Análisis de cierre empresarial en el sector manufacturero de Ecuador, periodo 1901 - 2018
Main Article Content
Keywords
Sector de manufactura, Dinámica empresarial, Empresas cerradas, Probabilidad de cierre
Resumen
La dinámica empresarial del sector de manufactura de Ecuador se abordó a través del estudio de la demografía empresarial de 118 años. Para el cálculo de probabilidades de supervivencia se realizó una tabla de mortalidad. El 37,74 % de las empresas se mantienen activas, el 89,07 % de las cerradas son micro y pequeñas empresas. La probabilidad de que una empresa recién creada cierre sus actividades en un periodo menor o igual a tres años es del 4 % y la esperanza de vida de una empresa recién creada es de 14,27 años.
Descargas
Los datos de descargas todavía no están disponibles.
Referencias
Acosta, E. y Fernández, F. (2007). Predicción del fracaso empresarial mediante el uso de algoritmos genéticos. X Encuentro de Economía Aplicada, Logroño. Universidad de Las Palmas de Gran Canaria. Las Palmas de Gran Canaria
Agudelo, G., Franco, L. y Franco, L. (2016). Cálculo actuarial: introducción a la actuaría de vida. Fondo Editorial ITM.
Ahn, B. S., Cho, S. S. y Kim, C. Y. (2000). Integrated methodology of rough set theory and artificial neural network for business failure prediction. Expert Systems with Applications, 18(2), 65-74. https://doi.org/10.1016/S0957-4174(99)00053-6
Altman, E. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23, 589-609. https://doi.org/10.2307/2978933
Alva, E. (2017). La desaparición de las microempresas en el Perú una aproximación a los factores que predisponen a su mortalidad caso del cercado de lima. Economía y Desarrollo, 158(2), 76-90.
Balcaen, S. y Ooghe, H. (2006). 35 years of studies on business failure: An overview of the classic statisticalmethodologies and their related problems. British Accounting Review, 38(1), 63-93. https://doi.org/10.1016/j.bar.2005.09.001
Bamiatzi, V. C. y Kirchmaier, T. (2014). Strategies for superior performance under adverse conditions: A focus on small and medium-sized high-growth firms. International Small Business Journal, 32(3), 259-284. https://doi.org/10.1177/0266242612459534
Beaver, W. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 4, 71-111.
Berg, D. (2007). Bankruptcy prediction by generalized additive models. Applied Stochastic Models in Business and Industry, 23, 129-143. https://doi.org/10.1002/asmb.658
Bermudez, N. y Bravo, A. (2019). Modelo predictivo de los determinantes del cierre empresarial de las MIPYMES en el Ecuador período 2007-2016. X - Pedientes Económicos, 3(5), 78-93.
Bowers, N., Gerber, H., James, H., Jones, D. y Nesbitt, C. (1997). Actuarial mathematics. Edward Brothers, Inc.
Bruderl, J. y Schussler, R. (1990). Organizational mortality : The Liabilities of newness and adolescence. Sage, 35(3), 530-547. https://doi.org/10.2307/2393316
Correa, A., Acosta, M. y González, A. (2003). La insolvencia empresarial: un análisis empírico para la pequeña y mediana empresa. Revista de contabilidad, 6, 47-79.
Daepp, M. I. G., Hamilton, M. J., West, G. B. y Bettencourt, L. M. A. (2015). The mortality of companies. Journal of the Royal Society Interface, 12(106). https://doi.org/10.1098/rsif.2015.0120
FitzPatrick, P. (1932). Average ratios of twenty representative industrial failures. The certified public account, 13-18.
Fuentelsaz, L., Gómez, J. y Polo, Y. (2004). Aplicaciones del análisis de supervivencia a la investigación en economía de la empresa. Cuadernos de economía y dirección de la empresa, 19(19), 81-114.
Ghazali, R., Jaafar Hussain, A., Mohd Nawi, N. y Mohamad, B. (2009). Non-stationary and stationary prediction of financial time series using dynamic ridge polynomial neural network. Neurocomputing, 72(10-12), 2359-2367. https://doi.org/10.1016/j.neucom.2008.12.005
González, R., Arteaga, A. y Ruíz, M. (2018). Cierre empresarial en la región Laja- Bajío. Management Review, 3, 1-16. https://doi.org/http://dx.doi.org/10.18583/umr.v3i2.119
Hannan, M. T. (1998). Rethinking age dependence in organizational mortality: Logical formalizations. American Journal of Sociology, 104(1), 126-164. https://doi.org/10.1086/210004
Henderson, R. y Clark, K. (1990). Architectural innovation: The reconfiguration of existing product technologies and the failure of established firms. Administrative Science Quarterly, 35(1), 9. https://doi.org/10.2307/2393549
Hua, Z., Wang, Y., Xu, X., Zhang, B. y Liang, L. (2007). Predicting corporate financial distress based on integration of support vector machine and logistic regression. Expert Systems with Applications, 33(2), 434- 440. https://doi.org/10.1016/j.eswa.2006.05.006
Instituto Nacional de Estadísticas y Censos (2019). Panorama laboral y empresarial 2017. https://www.ecuadorencifras. gob.ec/documentos/webinec/Bibliotecas/Libros/Panorama Laboral 2017.pdf
León, J. G., Vásquez, J. C. y Vergara, A. L. (2018). Desempeño financiero empresarial del sector agropecuario: un análisis comparativo entre Colombia y Brasil -2011-2015-. Revista Escuela de Administración de Negocios, 0(84 SE-Artículos científicos). https://doi.org/10.21158/01208160.n84.2018.1920
Martin, R. y Sunley, P. (2015). On the notion of regional economic resilience: Conceptualization and explanation. Journal of Economic Geography, 15(1), 1-42. https://doi.org/10.1093/jeg/lbu015
McKee, T. E. y Lensberg, T. (2002). Genetic programming and rough sets: A hybrid approach to bankruptcy classification. European Journal of Operational Research, 138(2), 436-451. https://doi.org/10.1016/S0377-2217(01)00130-8
Mensah, Y. M. (1984). An examination of the stationarity of multivariate bankruptcy prediction models: A methodological study. Journal of Accounting Research, 22(1), 380. https://doi.org/10.2307/2490719
Monelos, P. de L., Sánchez, C. P. y López, M. R. (2016). Business failure prediction. A contribution to the synthesis of a theory, through comparative analysis of different prediction techniques. Estudios de Economia, 43(2), 163-198. https://doi.org/10.4067/s0718-52862016000200001
Mures, J. y García, A. (2004). Factores determinantes del fracaso empresarial en Castilla y León. Revista de economía y empresa, 21(51), 95-116.
Ng-Henao, R. (2015). Marco metodológico para la determinación de la tasa de supervivencia empresarial en el sector industrial de la ciudad de Medellín en el periodo 2000-2010. Clío América, 9(18), 112. https://doi.org/10.21676/23897848.1529
Odom, M. D. y Sharda, R. (1990). A neural network model for bankruptcy prediction. IJCNN. International Joint Conference on Neural Networks, 163-168.
Ohlson, J. A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), 109. https://doi.org/10.2307/2490395
Ortega, A. (1987). Mortalidad: tablas de mortalidad. Naciones Unidas: XX Curso Regional Intensivo de Análisis Demográfico, 309. http://archivo.cepal.org/pdfs/1997/S9700588.pdf
Pereira, J., Crespo, M. y Sáez, J. (2019). La predicción del fracaso empresarial. Propuesta de un modelo secuencial basado en el análisis de supervivencia. Journal of Chemical Information and Modeling, 53(9), 1689-1699. https://doi.org/10.1017/CBO9781107415324.004
Promislow, D. (2011). Fundamentals of Actuarial Mathematics (2.a ed.). Wiley.
Promislow, D. (2015). Fundamentals of Actuarial Mathematics (3.a ed.). John Wiley & Sons, Inc.
Puebla, D., Tamayo, D. y Feijoó, E. (2015). Supervivencia empresarial: factores asociados al cierre de empresas del sector productivo ecuatoriano en el periodo 2009-2015. Instituto Nacional de Estadísticas y Censos, 26.
Puebla, D., Tamayo, D. y Feijoó, E. (2018). Factores relacionados a la supervivencia empresarial: evidencia para Ecuador. Analítika, 16.
Schumpeter, J. (1942). Capitalismo, socialismo y democracia. Harper & Brothers.
Stinchcombe, A. (1965). Social structure and organizations. Routledge.
Supercias (2016). Resoluciones SCVS-INC-DNCDN-2016-010. Registro Oficial - 868 --Primer Suplemento.
Supercias (2019). Portal de información. https://appscvsmovil.supercias.gob.ec/portalInformacion/index.zul
Williams, N. y Vorley, T. (2014). Economic resilience and entrepreneurship: Lessons from the Sheffield City Region. Entrepreneurship and Regional Development, 26(3-4), 257-281. https://doi.org/10.1080/08985626.2014.894129
Zhang, G., Hu, M. Y., Patuwo, B. E. y Indro, D. C. (1999). Artificial neural networks in bankruptcy prediction: General framework and cross-validation analysis. European Journal of Operational Research, 116(1), 16-32. https://doi.org/10.1016/S0377-2217(98)00051-4
Agudelo, G., Franco, L. y Franco, L. (2016). Cálculo actuarial: introducción a la actuaría de vida. Fondo Editorial ITM.
Ahn, B. S., Cho, S. S. y Kim, C. Y. (2000). Integrated methodology of rough set theory and artificial neural network for business failure prediction. Expert Systems with Applications, 18(2), 65-74. https://doi.org/10.1016/S0957-4174(99)00053-6
Altman, E. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23, 589-609. https://doi.org/10.2307/2978933
Alva, E. (2017). La desaparición de las microempresas en el Perú una aproximación a los factores que predisponen a su mortalidad caso del cercado de lima. Economía y Desarrollo, 158(2), 76-90.
Balcaen, S. y Ooghe, H. (2006). 35 years of studies on business failure: An overview of the classic statisticalmethodologies and their related problems. British Accounting Review, 38(1), 63-93. https://doi.org/10.1016/j.bar.2005.09.001
Bamiatzi, V. C. y Kirchmaier, T. (2014). Strategies for superior performance under adverse conditions: A focus on small and medium-sized high-growth firms. International Small Business Journal, 32(3), 259-284. https://doi.org/10.1177/0266242612459534
Beaver, W. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 4, 71-111.
Berg, D. (2007). Bankruptcy prediction by generalized additive models. Applied Stochastic Models in Business and Industry, 23, 129-143. https://doi.org/10.1002/asmb.658
Bermudez, N. y Bravo, A. (2019). Modelo predictivo de los determinantes del cierre empresarial de las MIPYMES en el Ecuador período 2007-2016. X - Pedientes Económicos, 3(5), 78-93.
Bowers, N., Gerber, H., James, H., Jones, D. y Nesbitt, C. (1997). Actuarial mathematics. Edward Brothers, Inc.
Bruderl, J. y Schussler, R. (1990). Organizational mortality : The Liabilities of newness and adolescence. Sage, 35(3), 530-547. https://doi.org/10.2307/2393316
Correa, A., Acosta, M. y González, A. (2003). La insolvencia empresarial: un análisis empírico para la pequeña y mediana empresa. Revista de contabilidad, 6, 47-79.
Daepp, M. I. G., Hamilton, M. J., West, G. B. y Bettencourt, L. M. A. (2015). The mortality of companies. Journal of the Royal Society Interface, 12(106). https://doi.org/10.1098/rsif.2015.0120
FitzPatrick, P. (1932). Average ratios of twenty representative industrial failures. The certified public account, 13-18.
Fuentelsaz, L., Gómez, J. y Polo, Y. (2004). Aplicaciones del análisis de supervivencia a la investigación en economía de la empresa. Cuadernos de economía y dirección de la empresa, 19(19), 81-114.
Ghazali, R., Jaafar Hussain, A., Mohd Nawi, N. y Mohamad, B. (2009). Non-stationary and stationary prediction of financial time series using dynamic ridge polynomial neural network. Neurocomputing, 72(10-12), 2359-2367. https://doi.org/10.1016/j.neucom.2008.12.005
González, R., Arteaga, A. y Ruíz, M. (2018). Cierre empresarial en la región Laja- Bajío. Management Review, 3, 1-16. https://doi.org/http://dx.doi.org/10.18583/umr.v3i2.119
Hannan, M. T. (1998). Rethinking age dependence in organizational mortality: Logical formalizations. American Journal of Sociology, 104(1), 126-164. https://doi.org/10.1086/210004
Henderson, R. y Clark, K. (1990). Architectural innovation: The reconfiguration of existing product technologies and the failure of established firms. Administrative Science Quarterly, 35(1), 9. https://doi.org/10.2307/2393549
Hua, Z., Wang, Y., Xu, X., Zhang, B. y Liang, L. (2007). Predicting corporate financial distress based on integration of support vector machine and logistic regression. Expert Systems with Applications, 33(2), 434- 440. https://doi.org/10.1016/j.eswa.2006.05.006
Instituto Nacional de Estadísticas y Censos (2019). Panorama laboral y empresarial 2017. https://www.ecuadorencifras. gob.ec/documentos/webinec/Bibliotecas/Libros/Panorama Laboral 2017.pdf
León, J. G., Vásquez, J. C. y Vergara, A. L. (2018). Desempeño financiero empresarial del sector agropecuario: un análisis comparativo entre Colombia y Brasil -2011-2015-. Revista Escuela de Administración de Negocios, 0(84 SE-Artículos científicos). https://doi.org/10.21158/01208160.n84.2018.1920
Martin, R. y Sunley, P. (2015). On the notion of regional economic resilience: Conceptualization and explanation. Journal of Economic Geography, 15(1), 1-42. https://doi.org/10.1093/jeg/lbu015
McKee, T. E. y Lensberg, T. (2002). Genetic programming and rough sets: A hybrid approach to bankruptcy classification. European Journal of Operational Research, 138(2), 436-451. https://doi.org/10.1016/S0377-2217(01)00130-8
Mensah, Y. M. (1984). An examination of the stationarity of multivariate bankruptcy prediction models: A methodological study. Journal of Accounting Research, 22(1), 380. https://doi.org/10.2307/2490719
Monelos, P. de L., Sánchez, C. P. y López, M. R. (2016). Business failure prediction. A contribution to the synthesis of a theory, through comparative analysis of different prediction techniques. Estudios de Economia, 43(2), 163-198. https://doi.org/10.4067/s0718-52862016000200001
Mures, J. y García, A. (2004). Factores determinantes del fracaso empresarial en Castilla y León. Revista de economía y empresa, 21(51), 95-116.
Ng-Henao, R. (2015). Marco metodológico para la determinación de la tasa de supervivencia empresarial en el sector industrial de la ciudad de Medellín en el periodo 2000-2010. Clío América, 9(18), 112. https://doi.org/10.21676/23897848.1529
Odom, M. D. y Sharda, R. (1990). A neural network model for bankruptcy prediction. IJCNN. International Joint Conference on Neural Networks, 163-168.
Ohlson, J. A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), 109. https://doi.org/10.2307/2490395
Ortega, A. (1987). Mortalidad: tablas de mortalidad. Naciones Unidas: XX Curso Regional Intensivo de Análisis Demográfico, 309. http://archivo.cepal.org/pdfs/1997/S9700588.pdf
Pereira, J., Crespo, M. y Sáez, J. (2019). La predicción del fracaso empresarial. Propuesta de un modelo secuencial basado en el análisis de supervivencia. Journal of Chemical Information and Modeling, 53(9), 1689-1699. https://doi.org/10.1017/CBO9781107415324.004
Promislow, D. (2011). Fundamentals of Actuarial Mathematics (2.a ed.). Wiley.
Promislow, D. (2015). Fundamentals of Actuarial Mathematics (3.a ed.). John Wiley & Sons, Inc.
Puebla, D., Tamayo, D. y Feijoó, E. (2015). Supervivencia empresarial: factores asociados al cierre de empresas del sector productivo ecuatoriano en el periodo 2009-2015. Instituto Nacional de Estadísticas y Censos, 26.
Puebla, D., Tamayo, D. y Feijoó, E. (2018). Factores relacionados a la supervivencia empresarial: evidencia para Ecuador. Analítika, 16.
Schumpeter, J. (1942). Capitalismo, socialismo y democracia. Harper & Brothers.
Stinchcombe, A. (1965). Social structure and organizations. Routledge.
Supercias (2016). Resoluciones SCVS-INC-DNCDN-2016-010. Registro Oficial - 868 --Primer Suplemento.
Supercias (2019). Portal de información. https://appscvsmovil.supercias.gob.ec/portalInformacion/index.zul
Williams, N. y Vorley, T. (2014). Economic resilience and entrepreneurship: Lessons from the Sheffield City Region. Entrepreneurship and Regional Development, 26(3-4), 257-281. https://doi.org/10.1080/08985626.2014.894129
Zhang, G., Hu, M. Y., Patuwo, B. E. y Indro, D. C. (1999). Artificial neural networks in bankruptcy prediction: General framework and cross-validation analysis. European Journal of Operational Research, 116(1), 16-32. https://doi.org/10.1016/S0377-2217(98)00051-4