Predicción de fracaso en empresas latinoamericanas utilizando el método del vecino más cercano para predecir efectos aleatorios en modelos mixtos
DOI:
https://doi.org/10.46661/revmetodoscuanteconempresa.2878Palabras clave:
fracaso empresarial, ratios contables, modelos mixtos, predicción, vecino más cercano, business failure, accounting ratios, mixed model, prediction, nearest neighborsResumen
En la presente década, en economías emergentes como las latinoamericanas, se han comenzado a aplicar modelos logísticos mixtos para predecir el fracaso financiero de las empresas. No obstante, existen limitaciones subyacentes a la metodología, vinculadas a la factibilidad de predicción del estado de nuevas empresas que no han formado parte de la muestra de entrenamiento con la que se estimó el modelo.
En la literatura se han propuesto diversos métodos de predicción para los efectos aleatorios que forman parte de los modelos mixtos, entre ellos, el del vecino más cercano. Este método es aplicado en una segunda etapa, luego de la estimación de un modelo que explica la situación financiera (en crisis o sana) de las empresas mediante la consideración del comportamiento de sus ratios contables.
En el presente trabajo, se consideraron empresas de Argentina, Chile y Perú, estimando los efectos aleatorios que resultaron significativos en la estimación del modelo mixto.
De este modo, se concluye que la aplicación de este método permite identificar empresas con problemas financieros con una tasa de clasificación correcta superior a 80%, lo cual cobra relevancia en la modelación y predicción de este tipo de riesgo.
Descargas
Citas
Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589-609.
Altman, E. I. (2005). An emerging market credit scoring system for corporate bonds. Emerging Markets Review, 6(4), 311-323.
Altman, E. I.; Baidya, T. K. y Dias, L. M. R. (1979). Assessing potential financial problems for firms in Brazil. Journal of International Business Studies, 10(2), 9-24.
Altman, E. I.; Haldeman, R. G. y Narayanan, P. (1977). ZETATM analysis A new model to identify bankruptcy risk of corporations. Journal of Banking & Finance, 1(1), 29-54.
Altman, E. I.; Hartzell, J. y Peck, M. (1998). Emerging Markets Corporate Bonds: A Scoring System. En Levich R.M. (ed.): Emerging Market Capital Flows. The New York University Salomon Center Series on Financial Markets and Institutions, Vol. 2, Boston: Springer, pp. 391-400.
Beaver, W. H. (1968). Alternative accounting measures as predictors of failure. The Accounting Review, 43(1), 113-122.
Caro, N. P. (2014). Modelos de predicción de crisis financiera en empresas: una revisión de la literatura. Revista Internacional Legis de Contabilidad y Auditoría, 58, 135-183.
Caro, N. P. (2015). Descripción de empresas en crisis financiera: el caso de Argentina en las décadas del 1990 y 2000. Revista de Dirección y Administración de Empresas, 22, 106-130.
Caro, N. P. (2016) El modelo logístico mixto para predecir crisis financiera en empresas argentinas y chilenas. Revista de Matemática: Teoría y Aplicaciones, 23(1), 255-276.
Caro, N. P.; Díaz, M. y Porporato, M. (2013). Predicción de quiebras empresariales en economías emergentes: uso de un modelo logístico mixto. Revista de Métodos Cuantitativos para la Economía y la Empresa, 16, 200-215.
Caro, N. P. y Diaz, M. (2015). Factores determinantes para predecir la crisis financiera en empresas argentinas. Cuadernos de Estudios Empresariales, 25, 29-47.
CEPAL. (2011). Balance preliminar de las economías de América Latina y el Caribe 2010. Santiago de Chile: Naciones Unidas CEPAL.
Chocce, G. A. R.; González, P. A.; Aguirre, N. A.; Vega, P. L. y Carrazana, J. M. (2002). Modelos de clasificación y predicción de quiebra de empresas: Una aplicación a empresas chilenas. Revista Fórum Empresarial, 7(1), 33-52.
Giampaoli, V.; Tamura, K. A.; Caro, N. P. y de Araujo, L.J.S. (2016). Financial crisis prediction on Latin American companies using mixed logistic regression model. Chilean Journal of Statistics, 7(1), 31-41
Hensher, D. A. y Jones, S. (2007). Forecasting corporate bankruptcy: Optimizing the performance of the mixed logit model. Abacus, 43(3), 241-264.
Jones, S. y Hensher, D. A. (2004). Predicting firm financial distress: A mixed logit model. The Accounting Review, 79(4), 1011-1038.
Jones, S. y Hensher, D. A. (2007). Modelling corporate failure: A multinomial nested logit analysis for unordered outcomes. The British Accounting Review, 39(1), 89-107.
Montalván, S. M.; O'Shee, D. F.; Delgado, F. A. y Yamashiro, M. A. (2011). Determinantes de la insolvencia empresarial en el Perú. Academia, Revista Latinoamericana de Administración, 47, 126-139.
OECD (2010). Perspectivas Económicas de América Latina 2011: En qué medida es clase media América Latina. París: OECD Publishing.
OECD/ECLAC (2011). Perspectivas Económicas de América Latina 2012: Transformación del Estado para el Desarrollo. París: OECD Publishing.
OECD/ECLAC (2012). Perspectivas económicas de América Latina 2013: Políticas de pymes para el cambio estructural. París: OECD Publishing.
Ohlson, J. A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), 109-131.
Pascale, R. (1988). A multivariate model to predict firm financial problems: the case of Uruguay. Studies in Banking and Finance, 7, 171-182.
Sandin, A. R. y Porporato, M. (2008). Corporate bankruptcy prediction models applied to emerging economies: Evidence from Argentina in the years 1991-1998. International Journal of Commerce and Management, 17(4), 295-311.
Swanson, E. y Tybout, J. (1988). Industrial bankruptcy determinants in Argentina. Studies in Banking and Finance, 7, 1-25.
Tamura, K. A. y Giampaoli, V. (2013). New prediction method for the mixed logistic model applied in a marketing problem. Computational Statistics & Data Analysis, 66, 202-216.
Tamura, K. A.; Giampaoli, V. y Noma, A. (2013). Nearest Neighbors Prediction Method for mixed logistic regression. En Muggeo, M. R.; Capursi, V.; Boscaino, G. y Lovison, G. (eds.): Proceedings of the 28th International Workshop on Statistical Modeling, Palermo: Università di Palermo, pp. 799-802.
Tascón, M. y Castaño, F. (2012). Variables y modelos para identificación y predicción del fracaso empresarial: Revisión de la investigación reciente. Revista de Contabilidad, 15(1), 7-58.
Zmijewski, M. E. (1984). Methodological issues related to the estimation of financial distress prediction models. Journal of Accounting Research, 22, 59-82.
Zurita, F. (2008). La predicción de la insolvencia de empresas chilenas. Economía Chilena, 11(1), 93-116.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2017 Revista de Métodos Cuantitativos para la Economía y la Empresa
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
El envío de un manuscrito a la Revista supone que el trabajo no ha sido publicado anteriormente (excepto en la forma de un abstract o como parte de una tesis), que no está bajo consideración para su publicación en ninguna otra revista o editorial y que, en caso de aceptación, los autores están conforme con la transferencia automática del copyright a la Revista para su publicación y difusión. Los autores retendrán los derechos de autor para usar y compartir su artículo con un uso personal, institucional o con fines docentes; igualmente retiene los derechos de patente, de marca registrada (en caso de que sean aplicables) o derechos morales de autor (incluyendo los datos de investigación).
Los artículos publicados en la Revista están sujetos a la licencia Creative Commons CC-BY-SA de tipo Reconocimiento-CompartirIgual. Se permite el uso comercial de la obra, reconociendo su autoría, y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
Hasta el volumen 21 se ha estado empleando la versión de licencia CC-BY-SA 3.0 ES y se ha comenzado a usar la versión CC-BY-SA 4.0 desde el volumen 22.
