Mostrar el registro sencillo del documento

dc.rights.licenseReconocimiento 4.0 Internacional
dc.contributor.advisorGuerrero Chaparro, Germán
dc.contributor.authorGutiérrez, Yenny Andrea
dc.date.accessioned2020-08-19T21:50:21Z
dc.date.available2020-08-19T21:50:21Z
dc.date.issued2019-11-18
dc.identifier.citationPDF
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/78098
dc.description.abstractEl presente trabajo tiene como objetivo principal evaluar la capacidad en el pronóstico del fracaso empresarial de los modelos de elección binaria para las Pymes en Colombia, discriminando entre los dos grupos de empresas definidos (fracasadas y no fracasadas). Igualmente, busca comparar estos resultados para cada modelo evaluado e identificar las variables explicativas que permiten diferenciar mejor entre grupo de empresas. Para lograr este fin, se utilizó la información financiera reportada por este grupo de empresas a la Superintendencia de Sociedades para el periodo comprendido entre 2008 – 2017, así como lo relativo al sector donde desempeñan su actividad económica y ubicación geográfica, para calcular diferentes modelos a partir de las técnicas de estadísticas de elección binaria. Finalmente, con los resultados obtenidos se pretende contribuir en el entendimiento del fracaso empresarial de las pequeñas y medianas empresas colombianas, que permitan adoptar y ejecutar políticas entorno a su supervivencia, además de proporcionar herramientas que faciliten la toma de decisiones tanto preventivas como correctivas.
dc.description.abstractThe present work has as main objective to evaluate the capacity in the forecast of business failure of the binary choice models for small medium-sized enterprises in Colombia, discriminating between the two groups of companies defined (failed and unsuccessful). Likewise, it seeks to compare these results for each model evaluated and identify the explanatory variables that allow a better differentiation between group of companies. To achieve this goal, the financial information reported by this group of companies to the Superintendencia de Sociedades was used for the period between 2008 - 2017, as well as related to the sector where they perform their economic activity and geographical location, to calculate different models to from binary choice statistics techniques. Finally, with the results obtained, it is intended to contribute to the understanding of the business failure of small and medium-sized Colombian companies, which allow adopting and executing policies around their survival, as well as providing tools that facilitate both preventive and corrective decision making.
dc.format.extent88
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.rightsDerechos reservados - Universidad Nacional de Colombia
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/
dc.subject.ddc330 - Economía
dc.subject.ddc658 - Gerencia general
dc.subject.ddc519 - Probabilidades y matemáticas aplicadas
dc.subject.ddc338 - Producción
dc.titleModelos de elección binaria aplicados al pronóstico del fracaso empresarial para las Pymes en Colombia
dc.typeOtro
dc.rights.spaAcceso abierto
dc.description.additionalLínea de Profundización: Finanzas
dc.type.driverinfo:eu-repo/semantics/other
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dc.publisher.programBogotá - Ciencias Económicas - Maestría en Contabilidad y Finanzas
dc.description.degreelevelMaestría
dc.publisher.departmentEscuela de Administración y Contaduría Pública
dc.publisher.branchUniversidad Nacional de Colombia - Sede Bogotá
dc.relation.referencesAcosta, E., & Fernández, F. (2007). Predicción del fracaso empresarial mediante el uso de algoritmos genéticos. X Encuentro de Economía Aplicada, Logroño, (2007) 14-15-16 de junio. Departamento de Economía y Empresa.
dc.relation.referencesAltman, E. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 589-609.
dc.relation.referencesAltman, E. (1981). Financial Handbook. New York: John Wiley & Sons.
dc.relation.referencesArias, A., & Quiroga, R. (2008). Cese de actividades de las pymes en el área metropolitana de Cali (2000-2004): Un análisis de supervivencia empresarial. Cuadernos de Administración, 249- 277
dc.relation.referencesBalcaen, S., & Ooghe, H. (2006). 35 years of studies on business failure: an overview of the classic statistical methodologies and their related problems. The British Accounting Review, 63-93.
dc.relation.referencesBeaver, W. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 71- 111.
dc.relation.referencesBen-Akiva, M., & Bolduc, D. (1996). Multinomial probit with a logit kernel and a general parametetric specification of the covariance structure. Working paper, Department of Economics, MIT
dc.relation.referencesBerrio, D., & Cabeza, L. (2003). Verificación y adaptación del modelo de ALTMAN a la Superintendencia de Sociedades de Colombia. Pensamiento & Gestión, 26-51.
dc.relation.referencesBoyd, J., & Mellman, R. (1980) The effect of fuel economy standards on the U.S. automotive market: An hedonic demand analysis. Transportation Research Part A: General, 367-378.
dc.relation.referencesBrownstone, D., & Train, K. (1999). Forecasting new product penetration with flexible substitution patterns. Journal of Econometrics, 109-129.
dc.relation.referencesCalderón, E. (2016). Evaluación de los modelos de predicción de fracaso empresarial en el sector manufacturero colombiano en los años 2010-2014. Bogotá: Universidad Nacional de Colombia.
dc.relation.referencesCamacho, G., Salazar, A., & León, C. (2013). Modelo de estimación de quiebra en las empresas colombianas del sector textil y de confección. Bogotá: Colegio de estudios superiores de administración.
dc.relation.referencesCardell, N., Dunbar, F., (1980). Measuring the societal impacts of automobile downsizing. Transportation Research Part A: General, 423-434.
dc.relation.referencesCasey, C., McGee, V., & Stickney, C. (1984). Discriminating between reorganized and liquidated firms in bankruptcy. The Accounting Review, 249-262.
dc.relation.referencesCastro, J., & Camacho, M. (2008). Modelo de alerta temprana para predecir la insolvencia empresarial en el sector real colombiano. Empresas colombianas: actualidad y perspectivas, 237-259.
dc.relation.referencesCharitou, A., Neophytou, E., & Charalambous, C. (2004). Predicting corporate failure: empirical evidence for the UK. European Accounting Review, 465-497.
dc.relation.referencesConfecámaras (2017). Determinantes de la supervivencia empresarial en Colombia. Bogotá. Confecámaras.
dc.relation.referencesConfecámaras (2016). Nacimiento y supervivencia de las empresas en Colombia. Bogotá. Confecámaras.
dc.relation.referencesConfecámaras (2018). Nuevos hallazgos de la supervivencia y crecimiento de las empresas en Colombia. Bogotá. Confecámaras.
dc.relation.referencesCongreso de la República de Colombia. (2000). LEY 590 DE 2000. Diario Oficial No. 44.078 de 12 de julio de 2000. Colombia.
dc.relation.referencesCongreso de la República de Colombia. (2004). LEY 905 DE 2004. Diario Oficial No. 45.628 de 2 de agosto de 2004. Colombia.
dc.relation.referencesCorrea, A., Acosta, M., & González, A. (2003). La insolvencia empresarial: un análisis empírico para la pequeña y mediana empresa. Revista de Contabilidad, 47-79.
dc.relation.referencesConsejo Privado de Competitividad. (2019). Índice Departamental de Competitividad 2019. Bogotá. Consejo Privado de Competitividad & Score-Universidad del Rosario.
dc.relation.referencesDeakin, B. (1972). A discriminant analysis of predictors of business failure. Journal of Accounting Research, 167-179.
dc.relation.referencesDe Andrés, J. (2000). Técnicas de inteligencia artificial aplicadas al análisis de la solvencia empresarial. España: Universidad de Oviedo.
dc.relation.referencesDe Llanos, P., Sánchez, C., & López, M. (2016). Predicción del fracaso empresarial. Una contribución a la síntesis de una teoría mediante el análisis comparativo de distintas técnicas de predicción. Estudios de Economía, 163-198.
dc.relation.referencesDíaz, J., Fernández, A., Sánchez, M., & Hernández, R., (2014). Estructura intelectual del fracaso empresarial. Fundación para el análisis estratégico y el desarrollo de la pequeña y mediana empresa.
dc.relation.referencesDietrich, J. (1984). Discussion of methodological issues related to the estimation of financial distress prediction models. Journal of Accounting Research, 83-86.
dc.relation.referencesDimitras, A., Zanakis, S., & Zopounidis, C. (1996). A survey of business failure an emphasis on prediction methods and industrial application. European Journal of Operational Research, 487-513.
dc.relation.referencesDinero. (15 de septiembre de 2016). Pymes contribuyen con más del 80% del empleo en Colombia. Obtenido de: http://www.dinero.com/edicion-impresa/caratula/articulo/porcentaje-ycontribucion-de-las-pymes-en-colombia/231854
dc.relation.referencesDini, M., & Stumpo, G. (2018). Mipymes en América Latina: un frágil desempeño y nuevos desafíos para las políticas de fomento. Documentos de Proyectos (LC/TS.2018/75). Comisión Económica para América Latina y el Caribe (CEPAL).
dc.relation.referencesFerrando, B. & Blanco, F. (1998). La previsión del fracaso empresarial en la comunidad Valenciana: Aplicación de los modelos discriminante y Logit. Revista Española de Financiación y Contabilidad, XXVII, (95) 499-540.
dc.relation.referencesGarcía, D., Arqués, A., & Calvo-Flores, A. (1995, enero-marzo). Un modelo discriminante para evaluar el riesgo bancario en los créditos a empresas. Revista Española de Financiación y Contabilidad, 175-200.
dc.relation.referencesGarcía, A., & Mures, M. (2013). The sample of firms in business failure prediction models: Influence on classification results. Métodos Cuantitativos para la Economía y la Empresa, 133-150.
dc.relation.referencesGoudie, W. (1987). Forecasting corporate failure: The use of discriminant analysis within a disaggregated model of the corporate. Journal of the Royal Statistical Society, pp.69-81.
dc.relation.referencesHensher, D., & Greene, W. (2003). The mixed logit model: The state of practice. Kluwer Academic Publishers, 133-176.
dc.relation.referencesHernández, R., Fernández, C., & Baptista, M. (2010). Metodología de la Investigación. México: McGraw-Hill.
dc.relation.referencesJones, S., & Hensher, D. (2004). Predicting firm financial distress: A mixed logit model. The Accounting Review, 1011-1038.
dc.relation.referencesLennox, C (1999). Identifying failing companies: A re-evaluation of the Logit, Probit and DA approaches. Journal of economics and business, 347-364.
dc.relation.referencesLizarazo, E. (2017). Variables financieras de las pequeñas y medianas empresas colombianas que fracasan en comparación con las que sobreviven. Bogotá: Universidad Nacional de Colombia.
dc.relation.referencesLizarraga, F. (1997). Utilidad de la información contable en el proceso de fracaso: análisis del sector industrial de la mediana empresa española. Revista Española de Financiación y Contabilidad, XXVI (92) 871-915.
dc.relation.referencesLo, A. (1986). Logit versus discriminant analysis: A specification test and application to corporate bankruptcies. Journal of Econometrics, 151-178.
dc.relation.referencesLópez, E. (2015). Modelo de predictibilidad de quiebra en las pymes colombianas del sector comercio. Bogotá: Colegio de estudios superiores de administración.
dc.relation.referencesLópez-Roldán, P., & Fachelli, S. (2015). Metodología de la investigación social cuantitativa. Primera edición. Universidad Autónoma de Barcelona.
dc.relation.referencesManzaneque, M., Banegas, R., & García, D. (2010). Diferentes procesos de fracaso empresarial. Un análisis dinámico a través de la aplicación de técnicas estadísticas clúster. Revista Europea de Dirección y Economía de la Empresa, 67-88.
dc.relation.referencesManzaneque, M., García, D., & Banegas, R. (2006). Inestabilidad de los modelos de predicción del fracaso empresarial. Existencia de diferentes niveles de fracaso empresarial. VI jornadas sobre predicción de la insolvencia empresarial. Carmona: AECA.
dc.relation.referencesMartín, D. (1997). Early warning of bank failure. Journal of banking and Finance, 249-276.
dc.relation.referencesMartínez, O. (2003). Determinantes de fragilidad en las empresas colombianas. Banco de la República de Colombia. Borradores de economía 259, 1-24.
dc.relation.referencesMartínez, E. (2008). Logit model como modelo de elección discreta: origen y evolución. Anuario Jurídico y Económico Escurialense, 469-484.
dc.relation.referencesMateos, A., Marín, M., Marí, S., & Seguí, E. (2011). Los modelos de predicción del fracaso empresarial y su aplicabilidad en cooperativas agrarias. CIRIEC-España, revista de economía pública, social y cooperativa, 179-208.
dc.relation.referencesMcFadden, D., & Train, K. (2000). Mixed MNL Models for discrete response. Journal of Applied Econometrics, 447-470.
dc.relation.referencesMinisterio de Comercio, Industria y Turismo. (2019). Decreto 957 de junio de 2019. Colombia.
dc.relation.referencesMontero, A. (2016). Predicción de quiebras empresariales mediante inteligencia artificial. Madrid: Universidad Carlos III de Madrid.
dc.relation.referencesMora, A. (1994). Limitaciones metodológicas de los trabajos empíricos sobre la predicción del fracaso empresarial. Revista Española de Financiación y Contabilidad, 709-732.
dc.relation.referencesMures, M., & García, A. (2004). Factores determinantes del fracaso empresarial en Castilla y León. Revista de economía y empresa, 95-115.
dc.relation.referencesNarváez, A. (2010). Análisis de la aplicación de los modelos de predicción de quiebras en Colombia. Cali: Universidad Autónoma de Occidente.
dc.relation.referencesNieto, V., Timoté, J., Sánchez, A., & Villareal, S. (2015). La clasificación por tamaño empresarial en Colombia: Historia y limitaciones para una propuesta. Dirección de estudios económicos. Departamento Nacional de Planeación -DANE.
dc.relation.referencesOdom, M., & Sharda, R. (1992). A neural network model for bankruptcy prediction”, Neural networks in Finance and Investing, Probus Publishing, 163-168.
dc.relation.referencesOhlson, A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 109-131.
dc.relation.referencesPampel, F. (2000). Logistic Regression. A Primer. Sage University Papers Series on Quantitative Applications in the Social Sciences.
dc.relation.referencesPérez, F., & Fernández, H. (2007). Las redes neuronales y la evaluación del riesgo de crédito. Revista Ingenierías Universidad de Medellín.
dc.relation.referencesPérez, J., González, K., & Lopera, M. (2013). Modelos de predicción de la fragilidad empresarial: aplicación al caso colombiano para el año 2011. Perfil de coyuntura económica, 205-228.
dc.relation.referencesPérez, J., Kizys, R., & Manzanedo, M. (2015). Regresión logística binaria. Proyecto e-Math. Bogotá: Universidad Oberta de Catalunya.
dc.relation.referencesPlatt, H., & Platt, M. (2004). Industry-relative ratios revisited: the case of financial distress. Paper presented at the FMA 2004 meeting, New Orleans (USA), 6–9.
dc.relation.referencesPozuelo, J., Labatut, G., & Veres, E. (2010). Descriptive analysis of failure processes in microenterprises through multivariate techniques. Revista europea de dirección y economía de la empresa, 47-66.
dc.relation.referencesRingeling, E. (2004). Análisis comparativo de modelos de predicción de quiebra y la probabilidad de bancarrota. Santiago de Chile: Universidad de Chile.
dc.relation.referencesRomero, F. (2013). Variables financieras determinantes del fracaso empresarial para la pequeña y mediana empresa en Colombia: análisis bajo modelo logit. Pensamiento y gestión.
dc.relation.referencesRomero, F., Melgarejo, Z., & Vera, M. (2015). Fracaso empresarial de las pequeñas y medianas empresas (pymes) en Colombia. Suma de Negocios, 29-41.
dc.relation.referencesRosillo, J. (2002). Modelo de predicción de quiebras de las empresas colombianas. INNOVAR, revista de ciencias administrativas y sociales, 109-124.
dc.relation.referencesRubio, M. (2008). Análisis del fracaso empresarial en Andalucía. Especial referencia a la edad de la empresa. Cuadernos de CC.EE, y EE, 35-56.
dc.relation.referencesSerrano, C., & Martín, B. (1993). Predicción de la quiebra bancaria mediante el empleo de redes neuronales artificiales. Revista Española de Financiación y Contabilidad, pp. 153-176.
dc.relation.referencesShin, K., & Lee, Y. (2002). A genetic algorithm application in bankruptcy prediction modeling. Expert systems with applications, 321-328.
dc.relation.referencesScott, J. (1981). The probability of bankruptcy. Journal of banking and Finance, 317-344.
dc.relation.referencesSuperintendencia de Sociedades. (15 de octubre de 2017). Obtenido de https://www.supersociedades.gov.co/imagenes/Gestion_Estadistica/2017/Informes_Perio dicos_Octubre_31_2017/Reorganizacion_Empresarial_Validacion_Judicial_Acumulado_3 1Octubre2017.htm
dc.relation.referencesTaffler, R. (1982). Forecasting company failure in the UK using discriminant analysis and financial ratio data. Journal of the Royal Statistical Society, 342–358.
dc.relation.referencesTrain, K. (2002). Discrete Choice Methods with Simulation. First edition. Cambridge University Press.
dc.relation.referencesTascón, M., & Castaño, F. (2012). Variables y modelos para la identificación y predicción del fracaso empresarial: Revisión de la investigación empírica reciente. Revista de contabilidad, 7-58.
dc.relation.referencesValencia, S. (2013). El modelo logit mixto para la construcción de un scoring de crédito. Medellín: Universidad Nacional de Colombia.
dc.relation.referencesVillamil, H. (2004). Modelos multivariados para la predicción de insolvencia empresarial. Una aplicación al caso colombiano. Bogotá: Universidad Piloto de Colombia.
dc.relation.referencesZeballos, E. (2003). Micro, pequeñas y medianas empresas en América Latina. Revista de CEPAL, 53-70.
dc.relation.referencesZmijewski, M. (1984). Methodological issues related to the estimation of financial distress prediction models. Journal of Accounting Research, 59– 86.
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.proposalBusiness failure
dc.subject.proposalFracaso empresarial
dc.subject.proposalModelos de elección binaria
dc.subject.proposalBinary choice models
dc.subject.proposalSMEs
dc.subject.proposalPymes
dc.type.coarhttp://purl.org/coar/resource_type/c_1843
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2


Archivos en el documento

Thumbnail
Thumbnail

Este documento aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del documento

Reconocimiento 4.0 InternacionalEsta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.Este documento ha sido depositado por parte de el(los) autor(es) bajo la siguiente constancia de depósito