Detección de empresas con dificultades financieras y validación de sus ratios contables a través de métodos de clasificación
Palabras clave:
estadística multivariada, contabilidad, análisis de riesgoResumen
La información que proveen los estados contables es esencial para la toma de decisiones y evaluación del desempeño de las empresas. Ésta resulta aún más relevante en la detección de situaciones de vulnerabilidad financiera. Con este propósito, el presente trabajo explora el comportamiento de los ratios contables que caracterizan a las empresas para detectar aquellas que poseen problemas financieros o no, cuando a priori se desconoce su grupo de pertenencia. El análisis comprende la comparación de mercados latinoamericanos: Argentina, Brasil, Chile y Perú, a partir de los estados contables de la década del 2000 disponibles en las respectivas Bolsas de Valores.
Se aplicó el análisis de conglomerados que permitió una primera aproximación a la conformación de grupos de empresas y a su caracterización en relación a su situación financiera.
Para identificar los ratios contables que resultaron significativos en la aglomeración de las empresas, se utilizaron métodos no paramétricos de comparación de medias.
Entre los resultados obtenidos, se destaca que las empresas con dificultades financieras son de menor tamaño y presentan índices de rentabilidad económica y flujo de fondos operativos menores a las empresas sin problemas de esta índole. Además, manifiestan altos niveles de endeudamiento y baja rotación del activo total.
Descargas
Citas
ALTMAN, E., HALDEMAN, R. y NARAYANAN, P. (1977). ZETA ANALYSIS: A NEW MODEL TO IDENTIFY BANKRUPTCY RISK OF CORPORATIONS. Journal of Banking and Finance, 1(1), págs. 29-54.
ARGENTI, J. (1976): CORPORATE PLANNING AND CORPORATE COLLAPSE. Lon Range Planning. 9(6), págs. 12-17.
BEAVER, W. (1966). FINANCIAL RATIOS AS PREDICTORS OF FAILURES. EMPIRICAL RESEARCH IN ACCOUNTING SELECTED STUDIES 1966. Journal of Accounting Research, Supplement, 5, págs. 71-111.
CARO, N. (2014). MODELOS DE PREDICCIÓN DE CRISIS FINANCIERA EN EMPRESAS: UNA REVISIÓN DE LA LITERATURA. Revista Internacional Legis de Contabilidad y Auditoría, 58, págs. 135-183.
CARO, N., DÍAZ, M. Y PORPORATO, M. (2013). PREDICCIÓN DE QUIEBRAS EMPRESARIALES EN ECONOMÍAS EMERGENTES: USO DE UN MODELO LOGÍSTICO MIXTO. REVISTA DE MÉTODOS CUANTITATIVOS PARA ECONOMÍA Y EMPRESA, 16, págs. 200-215.
CASEY, C. Y BARTCZAK, N. (1985). USING OPERATING CASH FLOW DATA TO PREDICT FINANCIAL DISTRESS: SOME EXTENSIONS. Journal of Accounting Research, págs. 384-401.
FITZPATRICK, P. (1932). A COMPARISION OF RATIOS OF SUCCESSFUL INDUSTRIAL ENTERPRISES WITH THOSE OF FAILED FIRMS. En Certifified Public Accountant, octubre, noviembre y diciembre, págs. 598-731.
JONES, S. Y HENSHER, D. (2004). PREDICTING FIRM FINANCIAL DISTRESS: A MIXED LOGIT MODEL. The Accounting Review, 79(4), págs. 1011-1039.
KEASEY, K. Y WATSON, R. (1991). FINANCIAL DISTRESS PREDICTION MODELS: A REVIEW OF THEIR USEFULNESS 1. British Journal of Management, 2(2), págs. 89-102.
LAITINEN, E. (1991) FINANCIAL RATIOS AND DIFFERENT FAILURE PROCESSES. Journal of Business Finance and Accounting, 18(5), págs. 649-673
LAITINEN, E. (1993) FINANCIAL PREDICTORS FOR DIFFERENT PHASES OF THE FAILURE PROCESS, OMEGA, 21(2), págs. 215-228.
LEHMANN, E. (1975). NONPARAMETRICS STATISTICAL METHODS BASED ON RANKS. Estados Unidos: Mc Graw Hill.
LENNOX, C. (1999). IDENTIFYING FAILING COMPANIES: A RE-EVALUATION OF THE LOGIT, PROBIT AND DA APPROACHES. Journal of Economics and Business, 51(4), págs. 347-364.
MANZANEQUE LIZANO, M., BANEGAS OCHOVO, R. Y GARCÍA PÉREZ DE LEMA, D. (2010). DIFERENTES PROCESOS DE FRACASO EMPRESARIAL. UN ANÁLISIS DINÁMICO A TRAVÉS DE LA APLICACIÓN DE TÉCNICAS ESTADÍSTICAS CLÚSTER. Revista Europea de Dirección y Económica de la Empresa, 19(3), págs. 67-88.
MANZANO, J. A. y JIMÉNEZ, E. U. (2017). ANÁLISIS MULTIVARIANTE APLICADO CON R. España: Paraninfo SA.
OHLSON, J. (1980). FINANCIAL RATIOS AND THE PROBABILISTIC PREDICTION OF BANKRUPTCY. Journal of Accounting Research, 18(1), págs. 109-131.
OOGHE, H Y DE PRIJCKER, S (2008) FAILURE PROCESSES AND CAUSES OF COMPANY BANKRUPTCY: A TYPOLOGY. Management Decision, 46(2), págs. 223-242.
PEÑA, D. (2002). ANÁLISIS DE DATOS MULTIVARIANTES. España: Mc Graw Hill.
PÉREZ, A. L. G., RODRÍGUEZ, A. C., MOLINA, M. A., & DEL PINO, I. B. (2004). LA INESTABILIDAD DE LOS MODELOS DE PREDICCIÓN DEL FRACASO EMPRESARIAL. En La gestión del riesgo financiero y la nueva ley concursal. Asociación Española de Contabilidad y Administración de Empresas, AECA. págs. 17.
PLATT, H. D. Y PLATT, M. B. (1990). DEVELOPMENT OF A CLASS OF STABLE PREDICTIVE VARIABLES: THE CASE OF BANKRUPTCY PREDICTION. Journal of Business Finance & Accounting, 17(1), págs. 31-51.
STEPHEN, J Y DUGAN, M (2001). THE LIMITATIONS OF BANKRUPTCY PREDICTION MODELS: SOME CAUTIONS FOR THE RESEARCHER. Review of Quantitative Finance and Accounting, 17(2), págs. 151-166.
TAFFLER, R. (1984). EMPIRICAL MODELS FOR THE MONITORING OF U.K. CORPORATIONS. Journal of Banking and Finance, págs. 199-227.
WARD, T.J. (1994). AN EMPIRICAL STUDY OF THE INCREMENTAL PREDICTIVE ABILITY OF BEAVER’S NAÏVE OPERATING FLOW MEASURE USING FOUR-STATE ORDINAL MODELS OF FINANCIAL DISTRESS. Journal of Business Finance & Accounting, 21(4), págs. 547- 560.
WINAKOR, A. Y SMITH, R. (1935). CHANGES IN FINANCIAL STRUCTURE OF UNSUCCESFUL INDUSTRIAL COMPANIES. Bureau of Business Research, Boletín 51, University of Illinois.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Atribución — Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
NoComercial — Usted no puede hacer uso del material con propósitos comerciales.
CompartirIgual — Si remezcla, transforma o crea a partir del material, debe distribuir su contribución bajo la misma licencia del original.
