| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 3.88 MB | Adobe PDF |
Authors
Abstract(s)
This dissertation aims to study the impact of the COVID-19 crisis on the credit risk of the accommodation services sector in Portugal using a structural model based on the one developed by Eisdorfer, Goyal, & Zhdanov (2019). Three major changes were implemented in the model: i) it was adapted to assess the impact of the pandemic crisis, ii) it was considered that firms have a cash account, and iii) a different decomposition of operating costs was made. Using the Central Balance Sheet - Harmonized Panel (CBHP) and the Fast and Exceptional Enterprise Survey (COVID-IREE) databases it was possible to implement the model to private Portuguese firms. The study is performed on four representative firms, that were constructed using a hybrid machine learning approach. The clustering variables - Adjusted Return on Assets, Fixed-Asset Turnover, Current Ratio and Long-Term Debt - were selected aiming to contemplate a different aspect regarding the firms’ pre-COVID-19 financial situation. While the results obtained indicate that all of the representative firms would see a decrease in their distance to default due to the pandemic shock, the dimension of the effect is heterogeneous on the four studied firms. The results also seem to confirm the intuition that firms with a better cash position before the shock suffer a less negative impact on their levels of credit risk. Additionally, less fixed obligations seem to influence firm’s chances of survival.
Esta dissertação tem o objetivo de estudar os impactos da crise de COVID-19 no risco de crédito no setor de alojamento em Portugal utilizando um modelo estrutural baseado naquele desenvolvido por Eisdorfer, Goyal, & Zhdanov (2019). Três alterações principais foram implementadas no modelo: i) ele foi adaptado para medir o impacto da crise da pandemia, ii) foi considerado que as empresas possuem uma conta de caixa, e iii) uma decomposição diferente para os custos operacionais foi feita. As bases de dados Central de Balanços (CBHP) e Inquérito Rápido e Excecional às Empresas (COVID-IREE) foram utilizadas para implementar o modelo para empresas privadas portuguesas. O estudo foi realizado em quatro empresas representativas, que foram contruídas utilizando um método híbrido de agrupamento com machine learning. As variáveis de agrupamento escolhidas – Retorno de Ativos Ajustado, Turnover de Ativos Fixos, Rácio de Liquidez, e Dívida de Longo Prazo – foram selecionadas com o objetivo de contemplar diferentes aspetos referentes à situação financeira das empresas pré-COVID-19. Apesar de todas as empresas representativas registarem uma redução na sua distância ao incumprimento em resultado do choque pandêmico, a dimensão do efeito é heterogêneo nas quatro empresas estudadas. Os resultados também parecem confirmar a intuição de que empresas com uma posição de caixa melhor antes do choque sofrem um impacto menos negativo nos seus níveis de risco de crédito. Além disso, ter obrigações fixas mais baixas parece influenciar as chances da empresa de sobrevivência.
Esta dissertação tem o objetivo de estudar os impactos da crise de COVID-19 no risco de crédito no setor de alojamento em Portugal utilizando um modelo estrutural baseado naquele desenvolvido por Eisdorfer, Goyal, & Zhdanov (2019). Três alterações principais foram implementadas no modelo: i) ele foi adaptado para medir o impacto da crise da pandemia, ii) foi considerado que as empresas possuem uma conta de caixa, e iii) uma decomposição diferente para os custos operacionais foi feita. As bases de dados Central de Balanços (CBHP) e Inquérito Rápido e Excecional às Empresas (COVID-IREE) foram utilizadas para implementar o modelo para empresas privadas portuguesas. O estudo foi realizado em quatro empresas representativas, que foram contruídas utilizando um método híbrido de agrupamento com machine learning. As variáveis de agrupamento escolhidas – Retorno de Ativos Ajustado, Turnover de Ativos Fixos, Rácio de Liquidez, e Dívida de Longo Prazo – foram selecionadas com o objetivo de contemplar diferentes aspetos referentes à situação financeira das empresas pré-COVID-19. Apesar de todas as empresas representativas registarem uma redução na sua distância ao incumprimento em resultado do choque pandêmico, a dimensão do efeito é heterogêneo nas quatro empresas estudadas. Os resultados também parecem confirmar a intuição de que empresas com uma posição de caixa melhor antes do choque sofrem um impacto menos negativo nos seus níveis de risco de crédito. Além disso, ter obrigações fixas mais baixas parece influenciar as chances da empresa de sobrevivência.
Description
Keywords
COVID-19 Structural models Machine learning Credit risk Accommodation sector Private firms Portugal Modelos estruturais Risco de crédito Setor de alojamento Empresas privadas