Determinantes de la quiebra empresarial en las empresas ecuatorianas en el año 2016

• Girón Calva, Hipatia Carolina ^[1] ; Villanueva García, José ^[1] ; Armas Herrera, Reinaldo ^[1]
  1. [1] Universidad Técnica Particular de Loja

     Universidad Técnica Particular de Loja

     Loja, Ecuador

     
• Localización: Revista Publicando, ISSN-e 1390-9304, Vol. 4, Nº. 13, 1, 2017, págs. 108-126
• Idioma: español
• Enlaces
  • Texto completo
• Dialnet Métricas: 3 Citas
• Resumen

  • En este artículo se identifican los factores determinantes de la quiebra empresarial para las empresas ecuatorianas. Se construye una base de datos a partir de la información contable de las empresas ecuatorianas que reportan a la Superintendencia de Compañías, Valores y Seguros. Se procede a dividir las empresas en dos grupos: sanas y fracasadas asignando el valor de cero (0) para las empresas sanas y uno (1) para las empresas fracasadas, de tal forma, que la variable dependiente está determinada por una variable dicotómica. Utilizando un modelo logístico se aplica a 80 empresas con y sin dificultades financieras durante el período 2011-2015, empleando ratios financieros. Las variables consideradas que afectan la probabilidad de quiebra empresarial de las firmas ecuatorianas, son la liquidez, la rentabilidad económica (ROA), la rentabilidad financiera (ROE), el apalancamiento y la carga financiera. Se determinó que los indicadores financieros que influyen significativamente sobre la probabilidad de dificultades financieras son: la liquidez corriente (LIQ), el retorno sobre activos (ROA) y el coeficiente de solvencia (apalancamiento financiero); carga financiera y ROE no son estadísticamente significativos en este estudio.

• Referencias bibliográficas
  • Aguiar, I. y Ruiz, M. V. (2015). Causes and resolution of bankruptcy: The efficiency of the law. The Spanish Review of Financial Economics,...
  • Altman E. (1968). Financial Ratios, discriminant analysis and prediction for corporate bankruptcy. The Journal of Finance, 23(4), 589-609.
  • Beaver, W. H. (1966). Financial Ratios as predictors of failure. Journal of Accounting Research, Supplement 4, 113-122.
  • Bell, T. B., Ribar, G. S. & Verchio, J. (1990). Neural Nets Versus Logistic Regression: A Comparison of Each Model’s Ability to Predict...
  • Branch, B. y Khizer, A. (2016), Bankruptcy practice in India. International Review of Financial Analysis, 47, 1-6.
  • De Llano, P., Piñeiro, C., y Rodríguez, M. (2016). Predicción del fracaso empresarial: Una contribución a la síntesis de una teoría mediante...
  • García-Marí, J. H., Sánchez-Vidal, J., y Tomaseti-Solano, E. (2016). Fracaso empresarial y efectos contagio: Un análisis espacial para España....
  • Giner, B. y Gill de Albornoz, B. (2013). Predicción del fracaso empresarial en los sectores de construcción e inmobiliario: Modelos generales...
  • Graveline, J. & Kokalari, M. (2008). Credit risk. Working Paper. The Research Foundation of CFA Institute.
  • Grupo Enroke. (2017) ¿Qué son las PYMES? (online) Disponible en: http://www.grupoenroke.com/index.php/proyecto-pymes/46-queson-las-%20pymes...
  • Jiménez, L., y Mauro, E. (2015). Modelo de predictibilidad de quiebra en las pymes colombianas del sector comercio. Revista Dinero.
  • Jurgaitytė, N.; Paškevičius, A. (2015). Reasons for bankruptcy of natural persons in Lithuania. Ekonomika, 94 (2), 144-160.
  • Kutner, M. H.; Nachtsheim, C. J.; Neter, J. (2004). Applied Linear Regression Models. McGraw-Hill Irwin.
  • López, F. J. y Pastor, I. (2015). “Bankruptcy visualization and prediction using neural networks: A study of U.S. commercial banks”. Expert...
  • McKee, T. E. (1990). Evaluation of Enterprise Continuity Status Via Neural Networks. Abstracts of the Thirteenth Annual Congress of the European...
  • Paradi, J. C., Asmild, M. y Simak, P. C. (2004). Using DEA and Worst Practice DEA in Credit Risk Evaluation. Journal of Productivity Analysis,...
  • Park, C. S. y Han, I. (2002). A Case-Based Reasoning with the Feature Weights Derived by Analytic Hierarchy Process for Bankruptcy Prediction....
  • Peña, M. (2013). “La importancia del análisis de la trayectoria empresarial bajo dos dimensiones: posición económica y financiera en las empresas...
  • Real Academia Española: Diccionario de la lengua española, Ed. Espasa Calpe, 23ª Edición, Madrid, 2014.
  • Rybárová, D., Braurová, M. y Jantoŝová, L. (2016). Analysis of the construction industry in the Slovak. Procedia-Social and Behavioral Sciences,...
  • Romero, F. (2013). Variables financieras determinantes del fracaso empresarial para la pequeña y mediana empresa en Colombia: análisis bajo...
  • Sartori, F., Mazzucchelli, A., y Di Gregorio, A. (2016). Bankruptcy Forecasting Using Case-Based Reasoning: the creperie Approach. Expert...
  • Shuai, J. J. y Li, H. L. (2005). Using rough set and worst practice DEA in business failure prediction. In: Rough sets, fuzzy sets, data mining,...
  • Tascón, M. T. y Castaño, F. J. (2012). Variables y modelos para la identificación y predicción del fracaso empresarial: revisión de la investigación...
  • The World Bank (2013). Foro Mundial de Jueces- País Ecuador
  • Tinoco, M. H., y Wilson, N. (2013). Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic...
  • Vera-Colina, M. A.; Melgarejo-Molina, Z. A. y Mora-Riapira, E. H. (2014). Acceso a la financiación en Pymes colombianas: una mirada desde...
  • Villanueva, J., García-Benau, M. A. y Zorio, A. (2014). Análisis de los grupos cotizados españoles mediante técnicas fuzzy. Revista Electrónica...