Modelos para la prevención de bancarrotas empresariales utilizados por el sector empresarial costarricense (Models for company bankruptcy prevention used by the Costa Rican business sector)
Notice bibliographique
Résumé
El presente artículo ofrece un análisis de los modelos para la prevención de bancarrota más citados en la literatura, entre los cuales están: modelo Z score de Altman, modelo de Ohlson, modelo de Beaver, modelo de árboles de decisión y modelo DuPont. Además, incluye un estudio de los modelos utilizados por el sector empresarial costarricense, en el cual se evidencia el desconocimiento sobre el tema, ya que la mayoría de empresas investigadas no utiliza o conoce ningún modelo con la capacidad de prevenir las bancarrotas. En ese sentido, las herramientas más utilizadas son las razones financieras, control sobre el presupuesto y, en algunos casos, el esquema integral de rentabilidad (Dupont). Abtract This article presents an analysis of the models for bankruptcy prevention most cited in literature, that is, the Z-score model by Altman, the Ohlson 0-score, the Beaver method, the Decision Tree model and the DuPont method. It also includes a study of models used by the Costa Rican business sector that shows a complete lack of awareness of the subject, since most of it does not know or use any model for bankruptcy prevention. To this end, financial ratios, budget control and in some cases the DuPont integral profitability methods are the ones most used.
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 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».