Análisis envolvente de datos para clasificar empresas según su estado financiero

• Autores: Guevel, Hernán Pablo; Caro, Norma Patricia
• Año de publicación: 2019
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Análisis Envolvente de Datos (DEA); Modelo aditivo básico; Crisis financiera; Empresas cotizantes argentinas
• Institución: Universidad Nacional de Córdoba

Fil: Guevel, Hernán Pablo. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Caro, Norma Patricia. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Debido al interés de evaluar resultados futuros de gerenciamiento empresarial para predecir procesos de gestación e instalación de estados de vulnerabilidad financiera a mediano plazo y, a la necesidad de las entidades financieras de controlar los riesgos a los que se enfrentan en su operatoria comercial, surgen modelos orientados a gestionar el riesgo de crédito.Anteriormente se utilizaron modelos paramétricos para predecir la crisis financiera y en esta oportunidad se avanza con modelos no paramétricos, los que contribuyen a validar las conclusiones ya obtenidas. Particularmente, se aplicó el Análisis Envolvente de Datos (DEA) que evalúa la eficiencia relativa de un conjunto de unidades a partir de un conjunto de entradas generan un mismo conjunto de salidas.Se trabajó sobre una base de 67 empresas cotizantes en la Bolsa de Comercio de Buenos Aires en el período 2003 - 2010. En una primera etapa se utilizaron las cuentas que componen los ratios propuestos por Altman (1968), ya que mejoran el grado de clasificación. Estas se clasifican en entradas o salidas del sistema conforme sean posibles causas de problemas financieros. Las variables de entradas son: Flujo de Fondos operativos, Nivel de Efectivo, Ventas, Capital de Trabajo, Ganancias antes de intereses e impuestos y el Pasivo será la variable de salida. En la segunda etapa, se realizan cortes anuales obteniendo tasas de predicción que van desde un 53% hasta un 76,5% para los ocho realizados, como sus resultados son fluctuantes, se realizan cortes transversales acumulando los balances de las empresas observadas. En este último caso, los resultados mejoran notablemente hasta llegar a una tasa de predicción del 85% para todo el periodo. Finalmente, y a modo de conclusión, este método no paramétrico permite clasificar satisfactoriamente las empresas en función al comportamiento registrado, confirmando los resultados obtenidos en los estudios anteriores.
Fil: Guevel, Hernán Pablo. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Caro, Norma Patricia. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Negocios y Administración