Modelos de elección binaria aplicados al pronóstico del fracaso empresarial para las Pymes en Colombia

dc.contributor.advisorGuerrero Chaparro, Germánspa
dc.contributor.authorGutiérrez, Yenny Andreaspa
dc.date.accessioned2020-08-19T21:50:21Zspa
dc.date.available2020-08-19T21:50:21Zspa
dc.date.issued2019-11-18spa
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.spa
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.spa
dc.description.additionalLínea de Profundización: Finanzasspa
dc.description.degreelevelMaestríaspa
dc.format.extent88spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.citationPDFspa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/78098
dc.language.isospaspa
dc.publisher.branchUniversidad Nacional de Colombia - Sede Bogotáspa
dc.publisher.departmentEscuela de Administración y Contaduría Públicaspa
dc.publisher.programBogotá - Ciencias Económicas - Maestría en Contabilidad y Finanzasspa
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.spa
dc.relation.referencesAltman, E. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 589-609.spa
dc.relation.referencesAltman, E. (1981). Financial Handbook. New York: John Wiley & Sons.spa
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- 277spa
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.spa
dc.relation.referencesBeaver, W. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 71- 111.spa
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, MITspa
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.spa
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.spa
dc.relation.referencesBrownstone, D., & Train, K. (1999). Forecasting new product penetration with flexible substitution patterns. Journal of Econometrics, 109-129.spa
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.spa
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.spa
dc.relation.referencesCardell, N., Dunbar, F., (1980). Measuring the societal impacts of automobile downsizing. Transportation Research Part A: General, 423-434.spa
dc.relation.referencesCasey, C., McGee, V., & Stickney, C. (1984). Discriminating between reorganized and liquidated firms in bankruptcy. The Accounting Review, 249-262.spa
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.spa
dc.relation.referencesCharitou, A., Neophytou, E., & Charalambous, C. (2004). Predicting corporate failure: empirical evidence for the UK. European Accounting Review, 465-497.spa
dc.relation.referencesConfecámaras (2017). Determinantes de la supervivencia empresarial en Colombia. Bogotá. Confecámaras.spa
dc.relation.referencesConfecámaras (2016). Nacimiento y supervivencia de las empresas en Colombia. Bogotá. Confecámaras.spa
dc.relation.referencesConfecámaras (2018). Nuevos hallazgos de la supervivencia y crecimiento de las empresas en Colombia. Bogotá. Confecámaras.spa
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.spa
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.spa
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.spa
dc.relation.referencesConsejo Privado de Competitividad. (2019). Índice Departamental de Competitividad 2019. Bogotá. Consejo Privado de Competitividad & Score-Universidad del Rosario.spa
dc.relation.referencesDeakin, B. (1972). A discriminant analysis of predictors of business failure. Journal of Accounting Research, 167-179.spa
dc.relation.referencesDe Andrés, J. (2000). Técnicas de inteligencia artificial aplicadas al análisis de la solvencia empresarial. España: Universidad de Oviedo.spa
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.spa
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.spa
dc.relation.referencesDietrich, J. (1984). Discussion of methodological issues related to the estimation of financial distress prediction models. Journal of Accounting Research, 83-86.spa
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.spa
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/231854spa
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).spa
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.spa
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.spa
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.spa
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.spa
dc.relation.referencesHensher, D., & Greene, W. (2003). The mixed logit model: The state of practice. Kluwer Academic Publishers, 133-176.spa
dc.relation.referencesHernández, R., Fernández, C., & Baptista, M. (2010). Metodología de la Investigación. México: McGraw-Hill.spa
dc.relation.referencesJones, S., & Hensher, D. (2004). Predicting firm financial distress: A mixed logit model. The Accounting Review, 1011-1038.spa
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.spa
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.spa
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.spa
dc.relation.referencesLo, A. (1986). Logit versus discriminant analysis: A specification test and application to corporate bankruptcies. Journal of Econometrics, 151-178.spa
dc.relation.referencesLópez, E. (2015). Modelo de predictibilidad de quiebra en las pymes colombianas del sector comercio. Bogotá: Colegio de estudios superiores de administración.spa
dc.relation.referencesLópez-Roldán, P., & Fachelli, S. (2015). Metodología de la investigación social cuantitativa. Primera edición. Universidad Autónoma de Barcelona.spa
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.spa
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.spa
dc.relation.referencesMartín, D. (1997). Early warning of bank failure. Journal of banking and Finance, 249-276.spa
dc.relation.referencesMartínez, O. (2003). Determinantes de fragilidad en las empresas colombianas. Banco de la República de Colombia. Borradores de economía 259, 1-24.spa
dc.relation.referencesMartínez, E. (2008). Logit model como modelo de elección discreta: origen y evolución. Anuario Jurídico y Económico Escurialense, 469-484.spa
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.spa
dc.relation.referencesMcFadden, D., & Train, K. (2000). Mixed MNL Models for discrete response. Journal of Applied Econometrics, 447-470.spa
dc.relation.referencesMinisterio de Comercio, Industria y Turismo. (2019). Decreto 957 de junio de 2019. Colombia.spa
dc.relation.referencesMontero, A. (2016). Predicción de quiebras empresariales mediante inteligencia artificial. Madrid: Universidad Carlos III de Madrid.spa
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.spa
dc.relation.referencesMures, M., & García, A. (2004). Factores determinantes del fracaso empresarial en Castilla y León. Revista de economía y empresa, 95-115.spa
dc.relation.referencesNarváez, A. (2010). Análisis de la aplicación de los modelos de predicción de quiebras en Colombia. Cali: Universidad Autónoma de Occidente.spa
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.spa
dc.relation.referencesOdom, M., & Sharda, R. (1992). A neural network model for bankruptcy prediction”, Neural networks in Finance and Investing, Probus Publishing, 163-168.spa
dc.relation.referencesOhlson, A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 109-131.spa
dc.relation.referencesPampel, F. (2000). Logistic Regression. A Primer. Sage University Papers Series on Quantitative Applications in the Social Sciences.spa
dc.relation.referencesPérez, F., & Fernández, H. (2007). Las redes neuronales y la evaluación del riesgo de crédito. Revista Ingenierías Universidad de Medellín.spa
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.spa
dc.relation.referencesPérez, J., Kizys, R., & Manzanedo, M. (2015). Regresión logística binaria. Proyecto e-Math. Bogotá: Universidad Oberta de Catalunya.spa
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.spa
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.spa
dc.relation.referencesRingeling, E. (2004). Análisis comparativo de modelos de predicción de quiebra y la probabilidad de bancarrota. Santiago de Chile: Universidad de Chile.spa
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.spa
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.spa
dc.relation.referencesRosillo, J. (2002). Modelo de predicción de quiebras de las empresas colombianas. INNOVAR, revista de ciencias administrativas y sociales, 109-124.spa
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.spa
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.spa
dc.relation.referencesShin, K., & Lee, Y. (2002). A genetic algorithm application in bankruptcy prediction modeling. Expert systems with applications, 321-328.spa
dc.relation.referencesScott, J. (1981). The probability of bankruptcy. Journal of banking and Finance, 317-344.spa
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.htmspa
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.spa
dc.relation.referencesTrain, K. (2002). Discrete Choice Methods with Simulation. First edition. Cambridge University Press.spa
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.spa
dc.relation.referencesValencia, S. (2013). El modelo logit mixto para la construcción de un scoring de crédito. Medellín: Universidad Nacional de Colombia.spa
dc.relation.referencesVillamil, H. (2004). Modelos multivariados para la predicción de insolvencia empresarial. Una aplicación al caso colombiano. Bogotá: Universidad Piloto de Colombia.spa
dc.relation.referencesZeballos, E. (2003). Micro, pequeñas y medianas empresas en América Latina. Revista de CEPAL, 53-70.spa
dc.relation.referencesZmijewski, M. (1984). Methodological issues related to the estimation of financial distress prediction models. Journal of Accounting Research, 59– 86.spa
dc.rightsDerechos reservados - Universidad Nacional de Colombiaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseReconocimiento 4.0 Internacionalspa
dc.rights.spaAcceso abiertospa
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/spa
dc.subject.ddc330 - Economíaspa
dc.subject.ddc658 - Gerencia generalspa
dc.subject.ddc519 - Probabilidades y matemáticas aplicadasspa
dc.subject.ddc338 - Producciónspa
dc.subject.proposalBusiness failureeng
dc.subject.proposalFracaso empresarialspa
dc.subject.proposalModelos de elección binariaspa
dc.subject.proposalBinary choice modelseng
dc.subject.proposalSMEseng
dc.subject.proposalPymesspa
dc.titleModelos de elección binaria aplicados al pronóstico del fracaso empresarial para las Pymes en Colombiaspa
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
52.932.314.2019.pdf
Tamaño:
1.34 MB
Formato:
Adobe Portable Document Format

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
3.8 KB
Formato:
Item-specific license agreed upon to submission
Descripción: