Aplicação de machine learning no planejamento, controle e otimização de recursos financeiros em organizações: uma abordagem inovadora para a gestão estratégica
DOI:
https://doi.org/10.34188/bjaerv9n3-239Palavras-chave:
aprendizado de máquina, gestão financeira, controle de riscos, otimização de recursos, análise preditivaResumo
O presente artigo investiga a aplicação de técnicas de aprendizado de máquina na gestão financeira das organizações, focando no planejamento financeiro, controle de riscos e otimização da alocação de recursos. A metodologia utilizada baseou-se em uma revisão integrativa da literatura recente, abrangendo estudos empíricos e teóricos publicados entre 2018 e 2023. Os resultados indicam que algoritmos como redes neurais artificiais, aprendizado por reforço e Support Vector Machines melhoram a precisão das previsões financeiras, reduzem erros de análise e facilitam a tomada de decisões baseada em dados. Além disso, a integração dessas técnicas em sistemas de gestão empresarial demonstrou impactos positivos na eficiência operacional e na mitigação de riscos. Conclui-se que o aprendizado de máquina oferece um potencial significativo para transformar a gestão financeira, proporcionando uma abordagem mais adaptável e eficiente.
Referências
AL MAZROUEI, Fatima; NOBANEE, Haitham. Machine Learning in Finance: A Mini-Review. Banking & Insurance eJournal, 2020. Disponível em: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3539038 Acesso: 15 novembro 2024.
BISWAS, Dharmendra. Financial Modeling With Machine Learning. Machine Learning eJournal, 2021. Disponível em: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3915224 Acesso: 15 novembro 2024.
EL MADANY, Hassan; ALFONSE, Marco; AREF, M. Procurement Forecasting in Enterprise Resource and Planning (ERP) System Using Hybrid Time Series Model. Journal of Southwest Jiaotong University, 2022. Disponível em: http://www.jsju.org/index.php/journal/article/view/1254 Acesso: 15 novembro 2024.
JAIN, Nishant; TOMAR, Abhinav; JANA, P. K. Novel Framework for Performance Prediction of Small and Medium Scale Enterprises: A Machine Learning Approach. In: 2018 International Conference on Advances in Computing, Communications and Informatics (ICACCI). IEEE, p. 42-47, 2018. Disponível em: https://www.researchgate.net/publication/329397730_Novel_Framework_for_Performance_Prediction_of_Small_and_Medium_Scale_Enterprises_A_Machine_Learning_Approach Acesso: 15 novembro 2024.
SUN, Mingtao; LI, Ying. Credit Risk Simulation of Enterprise Financial Management Based on Machine Learning Algorithm. Mobile Information Systems, 2022. Disponível em: https://www.researchgate.net/publication/364318473_Credit_Risk_Simulation_of_Enterprise_Financial_Management_Based_on_Machine_Learning_Algorithm Acesso: 15 novembro 2024.
TANG, Yun; XIE, Mingzhu. Financial Distress Prediction of Small and Medium-Sized Enterprises Based on Artificial Intelligence Technology. In: 2023 International Conference on Applied Intelligence and Sustainable Computing (ICAISC). IEEE, p. 1-7, 2023 Disponível em: https://www.researchgate.net/publication/373029675_Financial_Distress_Prediction_of_Small_and_Medium-_Sized_Enterprises_Based_on_Artificial_Intelligence_Technology Acesso: 14 novembro 2024.
WASSERBACHER, Helmut; SPINDLER, M. Machine Learning for Financial Forecasting, Planning and Analysis: Recent Developments and Pitfalls. Digital Finance, 2021. Disponível em: https://www.researchgate.net/publication/357097046_Machine_learning_for_financial_forecasting_planning_and_analysis_recent_developments_and_pitfalls Acesso: 15 novembro 2024.
WU, Zhennan. Using Machine Learning Approach to Evaluate the Excessive Financialization Risks of Trading Enterprises. Computational Economics, 2021. Disponível em: https://www.researchgate.net/publication/348898769_Using_Machine_Learning_Approach_to_Evaluate_the_Excessive_Financialization_Risks_of_Trading_Enterprises Acesso: 15 novembro 2024.
WELTE, Rebecca L.; ESTLER, M.; LUCKE, Dominik. A Method for Implementation of Machine Learning Solutions for Predictive Maintenance in Small and Medium Sized Enterprises. Procedia CIRP, v. 93, p. 909-914, 2020. Disponível em: https://www.sciencedirect.com/science/article/pii/S2212827120306223 Acesso: 15 novembro 2024.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
- O conteúdo dos artigos é de responsabilidade exclusiva dos autores.
- É permitida a reprodução total ou parcial do conteúdo dos artigos, desde que citada a fonte.
- Artigos com plágio serão recusados, e o autor do plágio perderá o direito de publicar nesta revista.
- Os nomes e endereços informados nesta revista serão utilizados exclusivamente para os serviços prestados por esta publicação e não estão disponíveis para outros fins ou a terceiros.
- Depois de enviar os artigos, os autores cedem os direitos autorais de seus artigos ao BJAER. Se você se arrepender da submissão, o autor tem o direito de solicitar ao BJAER que não publique seu artigo. Porém, essa solicitação deve ocorrer até dois meses antes da divulgação do número que o artigo será publicado.
- O BJAER usa a licença Creative Commons CC BY. Informações sobre esta licença podem ser encontradas em: https://creativecommons.org/licenses/by/3.0/br/
Brazilian Journal of Animal and Environmental Research (BJAER) se reserva o direito de efetuar nos originais alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores. Os trabalhos finais não serão enviadas aos autores.
