This paper aims to analyze the role and performance of different artificial intelligence (AI) algorithms in forecasting future movements in the main indices of the world’s largest stock exchanges. Drawing on finance-based theory, an empirical and experimental study was carried out using four AI-based models. The investigation comprised training, testing and analysis of model performance using accuracy metrics and F1-Score on data from 34 indices, using 9 technical indicators, descriptive statistics, Shapiro–Wilk, Student’s t and Mann–Whitney and Spearman correlation coefficient tests. All AI-based models performed better than the markets' return expectations, thereby supporting financial, strategic and organizational decisions. The number of days used to calculate the technical indicators enabled the development of models with better performance. Those based on the random forest algorithm present better results than other AI algorithms, regardless of the performance metric adopted. The study expands knowledge on the topic and provides robust evidence on the role of AI in financial analysis and decision-making, as well as in predicting the movements of the largest stock exchanges in the world. This brings theoretical, strategic and managerial contributions, enabling the discussion of efficient market hypothesis (EMH) in a complex economic reality – in which the use of automation and application of AI has been expanded, opening new avenues of future investigation and the extensive use of technical analysis as support for decisions and machine learning. The AI algorithms' flexibility to determine their parameters and the window for measuring and estimating technical indicators provide contextually adjusted models that can entail the best possible performance. This expands the informational and decision-making capacity of investors, managers, controllers, market analysts and other economic agents while emphasizing the role of AI algorithms in improving resource allocation in the financial and capital markets. The originality and value of the research come from the methodology and systematic testing of the EMH through the main indices of the world’s largest stock exchanges – something still unprecedented despite being widely expected by scholars and the market.

Hospitals have been forced to change because of both users' pressure for higher quality services and regulatory agencies' pressure for better resources management. Notably, low-quality health services are directly derived from poor hospital management and causes substantial user dissatisfaction. Given this context, this paper reports on a performance evaluation of hospitals financed by the Brazilian Unified Health System (SUS). It analyses 20 hospitals (among public and voluntary hospitals) in seven states from 2008 to 2010. Focusing on the financial management, the analysis builds on a set of operational ratios (i.e., occupancy rate, average length of stay, and full time employees per bed) as inputs, and financial ratios (i.e., EBIT margin, EBITDA margin, return on assets, return on invested capital, and net margin) as outputs. The assessment framework confirms the hypotheses, and shows that financial management efficiency differs between public and voluntary hospitals.

Objetivo – O objetivo da pesquisa apresentada neste artigo foi analisar os efeitos da pandemia de Covid-19 sobre o desempenho econômico-financeiro das companhias abertas brasileiras listadas na Brasil, Bolsa, Balcão (B3) em 2020. Design / metodologia / abordagem – Trata-se de uma pesquisa quantitativa e descritiva. A amostra consistiu em companhias abertas brasileiras, sendo que seus dados trimestrais de 2019 e 2020 foram coletados da Plataforma Economática® e da B3. Para a análise, foram usadas as seguintes técnicas: análise de conteúdo, estatística descritiva, teste de Kolmogorov-Smirnov, coeficiente de correlação de Kendall, teste de Kruskal-Wallis, teste de Wilcoxon e regressão múltipla. Resultados – A análise dos dados indicou os efeitos esperados no desempenho econômico-financeiro das companhias nos dois primeiros trimestres de 2020: (1) redução do valor de mercado e da rentabilidade; e (2) aumento dos ciclos de atividades e do endividamento. Nos trimestres seguintes, verificou-se uma reversão desses efeitos, mas que foram sentidos de diferentes formas pelas empresas dos diversos setores. Originalidade / valor – O estudo contribui para a literatura sobre finanças corporativas em diferentes aspectos: (a) apresenta uma ampla análise dos efeitos da pandemia de Covid-19 sobre as diferentes dimensões econômico-financeiras das companhias; (b) discute não apenas os efeitos da pandemia, mas também as reações das empresas e implicações econômico-financeiras dessas reações; (c) analisa informações externas e internas às empresas para subsidiar as conclusões; e (d) enfocam-se todos os trimenstres do ano de 2020, analisando a evolução da pandemia ao longo do período.

A Inteligência Artificial (IA) tem afetado a maneira como vivemos, nos comunicamos, trabalhamos, e nos divertimos. Esta tecnologia tem nos proporcionado maior conveniência e eficiência em nossas tarefas cotidianas (Kolbjørnsrud, Amico & Thomas, 2016; Schildt, 2016). Assistentes virtuais como Siri, Alexa e Google Assistant estão sempre prontos para responder nossas perguntas, agendar compromissos, fornecer informações em tempo real e até mesmo controlar dispositivos inteligentes em nossas casas. Plataformas de streaming como Netflix e Spotify utilizam algoritmos de IA para personalizar recomendações de filmes, séries, músicas e podcasts, com base em nossos interesses e preferências individuais. Jogos eletrônicos estão se tornando mais imersivos e realistas, com personagens controlados pela IA e experiências de jogo adaptativas. Além disso, a IA tem sido utilizada na área de saúde, para auxiliar no diagnóstico de doenças; e por instituições financeiras para detectar atividades suspeitas e identificar possíveis fraudes. Essa inteligência tem ainda impulsionado o desenvolvimento de cidades inteligentes, melhorando a gestão de recursos, transporte público e segurança.

Determinantes da Estrutura de Capital: Um Estudo sobre Empresas Mineiras de Capital Fechado