Riesgo de quiebra de empresas con análisis discriminante

El objetivo de este trabajo es aplicar el análisis discriminante para medir el riesgo de incumplimiento de las empresas, determinar la probabilidad de quiebra y clasificar a las empresas que están en quiebra, de las que no lo están. Se seleccionaron 48 empresas del departamento de Santander, pertene...

Full description

Autores:
Cisneros Salazar, Lisett Viviana
Castillo Gómez, Sonia Milena
Martínez Díaz, Carolina
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2006
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/14087
Acceso en línea:
http://hdl.handle.net/20.500.12749/14087
Palabra clave:
Financial engineering
Financial analysis
Financial managenment
Investigation
Multivariate analysis
Confusion matrix
Predictive approach
Risks
Companies
Probability of bankruptcy
Economic crisis
Análisis financiero
Ingeniería financiera
Gestión financiera
Investigación
Crisis económica
Análisis multivariable
Matriz de confusión
Enfoque predictivo
Riesgos
Empresas
Probabilidad de quiebra
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary:El objetivo de este trabajo es aplicar el análisis discriminante para medir el riesgo de incumplimiento de las empresas, determinar la probabilidad de quiebra y clasificar a las empresas que están en quiebra, de las que no lo están. Se seleccionaron 48 empresas del departamento de Santander, pertenecientes a diferentes sectores de la economía, de las cuales 30 se encontraban en no quiebra y 18 en quiebra. Para éstas fueron calculados seis indicadores financieros en el periodo de tiempo comprendido entre los años 2002 a 2004, tomados del modelo Z2 de Altman, Springate y CA SCORE. A partir de los datos se procedió a aplicar el análisis discriminante en el programa SPSS, el cual arrojó que el 91.7% del total de los casos fueron correctamente clasificados. Con la validación del modelo se obtuvo que el 76.5% de 17 nuevos casos, se clasificaron correctamente. Finalmente, al realizar la validación en un corte transversal del tiempo (2003-2005), se encontró que el 85.4% del total de los casos se clasificaron acertadamente. Las variables introducidas en el modelo son capaces de distinguir muy bien los grupos, la variable Patrimonio a valor contable / Activos Totales 2003 fue la que más contribuyó a diferenciarlos entre los años 2002 a 2004, y para el 2003 al 2005 la variable Utilidades Retenidas / Activos Totales 2003. El modelo analizado resultó ser de gran poder predictivo y explicativo, es decir los casos fueron clasificados con precisión y las variables empleadas diferenciaron muy bien los grupos.