Mostrar el registro sencillo del ítem

dc.contributor.advisorMacías Villalba, Gloria Inés
dc.contributor.authorCisneros Salazar, Lisett Viviana
dc.contributor.authorCastillo Gómez, Sonia Milena
dc.contributor.authorMartínez Díaz, Carolina
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.coverage.temporal2006spa
dc.date.accessioned2021-08-30T19:33:56Z
dc.date.available2021-08-30T19:33:56Z
dc.date.issued2006
dc.identifier.urihttp://hdl.handle.net/20.500.12749/14087
dc.description.abstractEl objetivo de este trabajo es aplicar el análisis discriminante para medir el riesgo de incumplimiento de las empresas, determinar la probabilidad de quiebra y clasificar a las empresas que están en quiebra, de las que no lo están. Se seleccionaron 48 empresas del departamento de Santander, pertenecientes a diferentes sectores de la economía, de las cuales 30 se encontraban en no quiebra y 18 en quiebra. Para éstas fueron calculados seis indicadores financieros en el periodo de tiempo comprendido entre los años 2002 a 2004, tomados del modelo Z2 de Altman, Springate y CA SCORE. A partir de los datos se procedió a aplicar el análisis discriminante en el programa SPSS, el cual arrojó que el 91.7% del total de los casos fueron correctamente clasificados. Con la validación del modelo se obtuvo que el 76.5% de 17 nuevos casos, se clasificaron correctamente. Finalmente, al realizar la validación en un corte transversal del tiempo (2003-2005), se encontró que el 85.4% del total de los casos se clasificaron acertadamente. Las variables introducidas en el modelo son capaces de distinguir muy bien los grupos, la variable Patrimonio a valor contable / Activos Totales 2003 fue la que más contribuyó a diferenciarlos entre los años 2002 a 2004, y para el 2003 al 2005 la variable Utilidades Retenidas / Activos Totales 2003. El modelo analizado resultó ser de gran poder predictivo y explicativo, es decir los casos fueron clasificados con precisión y las variables empleadas diferenciaron muy bien los grupos.spa
dc.description.tableofcontentsINTRODUCCIÓN 5 1. ANÀLISIS MULTIVARIABLE 6 1.1 DATOS MULTIVARIANTES 6 1.2 CODIFICACION DE VARIABLES CATEGÓRICAS 7 1.3 MATRIZ DE DATOS 8 1.4 CONSTRUCCIÓN DE UN MODELO MULTIVARIABLE 8 2. ANALISIS DISCRIMINANTE 10 2.1 REGLA DE DISCRIMINACION BAYESIANA 13 2.2 REGRESION LOGISTICA COMO HERRAMIENTA DE ANALISIS DISCRIMINANTE 14 2.3 SELECCIÓN DE LAS VARIABLES DISCRIMINANTES 15 2.4 ETAPAS DE UN ANALISIS DISCRIMINANTE 16 3. MODELOS DE PREDICCIÓN DE QUIEBRA DE EMPRESAS 23 3.1 EL MODELO DE Z - SCORE DE ALTMAN 23 3.2 MODELO Z SCORE 23 3.3 EL MODELO ZETA 1 DE ALTMAN 30 3.4 MODELO Z2 DE ALTMAN 33 3.5. MODELO FULMER 35 3.6. MODELO SPRINGATE 35 3.7. MODELO CA-SCORE 36 4. PRUEBA DE LOS MODELOS DE RIESGO DE QUIEBRA DE EMPRESAS 38 5. INDICADORES FINANCIEROS 41 6. APLICACIÓN DEL ANÁLISIS DISCRIMINANTE PARA PREDECIR LA QUIEBRA DE EMPRESAS EN EL PERIODO 2002 - 2004 APLICANDO EL SOFTWARE ESTADÍSTICO SPSS. 44 7. . VALIDACIÓN DEL MODELO DE ANÁLISIS DISCRIMINANTE 60 8. VALIDACIÓN DE LA METODOLOGÍA DEL ANÁLISIS DISCRIMINANTE EN UN CORTE TRANSVERSAL DEL TIEMPO 62 CONCLUSIONES 71 BIBLIOGRAFÍA 74 ANEXOS 76spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titleRiesgo de quiebra de empresas con análisis discriminantespa
dc.title.translatedRisk of bankruptcy of companies with discriminant analysisspa
dc.degree.nameIngeniero financierospa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.rights.localAbierto (Texto Completo)spa
dc.publisher.facultyFacultad Economía y Negociosspa
dc.publisher.programPregrado Ingeniería Financieraspa
dc.description.degreelevelPregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de Gradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsFinancial engineeringspa
dc.subject.keywordsFinancial analysisspa
dc.subject.keywordsFinancial managenmentspa
dc.subject.keywordsInvestigationspa
dc.subject.keywordsMultivariate analysisspa
dc.subject.keywordsConfusion matrixspa
dc.subject.keywordsPredictive approachspa
dc.subject.keywordsRisksspa
dc.subject.keywordsCompaniesspa
dc.subject.keywordsProbability of bankruptcyspa
dc.subject.keywordsEconomic crisisspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.relation.referencesALDÁS MANZANO, Joaquín. El análisis multivariable: Conceptos Básicos. Universidad de Valencia. Dpto. de dirección de empresas “Juan José Renal Piqueras”.spa
dc.relation.referencesASTORGA HILBERT, Alejandro. Modelos de predicción de la insolvencia empresarial. [en línea]. [citado el 5 de septiembre del 2006]. < Disponible en Internet:spa
dc.relation.referencesALFARO V. Gabriel y MUÑOZ Evelyn. (1998). “Bancos privados: análisis discriminante por área de riesgo y su relación con los rendimientos”. Proyecto de graduación para optar por el titulo de Magíster en Economía Universidad de Costa Rica, Escuela de Economía y otros.spa
dc.relation.referencesBECERRA, Rigoberto A. Análisis Financiero para la Determinación de Probabilidad de Quiebra de las empresas. [en línea]. [citado el 5 de septiembre del 2006]. < Disponible en Internet: http://becerradvila.tripod.com/altman.htm >.spa
dc.relation.referencesDE LARA HARO, Alfonso. Medición y control de Riesgos Financieros. Tercera Edición. Noriega editores.spa
dc.relation.referencesDÍAZ MONROY, Luis Guillermo. (2002). Estadística multivariada: Inferencia y métodos. Facultad de Ciencias Universidad Nacional de Colombia. Departamento de Estadística.spa
dc.relation.referencesELIZONDO, Alan. Medición Integral del Riesgo de Crédito. Editorial LIMUSA.spa
dc.relation.referencesPEÑA, Daniel. Análisis de datos multivariantes. Madrid: McGraw Hill, 2002.spa
dc.relation.referencesInformática aplicada al análisis económico. [en línea]. [citado el 10 de Marzo del 2006]. <Disponible en Internet: www.uam.es/departamentos/economicas/econapli/fse03/discriminante.pdf>.spa
dc.relation.referencesM. MOLINERO, Luis. Métodos estadísticos de clasificación. [en línea]. Diciembre 2002, [citado el 10 de Marzo del 2006]. < Disponible en Internet: www.seh.lelha.org/stat1.htm.>spa
dc.relation.referencesUniversidad Computlense Madrid. Análisis discriminante: El procedimiento Discriminante. [en línea]. [citado en octubre del 2006]. < Disponible en Internet: www.ucm.es/info/socivmyt/paginas/D_departamento/programas/analisis_datosyMultivariable/22discr_SPSS.pdfspa
dc.contributor.cvlacMacías Villalba, Gloria Inés [0000290980]spa
dc.contributor.googlescholarMacías Villalba, Gloria Inés [_XmXMLUAAAAJ]spa
dc.contributor.orcidMacías Villalba, Gloria Inés [0000-0001-5897-181X]spa
dc.subject.lembAnálisis financierospa
dc.subject.lembIngeniería financieraspa
dc.subject.lembGestión financieraspa
dc.subject.lembInvestigaciónspa
dc.subject.lembCrisis económicaspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.description.abstractenglishThe objective of this work is to apply the discriminant analisys to measure the enterprises risk of anaccomplishments, to determine the bankruptcy probability and clasify the enterprises that are or not in bankruptcy. 48 enterprises from differents economical sectors in department of Santander were selected, 30 of them were not in bankrupt and 18 were in bankrupt. For these enterprises six financial indicators in the period of time between 2002 to 2004 were calculated, taken from the model Z2 by Altman, Springate y CA SCORE. From this data, it was proceeded to apply the discriminant analisys on the SPSS program, it showed that 91.7% from the total of cases were correctly classified. Validating of the model it was gotten that 76.5% from 17 new cases were correctly classified. Finally, when a time transversal cutting validation (2003-2005) was made, we found that 85.4% from the total of cases were correctly classified. Variables in the model introduced are able to differ the groups propertly, patrimony to accountable value/ 2003 total actives variable contributed more than the others in differenciate them between the years 2002 to 2004 and between 2003 to 2005 was retained profit/2003 total actives variable. The model being analized became a powerful forecaster and explainer, in other words cases were classified accurately and variables used recognized the groups propertly.spa
dc.subject.proposalAnálisis multivariablespa
dc.subject.proposalMatriz de confusiónspa
dc.subject.proposalEnfoque predictivospa
dc.subject.proposalRiesgosspa
dc.subject.proposalEmpresasspa
dc.subject.proposalProbabilidad de quiebraspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.description.learningmodalityModalidad Presencialspa


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 2.5 Colombia