Predicción del fracaso empresarial de las pymes en la ciudad de Monterrey, Nuevo León
DOI:
https://doi.org/10.29105/mdi.v2i02.70Palabras clave:
fracaso empresarial, liquidez, insolvencia, flujos de efectivoResumen
Propósito: con la presente investigación se cubrió a 365 PYMES en la ciudad de Monterrey, N.L., se expuso el tema del fracaso empresarial. Se analizaron las variables independientes más significativas que repercuten en el fracaso de las PYMES y a su vez se expusieron los modelos univariables y multivariables más representativos. Para el trabajo de campo se realizó un cuestionario. Se empleó el Excel 2007 para análisis estadístico. Se precisa a través de este análisis la evolución del concepto empresarial, las variables que usan los modelos de estudio, las ventajas y desventajas de las metodologías utilizadas, así como las nuevas metodologías que han aparecido, tales como: las técnicas de inteligencia artificial y el análisis envolvente de datos (DEA). En cuanto a los resultados se encontró que la falta de conocimientos de métodos estadísticos impactó en forma negativa en el fracaso de las PYMES.
Citas
Altman, E.I. (1968): “Financial ratios, discriminant analysis and the prediction of corporatebankrupctcy”, Journal of Finance, nº 23, pp. 589-609. DOI: https://doi.org/10.1111/j.1540-6261.1968.tb00843.x
Altman, E.I., Marco, G. y Varetto, F. (1994). Corporate Distress Diagnosis: Comparisons Using Linear Discriminant Analysis and Neural Networks (The Italian Experience). Journal of Banking and Finance, 18(3), pp. 505-529. DOI: https://doi.org/10.1016/0378-4266(94)90007-8
Antón R., M. (2007), "Una propuesta en la valoración del riesgo de fracaso empresarial a través de la elaboración y aplicación a priori de modelos de predicción de alerta de crisis”, Revista de Contabilidad y Tributación, vol. 288, pp. 111-162. DOI: https://doi.org/10.51302/rcyt.2007.8037
Arques A. (1997), "La predicción del fracaso empresarial. aplicación al riesgo crediticio bancario", Tesis Doctoral de la Universidad de Murcia; pp. 440.
Barniv, R., Anurag, A. y Leach, R. (1997). Predicting the Out Come Following Bankruptcy Filing: A Three State Classification Using NN, International Journal of Intelligent Systems in Accounting, Finance and Management, 6, pp. 177-194. DOI: https://doi.org/10.1002/(SICI)1099-1174(199709)6:3<177::AID-ISAF134>3.0.CO;2-D
Beaver (1966), “Financial Ratios as predictor of failure”, Empirical Research in Accounting: Selected Studies, Supplement to Journal of Accounting Research, pp. 71-111. DOI: https://doi.org/10.2307/2490171
Bell, T.B., Ribar, G.S. y Verchio, J. (1990). Neural Nets Versus Logistic Regression: A
Blum M. (1974), "Failing company discriminant analysis", Journal of Accounting Research, primavera,pp. 1-25. DOI: https://doi.org/10.2307/2490525
Deakin B. (1972), "A discriminant analysis of predictors of business failure", Journal of Accounting Research, vol. X (1), pp. 167-179. DOI: https://doi.org/10.2307/2490225
Ferrando, M. y Blanco, F. (1998): “La previsión del fracaso empresarial en la Comunidad Valenciana: aplicación de modelos discriminantes y logit”, Revista Española de Financiación y Contabilidad, Vol XXVII, nº 95, abril-junio, pp. 499-540.
Fredland J. y E. Morris (1976), "A cross section analysis of small business failure", American Journal of Small Business, vol.1 (July), pp. 7-18. DOI: https://doi.org/10.1177/104225877600100102
Gabás Trigo, F. (1990). Técnicas actuales de análisis contable, evaluación de la solvencia empresarial. Madrid: Instituto de Contabilidad y Auditoría de Cuentas. Ministerio de Economía y Hacienda, Madrid.
Gabas, F. (1997): “Predicción de la insolvencia empresarial”. En AECA: Predicción de la insolvencia empresarial, Coordinan: Calvo- Flores Segura, A. y García Pérez de Lema, D., Madrid, pp. 11-31.
Gentry, J., Newbold, P. y Whitford, D. (1985). Classifying Bankrupt Firms with Funds Flow Components. Journal of Accounting Research, 23(1), Spring, pp. 146-159. DOI: https://doi.org/10.2307/2490911
Hair, J.F., Anderson, R.E., Tatham, R.L. y Black, W.C. (1999). Análisis multivariante, Madrid: Prentice-Hall.
Kaski, S., Sinkkonen, J. y Peltonen, J. (2001). Bankruptcy Analysis with Self-Organizing Maps in Learning Metrics. IEEE Transactions on Neural Networks, 12 (4), pp. 936-947. DOI: https://doi.org/10.1109/72.935102
Laitinen, T. y Kankaanpää, M. (1999). Comparative Analysis of Failure Prediction Methods: the Finnish Case. The European Accounting Review, 8(1), pp.67-92. DOI: https://doi.org/10.1080/096381899336159
Lizarraga Dallo, F. (1997). Utilidad de la información contable en el proceso de fracaso: análisis del sector industrial de la mediana empresa. Revista Española de Financiación y Contabilidad, 26(93), octubre-diciembre, pp. 871-915.
López, J., Gandía, J.L. y Molina, R. (1998). La suspensión de pagos en las pymes: una aproximación empírica. Revista Española de Financiación y Contabilidad, 27(94), enero-marzo, pp. 71-97.
Ohlson A. (1980), “Financial ratios and the probabilistic prediction of bankruptcy”, Journal of Accounting Research, vol. 18(1), pp. 109-131. DOI: https://doi.org/10.2307/2490395
Piramuthu, S., Ragavan, H. y Shaw, M.J. (1998). Using Feature Construction to Improve the Performance of Neural Networks. Management Science, 44 (3), pp. 416-430. DOI: https://doi.org/10.1287/mnsc.44.3.416
Ravi Kumar, P. y Ravi, V. (2007), Bankruptcy Prediction in Banks and Firms Via and intelligent techniques European Journal of Operational Research DOI: https://doi.org/10.1016/j.ejor.2006.08.043
Rodriguez, M. (2001): “Predicción del fracaso empresarial en compañías no financieras. Consideración de técnicas de análisis multivariante de corte paramétrico”, Actualidad Financiera, 6, junio, pp. 27-42.
Serrano Cinca, C. (1996). Self Organizing Neural Networks for Financial Diagnosis. Decision Support Systems, 17(3), pp. 227-238. DOI: https://doi.org/10.1016/0167-9236(95)00033-X
Stewart H. y C. Gallagher (1986), "Business death and firm size in the uk", International Small Business Journal, vol. 4(1), pp. 42-57. DOI: https://doi.org/10.1177/026624268500400104
Swicegood, P. y Clark, J.A. (2001). Off-Site Monitoring for Predicting Bank under Performance: A Comparison of Neural Networks, Discriminant Analysis and Professional Human Judgment. International Journal of Intelligent Systems in Accounting, Finance and Management, 10, pp. 169-186. DOI: https://doi.org/10.1002/isaf.201
Tam, K.Y. (1991). Neural Network Models and the Prediction of Bank Bankruptcy, Omega, 19(5), pp. 429–445. DOI: https://doi.org/10.1016/0305-0483(91)90060-7
Tam, K.Y. y Kiang, M.Y. (1992). Managerial Applications of Neural Networks: The Case of Bank Failure Predictions. Management Science, 38(7), July, pp. 926-947. DOI: https://doi.org/10.1287/mnsc.38.7.926
Troutt, M.D., Rai, A. y Zhang, A. (1996). The Potential Use of DEA for Credit Applicant Acceptance Systems. Computers & Operations Research, 23(4), April, pp. 405-408. DOI: https://doi.org/10.1016/0305-0548(95)00048-8
Watson J. y J. Everett (1993), "Definition small business failure", International Small Business Journal, vol. 11(3), pp. 35-48. DOI: https://doi.org/10.1177/026624269301100302
Zavgren, C.V. (1983). The prediction of corporate failure: the state of the art. Journal of Accounting Literature, 2(1), pp. 1-38.
Zavgren, C.V. (1985). Assessing the Vulnerability of Failure of American Industrial Firms: A Logistic Analysis. Journal of Banking and Finance. 12(1), Spring, pp. 19-45. DOI: https://doi.org/10.1111/j.1468-5957.1985.tb00077.x
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
