SDSonia Rosa Arbues Decoster

Sonia Rosa Arbues Decoster

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Sonia Rosa Arbues Decoster has a total of 11 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • PROFESSIONAL IDENTITY FORMATION: AN INVESTIGATION WITH ACCOUNTING STUDENTS

    by Samuel de Oliveira Durso, Sonia Rosa Arbues Decoster, Jacqueline Veneroso Alves da Cunha, Alessandra Martins de Freitas

  • Open Access

    Aplicação das técnicas de machine learning na categorização de despesas de fluxo de caixa: uma pesquisa-ação

    by Felippe Torres Dâmaso, Sonia Rosa Arbues Decoster, Leandro D'AVila da Silva, Julielton Brito

    A gestão financeira desempenha um papel fundamental na estabilidade e no crescimento das empresas. A categorização inadequada de despesas no fluxo de caixa pode acarretar consequências negativas, como relatórios financeiros imprecisos, dificuldades na previsão do fluxo de caixa e problemas na identificação de áreas com custos excessivos ou ineficientes (Silva e Navarro & Valverde, 2023). O objetivo deste relato técnico é apresentar a aplicação de uma ferramenta desenvolvida com base em técnicas de machine learning para resolver o problema da categorização incorreta de despesas em uma planilha de fluxo de caixa de uma empresa familiar alagoana do setor varejista de artigos e armarinhos. O método adotado foi a pesquisa-ação, que, no ambiente organizacional, busca frequentemente solucionar problemas de natureza técnica. Devido às inconsistências nas categorias atribuídas manualmente pelos funcionários, foi desenvolvida uma solução utilizando bibliotecas Python para análise de texto e classificação de dados. Modelos de Regressão Logística e Random Forest foram aplicados para automatizar a correção das categorias. Como resultado, a aplicação dessas técnicas permitiu uma melhora na precisão da categorização das despesas, alcançando uma acurácia de 94% com o modelo Random Forest. Este estudo evidencia a eficácia da integração de machine learning em processos financeiros, demonstrando como essas tecnologias podem contribuir para maior precisão e eficiência, reduzindo erros e otimizando a gestão empresarial.

  • Open Access

    Credit Risk Management Through the use of Machine Learning

    by Alex Giovani de Assis, Sonia Rosa Arbues Decoster

    Credit risk has played a central role in several global financial crises over the past three decades. An increasingly complex and interconnected financial landscape makes risk management essential for the stability and growth of financial institutions. This case study aims to analyze the use of machine learning specifically, the Gradient Boosting Decision Tree (GBDT) algorithm in a predictive model that combines significant financial and non-financial variables and incorporates credit bureau inquiries into Banco BS2’s credit risk management process. The goal is to achieve greater accuracy in decision-making and improvements in risk mitigation. The F1 metric, employed as a measure of the model’s precision, shows a superior value of 0.77 when compared with the model used by Serasa. Since 2022. the continuous monitoring capability offered by this predictive model has provided BS2 Bankwith a real-time view of the financial health of its customer base, thereby facilitating the implementation of more assertive policies. Furthermore, the default rate among Banco BS2’s corporate clients, as recorded by BCB-CADOC (2024), has been on a decline following the implementation of the new GBDT-based model. This study contributes to promoting innovation and competitiveness within financial institutions by encouraging transparency and strengthening the confidence of investors, stakeholders, and regulators such as the Central Bank through the adoption of Artificial Intelligence (AI) tools that detect credit risks early and help prevent systemic crises.

  • Open Access

    Gerenciamento de risco de crédito por meio da utilização de aprendizado de máquina

    by Alex Giovani de Assis, Sonia Rosa Arbues Decoster

    O risco de crédito tem desempenhado um papel central em várias crises financeiras globais nas últimas três décadas. O cenário financeiro, cada vez mais complexo e interconectado, faz com que o gerenciamento de risco se torne fundamental para a estabilidade e o crescimento das instituições financeiras. Este estudo de caso tem como objetivo analisar a utilização de aprendizado de máquina, especificamente o algoritmo Gradient Boosting Decision Tree (GBDT), em um modelo preditivo, que combina variáveis financeiras e não financeiras significantes e utiliza as consultas aos bureaus de crédito na gestão de risco de crédito pelo Banco BS2, com o intuito de adquirir maior acurácia na tomada de decisões e melhorias na mitigação de riscos. A métrica F1, utilizada como parâmetro para demonstrar a precisão do modelo, comparada com o modelo da Serasa, apresenta um índice superior, de 0,77. A capacidade de monitoramento contínuo oferecida por esse modelo preditivo tem proporcionado ao BS2, desde 2022, uma visão em tempo real da saúde financeira de sua base de clientes, ajudando na implementação de políticas mais assertivas. A taxa de inadimplência da Pessoa Jurídica do Banco BS2, registrada pelo BCB-CADOC (2024), tem se mostrado decrescente após a implementação do novo modelo, baseado no algoritmo GBDT. Este estudo contribui para a promoção da inovação e competitividade nas instituições financeiras, incentivando a transparência e fortalecendo a confiança de investidores, stakeholders e reguladores, como o Banco Central, ao adotar ferramentas de Inteligência Artificial (IA) que detectam precocemente riscos de crédito e previnem crises sistêmicas.


  • Open Access

    Gerenciamento de risco de crédito por meio da utilização de aprendizado de máquina

    by Alex Giovani de Assis, Sonia Rosa Arbues Decoster

    O risco de crédito tem desempenhado um papel central em várias crises financeiras globais nas últimas três décadas. O cenário financeiro, cada vez mais complexo e interconectado, faz com que o gerenciamento de risco se torne fundamental para a estabilidade e o crescimento das instituições financeiras. Este estudo de caso tem como objetivo analisar a utilização de aprendizado de máquina, especificamente o algoritmo Gradient Boosting Decision Tree (GBDT), em um modelo preditivo, que combina variáveis financeiras e não financeiras significantes e utiliza as consultas aos bureaus de crédito na gestão de risco de crédito pelo Banco BS2, com o intuito de adquirir maior acurácia na tomada de decisões e melhorias na mitigação de riscos. A métrica F1, utilizada como parâmetro para demonstrar a precisão do modelo, comparada com o modelo da Serasa, apresenta um índice superior, de 0,77. A capacidade de monitoramento contínuo oferecida por esse modelo preditivo tem proporcionado ao BS2, desde 2022, uma visão em tempo real da saúde financeira de sua base de clientes, ajudando na implementação de políticas mais assertivas. A taxa de inadimplência da Pessoa Jurídica do Banco BS2, registrada pelo BCB-CADOC (2024), tem se mostrado decrescente após a implementação do novo modelo, baseado no algoritmo GBDT. Este estudo contribui para a promoção da inovação e competitividade nas instituições financeiras, incentivando a transparência e fortalecendo a confiança de investidores, stakeholders e reguladores, como o Banco Central, ao adotar ferramentas de Inteligência Artificial (IA) que detectam precocemente riscos de crédito e previnem crises sistêmicas.

  • Open Access

    Utilização de Inteligência Artificial no mercado segurador: uma abordagem baseada no nível de divulgação dos relatórios financeiros

    by Fabiana Lopes da Silva, Betty Lilian Chan, Sonia Rosa Arbues Decoster

    Diante das mudanças tecnológicas e do avanço da utilização da Inteligência Artificial (IA) por diversos setores econômicos, o presente estudo teve por objetivo investigar a utilização de IA pelas seguradoras brasileiras, a partir da sua divulgação nas demonstrações contábeis, relatório de administração e nos relatórios de sustentabilidade. Para tanto, selecionou-se uma amostra de 30 seguradoras que representavam 80,8% do volume total de prêmios do mercado em 30/09/2024. Foram analisadas as demonstrações contábeis de 31/12/2023, 30/06/2024 e o relatório de sustentabilidade de 31/12/2023. Os resultados apontaram que apenas 9 seguradoras divulgaram em seus relatórios a utilização de IA. Dentre as aplicações de IA divulgadas, tem-se a melhoria na experiência do cliente e corretores, criação de produtos e soluções, excelência operacional e digitalização, cultura de IA e captação de novos talentos.

  • Open Access

    Transparência e Legibilidade dos Demonstrativos Contábeis do Governo do Estado do Ceará em tempos de Pandemia da Covid-19

    by Alberto Sérgio Holanda Banhos, Sonia Rosa Arbues Decoster

    O contexto de excepcionalidade gerado pelo estado de calamidade decorrente da pandemia de Covid-19 vem flexibilizar regras outrora intransponíveis, trazendo ao Estado o dever legal de agir de forma mais transparente e compreensível para evitar falhas no processo de despesa pública. Tendo como base a legislação estadual específica sobre transparência de dados neste período, o presente artigo tem como objetivo geral apresentar o atendimento do Governo do Estado do Ceará na divulgação das informações de acordo com a Lei Estadual n.º 17.257, de 03 de agosto de 2020, bem como analisar a legibilidade das Notas Explicativas do Balanço Geral e o Balanço Social do exercício de 2020 (Governo do Estado do Ceará, 2020). O estudo de caso traz um recorte nos critérios de controle dos gastos públicos no período de março de 2020 a março de 2021, avaliando o mecanismo utilizado descritiva e qualitativamente ao investigar o caso concreto da transparência atualmente no âmbito das informações apresentadas pelo Governo do Estado do Ceará, e ainda a aplicação de índices Flesch e Gunning - FOG adaptados para a língua portuguesa. Ao final, apontou-se algumas melhorias em nível de integração de sistemas, e concluiu-se por alcançar o grau de transparência, apresentando em 6 das 7 categorias atendimento total das informações especificadas, e compreensibilidade textual mediana.


  • Open Access

    Transparência e Legibilidade dos Demonstrativos Contábeis do Governo do Estado do Ceará em tempos de Pandemia da Covid-19

    by Alberto Sérgio Holanda Banhos, Sonia Rosa Arbues Decoster

    O contexto de excepcionalidade gerado pelo estado de calamidade decorrente da pandemia de Covid-19 vem flexibilizar regras outrora intransponíveis, trazendo ao Estado o dever legal de agir de forma mais transparente e compreensível para evitar falhas no processo de despesa pública. Tendo como base a legislação estadual específica sobre transparência de dados neste período, o presente artigo tem como objetivo geral apresentar o atendimento do Governo do Estado do Ceará na divulgação das informações de acordo com a Lei Estadual n.º 17.257, de 03 de agosto de 2020, bem como analisar a legibilidade das Notas Explicativas do Balanço Geral e o Balanço Social do exercício de 2020 (Governo do Estado do Ceará, 2020). O estudo de caso traz um recorte nos critérios de controle dos gastos públicos no período de março de 2020 a março de 2021, avaliando o mecanismo utilizado descritiva e qualitativamente ao investigar o caso concreto da transparência atualmente no âmbito das informações apresentadas pelo Governo do Estado do Ceará, e ainda a aplicação de índices Flesch e Gunning - FOG adaptados para a língua portuguesa. Ao final, apontou-se algumas melhorias em nível de integração de sistemas, e concluiu-se por alcançar o grau de transparência, apresentando em 6 das 7 categorias atendimento total das informações especificadas, e compreensibilidade textual mediana.


  • Open Access

    Análise da relação entre o desempenho acadêmico e as estratégias de aprendizagem de graduandos de Contabilidade do EAD

    by Samuel de Oliveira Durso, Sonia Rosa Arbues Decoster

    Este estudo teve como objetivo identificar a relação existente entre as estratégias de aprendizagem adotadas por graduandos de contabilidade do Ensino a Distância (EAD) e seus respectivos desempenhos acadêmicos. Com a pandemia provocada pela Covid-19, várias Instituições de Ensino Superior (IES) precisaram investir em tecnologias que facilitam a introdução e disseminação do EAD. Apesar das similaridades de conteúdo entre o ensino presencial e o EAD, o processo de aprendizagem é distinto entre as modalidades, tornando-se necessário compreender as estratégias que ajudam a explicar o desempenho desses discentes. Para atingir o objetivo proposto pela pesquisa, foi conduzido um levantamento com 174 discentes do curso de Ciências Contábeis EAD de uma IES privada com sede na cidade de São Paulo. A análise dos dados contou com técnicas quantitativas, como teste de médias, análise de componentes principais e regressões lineares simples e múltiplas. A partir dos resultados da pesquisa, foi possível identificar uma correlação positiva entre as principais estratégias utilizadas pelos discentes e o desempenho no curso, corroborando com a literatura sobre o tema. Em especial, as estratégias cognitivas mostraram-se mais importantes para os estudantes da amostra da pesquisa. Os resultados do estudo ajudam a compreender como os discentes de contabilidade do EAD utilizam estratégias que ajudam no seu desempenho acadêmico, o que pode ser útil para os gestores de curso, estudantes da área, professores e para a condução de políticas educacionais pela classe contábil.