Diseño de un modelo específico para la predicción de la quiebra de micro-entities // Design of a Specific Model for Predicting Micro-Entities Failure

Autores/as

  • Antonio J. Blanco Oliver Departamento de Economía Financiera y Dirección de Operaciones Universidad de Sevilla
  • Ana I. Irimia Diéguez Departamento de Economía Financiera y Dirección de Operaciones Universidad de Sevilla
  • María José Vázquez Cueto Departamento de Economía Aplicada III Universidad de Sevilla

Palabras clave:

modelos de quiebra, métodos híbridos, métodos no paramétricos, árboles de decisión, micro-entities, bankruptcy models, hybrid methods, nonparametric methods, decision trees

Resumen

La importancia de las micro-entities como generadoras de empleo y propulsoras de la actividad económica conlleva, unida a sus mayores tasas de quiebra y a su dificultad para acceder a las fuentes de financiación, la necesidad de diseñar métodos apropiados que anticipen sus quiebras. Con este fin, en este trabajo se desarrolla un modelo híbrido mediante la combinación de enfoques paramétricos y no paramétricos para la detección de sus quiebras. Para ello, se seleccionan las variables con mayor poder predictivo para detectar la quiebra mediante un modelo híbrido de regresión logística (LR) y árboles de regresión y clasificación (CART). Nuestros resultados muestran que este modelo híbrido obtiene una mejor performance que aquellos modelos implementados de forma aislada, además de tener una más fácil interpretación y una convergencia más rápida. Por otra parte, se constata la conveniencia de la introducción de variables no financieras y macroeconómicas que complementen a la información proporcionada por los ratios financieros para la predicción de la quiebra de las micro-entities, lo cual está en línea con las características propias e idiosincrasia de este tamaño empresarial recientemente definido por la Comisión Europea.

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

The importance of micro-entities due to their generation of employment and propelling economic activity, together with the fact of their particularities, implies the need to design appropriate methods that anticipate their bankruptcies. For that purpose, a hybrid model by combining parametric and nonparametric approaches is developed in this paper. First, the variables with the highest predictive power to detect bankruptcy are selected using logistic regression (LR). Subsequently, a non-parametric method, namely regression trees and classification (CART), is then applied to companies classified as "bankruptcy" or "non-bankruptcy". Our results show that this model provides a better result than when it is implemented in isolation, which joins its easier interpretation and faster convergence. Moreover, we demonstrate that the introduction of non-financial and macroeconomic variables complement the financial ratios for bankruptcy prediction. Findings are based on a data set of micro-entities (MEs), as recently defined by the European Union.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Altman E.I. & Sabato, G. (2007). Modeling credit risk for SMEs: Evidence from US market. A Journal of Accounting, Finance and Business Studies (ABACUS), 43(3), 332-357.

Altman, E.I., Sabato, G. & Wilson, N. (2010). The Value of Non Financial Information in Small and Medium-Sized Enterprise Risk Management. Journal of Credit Risk, 6(2), 95-127.

BIS (2013). Department for Business, Innovations and Skills. Simpler financial reporting for micro-entities: The UK’s proposal to implement the ‘micros directive’, https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/86259/13-626-simpler-financial-reporting-for-micro-entities-consultation.pdf. Accessed on 24 September 2014.

Breiman, L. (1988). Submodel selection and evaluation in regression: the x-fixed case and little bootstrap. Technical Report No. 169, Statistics Department, U.C. Berkeley.

Breiman, L., Friedman, J., Olshen, R. & Stone, C. (1984). Classification and regression trees. Wadsworth, Belmont, CA.

Berger A.N. & Frame, S.W. (2007). Small business credit scoring and credit availability. Journal of Small Business Management, 45(1), 5-22.

Caro, N, Díaz, M. & Porporato, M. (2013). Predicción de quiebras empresariales en economías emergentes: uso de un modelo logístico mixto. Journal of Quantitative Methods for Economics and Business Administration, 16, 200-215.

Carter, R. & Van Auken, H. (2006). Small firm bankruptcy. Journal of Small Business Management, 44(4), 493-512.

Ciampi, F. & Gordini, N. (2013). Small enterprise default prediction modeling through artificial neural networks: An empirical analysis of Italian small enterprises. Journal of Small Business Management, 51(1), 23-45.

Claessens, S., Djankov, S. & Lang, L.H. (2000). The separation of ownership and control in East Asian corporations. Journal of Financial Economics, 58, 81-112.

Crone, S.F. & Finlay, S. (2012). Instance sampling in credit scoring: An empirical study of sample size and balancing. International Journal of Forecasting, 28(1), 224-238.

Engelmann, B., Hayden, L.E. & Tasche, D. (2003). Testing rating accuracy. Risk, 16, 82-86.

García-Gallego, A. & Mures-Quintana, M.J. (2013). The Sample of Firms in Business Failure Prediction Models: Influence on Classification Results. Journal of Quantitative Methods for Economics and Business Administration, 14, 131-150

Grunert, J., Norden, L. & Weber, M. (2005). The role of non-financial factors in internal credit ratings. Journal of Banking and Finance, 29(2), 509-531.

Hastie, T., Tibshirani, R. & Friedman, J.H. (2009). The elements of statistical learning: Data mining, inference, and prediction. Springer Series in Statistics. New York.

Wilson, N., Wright, M. & Scholes, L. (2013). Family business survival and the role of boards. Entrepreneurship Theory and Practice, 37(6), 1369-1389.

Publicado

2016-12-14

Cómo citar

Blanco Oliver, A. J., Irimia Diéguez, A. I., & Vázquez Cueto, M. J. (2016). Diseño de un modelo específico para la predicción de la quiebra de micro-entities // Design of a Specific Model for Predicting Micro-Entities Failure. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 22, Páginas 3 a 18. Recuperado a partir de https://www.upo.es/revistas/index.php/RevMetCuant/article/view/2336

Número

Sección

Artículos