Predição de Margem EBITDA com Machine Learning Aplicada ao Fluxo de Caixa Descontado

• Diogo Santos Pires Jandiroba UFS
• Michel S. Soares UFS

DOI: https://doi.org/10.5753/erbase.2026.30291

Resumo

A avaliação de empresas pelo modelo de Fluxo de Caixa Descontado (FCD) sofre com a subjetividade em ambientes de volatilidade. Neste contexto, este artigo integra técnicas de Aprendizado de Máquina ao FCD para embasar as projeções financeiras. A metodologia analisou as ações de maior liquidez da bolsa brasileira (B3) no período de 2010 a 2024, excluindo o setor financeiro por incompatibilidade estrutural de capital. O algoritmo Random Forest obteve o melhor desempenho, alcançando um Erro Absoluto Médio (MAE) de 5,61 p.p. no conjunto de teste. No conjunto de validação, os erros estabilizaram abaixo de 2 p.p. após o período de instabilidade provocado pela pandemia de COVID-19. Conclui-se que a ferramenta mitiga a instabilidade preditiva.

Palavras-chave: Valuation, Fluxo de Caixa Descontado, Aprendizado de Máquina, Random Forest, Mercado de Capitais

Referências

Ajayi, A., Obi, I. G., Boboye, C. O., Egyam, E., and Dike, C. M. (2025). Advancing Valuation Accuracy in Mergers and Acquisitions through Artificial Intelligence and Financial Data Analytics in Investment Banking. GSC Advanced Research and Reviews, 24(3):186–200.

da Cunha, M. F., Martins, E., and Neto, A. A. (2014). Avaliação de Empresas no Brasil pelo Fluxo de Caixa Descontado: Evidências Empíricas sob o Ponto de Vista dos Direcionadores de Valor nas Ofertas Públicas de Aquisição de Ações. Revista de Administração da Universidade de São Paulo (RAUSP), 49(2):251–266.

Géron, A. (2019). Mãos à Obra: Aprendizado de Máquina com Scikit-Learn & TensorFlow. Alta Books.

Koller, T., Goedhart, M., and Wessels, D. (2020). Valuation: Measuring and Managing the Value of Companies. John Wiley & Sons, 7th edition.

Penman, S. H. (2011). Accounting for Value. Columbia Business School Publishing.

Santos, J., Siqueira, L., Faria, E., Bispo, K., Silva, G., and Soares, M. S. (2025). Methodological Advances in Expert Systems with Artificial Intelligence. In Anais do XXI Simpósio Brasileiro de Sistemas de Informação, pages 703–712. SBC.

Tripathi, A., Tripathi, A., Trenz, O., and Mishra, P. K. (2024). Comparative Analysis of Selected Time Series Forecasting Approaches for Indian Markets. In 26th International Scientific Conference Economic Competitiveness and Sustainability.

Wang, B. and Zain, A. B. M. (2025). A Hybrid XGBoost-LSTM Framework for Supply Chain Demand Forecasting: Empirical Evidence from Retail Multi-Store Data. Journal of Cultural Analysis and Social Change, 10(4):4056–4073.