofitability, irrationality and mismanagement that are prevalent in football
clubs, bankruptcies are not such an ordinary event, being relatively rare. The machine learning
models implemented in this study yielded interesting and favorable results, with the neural
network model demonstrating a slightly higher level of predictive accuracy. However, the
significant impact of Covid-19 on the overall industry partially impaired the predictive
capabilities of the models, raising questions about their practical applicability. This study
suggests that the unique status of football clubs, which shields them from being treated as
ordinary businesses, may be the only factor that enables their survival.
A previsão de potenciais dificuldades financeiras na indústria futebolística contém uma grande importância para todos os participantes no negócio, incluindo credores, investidores, acionistas e comunidades locais. Nesta dissertação foram implementados algoritmos de machine learning para que se efetuasse a previsão de dificuldades financeiras para um período de 5 anos, através do uso de rácios financeiros. Os dois modelos elaborados foram uma regressão logística e uma rede neuronal. Os principais objetivos deste estudo são testar o desempenho destes modelos, avaliar a performance financeira dos clubes de futebol, efetuar uma visão geral da indústria futebolística e examinar o impacto da Covid-19 no setor. Apesar dos elevados níveis de endividamento, prejuízos, irracionalidade e má gestão, a verdade é que o número de falências entres clubes de futebol é reduzida. Os modelos de machine learning aplicados neste estudo apresentaram resultados interessantes e positivos. Contudo, o impacto da pandemia na indústria afetou a capacidade de previsão dos modelos, levantando questões acerca da sua potencial aplicação no mundo real. Este estudo sugere ainda que o estatuto dos clubes de futebol, que os diferencia de um negócio normal, pode ser o único fator que promove a sua sobrevivência.
A previsão de potenciais dificuldades financeiras na indústria futebolística contém uma grande importância para todos os participantes no negócio, incluindo credores, investidores, acionistas e comunidades locais. Nesta dissertação foram implementados algoritmos de machine learning para que se efetuasse a previsão de dificuldades financeiras para um período de 5 anos, através do uso de rácios financeiros. Os dois modelos elaborados foram uma regressão logística e uma rede neuronal. Os principais objetivos deste estudo são testar o desempenho destes modelos, avaliar a performance financeira dos clubes de futebol, efetuar uma visão geral da indústria futebolística e examinar o impacto da Covid-19 no setor. Apesar dos elevados níveis de endividamento, prejuízos, irracionalidade e má gestão, a verdade é que o número de falências entres clubes de futebol é reduzida. Os modelos de machine learning aplicados neste estudo apresentaram resultados interessantes e positivos. Contudo, o impacto da pandemia na indústria afetou a capacidade de previsão dos modelos, levantando questões acerca da sua potencial aplicação no mundo real. Este estudo sugere ainda que o estatuto dos clubes de futebol, que os diferencia de um negócio normal, pode ser o único fator que promove a sua sobrevivência.
Description
Keywords
Financial distress Football industry Logistic regression Neural network Non-distressed clubs Distressed clubs Financial ratios Dificuldades financeiras Indústria futebolística Regressão logística Rede neuronal Clubes financeiramente saudáveis Clubes com dificuldades financeiras Rácios financeiros