MétaCan
Menu
Retour à la cohorte
Enregistrement W327119016

Predicción de quiebras empresariales en economías emergentes: uso de un modelo logístico mixto // Bankruptcy Prediction in Emerging Economies: Use of a Mixed Logistic Model

2013· article· es· W327119016 sur OpenAlexaff
Norma Patricia, Margarita Díaz, Marcela Porporato

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2013
Typearticle
Languees
DomaineBusiness, Management and Accounting
ThématiqueFinancial Distress and Bankruptcy Prediction
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésHumanitiesWelfare economicsLogistic regressionEconomicsPolitical sciencePhilosophyMathematicsStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Este trabajo replica y adapta el modelo de Jones y Hensher (2004) a los datos de una economía emergente con el propósito de evaluar su validez externa. Se compara el desempeño del modelo logístico estándar en relación con el modelo logístico mixto para predecir el riesgo de crisis en el periodo 1993-2000, utilizando estados contables de empresas argentinas y ratios definidos en estudios de Altman y Jones y Hensher. Como en estudios anteriores, rentabilidad, rotación, endeudamiento y flujo de fondos operativos explican la probabilidad de crisis financiera. La contribución de esta nueva metodología reduce la tasa de error del tipo I a un 9 %. Se demuestra que el modelo logístico mixto, que tiene en cuenta la heterogeneidad no observada, supera ampliamente el desempeño del modelo logístico estándar. || This study is a replication and adaptation of Jones and Hensher (2004) model in an emerging economy with the purpose of testing its eternal validity. It compares the logistic standard model's performance with the logistic mixed model to predict bankruptcy risk of Argentinean companies between 1993-2000 by using financial statements and ratios defined in previous studies by Altman and Jones and Hensher. Similar to previous studies, profitability, asset turnover, debt and cash flow from operations explain financial distress' probability. The main contribution of this new methodology is the important reduction of error type I to the 9 %. This study asserts that the logistic mixed model, that considers the effect of non-observed heterogeneity, significantly improves the performance of the logistic standard model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,280
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetFinancial Distress and Bankruptcy PredictionTravaux en français237 207