Modelo para el análisis de la quiebra financiera en pymes agroindustriales antioqueñas
Resumen
El riesgo de quiebra en el sector agroindustrial antioqueño no ha sido ampliamente explorado a partir de modelación estadística, que puede proveer importantes elementos y tendencias para conocer el comportamiento de este sector determinante en la economía regional. Este análisis se basó en un modelo lineal mixto, que utilizó como variable respuesta el puntaje obtenido con el índice Z de Altman, el cual es un índice latente estimado a partir de variables financieras observables y que, dependiendo de su valor, clasifica las empresas en solventes e insolventes. La metodología utilizada determinó, en primera instancia, el tamaño de muestra por subsector, y luego estimó el índice Z de Altman por empresa y año, para el periodo comprendido entre 2010-2014. Con dichos índices como respuesta por empresa, se estableció un modelo lineal mixto, que permitió identificar la presencia de cambios significativos entre los diferentes subsectores de la agroindustria antioqueña, para evaluar y diagnosticar problemas de insolvencia futuros para el sector.
Palabras clave
riesgo de quiebra, economía de la agricultura, métodos estadísticos, modelo lineal mixto.
Biografía del autor/a
Marisol Valencia Cárdenas
Estudiante de Doctorado en Ingeniería, Industria y organizaciones.
Universidad Nacional de Colombia, Sede Medellín.
Johanna Trochez González
Ingeniera Industrial. UPB.
Msc en Estadística
Universidad Nacional de Colombia, Sede Mdellín
Juan Gabriel Vanegas López
Economista. MSc en Economía. Docente-Investigador en la Fundación Universitaria Autónoma de las Américas. Facultad de Ciencias Económicas y Administrativas, Grupo de Investigación GICEA, Medellín.
Jorge Anibal Restrepo Morales
Ingeniero Administrador, Msc en Administración. Docente Institución Universitaria Tecnológico de Antioquia. E-mail: gifatda@gmail.co.
Referencias
- Abouzeedan, A. & Busler, M. (2004). Typology analysis of performance models of small and medium-size enterprises (SMEs). Journal of International Entrepreneurship, 2(1-2), 155-177. DOI: https://doi.org/10.1023/B:JIEN.0000026911.03396.2d
- Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589-609. DOI: http://dx.doi.org/10.1111j.1540-6261.1968.tb00843.x DOI: https://doi.org/10.1111/j.1540-6261.1968.tb00843.x
- Altman, E. I. & Sabato, G. (2007). Modelling Credit Risk for SMEs: Evidence from the US Market. Abacus, 43(3), 332-357. DOI: http://dx.doi.org/10.1111/j.1467-6281.2007.00234.x DOI: https://doi.org/10.1111/j.1467-6281.2007.00234.x
- Álvarez, C. (2015). Plan de choque. Dinero, 468, 2.
- Arango, L. (2015). Agro: lo que pasó en 2014 y perspectivas del 2015. Portafolio, 1. Recuperado de http://www.portafolio.co/economia/agricultura-2014-perspectivas-del-2015
- Astorga, A. (2013). Modelos de predicción de la insolvencia empresarial. México DF: Instituto Federal de Especialistas de Concursos Mercantiles (IFECOM).
- Baca, J., Mendoza, B., Sánchez, M., Suarez, V., Volpe, I. & Altamiranda, L. (2012). Desarrollo y competitividad clave fundamental del sector lacteo colombiano. En Tenth LACCEI Latin American and Caribbean Conference for Engineering and Technology, 10. Retrieved from http://www.laccei.org/LACCEI2012-Panama/RefereedPapers/RP255.pdf
- Behr, P. & Güttler, A. (2007). Credit Risk Assessment and Relationship Lending: An Empirical Analysis of German Small and Medium‐Sized Enterprises. Journal of Small Business Management, 45(2), 194-213. DOI: http://dx.doi.org/10.1111/j.1540-627X.2007.00209.x DOI: https://doi.org/10.1111/j.1540-627X.2007.00209.x
- Botero, J. (2005). Estimación del impacto sobre el empleo de los tratados de libre comercio en Colombia: Análisis de equilibrio general computable. Bogotá: Cepal.
- Cámara de Comercio de Medellín. (2012). Industria en Antioquia. Un sector que permanece y crece. Recuperado de http://www.camaramedellin.com.co/site/Portals0Documentos2012/rueda-de-prensa-industria-en-antioquia.pdf
- Celaya F, R., & López P, M. (2013). ¿ Cómo determinar su riesgo empresarial? Revista EAN(52), 68-75.
- Chernobai, A. & Rachev, S. (2006). Applying Robust Methods to Operational Risk Modeling. Journal of Operational Risk, 1(1), 27-41.
- Chowdhry, B. & Howe, J. T. (1999). Corporate Risk Management for Multinational Corporations: Financial and Operational Hedging Policies. European Finance Review, 2(2), 229-246. DOI: https://doi.org/10.1023/A:1009778703889
- Cruz, M. (2004). Operational risk modelling and analys: Theory and practice. London: Incisive Media Investments Limited - Book Risk.
- Dinero. (2015, 21 de agosto). La caída de importaciones en junio es menor a la de mayo y abril. Dinero.com. Recuperado de http://www.dinero.com/economia/articulo/importaciones-junio-2015-dane/212618
- Dobson, W. D. (2003). Developments in the Dairy Industries of Mexico, Central America, Argentina, and Brazil--Implications for the US Dairy Sector. Babcock Institute Discussion Paper, (2003-4).
- Fantazzini, D. & Figini, S. (2008). Default Forecasting for Small-Medium Enterprises: Does Heterogeneity Matter? International Journal of Risk Assessment and Management, 11(1-2), 138-163. DOI: https://doi.org/10.1504/IJRAM.2009.022202
- Frachot, A. (2003). Loss Distribution Approach in Practice. Obtenido de http://www.thierry-roncalli.com/download/lda.pdf
- García, R. (2002). Crisis agrícola, Tratado de Libre Comercio y migración internacional en México. En Ponencia presentada en el II Congreso Mundial sobre Comercio y Desarrollo Rural, en La Guardia, España (pp. 24-25). Recuperado de www.eumed.net/cursecon/ecolat/
- García I., J.G. (2002). Liberalización, cambio estructural y crecimiento económico en Colombia. Cuadernos de Economía, 21(36), 189-244. Recuperado de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-47722002000100009&lng=en&tlng=es.
- Gillet, R., Hübner, G. & Plunus, S. (2010). Operational Risk and Reputation in the Financial Industry. Journal of Banking & Finance, 34(1), 224-235. DOI: https://doi.org/10.1016/j.jbankfin.2009.07.020
- Hernández González, J. W., Daza Castro, N., Moreno, M., Viviana, L., & Díaz Castro, J. (2015). Aplicación del Modelo Z Score de Altman al sector de manufactura de calzado y productos relacionados en Colombia.
- Iurkova, M. & Sadovnikova, E. (2015). The Main Tendencies of the Development of Russian Agrarian Sector and the Effect of State Policy on Investment Sphere in Agriculture. Poljoprivreda i Sumarstvo, 61(1), 41. DOI: https://doi.org/10.17707/AgricultForest.61.1.05
- Khemais, Z., Nesrine, D. & Mohamed, M. (2016). Credit Scoring and Default Risk Prediction: A Comparative Study between Discriminant Analysis & Logistic Regression. International Journal of Economics and Finance, 8(4), 39. DOI: https://doi.org/10.5539/ijef.v8n4p39
- Kornyliuk, A. (2014). The analysis of the financial risks of domestic agriholdings. The Advanced Science Journal, (11), 65-68. DOI: https://doi.org/10.15550/ASJ.2014.11.065
- López, L. F. (2010). Transformación productiva de la industria en Colombia y sus regiones después de la apertura económica. Cuadernos de Economía, 29(53), 239-286.
- Marín, J. J. A. (2008). Cómo medir la quiebra de las empresas en Santander, el modelo logístico: una herramienta para evaluar el riesgo de quiebra. REVISTA CIFE
- Marshall, C. L., & Marshall, D. C. (2001). Measuring and managing operational risks in financial institutions: tools, techniques, and other resources. (J. Wiley, Ed.) New York.
- Montoya, A., Montoya, I. & Castellanos, O. (2010). Situación de la competitividad de las pyme en Colombia: elementos actuales y retos. Agronomía Colombiana, 28(1), 107–117.
- OCDE. (2015). Revisión de la OCDE de las políticas agrícolas: Colombia 2015 evaluación y recomendaciones de política. Obtenido de https://www.minagricultura.gov.co/Reportes/OECD_Review_Agriculture_Colombia_2015_Spanish_Summary.pdf
- ONU. (2005). Clasificación industrial internacional uniforme de todas las actividades económicas. Obtenido de http://unstats.un.org/unsd/publication/seriesM/seriesm_4rev4s.pdf
- Rachev, A. C. a. S. (2006). Applying robust methods to operational risk modeling. Journal of Operational Risk, 1, 27-41. DOI: https://doi.org/10.21314/JOP.2006.003
- R Core Team. (2014). A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. Retrieved from http://www.rproject.org/
- Restrepo, J. (2014). Operative Risk SMES. Global Journal, 65-76.
- Restrepo, J. A. & Vanegas, J. G. (2015). Internacionalización de las pymes: análisis de recursos y capacidades internas mediante lógica difusa. Contaduría y Administración, 60(4). DOI: https://doi.org/10.1016/j.cya.2015.07.008
- Stevanovski, M., Velkovski, V. & Stevanovska, K. (2013). The relation between the long-term investments and the risk in agro-industrial complex. Journal of Hygienic Engineering and Design, 4, 127-131.
- Tróchez, J. & Valencia, M. (2014). Análisis de series temporales en el sector lácteo de Antioquia para detectar efectos de la apertura comercial. Revista Investigaciones Aplicadas, 8(2), 140–151. Recuperado de http://revistas.upb.edu.co/index.php/investigacionesaplicadas
- Vega, S., Coronado, M., Gutiérrez, R., García, A. & Díaz, G. (2006). Un aporte sobre la industria láctea orgánica y la innovación tecnológica. Revista Mexicana de Agronegocios, 10(19).
- West, B., Welch, K. & Galecki, A. (2007). Linear mixed models A practical guide using Statistical Software. Boca Raton: CRC Press. DOI: https://doi.org/10.1201/9781420010435
- Woods, K. (2013). The politics of the emerging agro-industrial complex in Asia’s ‘final frontier’: The war on food sovereignty in Burma. In Paper presented at the Food Sovereignty: A Critical Dialogue. International Conference, Yale University.
Descargas
Los datos de descargas todavía no están disponibles.