Crisis empresarial en Colombia. Probabilidad de entrar en proceso de insolvencia: 2016-2019

La detección temprana de la probabilidad de que una empresa entre en insolvencia empresarial puede servir como insumo a los diseñadores de política pública para mitigar este fenómeno, así como sus posibles efectos sobre el empleo y el bienestar social. Si bien en Colombia en épocas de crisis económi...

Full description

Autores:
Hernández Cruz, Laura Vanessa
Tipo de recurso:
Fecha de publicación:
2021
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/55745
Acceso en línea:
http://hdl.handle.net/1992/55745
Palabra clave:
Contraste de modelos
Predicción
Técnicas computacionales
Insolvencia
Machine learning
Modelos de regularización
Economía
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/4.0/
Description
Summary:La detección temprana de la probabilidad de que una empresa entre en insolvencia empresarial puede servir como insumo a los diseñadores de política pública para mitigar este fenómeno, así como sus posibles efectos sobre el empleo y el bienestar social. Si bien en Colombia en épocas de crisis económica este fenómeno tiende a exacerbarse, el grado de afectación empresarial va a depender de la naturaleza de la crisis, y puede incidir de forma distinta a las empresas de acuerdo con sus características intrínsecas como su desempeño operativo y financiero, su tamaño o el sector empresarial al que pertenece. Mediante la comparación de técnicas de pronóstico que contemplan diferentes tipos de relacionamiento de variables financieras y económicas, este documento identifica que, en el problema de insolvencia empresarial en Colombia, los predictores se relacionan de formas complejas que no pueden ser detectadas por técnicas tradicionales de pronóstico, por lo cual los modelos de aprendizaje de máquinas, como los árboles de decisión estimados mediante técnicas de boosting, generan un mejor desempeño de pronóstico que los modelos lineales.