Palabras clave
Modelos de predicción
Árboles de decisión
Finanzas
Cómo citar
Resumen
En el presente trabajo se propone un modelo de predicción de quiebra empresarial para las organizaciones agroindustriales domiciliadas en la ciudad de Machala, Ecuador. Este modelo se contruyó utilizando los indicadores financieros de 311 empresas listadas en el portal de información de la Superintendencia de Compañías del Ecuador. Como resultado, el modelo de predicción de quiebra, basado en árboles de decisión, tiene una contabilidad/precisión del 78.57 %, la cual es aceptable comparada con la de otros modelos propuestos en la literatura. Finalmente, el modelo se aplicó en el ejercicio fiscal 2018 obteniendo una alerta temprana para 190 empresas de la rama en estudio, lo cual sugiere un revisión minuciosa de su situación contable-financiera para evitar posibles problemas futuros y salvaguardar la economía de la región y las plazas de trabajo que estas compañías proveen.
Referencias
Waters, W. (2000). El desarrollo de las agroexportaciones en el Ecuador: la primera respuesta empresarial. En L. Mart´ınez (Ed.), Antolog´ıa de estudios rurales (pp. 291-306). FLACSO. https://docplayer.es/41950425- El- desarrollo-de- las- agroexportaciones-en- el- ecuador- la-primerarespuesta-empresariap.html
Sotomayor, J., Apolo, J. y Quispe, J. (2018). La Provincia de El Oro: algunas consideraciones de los sectores productivos y empresariales - Estructura social y econ´omica de la provincia de El Oro. Ediciones UTMACH.
Jaramillo, J. y Manguay, J. (2019). Modelo de Monitoreo de Quiebras de Empresas mediante la integraci´on del Modelo de Altman Z-Score con la Metodolog´ıa de Gr´aficos de Control en el sector textil CIIU C14 (Tesis de grado). Universidad Central del Ecuador. http://200.12.169.19/handle/25000/20122/statistics
Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23 (4), 589-609. doi: https://doi.org/10.2307/2978933
Valencia, M., Tr´ochez, J., Vanegas, J. y Restrepo, J. (2016). Modelo para el an´alisis de la quiebra financiera en pymes agroindustriales antioque˜nas. Apuntes del CENES, 35 (62), 147-168. http://www.scielo.org.co/scielo.php?script=sci arttext&pid=S0120-30532016000200006
Agarwal, V. y Taffler, R. (2008). Comparing the performance of market-based and accountingbased bankruptcy prediction models. Journal of Banking & Finance, 32 (8), 1541-1551. doi: https://doi.org/10.1016/j.jbankfin.2007.07.014
Altman, E. I., Haldeman, R. G. y Narayanan, P. (1977). ZETATM analysis: A new model to identify bankruptcy risk of corporations. Journal of Banking & Finance, 1 (1), 29-54. doi: https://doi.org/10.1016/0378-4266(77)90017-6
Altman, E. I. y Hotchkiss, E. (2010). Corporate Financial Distress and Bankruptcy (Vol. 289). John Wiley & Sons. doi: https://doi.org/10.1002/9781118267806.ch9
Boritz, J. E., Kennedy, D. B. y Sun, J. Y. (2007). Predicting business failures in Canada. Accounting Perspectives, 6 (2), 141-165. doi: https://doi.org/10.1506/G8T2-K05V-1850-52U4
Jayasekera, R. (2018). Prediction of company failure: Past, present and promising directions for the future. International Review of Financial Analysis, 55, 196-208. doi: https://doi.org/10.1016/j.irfa.2017.08.009
Morrison, D. G. (1969). On the interpretation of discriminant analysis. Journal of Marketing Research, 156-163. doi: https://doi.org/10.2307/3149666
Organizaci´on Internacional del Trabajo. (2020). El COVID-19 y el mundo del trabajo: Repercusiones y respuestas (1.a ed.). https://tinyurl.com/yaj6nan5
CEPAL. (2020). Informe Especial Covid-19 - Am´erica Latina y el Caribe ante la pandemia del COVID-19. Efectos econ´omicos y sociales. https://tinyurl.com/ycemjtma
Banco Interamericano de Desarrollo. (2020). Respuestas del Covid-19 desde la ciencia, la innovaci´on y el desarrollo productivo. https://tinyurl.com/yajvttph
Dahik, A. (2020). El Coronavirus: Respuestas Del Mundo Y Del Ecuador. https://tinyurl.com/y965m7c3
Lucio, P. (2020). Coronavirus: Acciones en el Mundo y Ecuador para salir adelante. https://www.usfq.edu.ec/sites/default/files/2020-04/koyuntura-express-7-abril-2020.pdf
Decreto Ejecutivo N1061. (2020). https://minka.presidencia.gob.ec/portal/usuarios externos.jsf
Decreto Ejecutivo N1056. (2020). https://minka.presidencia.gob.ec/portal/usuarios externos.jsf
Montenegro, J. y Zambrano, L. (2020). Coronavirus: La cuarentena liquid´o a las peque˜nas empresas. https://tinyurl.com/ydb26qgm
Romero, F., Melgarejo, Z. y Vera-Colina, M. (2015). Fracaso empresarial de las peque˜nas y medianas empresas (pymes) en Colombia. Suma de Negocios, 6 (13), 29-41. doi: https://doi.org/10.1016/j.sumneg.2015.08.003
Romero, F. (2013). Alcances y limitaciones de los modelos de capacidad predictiva en el an´alisis del fracaso empresarial. AD minister, (23), 45-70. http://www.scielo.org.co/scielo.php?pid=S1692-02792013000200004&script=sci abstract&tlng=es16
Paˇskeviˇcius, A. y Jurgaityt˙e, N. (2015). Reasons for bankruptcy of natural persons in Lithuania. Ekonomika, 94 (2), 144-160. doi: https://doi.org/10.15388/Ekon.2015.2.8238
L´opez, F. y Pastor, I. (2015). Bankruptcy visualization and prediction using neural networks: A study of US commercial banks. Expert Systems with Applications, 42 (6), 2857-2869. doi: https://doi.org/10.1016/j.eswa.2014.11.025
De Llano, P., Pi˜neiro, C. y Rodr´ıguez, M. (2016). Predicci´on del fracaso empresarial: Una contribuci´on a la s´ıntesis de una teor´ıa mediante el an´alisis comparativo de distintas t´ecnicas de predicci´on. Estudios de Econom´ıa, 43 (2), 163-198. doi: http://dx.doi.org/10.4067/S0718-52862016000200001
Ryb´arov´a, D., Braunov´a, M. y Jantoˇsov´a, L. (2016). Analysis of the construction industry in the Slovak Republic by bankruptcy model. Procedia-Social and Behavioral Sciences, 230, 298-306. doi: https://doi.org/10.1016/j.sbspro.2016.09.038
Garc´ıa-Mar´ı, J., S´anchez-Vidal, J. y Tomaseti-Solano, E. (2016). Fracaso empresarial y efectos contagio. Un an´alisis espacial para Espa˜na. El trimestre econ´omico, 83 (330), 429-449. https://www.redalyc.org/articulo.oa?id=31345267007
Caro, N., Guardiola, M. y Ortiz, P. (2018). ´Arboles de clasificaci´on como herramienta para predecir dificultades financieras en empresas Latinoamericanas a trav´es de sus razones contables. Contadur´ıa y Administraci´on, 63 (1). doi: https://doi.org/10.22201/fca.24488410e.2018.1148
Krist´of, T. y Vir´ag, M. (2020). A Comprehensive Review of Corporate Bankruptcy Prediction in Hungary. Journal of Risk and Financial Management, 13 (2), 35. doi: https://doi.org/10.3390/jrfm13020035
Depaz, C. y Lupaca, R. (2016). Origen, definici´on y modelos del fracaso empresarial: una revisi´on te´orica. Revista de Investigaci´on Valor Contable, 3 (1), 47-56. doi: https://doi.org/10.17162/rivc.v3i1.1231
Mures, M. y Garc´ıa, A. (2004). Factores determinantes del fracaso empresarial en Castilla y Le´on. Revista de Econom´ıa y Empresa, 21 (51), 95-116. https://dialnet.unirioja.es/servlet/articulo?codigo=1976597
Camacho, G., Salazar, A. y Le´on, C. (2013). Modelo de estimaci´on de quiebra en las empresas colombianas del sector textil y de confecci´on (Tesis de maestr´ıa). Colegio de Estudios Superiores de Administraci´on. http://hdl.handle.net/10726/1231
Correa, A., Acosta, M. y Gonz´alez, A. (2003). La Insolvencia Empresarial: Un An´alisis Emp´ırico para la Peque˜na y Mediana Empresa. Revista de Contabilidad - Spanish Accounting Review, 6 (12), 47-79. https://revistas.um.es/rcsar/article/view/386811
Rubio, M. (2008). An´alisis del fracaso empresarial en Andaluc´ıa. Especial referencia a la edad de la empresa. Cuadernos de Ciencias Econ´omicas y Empresariales, 1 (54), 35-56. https://dialnet.unirioja.es/servlet/articulo?codigo=2856946
Beaver, W. H. (1966). Financial ratios as predictors of failure. Journal of accounting research, 4, 71-111. doi: https://doi.org/10.2307/2490171
Ohlson, J. A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of accounting research, 18 (1), 109-131. doi: https://doi.org/10.2307/2490395
Alaka, H. A., Oyedele, L. O., Owolabi, H. A., Kumar, V., Ajayi, S. O., Akinade, O. O. y Bilal, M. (2018). Systematic review of bankruptcy prediction models: Towards a framework for tool selection. Expert Systems with Applications, 94, 164-184. doi: https://doi.org/10.1016/j.eswa.2017.10.040
Balcaen, S. y 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 (1), 63-93. doi: https://doi.org/10.1016/j.bar.2005.09.001
Hastie, T., Tibshirani, R. y Friedman, J. (2009). The Elements of Statistical Learning. Springer. doi: https://doi.org/10.1007/978-0-387-84858-7
James, G., Witten, D., Hastie, T. y Tibshirani, R. (2013). An Introduction to Statistical Learning. Springer. doi: https://doi.org/10.1007/978-1-0716-1418-1
Burges, C. J. (1998). A tutorial on support vector machines for pattern recognition. Data Mining and Knowledge Discovery, 2 (2), 121-167. doi: https://doi.org/10.1023/A:100971592355517
Quinlan, J. R. (1986). Induction of decision trees. Machine Learning, 1 (1), 81-106. doi: https://doi.org/10.1007/BF00116251
Blanco, A., Irimia, A. y V´azquez, M. (2016). Dise˜no de un modelo espec´ıfico para la predicci´on de la quiebra de micro-entities. Revista de M´etodos Cuantitativos para la Econom´ıa y la Empresa, 22, 3-18. https://www.redalyc.org/articulo.oa?id=233148815001
Frydman, H., Altman, E. I. y Kao, D.-L. (1985). Introducing recursive partitioning for financial classification: the case of financial distress. The Journal of Finance, 40 (1), 269-291. doi: https://doi.org/10.2307/2328060
Gepp, A., Kumar, K. y Bhattacharya, S. (2010). Business failure prediction using decision trees. Journal of Forecasting, 29 (6), 536-555. doi: https://doi.org/10.1002/for.1153
Heo, J. y Yang, J. Y. (2014). AdaBoost based bankruptcy forecasting of Korean construction companies. Applied soft computing, 24, 494-499. doi: https://doi.org/10.1016/j.asoc.2014.08.009
Kim, S. Y. y Upneja, A. (2014). Predicting restaurant financial distress using decision tree and AdaBoosted decision tree models. Economic Modelling, 36, 354-362. doi: https://doi.org/10.1016/j.econmod.2013.10.005
Quir´os, S. y Redondo, D. (2018). Predicci´on de fragilidad financiera para sociedades an´onimas colombianas mediante la aplicaci´on de las t´ecnicas Logit, ´arboles de clasificaci´on y boosting (Tesis de maestr´ıa). Universidad de Antioquia. https://bibliotecadigital.udea.edu.co/handle/10495/9830
Shi, Y. y Li, X. (2019). A bibliometric study on intelligent techniques of bankruptcy prediction for corporate firms. Heliyon, 5 (12), e02997. doi: https://doi.org/10.1016/j.heliyon.2019.e02997
Morales, D. (2015). An´alisis de un modelo estad´ıstico para evaluar la probabilidad de quiebra empresarial (Tesis de Maestr´ıa). UEES.
Ch´avez, N., C´ordova, C. y Alvarado, P. (2017). Medici´on del riesgo de la gesti´on financiera de las compa˜n´ıas con la utilizaci´on del an´alisis discriminante: el caso de las industrias de la regi´on 7 del Ecuador. Revista Publicando, 4 (13), 90-107. https://revistapublicando.org/revista/index.php/crv/article/view/779
Cueva, D., Cortes, S., Tapia, R., Tabi, W., Torres, J., Maza, C., Uyaguari, K. y Gonz´alez, M. (2017). Financial fragility of companies and estimation of a probabilistic model LOGIT and PROBIT: Ecuadorian case. 12th Iberian Conference on Information Systems and Technologies (CISTI), 1-6. doi: https://doi.org/10.23919/CISTI.2017.7975927
P´erez, C. (2007). Miner´ıa de datos: t´ecnicas y herramientas. Editorial Paraninfo.
Rokach, L. y Maimon, O. Z. (2015). Data mining with decision trees: theory and applications (2.a ed.). World scientific.
Zurita, G. (2010). Probabilidad y Estad´ıstica Fundamentos y Aplicaciones. Ediciones del Instituto de Ciencias Matem´aticas ESPOL, Guayaquil-Ecuador.
Guyon, I., Gunn, S., Nikravesh, M. y Zadeh, L. A. (2008). Feature extraction: Foundations and Applications (Vol. 207). Springer. doi: https://doi.org/10.1007/978-3-540-35488-8
More, A. (2016). Survey of resampling techniques for improving classification performance in unbalanced datasets. doi: 10.48550/ARXIV.1608.06048
Ay´us, A., Villegas, G., Castro, M. y Bocanegra, J. (2018). Modelaci´on del riesgo de insolvencia en empresas del sector salud empleando modelos Logit. Revista de M´etodos Cuantitativos para la Econom´ıa y la Empresa, 26, 128-145. https://www.upo.es/revistas/index.php/RevMetCuant/article/view/2757
Svabova, L., Durica, M. y Podhorska, I. (2018). Prediction of default of small companies in the Slovak Republic. Economics and Culture, 15 (1), 88-95. doi: https://doi.org/10.2478/jec-2018-0010
Durica, M., Frnda, J. y Svabova, L. (2019). Decision tree based model of business failure prediction for Polish companies. Oeconomia Copernicana, 10 (3), 453-469. doi: https://doi.org/10.24136/oc.2019.022
Durica, M., Valaskova, K. y Janoskova, K. (2019). Logit business failure prediction in V4 countries. Engineering Management in Production and Services, 11 (4), 54-64. doi: https://doi.org/10.2478/emj-2019-003318
Korol, T. (2019). Dynamic bankruptcy prediction models for European enterprises. Journal of Risk and Financial Management, 12 (4), 185. doi: https://doi.org/10.3390/jrfm12040185
Begovi´c, S. y Boni´c, L. (2020). DEVELOPING A MODEL TO PREDICT CORPORATE BANKRUPTCY USING DECISION TREE IN THE REPUBLIC OF SERBIA. Facta Universitatis, Series: Economics and Organization, 17 (2), 127-139. doi: https://doi.org/10.22190/FUEO191118010V
Shrivastava, S., Jeyanthi, P. y Singh, S. (2020). Failure prediction of Indian Banks using SMOTE, Lasso regression, bagging and boosting. Cogent Economics & Finance, 8 (1), 1729569. doi: https://doi.org/10.1080/23322039.2020.1729569
Zoriˇc´ak, M., Gnip, P., Drot´ar, P. y Gazda, V. (2020). Bankruptcy prediction for small-and medium-sized companies using severely imbalanced datasets. Economic Modelling, 84, 165-176. doi: https://doi.org/10.1016/j.econmod.2019.04.003
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2022 Johanna Rivadeneira, Ramiro Saltos, María Rivera, Raúl Carpio