dc.contributor.author | Arias, Verónica | |
dc.contributor.author | Guardiola, Mariana | |
dc.contributor.author | Ortiz, Pablo Arnaldo | |
dc.contributor.author | Caro, Norma Patricia | |
dc.date.accessioned | 2022-05-19T19:05:00Z | |
dc.date.available | 2022-05-19T19:05:00Z | |
dc.date.issued | 2015-10 | |
dc.identifier.issn | 2451-8131 | |
dc.identifier.uri | http://hdl.handle.net/11086/25144 | |
dc.description.abstract | Existen diferentes modelos que comúnmente se aplican para predecir crisis financiera en empresas a partir de la información provista por sus estados contables anuales, en un período de tiempo determinado (datos longitudinales). Entre ellos se encuentran los modelos mixtos, donde los efectos fijos son estimados y los efectos aleatorios son predichos para cada empresa que constituye la muestra de estimación. Ante la imposibilidad de predecir la crisis financiera de manera directa para el caso de nuevas empresas, debido a que no se conocen los valores de los efectos aleatorios, en este trabajo se aplican nuevos métodos de predicción del mismo que permiten clasificar una nueva empresa o un nuevo período según su estado (i.e. sanas o en crisis). La literatura ha propuesto diversos métodos de predicción, siendo aplicados en este trabajo la regresión lineal y el método del vecino más cercano. De esta manera, se completa el objetivo de predecir el estado de crisis a través de modelos mixtos. La contribución de este trabajo se centra en comparar distintos métodos de predicción con muestras de validación, clasificando las empresas según su estado de vulnerabilidad financiera, siendo la tasa de clasificación correcta superior al 85%. Se consideraron empresas de Argentina, Brasil, Chile y Perú, estimando los efectos aleatorios para los índices de rentabilidad, liquidez y flujo de fondos operativos. Se concluye que la aplicación de estos métodos permite identificar empresas con problemas financieros, lo cual cobra relevancia en la modelación y predicción de este tipo de riesgo. | es |
dc.format.medium | Impreso | |
dc.language.iso | spa | es |
dc.rights | Licencia Creative Commons Atribución-NoComercial 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | * |
dc.subject | Predicción futura | es |
dc.subject | Modelos mixtos | es |
dc.subject | Clasificación binaria | es |
dc.title | Métodos para la predicción futura de crisis en empresas latinoamericanas usando modelos mixtos | es |
dc.type | conferenceObject | es |
dc.description.fil | Fil: Arias, Verónica. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. | es |
dc.description.fil | Fil: Guardiola, Mariana. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. | es |
dc.description.fil | Fil: Ortiz, Pablo Arnaldo. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. | es |
dc.description.fil | Fil: Caro, Norma Patricia. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. | es |
dc.description.field | Estadística y Probabilidad | |
dc.conference.city | Ciudad Autónoma de Buenos Aires | |
dc.conference.country | Argentina | |
dc.conference.editorial | 1º Congreso Argentino de Estadística | |
dc.conference.event | 1º Congreso Argentino de Estadística | |
dc.conference.eventcity | Ciudad Autónoma de Buenos Aires | |
dc.conference.eventcountry | Argentina | |
dc.conference.eventdate | 2015-10 | |
dc.conference.institution | Sociedad Argentina de Estadística - Grupo Argentino de Biometría | |
dc.conference.journal | 1º Congreso Argentino de Estadística | |
dc.conference.publication | Libro | |
dc.conference.work | Resumen | |
dc.conference.type | Congreso | |