Corporate bankruptcy prediction models applied to emerging economies
Notice bibliographique
Résumé
Purpose The paper's aim is to test the usefulness of ratio analysis to predict bankruptcy in a period of stability of an emerging economy, such as the case of Argentina in the 1990s. Design/methodology/approach Financial profiles of 22 bankrupt and healthy companies are examined and a model is built using the multiple discriminant analysis technique, thus providing comparability with previous studies. Findings The set of models tested in this paper show that the financial data of Argentine companies in the 1990s do have information content, but the model to use depends on the preferences of the decision maker. Comparing models it is observed a common use of solvency ratios in terms of total assets and profitability ratios in terms of sales. Research limitations/implications Data availability constitutes the primary limitation of this and similar studies, here is reflected in the sample size: 11 healthy and 11 bankrupt. Practical implications The model can be used to assist investors, creditors, and regulators in Argentina and other emerging economies to predict business failure. The Z ′‐score model of Altman can be used for public companies in emerging economies because it pays attention to solvency indicators, but in rapid changing environment, profitability ratios should also be considered. Originality/value The incremental information content of profitability and solvency in predicting bankruptcy is examined and a simple and reliable failure prediction model for large Argentinean firms is developed. Also this paper offers a classification method that is publicly available to all investors and creditors interested in Argentinean companies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».