Alcances y limitaciones de los modelos de capacidad predictiva en el análisis del fracaso empresarial
Main Article Content
Keywords
Abstract
Este artículo de revisión busca analizar los principales alcances y limitaciones de los modelos de predicción en el análisis del fracaso empresarial y su posible utilidad para el caso colombiano. Para esto se parte, en primer lugar, del análisis del concepto general de fracaso empresarial usado en los estudios, identificando la heterogeneidad terminológica que finalmente determinan el alcance y validez de las investigaciones realizadas; en segundo lugar, se revisarán los principales modelos de capacidad predictiva de la situación de fracaso empresarial, centrándose en las limitaciones y alcances que surgen en el proceso metodológico, como es la selección de la muestra, la selección de variables o ratios financieros para alimentar el modelo. Finalmente, se revisará su uso en Colombia y su posibilidad de aplicación en el país.
Downloads
Download data is not yet available.
References
Anzola, O, & Puentes, M. (2007). Determinantes de las acciones gerenciales en microempresas y en empresas pymes. Bogotá: Universidad Externado de Colombia. ISBN/ISSN: 958-710-173-7
Altman, E. (1981). Financial Handbook. New York: John Wiley & Sons.
Altman, E. (1988). The prediction of Corporate Bankruptcy. New York: Garland Publishing.
Altman, E. (septiembre de 1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, 23(4), 589-609.
Altman, E., Haldeman, E., & Narayanan, P. (junio de 1977). Z Analysis: A new model to identify bankruptcy risk of corporations. Journal of Banking and Finance, 1(1), 29-54.
Arquero, J.; Abad, M., & Jiménez, S., (diciembre de 2009). Procesos de fracaso empresarial en Pymes, Identificación y contrastación empírica. Revista Internacional de la pequeña y mediana empresa, 1(2), 64-77.
Balcaen, 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, 38, 63–93.
Beaver, W. (1966). Financial Ratios as predictor of failure. Journal of Accounting Research, 4, Empirical Research in Accounting: Selected Studies, 71-111. Recuperado de http:// www.jstor.org/stable/2490171
Beaver, W. (enero de 1968). Alternative accounting measures as predictor of failure. The Accounting Review, 43(1), 113-122.
Bellovary, J., Giacomino, D., & Akers, M. (2007). A review of Bankruptcy Prediction studies: 1930 to present. Journal of Financial Education, 33 (1), 1-43.
Bolaños, C. (1997). El fracaso empresarial y el Contador Público y Auditor como Liquidador de empresas. Guatemala: Universidad Francisco Marroquín, Facultad de Ciencias Económicas.
Blum, M. (1974). Failing Company Discriminant Analysis. Journal of Accounting Research, 12(1), 1-25.
Calvo-Flores, A., García, D., & Madrid, A. (2006). Tamaño, Antigüedad y Fracaso Empresarial. Working Paper. Cartagena: Universidad Politécnica de Cartagena.
Castro Sánchez, L. (2010). Inconsistencias más frecuentes en los Estados financieros. En H. Ruiz Lopez, Empresas Colombianas: Actualidad y perspectivas II (pp. 221-253). Bogotá: Imprenta Nacional Super Sociedades.
Correa, A., Acosta, M., & González, A. (julio-diciembre de 2003). La insolvencia empresarial: un análisis empírico para la pequeña y mediana empresa. Revista de Contabilidad, 6(12), 47-79.
Davydenko, S. (2010). When do firms default? A study of the default boundary. Toronto: University of Toronto. Recuperado de http://ssrn.com/abstract=672343
Deakin B. (1972). A discriminant analysis of predictors of business failure. Journal of Accounting Research, 10(1), 167-179. Recuperado de http://www.jstor.org/stable/2490225
Dutta, S., & Shekhar, S. (1988). Bond rating: a nonconservative application of neural networks. IEEE International Conference on Neural Networks (pp. 443–450). DOI:10.1109/ICNN.1988.23958
Ferrando, 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.
García, D., Arqués, A., & Calvo-Flores, A. (enero-marzo de 1995). Un modelo discriminante para evaluar el riesgo bancario en los créditos a empresas. Revista Española de Financiación y Contabilidad, XXIV(82), 175-200.
GEM (2009). Reporte GEM: Global Entrepreneurship Monitor Colombia. Bogotá: Legis S.A.
Goudie, W. (1987). Forecasting Corporate Failure: The Use of Discriminant Analysis within a Disaggregated Model of the Corporate. Journal of the Royal Statistical Society 150(1), 69-81. Recuperado de http:// www.jstor.org/stable/2981666.
Flórez, R. (2007). Análisis de los determinantes del riesgo de crédito en presencia de carteras de bajo incumplimiento. Una nueva propuesta de aplicación. Revista Europea de Dirección y Economía de la Empresa, Universidad de León, 16(2), 71-92. ISSN 1019-6838
Lev, B. (1978). Análisis de los Estados Financieros: un nuevo enfoque, Madrid: Ediciones ESIC.
Laffarga, J., Martín J., & Vásquez, M. (julio-septiembre de 1985). El análisis de la solvencia de las instituciones bancarias: propuesta para una metodología y aplicaciones a la banca Española. Esic-Market, (53), 51-73.
Laffarga, J., Martín J., & Vásquez, M. (1987). Predicción de la crisis bancaria en España: comparación entre el análisis Logit y el análisis discriminante. Cuadernos de Ciencias Económicas y Empresariales, (18), 49-57.
Laffarga, J., & Pina, V. (1995). La utilidad del análisis multivariantes para evaluar la gestión continuada de las empresas. Revista Española de Financiación y Contabilidad, XXIV(84), 727-748.
Lizarraga, 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.
Lo, A. (1986). Logit versus discriminant analysis: A specification test and application to corporate bankruptcies. Journal of Econometrics, 31, 151-178.
Manzaneque, M. (2006). Caracterización y predicción de los desenlaces del fracaso empresarial (Tesis doctoral). Universidad de Castilla-La Mancha Cuenca.
Manzaneque, M. (2010). Diferentes procesos de fracaso empresarial. Un análisis dinámico a través de la aplicación de técnicas estadísticas clúster. Revista Europea de Dirección y Económica de la Empresa, 19(3), 67-88.
Marais, M., Patell, J., & Wolfson, M. (1984). The Experimental Design of Classification Models: An Application of Recursive Partitioning and Bootstrapping to Commercial Bank Loan Classifications. Journal of Accounting Research, 22(1), 87-118.
Martín, B., & Sanz, A. (1997). Redes neuronales y sistemas borrosos. Madrid: Ra-Ma.
Martínez, O. (septiembre de 2003). Determinantes de Fragilidad En Las Empresas Colombianas. Borradores de Economía, 259, 1-24.
Mateos, A., Marín, M., Marí, S., & Seguí, E. (abril de 2011). Los modelos de predicción del fracaso empresarial y su aplicabilidad en cooperativas agrarias. Revista de Economía Pública, Social y Cooperativa, (70), 179-208.
Mora, A. (enero-marzo de 1994). Los modelos del fracaso empresarial: una aplicación empírica del Logit. Revista Española de financiación y contabilidad, XXIV(78), 203-233.
Mora, A. (julio-septiembre de 1994). Limitaciones metodológicas de los trabajos empíricos sobre la predicción del fracaso empresarial. Revista Española de financiación y contabilidad, XXIV(80), 709-732.
Mora, A. (enero-junio de 2002). Los modelos de predicción de la insolvencia empresarial como herramienta de gestión. Revista del REFOR, 9-10, 30-36.
Novales, A. (1993). Econometría (2a ed.). Madrid: Ed. Mac Graw Hill.
Odom, M., & Sharda, R. (1992). A neural network model for bankruptcy prediction. En R.R. Trippi. & E. Turban. (Eds), Neural Networks in Finance and Investing (pp. 163-168), Chicago: Probus Publishing.
Ohlson A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), 109-131. Recuperdao de: http://www.jstor.org/stable/2490395
Palomo, D. (2007). El análisis de solvencia convencional. Problemas e implicaciones. Málaga, España: Facultad de Ciencias Económicas y Empresariales. Campus El Ejido.
Pina, V. (enero-marzo de 1989). La información contable en la predicción de la crisis bancaria 1977-1987. Revista Española de financiación y contabilidad, 19(58), 309-338.
Platt, H., & Platt, M. (2004). Industry-relative ratios revisited: the case of financial distress. Documento presentado en la asociacion de gestion financiera 2004 New Orleans (USA), pp. 6-9.
Ravi Kumar, 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. http://dx.doi.org/10.1016/j.ejor.2006.08.043.
Rosillo, J. (2002). Modelo de predicción de quiebras de las empresas colombianas. Revista de ciencias administrativas y sociales INNOVAR, (19), 109-124.
Rubio, M. (2008). Análisis del fracaso empresarial en Andalucía. Especial referencia a la edad de la empresa. Cuadernos de CC. EE. y EE., (54), 35-56.
Salvador Figueras, M. (2000). Análisis discriminante. Recuperado de http://ciberconta.unizar.es/leccion/discri/inicio.html
Sánchez, J. (julio-agosto de 2005). Comparativa de métodos de predicción de la quiebra: Redes neuronales artificiales vs. Métodos estadísticos multivariantes.
Partida Doble, (168), 104-113.
Serrano, C., & Martín, B. (enero-marzo de 1993). Predicción de la quiebra bancaria mediante el empleo de redes neuronales artificiales. Revista Española de Financiación y Contabilidad, XXIII(74), 153-176.
Sosa Sierra, M. (2007). Inteligencia artificial en la gestión financiera empresarial. Pensamiento y Gestión, (23), 153-186.
Taffler, R. (1982). Forecasting company failure in the UK using discriminant analysis and financial ratio data. Journal of the Royal Statistical Society, 145(3), 342-358.
Tascón, M., & Castaño, F. (enero-julio de 2012). Variable y modelos para identificación y predicción del fracaso empresarial: Revisión de la investigación reciente. Revista de Contabilidad, 15 (1), 7-58.
Theodossiou, P. (1993). Predicting shifts in the mean of a multivariate time series Process: An application in Predicting Business Failures. Journal of the American Statistical Association, 88(422), 441-449.
Vega, A., Castaño, A., & Mora, J. (7 de abril de 2011). Pymes reflexiones. Recuperado de http://www.lalibreriadelau.com/lu/pageflip/pymes_reflexiones_politecnico/flash.html#/
Villamil, H. (2004). Modelos multivariados para la predicción de insolvencia empresarial una aplicación al caso colombiano. Bogotá: Universidad Piloto de Colombia.
Xu, M. y Zhang, C. (2009). Bankruptcy prediction: the case of Japanese listed companies. Review of Accounting Studies, (14), 534-558. DOI 10.1007/s11142-008-9080-5
Zavgren, C. (1985). Assessing the vulnerability of failure of American industrial firms: A logistic analysis. Journal of Banking and Finance (Spring), 19-45. DOI: 10.1111/j.1468-5957.1985.tb00077.x
Zmijewski, M. (1984). Methodological issues related to the estimation of financial
distress prediction models. Journal of Accounting Research, 22, 59-86. Recuperado de http://www.jstor.org/stable/2490859
Altman, E. (1981). Financial Handbook. New York: John Wiley & Sons.
Altman, E. (1988). The prediction of Corporate Bankruptcy. New York: Garland Publishing.
Altman, E. (septiembre de 1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, 23(4), 589-609.
Altman, E., Haldeman, E., & Narayanan, P. (junio de 1977). Z Analysis: A new model to identify bankruptcy risk of corporations. Journal of Banking and Finance, 1(1), 29-54.
Arquero, J.; Abad, M., & Jiménez, S., (diciembre de 2009). Procesos de fracaso empresarial en Pymes, Identificación y contrastación empírica. Revista Internacional de la pequeña y mediana empresa, 1(2), 64-77.
Balcaen, 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, 38, 63–93.
Beaver, W. (1966). Financial Ratios as predictor of failure. Journal of Accounting Research, 4, Empirical Research in Accounting: Selected Studies, 71-111. Recuperado de http:// www.jstor.org/stable/2490171
Beaver, W. (enero de 1968). Alternative accounting measures as predictor of failure. The Accounting Review, 43(1), 113-122.
Bellovary, J., Giacomino, D., & Akers, M. (2007). A review of Bankruptcy Prediction studies: 1930 to present. Journal of Financial Education, 33 (1), 1-43.
Bolaños, C. (1997). El fracaso empresarial y el Contador Público y Auditor como Liquidador de empresas. Guatemala: Universidad Francisco Marroquín, Facultad de Ciencias Económicas.
Blum, M. (1974). Failing Company Discriminant Analysis. Journal of Accounting Research, 12(1), 1-25.
Calvo-Flores, A., García, D., & Madrid, A. (2006). Tamaño, Antigüedad y Fracaso Empresarial. Working Paper. Cartagena: Universidad Politécnica de Cartagena.
Castro Sánchez, L. (2010). Inconsistencias más frecuentes en los Estados financieros. En H. Ruiz Lopez, Empresas Colombianas: Actualidad y perspectivas II (pp. 221-253). Bogotá: Imprenta Nacional Super Sociedades.
Correa, A., Acosta, M., & González, A. (julio-diciembre de 2003). La insolvencia empresarial: un análisis empírico para la pequeña y mediana empresa. Revista de Contabilidad, 6(12), 47-79.
Davydenko, S. (2010). When do firms default? A study of the default boundary. Toronto: University of Toronto. Recuperado de http://ssrn.com/abstract=672343
Deakin B. (1972). A discriminant analysis of predictors of business failure. Journal of Accounting Research, 10(1), 167-179. Recuperado de http://www.jstor.org/stable/2490225
Dutta, S., & Shekhar, S. (1988). Bond rating: a nonconservative application of neural networks. IEEE International Conference on Neural Networks (pp. 443–450). DOI:10.1109/ICNN.1988.23958
Ferrando, 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.
García, D., Arqués, A., & Calvo-Flores, A. (enero-marzo de 1995). Un modelo discriminante para evaluar el riesgo bancario en los créditos a empresas. Revista Española de Financiación y Contabilidad, XXIV(82), 175-200.
GEM (2009). Reporte GEM: Global Entrepreneurship Monitor Colombia. Bogotá: Legis S.A.
Goudie, W. (1987). Forecasting Corporate Failure: The Use of Discriminant Analysis within a Disaggregated Model of the Corporate. Journal of the Royal Statistical Society 150(1), 69-81. Recuperado de http:// www.jstor.org/stable/2981666.
Flórez, R. (2007). Análisis de los determinantes del riesgo de crédito en presencia de carteras de bajo incumplimiento. Una nueva propuesta de aplicación. Revista Europea de Dirección y Economía de la Empresa, Universidad de León, 16(2), 71-92. ISSN 1019-6838
Lev, B. (1978). Análisis de los Estados Financieros: un nuevo enfoque, Madrid: Ediciones ESIC.
Laffarga, J., Martín J., & Vásquez, M. (julio-septiembre de 1985). El análisis de la solvencia de las instituciones bancarias: propuesta para una metodología y aplicaciones a la banca Española. Esic-Market, (53), 51-73.
Laffarga, J., Martín J., & Vásquez, M. (1987). Predicción de la crisis bancaria en España: comparación entre el análisis Logit y el análisis discriminante. Cuadernos de Ciencias Económicas y Empresariales, (18), 49-57.
Laffarga, J., & Pina, V. (1995). La utilidad del análisis multivariantes para evaluar la gestión continuada de las empresas. Revista Española de Financiación y Contabilidad, XXIV(84), 727-748.
Lizarraga, 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.
Lo, A. (1986). Logit versus discriminant analysis: A specification test and application to corporate bankruptcies. Journal of Econometrics, 31, 151-178.
Manzaneque, M. (2006). Caracterización y predicción de los desenlaces del fracaso empresarial (Tesis doctoral). Universidad de Castilla-La Mancha Cuenca.
Manzaneque, M. (2010). Diferentes procesos de fracaso empresarial. Un análisis dinámico a través de la aplicación de técnicas estadísticas clúster. Revista Europea de Dirección y Económica de la Empresa, 19(3), 67-88.
Marais, M., Patell, J., & Wolfson, M. (1984). The Experimental Design of Classification Models: An Application of Recursive Partitioning and Bootstrapping to Commercial Bank Loan Classifications. Journal of Accounting Research, 22(1), 87-118.
Martín, B., & Sanz, A. (1997). Redes neuronales y sistemas borrosos. Madrid: Ra-Ma.
Martínez, O. (septiembre de 2003). Determinantes de Fragilidad En Las Empresas Colombianas. Borradores de Economía, 259, 1-24.
Mateos, A., Marín, M., Marí, S., & Seguí, E. (abril de 2011). Los modelos de predicción del fracaso empresarial y su aplicabilidad en cooperativas agrarias. Revista de Economía Pública, Social y Cooperativa, (70), 179-208.
Mora, A. (enero-marzo de 1994). Los modelos del fracaso empresarial: una aplicación empírica del Logit. Revista Española de financiación y contabilidad, XXIV(78), 203-233.
Mora, A. (julio-septiembre de 1994). Limitaciones metodológicas de los trabajos empíricos sobre la predicción del fracaso empresarial. Revista Española de financiación y contabilidad, XXIV(80), 709-732.
Mora, A. (enero-junio de 2002). Los modelos de predicción de la insolvencia empresarial como herramienta de gestión. Revista del REFOR, 9-10, 30-36.
Novales, A. (1993). Econometría (2a ed.). Madrid: Ed. Mac Graw Hill.
Odom, M., & Sharda, R. (1992). A neural network model for bankruptcy prediction. En R.R. Trippi. & E. Turban. (Eds), Neural Networks in Finance and Investing (pp. 163-168), Chicago: Probus Publishing.
Ohlson A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), 109-131. Recuperdao de: http://www.jstor.org/stable/2490395
Palomo, D. (2007). El análisis de solvencia convencional. Problemas e implicaciones. Málaga, España: Facultad de Ciencias Económicas y Empresariales. Campus El Ejido.
Pina, V. (enero-marzo de 1989). La información contable en la predicción de la crisis bancaria 1977-1987. Revista Española de financiación y contabilidad, 19(58), 309-338.
Platt, H., & Platt, M. (2004). Industry-relative ratios revisited: the case of financial distress. Documento presentado en la asociacion de gestion financiera 2004 New Orleans (USA), pp. 6-9.
Ravi Kumar, 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. http://dx.doi.org/10.1016/j.ejor.2006.08.043.
Rosillo, J. (2002). Modelo de predicción de quiebras de las empresas colombianas. Revista de ciencias administrativas y sociales INNOVAR, (19), 109-124.
Rubio, M. (2008). Análisis del fracaso empresarial en Andalucía. Especial referencia a la edad de la empresa. Cuadernos de CC. EE. y EE., (54), 35-56.
Salvador Figueras, M. (2000). Análisis discriminante. Recuperado de http://ciberconta.unizar.es/leccion/discri/inicio.html
Sánchez, J. (julio-agosto de 2005). Comparativa de métodos de predicción de la quiebra: Redes neuronales artificiales vs. Métodos estadísticos multivariantes.
Partida Doble, (168), 104-113.
Serrano, C., & Martín, B. (enero-marzo de 1993). Predicción de la quiebra bancaria mediante el empleo de redes neuronales artificiales. Revista Española de Financiación y Contabilidad, XXIII(74), 153-176.
Sosa Sierra, M. (2007). Inteligencia artificial en la gestión financiera empresarial. Pensamiento y Gestión, (23), 153-186.
Taffler, R. (1982). Forecasting company failure in the UK using discriminant analysis and financial ratio data. Journal of the Royal Statistical Society, 145(3), 342-358.
Tascón, M., & Castaño, F. (enero-julio de 2012). Variable y modelos para identificación y predicción del fracaso empresarial: Revisión de la investigación reciente. Revista de Contabilidad, 15 (1), 7-58.
Theodossiou, P. (1993). Predicting shifts in the mean of a multivariate time series Process: An application in Predicting Business Failures. Journal of the American Statistical Association, 88(422), 441-449.
Vega, A., Castaño, A., & Mora, J. (7 de abril de 2011). Pymes reflexiones. Recuperado de http://www.lalibreriadelau.com/lu/pageflip/pymes_reflexiones_politecnico/flash.html#/
Villamil, H. (2004). Modelos multivariados para la predicción de insolvencia empresarial una aplicación al caso colombiano. Bogotá: Universidad Piloto de Colombia.
Xu, M. y Zhang, C. (2009). Bankruptcy prediction: the case of Japanese listed companies. Review of Accounting Studies, (14), 534-558. DOI 10.1007/s11142-008-9080-5
Zavgren, C. (1985). Assessing the vulnerability of failure of American industrial firms: A logistic analysis. Journal of Banking and Finance (Spring), 19-45. DOI: 10.1111/j.1468-5957.1985.tb00077.x
Zmijewski, M. (1984). Methodological issues related to the estimation of financial
distress prediction models. Journal of Accounting Research, 22, 59-86. Recuperado de http://www.jstor.org/stable/2490859
Article Sidebar
Published
Oct 31, 2013
Article Details
How to Cite
Romero Espinosa, F. (2013). Alcances y limitaciones de los modelos de capacidad predictiva en el análisis del fracaso empresarial. AD-Minister, (23), 45–70. Retrieved from https://publicaciones.eafit.edu.co/index.php/administer/article/view/2243
Issue
Section
Research Articles
Supporting Agencies
Universidad Nacional de Colombia
Author Biography
Fredy Romero Espinosa, Universidad Nacional de Colombia
Contador Público de la Facultad de Ciencias Económicas de la Universidad Nacional de Colombia, Candidato a Magíster en Administración de la misma Universidad.Authors who publish with this journal agree to the following terms:
a. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under aCreative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
b. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
c. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).