Diseño de una herramienta para la estimación de la probabilidad de insolvencia en las Pymes del sector manufacturero como apoyo a los servicios ofrecidos por el Centro de Desarrollo Empresarial de la Universidad Autónoma de Bucaramanga

Es importante un seguimiento al interior de las empresas para la detección temprana de riesgos financieros. El entorno puede generar impactos negativos por choques en la economía. La ausencia de herramientas, inadecuada gestión y falta de conocimiento de los ejecutivos, también representan riesgos s...

Full description

Autores:
Serrano Gil, Lina Belsy
Tipo de recurso:
Fecha de publicación:
2023
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/22575
Acceso en línea:
http://hdl.handle.net/20.500.12749/22575
Palabra clave:
Insolvency
Bankruptcy
Risk
Default
Insolvency in business
Business failures
Small and medium businesses
Economy
Finance
Mathematical statistics
Finanzas
Insolvencia en los negocios
Fracasos comerciales
Pequeñas y medianas empresas
Economía
Estadística matemática
Insolvencia
Quiebra
Bancarrota
Riesgo
Impago
Rights
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary:Es importante un seguimiento al interior de las empresas para la detección temprana de riesgos financieros. El entorno puede generar impactos negativos por choques en la economía. La ausencia de herramientas, inadecuada gestión y falta de conocimiento de los ejecutivos, también representan riesgos significativos. En 2021, el tejido productivo en Santander y Bucaramanga, 99.7% y 98.8%, respectivamente, fue representado por MiPymes (Prosantander, 2022). Cifra relevante porque estas empresas son más susceptibles a riesgos financieros. En este sentido el proyecto se orientó al diseño de una herramienta para la estimación de la probabilidad de insolvencia en empresas manufactureras. Se analizó una muestra de 79 empresas del Área Metropolitana de Bucaramanga, 55 consideradas sanas y 24 en riesgo. Se utilizó una metodología mixta con enfoque cuantitativo, aplicando modelos Altman Z1, Springate y Ca-Score en MS-Excel, y se estructuró el nuevo modelo Logit_Lerg con el uso de Gretl. Así mismo, se empleó un enfoque cualitativo para describir y analizar las variables relevantes. Los datos se obtuvieron a partir de EMIS- Emerging Markets Group y la Superintendencia de Sociedades en el periodo 2018 a 2021. Por último, se diseño la herramienta en MS-Excel organizada en 5 pasos, incluyendo la preparación de los estados financieros y el cálculo de las variables requeridas, hasta obtener el índice de insolvencia para cada modelo. El resultado, indicó que Altman Z1 obtuvo mayor acierto con el 93,88%, seguido de Logit_Lerg con el 93,43%, el cual permitió dar validez al uso de inductores de valor en el análisis de insolvencia.