Publication
Predicting financial distress across the football industry
| datacite.subject.fos | Ciências Sociais::Economia e Gestão | pt_PT |
| dc.contributor.advisor | Reis, Ricardo Ferreira | |
| dc.contributor.author | Conde, Pedro de Almeida | |
| dc.date.accessioned | 2023-06-28T10:53:47Z | |
| dc.date.available | 2023-06-28T10:53:47Z | |
| dc.date.issued | 2023-01-23 | |
| dc.date.submitted | 2023-01 | |
| dc.description.abstract | 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. | pt_PT |
| dc.description.abstract | 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. | pt_PT |
| dc.identifier.tid | 203253140 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.14/41454 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Financial distress | pt_PT |
| dc.subject | Football industry | pt_PT |
| dc.subject | Logistic regression | pt_PT |
| dc.subject | Neural network | pt_PT |
| dc.subject | Non-distressed clubs | pt_PT |
| dc.subject | Distressed clubs | pt_PT |
| dc.subject | Financial ratios | pt_PT |
| dc.subject | Dificuldades financeiras | pt_PT |
| dc.subject | Indústria futebolística | pt_PT |
| dc.subject | Regressão logística | pt_PT |
| dc.subject | Rede neuronal | pt_PT |
| dc.subject | Clubes financeiramente saudáveis | pt_PT |
| dc.subject | Clubes com dificuldades financeiras | pt_PT |
| dc.subject | Rácios financeiros | pt_PT |
| dc.title | Predicting financial distress across the football industry | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Finanças | pt_PT |