Diagnóstico financiero y predicción de quiebra para el sector avícola en el departamento de Santander
El presente proyecto se desarrolló por la incertidumbre empresarial y financiera que dejo la pandemia del COVID-19, como también por los impactos que se han generado en el país por los constantes cambios económicos, políticos y sociales. En Colombia, se han vivido dos crisis financieras generadas po...
- Autores:
-
Bonilla Rueda, Vianney Xiomara
Trigueros, Jairo Alberto
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/17265
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/17265
- Palabra clave:
- Financial indicators
Insolvency
Prediction model
Bankruptcy
Risk
Finance
Corporate finance
Financial analysis
Financial management
Risk capital
Finanzas
Finanzas corporativas
Análisis financiero
Gestión financiera
Capital de riesgo
Indicadores financieros
Insolvencia
Modelo de predicción
Quiebra
Riesgo
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
id |
UNAB2_abd46898031281847363cdf9975ca7f7 |
---|---|
oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/17265 |
network_acronym_str |
UNAB2 |
network_name_str |
Repositorio UNAB |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Diagnóstico financiero y predicción de quiebra para el sector avícola en el departamento de Santander |
dc.title.translated.spa.fl_str_mv |
Financial diagnose and bankruptcy prediction for the poultry sector in Santander |
title |
Diagnóstico financiero y predicción de quiebra para el sector avícola en el departamento de Santander |
spellingShingle |
Diagnóstico financiero y predicción de quiebra para el sector avícola en el departamento de Santander Financial indicators Insolvency Prediction model Bankruptcy Risk Finance Corporate finance Financial analysis Financial management Risk capital Finanzas Finanzas corporativas Análisis financiero Gestión financiera Capital de riesgo Indicadores financieros Insolvencia Modelo de predicción Quiebra Riesgo |
title_short |
Diagnóstico financiero y predicción de quiebra para el sector avícola en el departamento de Santander |
title_full |
Diagnóstico financiero y predicción de quiebra para el sector avícola en el departamento de Santander |
title_fullStr |
Diagnóstico financiero y predicción de quiebra para el sector avícola en el departamento de Santander |
title_full_unstemmed |
Diagnóstico financiero y predicción de quiebra para el sector avícola en el departamento de Santander |
title_sort |
Diagnóstico financiero y predicción de quiebra para el sector avícola en el departamento de Santander |
dc.creator.fl_str_mv |
Bonilla Rueda, Vianney Xiomara Trigueros, Jairo Alberto |
dc.contributor.advisor.none.fl_str_mv |
Garcés Bautista, José Luis |
dc.contributor.author.none.fl_str_mv |
Bonilla Rueda, Vianney Xiomara Trigueros, Jairo Alberto |
dc.subject.keywords.spa.fl_str_mv |
Financial indicators Insolvency Prediction model Bankruptcy Risk Finance Corporate finance Financial analysis Financial management Risk capital |
topic |
Financial indicators Insolvency Prediction model Bankruptcy Risk Finance Corporate finance Financial analysis Financial management Risk capital Finanzas Finanzas corporativas Análisis financiero Gestión financiera Capital de riesgo Indicadores financieros Insolvencia Modelo de predicción Quiebra Riesgo |
dc.subject.lemb.spa.fl_str_mv |
Finanzas Finanzas corporativas Análisis financiero Gestión financiera Capital de riesgo |
dc.subject.proposal.spa.fl_str_mv |
Indicadores financieros Insolvencia Modelo de predicción Quiebra Riesgo |
description |
El presente proyecto se desarrolló por la incertidumbre empresarial y financiera que dejo la pandemia del COVID-19, como también por los impactos que se han generado en el país por los constantes cambios económicos, políticos y sociales. En Colombia, se han vivido dos crisis financieras generadas por factores políticos y sociales. Sin embargo, en el año 2020 se presentó una crisis a nivel global ocasionada por la pandemia del COVID-19, la cual generó estragos a nivel nacional a diferentes sectores del país, llevando al cierre empresarial a 1.292 empresas en el año 2020 según datos de la Superintendencia de Sociedades; Esto conlleva a eventos como la pérdida de empleos y crisis nacional, a partir de estos sucesos se desarrolla la presente investigación que busca generar un diagnósticos financieros donde permita anticipar a las empresas del sector avícola a un posible riesgo de insolvencia financiera. El sector avícola es un sector de la economía regional que compite ampliamente a nivel nacional con otras regiones que también son fuertes en el mercado. Es un importante generador de empleo, cuenta con varias organizaciones representativas, algunas de ellas incluso en los primeros lugares a nivel nacional y, finalmente, porque es uno de los sectores que más aportan al PIB de la región (tres de las diez empresas más grandes de la región, son avícolas por lo que es sumamente importante que estas compañías se mantengan, crezcan y aporten cada vez más al crecimiento económico de Santander), la idea es conocer, en primera instancia, cómo se encuentran las empresas de este sector de la economía regional y cómo se encontraban en años previos a la actual crisis causada por la pandemia del COVID-19. Justamente en el mundo de las finanzas, existen modelos de todo tipo que permiten tener un acercamiento a lo que podría llegar a suceder a nivel empresarial, permitiendo realizar diagnósticos a los activos de liquidez mediante los comportamientos estadísticos de precios históricos. La metodología en la que se basa la investigación es en el modelo de predicción de quiebra Z2 de Altman que ha permitido en investigaciones como la de Mosquera (2017), donde ejecutó la aplicación del modelo Z-Altman y un estudio financiero a través del análisis de los estados de resultados y balances generales concluyendo que el modelo implementado acierta correctamente y puede manifestar resultados claros como fáciles de entender, generando confianza para el desarrollo de la presente investigación. Se inició con la recolección de datos de información financiera mediante herramientas de bases de datos como Emis University, Compite 360 y la Superintendencia de Sociedades. Se organizó la información y se filtraron aquellas empresas que no contaban con los datos requeridos para la implementación del modelo Z2 de Altman. Finalmente se generó un diagnóstico de la situación actual de las empresas del sector avícola, mediante el análisis de los indicadores financieros, durante los años 2017 a 2020, así mismo, se realizó la Identificación de las variables claves para la aplicación del modelo de predicción de quiebra, en las empresas del sector avícola, para los años 2017 y 2020, a partir de lo cual, se plantean estrategias y recomendaciones para las empresas del sector avícola, que permita la disminución del riesgo de insolvencia. Parte de los resultados que arrojó el modelo fueron los siguientes: Mostró una baja probabilidad de quiebra en el sector, sin embargo, sus indicadores de liquidez y actividad muestran una clara dependencia de sus inventarios y su rotación de pagos a proveedores se encuentra por debajo del ciclo de la venta y el cobro de la cartera; conduciendo al sector a altas probabilidades de endeudamiento para dar cubrimiento a la falta de fujo de efectivo. El impacto que dejo la pandemia en el sector fue asumido por las utilidades retenidas de los inversionistas, puesto que su ROE en el 2017 era positivo por encima del 1% y al 2020 decreció, ubicándose en un - 5%. A su vez en la investigación se encontraron diferentes variables logísticas, geográficas y tecnológicas que podrían llegar afectar seriamente el sector si no hacen la transición adecuada que los lleve a mantenerse vigentes y competitivos, no solo a nivel regional, sino también internacional, dado que les permitiría a cumplir con los reglamentos Invima de exportación. |
publishDate |
2022 |
dc.date.accessioned.none.fl_str_mv |
2022-08-05T21:31:11Z |
dc.date.available.none.fl_str_mv |
2022-08-05T21:31:11Z |
dc.date.issued.none.fl_str_mv |
2022-07-26 |
dc.type.eng.fl_str_mv |
Thesis |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
dc.type.local.spa.fl_str_mv |
Tesis |
dc.type.hasversion.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
status_str |
acceptedVersion |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/17265 |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
url |
http://hdl.handle.net/20.500.12749/17265 |
identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.references.spa.fl_str_mv |
Aguilar, P. T. (2017). La calidad de la cartera de créditos y su incidencia en la solvencia financiera de las cooperativas de ahorro y crédito de la región puno, 2012-2014. Semestre económico, 6(2), 125-152. Aguilera, M. (2014). Determinantes del desarrollo en la avicultura en Colombia: instituciones, organizaciones y tecnología. Banco de la República-Economía Regional. Alaminos Aguilera, D. (2019). Un modelo global de predicción de quiebra con redes neuronales. Alonso, J.C. y Berggrun, L. (2015). Introducción al análisis de riesgo financiero. Bogotá: Ecoe Ediciones. Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The journal of finance, 23(4), 589-609. Andi. (2021). Balance 2020 y perspectivas 2021. Recuperado de http://www.andi.com.co/Uploads/Balance%202020%20y%20perspectivas%202021_637471684751039075.pdf Berrío Guzmán, D., y Cabeza de Vergara, L. (2003). Verificación y adaptación del modelo de ALTMAN a la Superintendencia de Sociedades de Colombia. Betancur Chaves, C. M., y Cárdenas Bernal, J. D. TLC Sector Avícola el impacto del TLC Colombia-EE. UU, en el sector avícola colombiano. Caballero Argáez, C. (2019). Una visión retrospectiva de dos crisis financieras de los últimos cuarenta años en Colombia. Revista Desarrollo y Sociedad, (82), 133-165. Catacumba, M.A., Torres, A. y Zambrano, K. (2018). Modelo Z de Altman. Chocce, G. A. R., Palma, Á. B., González, P. A., Aguirre, N. A., Vega, P. L., y Carrazana, J. M. (2002, June). Modelos de clasificación y predicción de quiebra de empresas: Una aplicación a empresas chilenas. In Forum empresarial (Vol. 7, No. 1 Verano, pp. 2-20). Conpes (2007) Política nacional de sanidad e inocuidad para la cadena avícola. https://fenavi.org/centro-de-noticias/2021-ano-para-abrir-el-camino-a-la-exportacion-avicola/ Contreras, J. C. A., y Vera, A. F. N. (2014). Análisis discriminante aplicado a modelos de predicción de quiebra. Facultad De Ciencias Contables, 22, 53. Córdoba Restrepo, L. Y. y Agredo Leiva, L. (enero-junio, 2018). Análisis del riesgo financiero de impago en las pymes del sector manufacturero de Colombia, subsector elaboración de alimentos. Revista Science of Human Action, 3(1),34-64. Cortés, J. G. (2015). Indicadores financieros y económicos. Mercados y Negocios: Revista de Investigación yy Análisis, (32), 81-96. Cortez-Fernández, G., Fonseca-Castillo, A., Morales-Granados, J., Solano-Solano, J., y Tames-Ramírez, K. (2015). Modelo de Z Altman y diagrama de Solidez aplicado al mercado costarricense. Cuadras, C. M. (2007). Nuevos métodos de análisis multivariante. CMC Edicions. DANE. (2021). Histórico producto interno bruto. Recuperado de https://www.dane.gov.co/index.php/estadisticas-por-tema/cuentas-nacionales/cuentas-nacionales-trimestrales/historicos-producto-interno-bruto-pib. Decreto N° 2420, Decreto Único Reglamentario de las Normas de Contabilidad, de Información Financiera y de Aseguramiento de la Información y se dictan otras disposiciones. (14 de diciembre de 2015). Normograma. Cancillería. Fenavi. (2022). ¿Qué le espera a la avicultura en 2022? Recuperado de https://fenavi.org/wp-content/uploads/2022/03/revista-287.pdf Fica, A. L. L., Casanova, M. A. A., y Mardones, J. G. (2018). Análisis de riesgo crediticio, propuesta del modelo credit scoring. Revista Facultad de Ciencias Económicas, 26(1), 181-207. Hernández, R., Fernández, C., Baptista, P. (2014). Metodología de la investigación. Mc Graw Hill. Ibarra Mares, A. (2001). Análisis de las dificultades financieras de las empresas en una economía emergente las bases de datos y las variables independientes en el sector hotelero de la bolsa mexicana de valores. Universitat Autónoma de Barcelona, Obtenido de https://ddd.uab.cat/pub/tesis/2001/tdx-1018101-164847/aim1de1.pdf ICA. (2021). Empresas avícolas Productoras De Aves Reproductores Y De Primera Generación Con Registro Vigente. Recuperado de https://www.ica.gov.co/areas/pecuaria/servicios/bioseguridad-y-recursos-geneticos/empresas-avicolas-productores-de-aves-reproductore.aspx Jiménez Caballero, J. L., y Ruiz Martínez, R. J. (2000). Las redes neuronales en su aplicación a las finanzas. Banca y Finanzas, 54, 19-26. Lauletta, D. Crisis empresarial y remedio concursal. Lannuzzelli Paz, L. (2018). La medición del riesgo mediante la aplicación del modelo Altman z score en tres empresas del sector arrocero ecuatoriano (Bachelor's thesis). Lizarzaburu, E. R. (2014). Análisis del Modelo Z de Altman en el mercado peruano. Universidad y Empresa, 16(26), 137-154. Márquez Guerrero, C. S. (2019). Internet de las cosas aplicado al sector avícola de Santander (Colombia). Prototipo orientado a una empresa del área metropolitana de Bucaramanga. Ministerio de Agricultura y desarrollo rural. (2020). Recuperado de https://sioc.minagricultura.gov.co/Avicola/Documentos/2020-06-30%20Cifras%20Sectoriales.pdf Mojica-Pimiento, A., y Paredes-Vega, J. E. (2005). Características del sector avícola colombiano y su reciente evolución en el departamento de Santander. Ensayos Sobre Economía Regional; No. 29. Mosquera Albarracín, P. A. (2017). Aplicación del modelo Z-Altman en cinco pymes del sector del calzado, cuero y marroquinería de la ciudad de Bogotá, para la medición de riesgo financiero. Narváez Semanate, L. A. (2010). Análisis de la aplicación de los modelos de predicción de quiebras en Colombia. Ortega Serna, M. F. (2003). Modelo de análisis discriminante para identificar empresas con alto riesgo de quiebra en Colombia (Bachelor's thesis, Uniandes). Ortiz, A. H. (2006). Análisis de razones o indicadores financieros. En Universidad Externado de Colombia., Análisis Financiero Aplicado (pp. 215-287). Bogotá. Pinzón, E. M. R. (2020). Colombia: Impacto económico, social y político de la COVID-19. Análisis Carolina, (24), 1. Quintana, M. J. M., Gallego, A. G., y Pascual, M. E. V. (2005). Aplicación del análisis discriminante y regresión logística en el estudio de la morosidad en las entidades financieras: comparación de resultados. Pecvnia: Revista de la Facultad de Ciencias Económicas y Empresariales, Universidad de León, (1), 175-199. Restrepo, L. Y. C., y Leiva, L. P. A. (2018). Análisis del riesgo financiero de impago en las pymes del sector manufacturero de Colombia, subsector elaboración de alimentos. Science of Human Action (histórico), 3(1), 34-64. Rincón Moreno, C. C., y Rodríguez Vargas, E. O. (2019). Análisis financiero para la predicción de quiebra empresarial, en el sector de la Construcción en Colombia. Ringeling Papic, E. A. (2004). Análisis comparativo de modelos de predicción de quiebra y la probabilidad de bancarrota. Rivera-Godoy, J. A., y Rendón-Perea, J. D. (2019). Sector avícola en Colombia: rendimiento contable y EVA. Contaduría Universidad de Antioquia, (74), 127-151. Rodríguez Florez, G. A., y Peralta Pinzón, G. C. (2016). Caracterización de las pymes en Bogotá en el sector industrial a través de modelos de predicción de quiebra (Bachelor's thesis, Universidad Piloto de Colombia). Rodríguez Porras, A. C., y Rojas Morales, O. X. (2017). Aplicación del modelo de predicción de quiebra Altman Z Score en cinco organizaciones del sector de alimentos durante el periodo 2011-2015. Rosillo, J. (2002). Modelo de predicción de quiebras de las empresas colombianas. Innovar: Revista de ciencias administrativas y sociales, 109-124. Ross, S., Westerfield, R., Jaffe, J. (2012). Finanzas corporativas. México: McGraw Hill. Alonso, J.C. y Berggrun, L. (2015). Introducción al análisis de riesgo financiero. Bogotá: Ecoe Ediciones. Rincón Moreno, C. C., y Rodríguez Vargas, E. O. (2019). Análisis financiero para la predicción de quiebra empresarial, en el sector de la Construcción en Colombia. Salgador, J. P. Z. (2005). Globalización, incertidumbre y riesgo. Intangible capital, 1(3). Superintendencia de sociedades. (2020). Impacto de la Coyuntura del Coronavirus en la Economía Colombiana. https://www.supersociedades.gov.co/Noticias/Publicaciones/Revistas/2020/Impacto-economico-COVID-19-Supersociedades-2020.pdf Superintendencia de sociedades (2021). Insolvencia en Colombia Datos y Cifras - Corte diciembre 2020. Recuperado de https://www.supersociedades.gov.co/delegatura_insolvencia/Documents/2021/ATLAS-INSOLVENCIA-CORTE-DIC-2020.pdf Uribe Hernandez, L. M. (2021). Dirección De Cadenas Pecuarias, Pesqueras Y Acuícolas, Cadena Avícola. https://sioc.minagricultura.gov.co/Avicola/Documentos/2021-06-30%20Cifras%20Sectoriales.pdf Valdés, M. M. L., Aleaga, A. M. L., y Vidal, G. G. (2014). Redes neuronales artificiales en la predicción de insolvencia. Un cambio de paradigma ante recetas tradicionales de prácticas empresariales. Enfoque UTE, 5(2), 38-58. Valencia Cárdenas, M., Tróchez González, J., Vanegas López, J. G., & Restrepo Morales, J. A. (2016). Modelo para el análisis de la quiebra financiera en pymes agroindustriales antioqueñas. Apuntes del CENES, 35(62), 147-168. |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_16ec |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_16ec |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.coverage.spatial.spa.fl_str_mv |
Santander (Colombia) |
dc.coverage.temporal.spa.fl_str_mv |
2017 a 2020 |
dc.coverage.campus.spa.fl_str_mv |
UNAB Campus Bucaramanga |
dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
dc.publisher.faculty.spa.fl_str_mv |
Facultad Economía y Negocios |
dc.publisher.program.spa.fl_str_mv |
Maestría en Finanzas |
dc.publisher.deparment.eng.fl_str_mv |
CORE School of Management |
institution |
Universidad Autónoma de Bucaramanga - UNAB |
bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/17265/1/2022_Tesis_Jairo_Alberto_Trigueros https://repository.unab.edu.co/bitstream/20.500.12749/17265/4/Licencia_.pdf https://repository.unab.edu.co/bitstream/20.500.12749/17265/2/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/17265/3/2022_Tesis_Jairo_Alberto_Trigueros.jpg https://repository.unab.edu.co/bitstream/20.500.12749/17265/5/Licencia_.pdf.jpg |
bitstream.checksum.fl_str_mv |
f340120565e22c158492f8f4291ab624 b17284a34384891759630f3f1051405e 3755c0cfdb77e29f2b9125d7a45dd316 551a1bc53dd08ccd8797731472f8c25d cccc603b77e55e5f9595894ed5ef4579 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
repository.mail.fl_str_mv |
repositorio@unab.edu.co |
_version_ |
1828219849999908864 |
spelling |
Garcés Bautista, José Luis4a5693c5-5885-4ac4-98fc-eab60f435a67Bonilla Rueda, Vianney Xiomara0a56750b-ed2e-4b90-a230-dbbad7f88e9eTrigueros, Jairo Alberto955fd825-6fcb-4f43-bd44-afe19e4f7f22Santander (Colombia)2017 a 2020UNAB Campus Bucaramanga2022-08-05T21:31:11Z2022-08-05T21:31:11Z2022-07-26http://hdl.handle.net/20.500.12749/17265instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEl presente proyecto se desarrolló por la incertidumbre empresarial y financiera que dejo la pandemia del COVID-19, como también por los impactos que se han generado en el país por los constantes cambios económicos, políticos y sociales. En Colombia, se han vivido dos crisis financieras generadas por factores políticos y sociales. Sin embargo, en el año 2020 se presentó una crisis a nivel global ocasionada por la pandemia del COVID-19, la cual generó estragos a nivel nacional a diferentes sectores del país, llevando al cierre empresarial a 1.292 empresas en el año 2020 según datos de la Superintendencia de Sociedades; Esto conlleva a eventos como la pérdida de empleos y crisis nacional, a partir de estos sucesos se desarrolla la presente investigación que busca generar un diagnósticos financieros donde permita anticipar a las empresas del sector avícola a un posible riesgo de insolvencia financiera. El sector avícola es un sector de la economía regional que compite ampliamente a nivel nacional con otras regiones que también son fuertes en el mercado. Es un importante generador de empleo, cuenta con varias organizaciones representativas, algunas de ellas incluso en los primeros lugares a nivel nacional y, finalmente, porque es uno de los sectores que más aportan al PIB de la región (tres de las diez empresas más grandes de la región, son avícolas por lo que es sumamente importante que estas compañías se mantengan, crezcan y aporten cada vez más al crecimiento económico de Santander), la idea es conocer, en primera instancia, cómo se encuentran las empresas de este sector de la economía regional y cómo se encontraban en años previos a la actual crisis causada por la pandemia del COVID-19. Justamente en el mundo de las finanzas, existen modelos de todo tipo que permiten tener un acercamiento a lo que podría llegar a suceder a nivel empresarial, permitiendo realizar diagnósticos a los activos de liquidez mediante los comportamientos estadísticos de precios históricos. La metodología en la que se basa la investigación es en el modelo de predicción de quiebra Z2 de Altman que ha permitido en investigaciones como la de Mosquera (2017), donde ejecutó la aplicación del modelo Z-Altman y un estudio financiero a través del análisis de los estados de resultados y balances generales concluyendo que el modelo implementado acierta correctamente y puede manifestar resultados claros como fáciles de entender, generando confianza para el desarrollo de la presente investigación. Se inició con la recolección de datos de información financiera mediante herramientas de bases de datos como Emis University, Compite 360 y la Superintendencia de Sociedades. Se organizó la información y se filtraron aquellas empresas que no contaban con los datos requeridos para la implementación del modelo Z2 de Altman. Finalmente se generó un diagnóstico de la situación actual de las empresas del sector avícola, mediante el análisis de los indicadores financieros, durante los años 2017 a 2020, así mismo, se realizó la Identificación de las variables claves para la aplicación del modelo de predicción de quiebra, en las empresas del sector avícola, para los años 2017 y 2020, a partir de lo cual, se plantean estrategias y recomendaciones para las empresas del sector avícola, que permita la disminución del riesgo de insolvencia. Parte de los resultados que arrojó el modelo fueron los siguientes: Mostró una baja probabilidad de quiebra en el sector, sin embargo, sus indicadores de liquidez y actividad muestran una clara dependencia de sus inventarios y su rotación de pagos a proveedores se encuentra por debajo del ciclo de la venta y el cobro de la cartera; conduciendo al sector a altas probabilidades de endeudamiento para dar cubrimiento a la falta de fujo de efectivo. El impacto que dejo la pandemia en el sector fue asumido por las utilidades retenidas de los inversionistas, puesto que su ROE en el 2017 era positivo por encima del 1% y al 2020 decreció, ubicándose en un - 5%. A su vez en la investigación se encontraron diferentes variables logísticas, geográficas y tecnológicas que podrían llegar afectar seriamente el sector si no hacen la transición adecuada que los lleve a mantenerse vigentes y competitivos, no solo a nivel regional, sino también internacional, dado que les permitiría a cumplir con los reglamentos Invima de exportación.RESUMEN..................................................................................................................................................... 6 SUMMARY.................................................................................................................................................... 9 INTRODUCCIÓN .......................................................................................................................................... 16 1. PROBLEMA U OPORTUNIDAD............................................................................................................. 18 1.1 ANTECEDENTES DEL PROBLEMA .................................................................................................................. 18 1.2 PROBLEMA DE INVESTIGACIÓN ................................................................................................................... 23 1.3 PREGUNTA DE INVESTIGACIÓN.................................................................................................................... 27 1.4 ÁRBOL PROBLEMA ................................................................................................................................... 28 1.5 OBJETIVOS ................................................................................................................................................. 29 1.6 HIPÓTESIS.................................................................................................................................................. 29 1.7 JUSTIFICACIÓN ............................................................................................................................................ 29 1.8 LIMITACIÓN Y DELIMITACIÓN ......................................................................................................................... 30 1.9 DEFINICIÓN DE TÉRMINOS............................................................................................................................. 31 2. MARCO TÉORICO Y ESTADO DEL ARTE................................................................................................ 35 2.1 Marco Teórico................................................................................................................................... 35 2.2 Estado del Arte ................................................................................................................................. 63 3 METODOLOGÍA........................................................................................................................................ 72 3.1 METODOLOGÍA DE LA INVESTIGACIÓN.............................................................................................................. 72 3.1.1 MÉTODO DE INVESTIGACIÓN .................................................................................................................... 72 3.1.2 ALCANCE.............................................................................................................................................. 73 3.1.3 POBLACIÓN Y SELECCIÓN DE LA MUESTRA ................................................................................................... 74 3.1.4 MARCO CONTEXTUAL ............................................................................................................................. 80 3.1.5 INSTRUMENTOS DE RECOLECCIÓN DE DATOS................................................................................................ 83 3.1.6 PROCEDIMIENTO EN LA APLICACIÓN DE INSTRUMENTOS ................................................................................. 83 3.1.7 ANÁLISIS DE DATOS................................................................................................................................. 84 4 RESULTADOS ..................................................................................................................................... 88 4.1 DIAGNÓSTICO FINANCIERO DEL SECTOR AVÍCOLA A NIVEL NACIONAL, EN COLOMBIA............................................... 88 12 4.2 VARIABLES CLAVES PARA LA APLICACIÓN DEL MODELO DE PREDICCIÓN DE QUIEBRA, EN LAS EMPRESAS DEL SECTOR AVÍCOLA, DURANTE LOS AÑOS 2017 Y 2020. ...................................................................................................................... 93 4.2.1Resultados de la aplicación del modelo Z2 de Altman, al sector acícula y a las empresas del sector avícola del departamento de Santander, durante los años 2017 a 2020. ................................. 98 4.2.2 Aplicación del modelo al sector avícola a nivel nacional............................................................. 98 4.2.3 Aplicación del modelo Z2 de Altman a las empresas sector avícola del departamento de Santander. .............................................................................................................................................. 99 4.2.4 Estadísticos .................................................................................................................................. 108 4.3 ESTRATEGIAS Y RECOMENDACIONES PARA LAS EMPRESAS DEL SECTOR AVÍCOLA, QUE PERMITA LA DISMINUCIÓN DEL RIESGO DE INSOLVENCIA.............................................................................................................................................. 111 5.0 CONCLUSIONES................................................................................................................................... 115 6.0 BIBLIOGRAFIA ..................................................................................................................................... 118MaestríaThis project was developed because of business and financial uncertainity generated by COVID-19 pandemic, including the impact generated to Colombia by the constant changes on economic, political and social levels. Colombia has lived diverse historical financial crisis which occurred by political and Economic factors. In 2020, the COVID-19 pandemic, caused an important impact at national level, which led to closure of about 1,292 companies, according to the Superintendencia de Sociedades (2020). This, in turn, generated job losses, instability, and so on. From this events, this Project is developed, in order to make a financial diagnose which let to anticípate posible risk of insolvency. Poltry sector in Santander, compites in Colombia with other regions that are also strong in the same market. It is a good job creator, has several representative companies, some of them occupy the first places at the national level and, finally, because contributes to the regional GDP in a big amount (three of the ten largest companies in Santander, belong to the poltry sector, that´s why is very important those companies to keep existing, grow and support the regional economy). The manin topic is to know how are the companies right now into the regional economy and how were them in the previous years before the COVID-19 pandemic. In the financial world, exists different kind of models which let to close up to the reality and some scenaries of what could happen to companies, allowing to diagnose and anticipate possible adverse situations, through historical data. This investigation is based on the methodology of Altman’s Z2 bankruptcy prediction model, that has allowed to investigators like for example Mosquera (2017), who analized financial statements of diverse companies , concluding that the model is correct and is able to give good results and easy to interpret, which gives confidence to develop this investigation. It begun collecting data of financial information through databases like Emis University, Compite 360 and La Superintendencia de Sociedades. This information was organized and filtered, discarding those companies that did not have all the required information to implement the model. Finally, with the collected information, a financial diagnosis was developed, including the situation of the selected companies with current complete information during the years 2017 to 2020. Likewise, were identified the key variables to apply the model to the companies during the same years. From this, strategies and recommendations were proposed, in order to decrease the risk of insolvency. These are some of the results of the application of the model: was observed a low probability of bankruptcy in the sector, nevertheless, liquidity and activity ratios shown high dependency on inventories. Likewise, the rotation of payment to suppliers were below the sales cycle and portfolio recovery, which leads the entire sector to high levels of indebtedness to make a cover of the missing liquidity. On the other hand, the impact of the pandemic was assumed by the retained earnings, because in 2017, the ROE ratio was positive (over 1%), but in 2020, decreased to -5%. In the same way, were found different logistics, geographics and tecnologic variables which can affect the sector, in case the companies do not make the transition and the respective investment that allows them keep competitive, not only in Santander and Colombia, but also internationally, following the standards given by El Invima, to exporters.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_16ecDiagnóstico financiero y predicción de quiebra para el sector avícola en el departamento de SantanderFinancial diagnose and bankruptcy prediction for the poultry sector in SantanderThesisinfo:eu-repo/semantics/masterThesisTesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/TMMagíster en FinanzasUniversidad Autónoma de Bucaramanga UNABFacultad Economía y NegociosMaestría en FinanzasCORE School of ManagementFinancial indicatorsInsolvencyPrediction modelBankruptcyRiskFinanceCorporate financeFinancial analysisFinancial managementRisk capitalFinanzasFinanzas corporativasAnálisis financieroGestión financieraCapital de riesgoIndicadores financierosInsolvenciaModelo de predicciónQuiebraRiesgoAguilar, P. T. (2017). La calidad de la cartera de créditos y su incidencia en la solvencia financiera de las cooperativas de ahorro y crédito de la región puno, 2012-2014. Semestre económico, 6(2), 125-152.Aguilera, M. (2014). Determinantes del desarrollo en la avicultura en Colombia: instituciones, organizaciones y tecnología. Banco de la República-Economía Regional.Alaminos Aguilera, D. (2019). Un modelo global de predicción de quiebra con redes neuronales.Alonso, J.C. y Berggrun, L. (2015). Introducción al análisis de riesgo financiero. Bogotá: Ecoe Ediciones.Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The journal of finance, 23(4), 589-609.Andi. (2021). Balance 2020 y perspectivas 2021. Recuperado de http://www.andi.com.co/Uploads/Balance%202020%20y%20perspectivas%202021_637471684751039075.pdfBerrío Guzmán, D., y Cabeza de Vergara, L. (2003). Verificación y adaptación del modelo de ALTMAN a la Superintendencia de Sociedades de Colombia.Betancur Chaves, C. M., y Cárdenas Bernal, J. D. TLC Sector Avícola el impacto del TLC Colombia-EE. UU, en el sector avícola colombiano.Caballero Argáez, C. (2019). Una visión retrospectiva de dos crisis financieras de los últimos cuarenta años en Colombia. Revista Desarrollo y Sociedad, (82), 133-165.Catacumba, M.A., Torres, A. y Zambrano, K. (2018). Modelo Z de Altman.Chocce, G. A. R., Palma, Á. B., González, P. A., Aguirre, N. A., Vega, P. L., y Carrazana, J. M. (2002, June). Modelos de clasificación y predicción de quiebra de empresas: Una aplicación a empresas chilenas. In Forum empresarial (Vol. 7, No. 1 Verano, pp. 2-20).Conpes (2007) Política nacional de sanidad e inocuidad para la cadena avícola. https://fenavi.org/centro-de-noticias/2021-ano-para-abrir-el-camino-a-la-exportacion-avicola/Contreras, J. C. A., y Vera, A. F. N. (2014). Análisis discriminante aplicado a modelos de predicción de quiebra. Facultad De Ciencias Contables, 22, 53.Córdoba Restrepo, L. Y. y Agredo Leiva, L. (enero-junio, 2018). Análisis del riesgo financiero de impago en las pymes del sector manufacturero de Colombia, subsector elaboración de alimentos. Revista Science of Human Action, 3(1),34-64.Cortés, J. G. (2015). Indicadores financieros y económicos. Mercados y Negocios: Revista de Investigación yy Análisis, (32), 81-96.Cortez-Fernández, G., Fonseca-Castillo, A., Morales-Granados, J., Solano-Solano, J., y Tames-Ramírez, K. (2015). Modelo de Z Altman y diagrama de Solidez aplicado al mercado costarricense.Cuadras, C. M. (2007). Nuevos métodos de análisis multivariante. CMC Edicions.DANE. (2021). Histórico producto interno bruto. Recuperado de https://www.dane.gov.co/index.php/estadisticas-por-tema/cuentas-nacionales/cuentas-nacionales-trimestrales/historicos-producto-interno-bruto-pib.Decreto N° 2420, Decreto Único Reglamentario de las Normas de Contabilidad, de Información Financiera y de Aseguramiento de la Información y se dictan otras disposiciones. (14 de diciembre de 2015). Normograma. Cancillería.Fenavi. (2022). ¿Qué le espera a la avicultura en 2022? Recuperado de https://fenavi.org/wp-content/uploads/2022/03/revista-287.pdfFica, A. L. L., Casanova, M. A. A., y Mardones, J. G. (2018). Análisis de riesgo crediticio, propuesta del modelo credit scoring. Revista Facultad de Ciencias Económicas, 26(1), 181-207.Hernández, R., Fernández, C., Baptista, P. (2014). Metodología de la investigación. Mc Graw Hill.Ibarra Mares, A. (2001). Análisis de las dificultades financieras de las empresas en una economía emergente las bases de datos y las variables independientes en el sector hotelero de la bolsa mexicana de valores. Universitat Autónoma de Barcelona, Obtenido de https://ddd.uab.cat/pub/tesis/2001/tdx-1018101-164847/aim1de1.pdfICA. (2021). Empresas avícolas Productoras De Aves Reproductores Y De Primera Generación Con Registro Vigente. Recuperado de https://www.ica.gov.co/areas/pecuaria/servicios/bioseguridad-y-recursos-geneticos/empresas-avicolas-productores-de-aves-reproductore.aspxJiménez Caballero, J. L., y Ruiz Martínez, R. J. (2000). Las redes neuronales en su aplicación a las finanzas. Banca y Finanzas, 54, 19-26.Lauletta, D. Crisis empresarial y remedio concursal.Lannuzzelli Paz, L. (2018). La medición del riesgo mediante la aplicación del modelo Altman z score en tres empresas del sector arrocero ecuatoriano (Bachelor's thesis).Lizarzaburu, E. R. (2014). Análisis del Modelo Z de Altman en el mercado peruano. Universidad y Empresa, 16(26), 137-154.Márquez Guerrero, C. S. (2019). Internet de las cosas aplicado al sector avícola de Santander (Colombia). Prototipo orientado a una empresa del área metropolitana de Bucaramanga.Ministerio de Agricultura y desarrollo rural. (2020). Recuperado de https://sioc.minagricultura.gov.co/Avicola/Documentos/2020-06-30%20Cifras%20Sectoriales.pdfMojica-Pimiento, A., y Paredes-Vega, J. E. (2005). Características del sector avícola colombiano y su reciente evolución en el departamento de Santander. Ensayos Sobre Economía Regional; No. 29.Mosquera Albarracín, P. A. (2017). Aplicación del modelo Z-Altman en cinco pymes del sector del calzado, cuero y marroquinería de la ciudad de Bogotá, para la medición de riesgo financiero.Narváez Semanate, L. A. (2010). Análisis de la aplicación de los modelos de predicción de quiebras en Colombia.Ortega Serna, M. F. (2003). Modelo de análisis discriminante para identificar empresas con alto riesgo de quiebra en Colombia (Bachelor's thesis, Uniandes).Ortiz, A. H. (2006). Análisis de razones o indicadores financieros. En Universidad Externado de Colombia., Análisis Financiero Aplicado (pp. 215-287). Bogotá.Pinzón, E. M. R. (2020). Colombia: Impacto económico, social y político de la COVID-19. Análisis Carolina, (24), 1.Quintana, M. J. M., Gallego, A. G., y Pascual, M. E. V. (2005). Aplicación del análisis discriminante y regresión logística en el estudio de la morosidad en las entidades financieras: comparación de resultados. Pecvnia: Revista de la Facultad de Ciencias Económicas y Empresariales, Universidad de León, (1), 175-199.Restrepo, L. Y. C., y Leiva, L. P. A. (2018). Análisis del riesgo financiero de impago en las pymes del sector manufacturero de Colombia, subsector elaboración de alimentos. Science of Human Action (histórico), 3(1), 34-64.Rincón Moreno, C. C., y Rodríguez Vargas, E. O. (2019). Análisis financiero para la predicción de quiebra empresarial, en el sector de la Construcción en Colombia.Ringeling Papic, E. A. (2004). Análisis comparativo de modelos de predicción de quiebra y la probabilidad de bancarrota.Rivera-Godoy, J. A., y Rendón-Perea, J. D. (2019). Sector avícola en Colombia: rendimiento contable y EVA. Contaduría Universidad de Antioquia, (74), 127-151.Rodríguez Florez, G. A., y Peralta Pinzón, G. C. (2016). Caracterización de las pymes en Bogotá en el sector industrial a través de modelos de predicción de quiebra (Bachelor's thesis, Universidad Piloto de Colombia).Rodríguez Porras, A. C., y Rojas Morales, O. X. (2017). Aplicación del modelo de predicción de quiebra Altman Z Score en cinco organizaciones del sector de alimentos durante el periodo 2011-2015.Rosillo, J. (2002). Modelo de predicción de quiebras de las empresas colombianas. Innovar: Revista de ciencias administrativas y sociales, 109-124.Ross, S., Westerfield, R., Jaffe, J. (2012). Finanzas corporativas. México: McGraw Hill.Alonso, J.C. y Berggrun, L. (2015). Introducción al análisis de riesgo financiero. Bogotá: Ecoe Ediciones.Rincón Moreno, C. C., y Rodríguez Vargas, E. O. (2019). Análisis financiero para la predicción de quiebra empresarial, en el sector de la Construcción en Colombia.Salgador, J. P. Z. (2005). Globalización, incertidumbre y riesgo. Intangible capital, 1(3). Superintendencia de sociedades. (2020). Impacto de la Coyuntura del Coronavirus en la Economía Colombiana. https://www.supersociedades.gov.co/Noticias/Publicaciones/Revistas/2020/Impacto-economico-COVID-19-Supersociedades-2020.pdf Superintendencia de sociedades (2021). Insolvencia en Colombia Datos y Cifras - Corte diciembre 2020. Recuperado de https://www.supersociedades.gov.co/delegatura_insolvencia/Documents/2021/ATLAS-INSOLVENCIA-CORTE-DIC-2020.pdfUribe Hernandez, L. M. (2021). Dirección De Cadenas Pecuarias, Pesqueras Y Acuícolas, Cadena Avícola. https://sioc.minagricultura.gov.co/Avicola/Documentos/2021-06-30%20Cifras%20Sectoriales.pdfValdés, M. M. L., Aleaga, A. M. L., y Vidal, G. G. (2014). Redes neuronales artificiales en la predicción de insolvencia. Un cambio de paradigma ante recetas tradicionales de prácticas empresariales. Enfoque UTE, 5(2), 38-58.Valencia Cárdenas, M., Tróchez González, J., Vanegas López, J. G., & Restrepo Morales, J. A. (2016). Modelo para el análisis de la quiebra financiera en pymes agroindustriales antioqueñas. Apuntes del CENES, 35(62), 147-168.ORIGINAL2022_Tesis_Jairo_Alberto_Trigueros2022_Tesis_Jairo_Alberto_TriguerosTesisapplication/pdf1785642https://repository.unab.edu.co/bitstream/20.500.12749/17265/1/2022_Tesis_Jairo_Alberto_Triguerosf340120565e22c158492f8f4291ab624MD51restricted accessLicencia_.pdfLicencia_.pdfLicenciaapplication/pdf2145409https://repository.unab.edu.co/bitstream/20.500.12749/17265/4/Licencia_.pdfb17284a34384891759630f3f1051405eMD54restricted accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/17265/2/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD52open accessTHUMBNAIL2022_Tesis_Jairo_Alberto_Trigueros.jpg2022_Tesis_Jairo_Alberto_Trigueros.jpgIM Thumbnailimage/jpeg5789https://repository.unab.edu.co/bitstream/20.500.12749/17265/3/2022_Tesis_Jairo_Alberto_Trigueros.jpg551a1bc53dd08ccd8797731472f8c25dMD53open accessLicencia_.pdf.jpgLicencia_.pdf.jpgIM Thumbnailimage/jpeg10128https://repository.unab.edu.co/bitstream/20.500.12749/17265/5/Licencia_.pdf.jpgcccc603b77e55e5f9595894ed5ef4579MD55restricted access20.500.12749/17265oai:repository.unab.edu.co:20.500.12749/172652024-11-01 22:00:48.621restricted accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |