Modelación del riesgo de insolvencia en empresas del sector salud empleando modelos logit
DOI:
https://doi.org/10.46661/revmetodoscuanteconempresa.2757Palabras clave:
insolvencia, modelos logit, indicadores financieros, insolvency, logit models, financial indicatorsResumen
Este artículo muestra la predicción del nivel de insolvencia en empresas que no cotizan en bolsa y pertenecen al sector salud con uno y dos años de anticipación, utilizando el análisis de regresión logística múltiple basado en indicadores de liquidez, endeudamiento, estructura financiera y rentabilidad. Se toma como referencia el período 2010-2013 para una muestra de 3.930 empresas categorizadas por tamaño (grande, mediana, pequeña y micro) y clasificándolas por su nivel de riesgo de insolvencia (alto, medio y bajo). Los resultados de acierto de los modelos se encuentran entre un 70% y 80% para cada uno de los años, validando los resultados obtenidos a lo largo del estudio.
Descargas
Citas
Alaka, H.; Oyedele, L.; Owolabi, H.; Kumar, V.; Ajayi, S.; Akinade, O. & Bilal, M. (2018). Systematic Review of Bankruptcy Prediction Models: Towards a Framework for Tool Selection. Expert Systems with Applications, 94, 164-184.
Altman, E. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589-609.
Altman, E. (1981). Financial Handbook. New York: John Wiley & Sons.
Appiah, K.; Chizema, A. & Arthur, J. (2015). Predicting corporate failure: A systematic literature review of methodological issues. International Journal of Law and Management, 57(5), 461-485.
Aziz, M. & Dar, H. (2006). Predicting corporate bankruptcy: Where we stand? Corporate Governance: The International Journal of Business in Society, 6(1), 18-33.
Beaver, W.H. (1966). Financial Ratios as Predictors of Failure. Journal of Accounting Research, 4(3), 71-111.
Collins, R. & Green, R. (1982). Statistical methods for bankruptcy forecasting. Journal of Economics and Business, 34(4), 349-354.
De Llano, P.; Piñeiro, C. & Rodriguez, M. (2016). Business failure prediction. A contribution to the synthesis of a theory, through comparative analysis of different prediction techniques. Estudios de Economía, 43(2), 163-198.
Fitzpatrick, F. (1932). A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firm. Certified Public Accountant, 6, 727-731.
Korol, T. (2013). Early warning models against bankruptcy risk for Central European and Latin American enterprises. Economic Modelling, 31, 22-30.
Laffarga, J.; Martín, J. & Vázquez, M. (1985). El análisis de la solvencia de las instituciones bancarias: Propuesta de una metodología y aplicaciones a la Banca española. ESIC-Market, 48, 51-73.
Lennox, C. (1999). Identifying failing companies: A re-evaluation of the logit, probit and DA approaches. Journal of Economics and Business, 51(4), 347-364.
Lincoln, M. (1984). An empirical study of the usefulness of accounting ratios to describe levels of insolvency risk. Journal of Banking & Finance, 8(2), 321-340.
McDonald, B. & Morris, M. (1984). The statistical validity of the ratio method in financial analysis: an empirical examination. Journal of Business Finance & Accounting, 11(1), 89-97.
Mures, M.; García, A. & Vallejo, M. (2012). Análisis del fracaso empresarial por sectores: factores diferenciadores. Pecunia, Monográfico 2010, 53-83.
Ohlson, J. (1980). Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, 18(1), 109-131.
Pereira, J.; Crespo, M. & Sáez, J. (2007). Modelos de Previsão do Fracasso Empresarial: Aspectos a considerar. Revista de Estudos Politécnicos, 4(7), 111-148 (en portugués).
Pérez, C. & Santín, D. (2007). Minería de datos. Técnicas y herramientas. Madrid: Paraninfo.
Platt, H. & Platt, M. (2002). Predicting corporate financial distress: Reflections on choice-based sample bias. Journal of Economics and Finance, 26(2), 184-199.
Premachandra, I.; Bhabra, G. & Sueyoshi, T. (2009). DEA as a tool for bankruptcy assessment: A comparative study with logistic regression technique. European Journal of Operational Research, 193(2), 412-424.
Ravi, P. & Ravi, V. (2007). Bankruptcy prediction in banks and firms via statistical and intelligent techniques – A review. European Journal of Operational Research, 180(1), 1-28.
Rodríguez, C.; Maté, M. & López, F. (2017). El contagio en el fracaso empresarial como consecuencia de la proximidad geográfica: un análisis con los estadísticos join-count aplicado al sector servicios. Revista de Métodos Cuantitativos para la Economía y la Empresa, 23, 75-95.
Sun, J.; Li, H.; Huang, Q. & He, K. (2014). Predicting financial distress and corporate failure: A review from the state-of-the-art definitions, modeling, sampling, and featuring approaches. Knowledge-Based Systems, 57, 41-56.
Tam, K. & Kiang, M. (1990). Predicting bank failures: A neural network approach. Applied Artificial Intelligence, 4(4), 265-282.
Tascón, M. & Castaño, F. (2012). Variables y modelos para la identificación y predicción del fracaso empresarial: revisión de la investigación empírica reciente. Revista de Contabilidad, 15(1), 7-58.
Turetsky, H. & McEwen, R. (2001). An empirical investigation of firm longevity: A model of the ex ante predictors of financial distress. Review of Quantitative Finance and Accounting, 16(4), 323-343.
Zmijewski, M. (1984). Methodological Issues Related to the Estimation of Financial Distress Prediction Models. Journal of Accounting Research, 22, 59-82.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Revista de Métodos Cuantitativos para la Economía y la Empresa
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
El envío de un manuscrito a la Revista supone que el trabajo no ha sido publicado anteriormente (excepto en la forma de un abstract o como parte de una tesis), que no está bajo consideración para su publicación en ninguna otra revista o editorial y que, en caso de aceptación, los autores están conforme con la transferencia automática del copyright a la Revista para su publicación y difusión. Los autores retendrán los derechos de autor para usar y compartir su artículo con un uso personal, institucional o con fines docentes; igualmente retiene los derechos de patente, de marca registrada (en caso de que sean aplicables) o derechos morales de autor (incluyendo los datos de investigación).
Los artículos publicados en la Revista están sujetos a la licencia Creative Commons CC-BY-SA de tipo Reconocimiento-CompartirIgual. Se permite el uso comercial de la obra, reconociendo su autoría, y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
Hasta el volumen 21 se ha estado empleando la versión de licencia CC-BY-SA 3.0 ES y se ha comenzado a usar la versión CC-BY-SA 4.0 desde el volumen 22.
