Predicción de quiebras empresariales en economías emergentes: uso de un modelo logístico mixto // Bankruptcy Prediction in Emerging Economies: Use of a Mixed Logistic Model

Autores/as

  • Norma Patricia Caro Facultad de Ciencias Económicas Universidad Nacional de Córdoba (Argentina)
  • Margarita Díaz Facultad de Ciencias Económicas Universidad Nacional de Córdoba (Argentina)
  • Marcela Porporato School of Administrative Studies (SAS) York University, Toronto (Canadá)

Palabras clave:

Modelo logístico mixto, estados contables, ratios financieros, crisis financiera, predicción de quiebra, Argentina, mixed logistic model, financial statements, accounting ratios, financial distress, bankruptcy prediction

Resumen

Este trabajo replica y adapta el modelo de Jones y Hensher (2004) a los datos de una economía emergente con el propósito de evaluar su validez externa. Se compara el desempeño del modelo logístico estándar en relación con el modelo logístico mixto para predecir el riesgo de crisis en el periodo 1993-2000, utilizando estados contables de empresas argentinas y ratios de nidos en estudios de Altman y Jones y Hensher. Como en estudios anteriores, rentabilidad, rotación, endeudamiento y flujo de fondos operativos explican la probabilidad de crisis financiera. La contribución de esta nueva metodología reduce la tasa de error del tipo I a un 9 %. Se demuestra que el modelo logístico mixto, que tiene en cuenta la heterogeneidad no observada, supera ampliamente el desempeño del modelo logístico estándar.

------------------------------------

This study is a replication and adaptation of Jones and Hensher (2004) model in an emerging economy with the purpose of testing its eternal validity. It compares the logistic standard model's performance with the logistic mixed model to predict bankruptcy risk of Argentinean companies between 1993-2000 by using financial statements and ratios defined in previous studies by Altman and Jones and Hensher. Similar to previous studies, profitability, asset turnover, debt and cash flow from operations explain financial distress' probability. The main contribution of this new methodology is the important reduction of error type I to the 9 %. This study asserts that the logistic mixed model, that considers the effect of non-observed heterogeneity, significantly improves the performance of the logistic standard model. 

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Altman, E. (1968) “Financial ratios, discriminant analysis and the prediction of corporate bankruptcy”, Journal of Finance, Vol. 23, No. 3, pp. 589–609.

Altman, E., Baidya, T. y Ribeiro Dias, L. (1979) “Assessing potential financial problems for firms in Brazil”, Journal of International Business Studies, Vol. 10, No. 2, pp. 9–24.

Altman, E. (1984) “The success of business failure prediction models: An international survey”, Journal of Banking and Finance, Vol. 8, pp. 171–198.

Altman, E. (1993) Corporate financial distress and bankruptcy: A complete guide to predicting & avoiding distress and profiting from bankruptcy, 2nd edition, John Wiley and Sons, New York, NY.

Altman, E., Hartzell, J. y Peck, M. (1995) Emerging markets corporate bonds: A scoring system, Salomon Brothers Inc., New York, NY.

Baltagi, B.H. (1995) Econometric Analysis of Panel Data. Chichester: John Wiley and Sons.

Beaver, W. (1966) “Financial ratios as predictors of failures” Journal of Accounting Research, Empirical Research in Accounting Selected Studies 1966, Vol. 5 (supplement), pp. 71–111.

Beaver, W. (1968) “Alternative Accounting Measures as Predictors of Failure”, The Accounting Review, Vol. 43, No. 1, pp. 113–122.

Díaz, M., Ferrero, F., Díaz, C., Stímolo, M. y Caro, N. (2001) “Perfomance del análisis discriminante regularizado y la regresión logística en la predicción de crisis financieras”, Revista de la Sociedad Argentina de Estadística, Vol. 5, No. 1-2, pp. 33–45.

Fitzpatrick, P. (1932) “A comparison of ratios of successful industrial enterprises with those of failed companies”, The Certified Public Accountant, Vols. Oct., Nov., Dec., pp. 598–605, 656–662 y 727–731, respectivamente.

Ibarra, A. (2001) Análisis de las dificultades financieras de las empresas en una economía emergente: las bases de datos y las variables independientes en el sector hotelero de la Bolsa mexicana de valores. Unpublished Doctoral Dissertation, Departament d'Economía de l'Empresa, Universitat Autónoma de Barcelona, Barcelona, España. Disponible en http://ddd.uab.cat/pub/tesis/2001/tdx-1018101-164847/aim1de1.pdf (última consulta en noviembre de 2013).

Jones, F. (1987) “Current techniques in bankruptcy prediction”, Journal of Accounting Literature, Vol. 6, pp. 131–164.

Jones, S. y Hensher, D. (2004) “Predicting firm financial distress: A mixed logit model”, The Accounting Review, Vol. 79, No. 4, pp. 1011–1039.

Leclere, M. (1999) “The Interpretation of Coefficients in N-Chotomous Qualitative Response Models”, Contemporary Accounting Research, Vol. 16, pp. 711–747.

Maddala, G. (1991) “A perspective on the use of limited-dependent and qualitative variables models in accounting research”, The Accounting Review, Vol. 66, No. 4, pp. 788–807.

Merwim, C. (1942) Financing small corporations in five manufacturing industries, 1926-36, New York National Bureau of Economics Research, New York, NY.

Mongrut Montalvan, S., Fuenzalida O'Shee, D., Alberti Delgado, F. y Akamine Yamashiro, M. (2011) “Determinantes de la Insolvencia Empresarial en el Perú”, Academia, Revista Latinoamericana de Administración, Vol. 47, pp. 126–139.

Pascale, R. (1988) “A Multivariate Model to Predict Firm Financial Problems: The Case of Uruguay”, Studies in Banking and Finance, Vol. 7, pp. 171–182.

Ohlson, J. (1980) “Financial ratios and the probabilistic prediction of bankruptcy”, Journal of Accounting Research, Vol. 18, No. 1, pp. 109–131.

Rabe-Hesketh, S. y Skrondal, A. (2005) Multilevel and Longitudinal Modeling Using Stata, 1st edition, Stata Press Books, StataCorp LP, London, UK.

Sandin, A. y Porporato, M. (2007) “Corporate bankruptcy prediction models applied to emerging economies. Evidence from Argentina in the years 1991-1998”, International Journal of Commerce and Management, Vol. 17, No. 4, pp. 295–311.

Swanson, E. y Tybout, J. (1988) “Industrial bankruptcy determinants in Argentina”, Journal of Banking and Finance, Vol. 7, pp. 1–25.

Tamura, K. y V. Giampaoli (2013) “New prediction method for the mixed logistic model applied in a marketing problem”, Computational Statistics & Data Analysis, Vol. 66, pp. 202–216. Disponible en http://www.informatik.uni-trier.de/~ley/pers/hd/t/ Tamura:Karin_Ayumi.html (última consulta en noviembre de 2013).

Tascón Fernández, M. y Castaño Gutiérrez, F. (2012) “Variables y modelos para la identificación y predicción del fracaso empresarial: revisión de la investigación empírica reciente”. Revista de Contabilidad-Spanish Accounting Review Vol. 15, Nº 1, pp. 7–58.

Train, K. (1986) Qualitative Choice Analysis, MIT Press, Cambridge, MA.

Train, K. (2003) Discrete Choice Methods with Simulation, Cambridge University Press, Cambridge, UK.

Winakor, A. y Smith, R. (1935) “Changes in financial structure of unsuccessful industrial companies”. Bulletin Nº 51, Bureau of Business Research, University of Illinois, IL.

Zmijewski, M.E. (1984) “Methodological issues related to the estimation of financial distress prediction models”, Journal of Accounting Research, Vol. 22, No. 1, pp. 59–82.

Publicado

2016-11-04

Cómo citar

Caro, N. P., Díaz, M., & Porporato, M. (2016). Predicción de quiebras empresariales en economías emergentes: uso de un modelo logístico mixto // Bankruptcy Prediction in Emerging Economies: Use of a Mixed Logistic Model. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 16, Páginas 200 a 2015. Recuperado a partir de https://www.upo.es/revistas/index.php/RevMetCuant/article/view/2187

Número

Sección

Artículos