ADAPTING THE ALTMAN Z-SCORE WITH ARTIFICIAL INTELLIGENCE FOR HOUSEHOLD FINANCIAL DISTRESS PREDICTION

Resumo

Este estudo teve como objetivo adaptar o modelo Altman Z-Score, originalmente desenvolvido para empresas, para aplicação em finanças familiares, aprimorando sua precisão preditiva por meio da integração de inteligência artificial. Utilizando uma abordagem quantitativa exploratória-preditiva, a pesquisa analisou uma amostra de 467 famílias indonésias com dívidas. As variáveis originais do Z-Score foram adaptadas com sucesso para componentes financeiros familiares relevantes. O modelo modificado classificou 82.4% da amostra como zona segura, 11.8% como zona de alerta e 5.6% como zona de risco. Observou-se uma discrepância significativa entre a avaliação objetiva do modelo e a percepção subjetiva das famílias sobre suas dificuldades financeiras. No entanto, testes estatísticos robustos confirmaram uma relação significativa entre as categorias do Z-Score e a situação de dificuldade autorrelatada (Qui-Quadrado p < 0,001, V de Cramér = 0.676), com concordância substancial (Kappa de Cohen = 0.643). A implementação de inteligência artificial através de regressão logística ordinal validou o Z-Score adaptado como preditor altamente significativo (p < 0.001), indicando que cada aumento de uma unidade no Z-Score reduz em 4.4% a probabilidade de classificação em categorias de maior risco. O estudo conclui que o modelo Altman Z-Score adaptado e potencializado por IA constitui uma ferramenta preditiva válida e robusta para identificar vulnerabilidades financeiras familiares, recomendando seu uso por instituições financeiras e reguladores para monitoramento de riscos sistêmicos e contribuição para os Objetivos de Desenvolvimento Sustentável, particularmente ODS 1 e ODS 8.